NMRI Cloud

CRAS-AI(AI貨物輸送経路分析システム)

CRAS-AI(AI貨物輸送経路分析システム)

CRAS-AIは人工知能(AI: Artificial Intelligence)分野で主要な手法の1つとなっているDeep Learningを用いて貨物の輸送経路を推定するシステムです。

CRAS-AI: Cargo Route Analysis System by Artificial Intelligence

AI貨物輸送経路分析システム

CRAS-AIは人工知能(AI: Artificial Intelligence)分野で主要な手法の1つとなっているDeep Learningを用いて貨物の輸送経路を推定するシステムです。ここでは輸出入海上コンテナ貨物を対象に、仮に分析対象港を通過する全ての貨物の輸送時間や費用が一定割合で増減した場合に、貨物の流れがどのように変化するのかを評価します(詳しい説明はこちら1)と,こちら2)をご覧ください)。これは港湾改善効果の事前評価に有益です。下記で対象となる港・年・輸出入の別・時間費用増減程度を選ぶことで推定結果の図を表示します。表示される図は、設定に従い増減した対象港利用貨物の国内外の発着地を示したものです。
1.対象港
2.対象年
3.輸出/輸入の別
4.時間・費用増減
対象港の増減貨物の国内発着地
対象港の増減貨物の海外発着地

注)

・ この研究では国土交通省が実施する全国輸出入コンテナ貨物流動調査のデータを利用しました。

・ 計算時間短縮のため、全体の1/80のデータで計算した参考結果です。大ロットの貨物が選外となった場合など、結果に多少の偏りがある可能性があります。

1)CRAS-AIの基本的な仕組み

Deep Learningは、脳の神経細胞ネットワークを模した多層からなる人工ニューラルネットワークをコンピュータ上に作成し、多数の入力データ(学習用データ)を用いて信号の流れ方を反復学習させることで、判断モデル(学習済みモデル)を得るものです。このモデルは各貨物がどの輸送経路を選択するかを推定する機能を持ちます。
CRAS-AIの人工ニューラルネットワーク
CRAS-AIの人工ニューラルネットワーク

図の左側において貨物データとは貨物1個のもつ属性データ(発地、着地、品種、重量等)であり、貨物データの各属性項目を並べることで作成されます。一方で、候補経路データとは、当該貨物の発着地を結ぶ候補となる経路の属性データ(所要時間、費用、距離等)で、計n本分用意します。これに輸送実績データから得られる正解経路番号を加えることで1セットの学習データとなります。学習データは貨物個数分のセットが用意されます。


図の右側の出力は各径路が選ばれる確率で、最も確率が高いと予測された経路が正解の経路と一致しているか判定され、もし間違っていたら信号の流れ方が修正されます。以上のように反復学習させることで、図のニューラルネットワークはどのような貨物属性を持った貨物がどのような経路を選ぶ傾向が強いのか、という繋がりを学習していきます。


*以上は簡略化した説明です。詳しい仕組みを知りたい方はこちら をご参照ください。利用例を知りたい方はこちら をご参照ください。

2) 分析内容

分析ではまず対象港を定め、その港が改善(あるいは劣化)した状況を再現した上で貨物の経路変化を求めます。具体的には、貨物を輸送する候補経路のうち対象港を通る経路のみ、輸送時間や費用を実際より少なく(あるいは多く)設定して貨物の輸送経路の推定を行います。以下、輸入を例に説明します(輸出は逆の動きになります)。
湾港の形状からの改善/劣化の影響(輸入の例)
湾港の形状からの改善/劣化の影響(輸入の例)

図中央の(1)が現状を表します。現在は貨物2だけが対象港を通過していますが、港湾の改善等によって輸送時間や費用が現状より低減した場合は、例えば図左(2)の貨物3のように対象港を通過する貨物が増えます。増えた貨物とその発地(輸入の場合は海外港)・着地を集計します。


逆に、このまま対策を取らずに港湾が劣化等することにより輸送時間や費用が現状より増大した場合は、例えば図右(2)の貨物2のように対象港を通過する貨物が減ります。減った貨物とその発地(輸入の場合は海外港)・着地を集計します。


以上を、海外港と国内の地域単位で集計して可視化したのが表示される図になります。ここでは分かり易さを優先して単純な計算例のみ示してありますが、多様な例題について細かく条件を変えて分析を行う事も可能です。

ご利用条件

サイトポリシーをご覧ください。

更新情報