Rail transport has unmistakable sustainable (environmental and economic) advantages in goods transportation on a massive scale. Goods loading constitutes an important segment of goods transportation by rail. Incorrect loading can be a serious threat to traffic safety as well as a generator of unforeseen expenses related to goods, railway infrastructure and vehicles. At the beginning, the paper identifies the presence of incorrect loading into freight railcars. The analysis of the available loading software has led to the conclusion that no software offers adequate support to the planning and monitoring of the loading of goods into a covered railcar using a forklift truck. For this reason, the main aim of the research is to formulate a mathematical model that includes real-world constraints, as well as the design and implementation of an original user-friendly load planning and monitoring software system. Experimental evaluations of the implemented software have been made based on single and multiple railcar pallet loading problems, considering the following three optimization criteria: maximization of wagon load weight, maximization of wagon volume utilization and maximization of weighted profit. By testing the optimization and visualization features of the software and analyzing the results, it has been concluded that it can offer full support to real load planning and monitoring problems.
In this paper, research is done in the influence of different terrain and traffic conditions on road sections on the driver?s driving performances, i.e. on the car energy efficiency and CO2 emission. A methodology aimed at determining to which extent unfavorable traffic and/or terrain conditions on a road section contribute to the driver?s worse driving performances, and also to determine when the driver?s aggressive driving style is responsible for greater fuel consumption and greater CO2 emission is proposed. In order to apply the proposed methodology, a research study was carried out in a cargo transportation company and 12 drives who drove the same vehicle on five different road sections were selected. As many as 284 014 of the instances of the data about the defined parameters of the road section and the driver?s driving style were collected, based on which and with the help of machine learning a prediction of the scores for the road section and the scores for the driver?s driving style was performed. The obtained results have shown that the proposed methodology is a useful tool for managers enabling them to simply and quickly determine potential room for increasing the energy efficiency of the vehicle fleet and decreasing CO2 emission.
Abstract:Kako bi odredile optimalan način osiguranja putno-pružnih prelaza Železnice Srbije (ŽS) moraju raspolagati podacima o obimu drumskog saobraćaja na prelazima. U ovom radu razvijen je informacioni sistem (IS) koji ŽS omogućava da preuzimaju potrebne podatke od Javnog preduzeća "Putevi Srbije" (JPPS) u realnom vremenu. IS se sastoji od Windows aplikacije, Windows Communication Foundation (WCF) Data servisa i SQL baze podataka. Servisi se pozivaju iz Windows aplikacije; oni preuzimaju podatke iz SQL baze podataka JPPS, a zatim se preuzeti podaci prikazuju u istoj Windows aplikaciji. UVODJedan od najznačajnijih zadataka Železnica Srbije (ŽS), kada je u pitanju bezbednost železničkog saobraćaja, jeste da smanji broj saobraćajnih nezgoda na putno-pružnim prelazima. Da bi se donela odluka kod kojih putno-pruž-nih prelaza je potrebno povećati stepen osiguranja, potrebno je raspolagati podacima o obimu drumskog saobraćaja na prelazima [1]. Brojanje saobraćaja na državnim putevima Republike Srbije vrši Javno preduzeće "Putevi Srbije" (JPPS), uz pomoć automatskih brojača i sistema za naplatu putarine. Stoga Železnice Srbije moraju periodično da preuzimaju podatke o saobraćajnim tokovima od JPPS. U ovom radu predlažemo model za preuzimanje podataka u realnom vremenu uz pomoć Windows Communication Foundation (WCF) Data servisa. WCF Data servisi su posebna vrsta Web servisa koja omoguća-va pristup različitim udaljenim sistemima za upravljanje bazama podataka, izvršavanje upita nad tim bazama i prikazivanje rezultata upita unutar Windows ili Web aplikacija. U drugoj sekciji rada biće predstavljen Windows Communication Foundation Framework.U okviru rada razvijen je prototip informacionog sistema (IS), kao deo pilot projekta realizovanog za potrebe Železnica Srbije. Frontalni deo IS predstavlja klijentska Windows aplikacija Putno-pružni prelazi, koja ŽS omogućava upravljanje podacima o putno-pružnim prelazima. Razvijena su i dva WCF Data servisa koji iz Microso SQL Server baze podataka JPPS preuzimaju podatke o prosečnom godišnjem i prosečnom mesečnom dnevnom saobraćaju po osnovnim vrstama vozila na saobraćajnim deonicama. WCF Data servisi pozivaju se iz pomenute Windows aplikacije, a podacima koje servisi obezbeđu-ju može se manipulisati u istoj aplikaciji. Ova Windows aplikacija zajedno sa pomenutim Web servisima i bazama podataka sa kojima komunicira predstavlja informacioni sistem za podršku odlučivanju pri upravljanju putnopružnim prelazima. Informacioni sistem biće detaljno opisan u trećoj sekciji rada.U zaključnoj sekciji rada biće analizirane mogućnosti WCF Data servisa u razvoju informacionih sistema za podršku odlučivanju. WINDOWS COMMUNICATION FOUNDATION FRAMEWORKWindows Communication Foundation Framework je moćan radni okvir za dizajniranje, razvoj, hostovanje i korišćenje servisa. Budući da su razvijeni na Microsoovoj platformi, WCF servisi mogu da koriste standardne tehnologije da bi obezbedili širok spektar sposobnosti koje se tiču: sigurnosti, transakcija i komunikacije [2]. Pre nego što su se pojavili W...
Kako bi prevenirao odliv korisnika, za telekomunikacionog operatora bilo bi korisno da sazna koji su to parametri koji najviše utiču na odlazak korisnika. Rad se bavi problemom predikcije budućeg odliva korisnika na osnovu istorijskih podataka u programskom jeziku Python. U cilju rešavanja ovog problema pronađen je odgovarajući, otvoreni skup podataka i izvršena istraživačka analiza podataka, kako bi se utvrdio stepen zavisnosti između svake nezavisne i zavisne varijable. Nezavisne varijable opisuju korisnika i servise koje je koristio, dok zavisna varijabla daje odgovor na pitanje: da li je korisnik do tog trenutka napustio operatora? Zatim su kreirani različiti klasifikacioni modeli mašinskog učenja korišćenjem nekih od algoritama implementiranih u Scikit-Learn biblioteci programskog jezika Python. Tačnost najboljih modela iznosila je preko 95%, što je za 10% više od tačnosti null modela, pa se može zaključiti da se predikacija odliva korisnika može uspešno vršiti korišćenjem mašinskog učenja, u programskom jeziku Python.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.