Một nhóm nghiên cứu tại Đại học British Columbia Okanagan (UBCO) vừa phát triển một hệ thống trí tuệ nhân tạo (AI) có khả năng dự đoán chính xác thời gian và địa điểm cập bến của tàu. Phát minh này hứa hẹn sẽ giúp các cảng biển của Canada chuẩn bị tốt hơn cho việc đón tàu và ứng phó hiệu quả hơn với những gián đoạn trong chuỗi cung ứng toàn cầu.
Hệ thống, có tên gọi TrajReducer, được tạo ra bởi Tiến sĩ Zheng Lui, giáo sư tại Trường Kỹ thuật UBCO, và nghiên cứu sinh Chengkai Zhang. TrajReducer có khả năng phân tích hành trình của tàu thông qua các kỹ thuật phân cụm không gian tiên tiến và xếp hạng siêu dữ liệu đa chiều, từ đó đưa ra dự đoán chính xác và hiệu quả về mặt tính toán. Nghiên cứu này giải quyết một nhu cầu cấp thiết trong ngành vận tải hàng hải, hướng tới việc cải thiện hoạt động của các cảng biển.
Tiến sĩ Lui nhấn mạnh tầm quan trọng của nghiên cứu: “Vận tải hàng hải chiếm hơn 80% thương mại toàn cầu, và khả năng dự đoán chính xác điểm đến và thời gian cập bến của tàu hàng trở nên quan trọng hơn bao giờ hết.” Ông cũng lưu ý rằng những năm gần đây đã chứng kiến chuỗi cung ứng toàn cầu dễ bị gián đoạn bởi nhiều yếu tố như đại dịch, căng thẳng địa chính trị, hoặc các sự cố như tàu mắc kẹt ở kênh đào Suez. Do đó, các cảng của Canada cần một công cụ để thích ứng nhanh chóng và hiệu quả.
Theo Tiến sĩ Lui, các phương pháp dự đoán truyền thống thường chậm và không chính xác, với khoảng 30% dữ liệu thiếu thông tin về thời gian khởi hành và đến dự kiến. TrajReducer giải quyết vấn đề này bằng cách nghiên cứu các mô hình từ hàng nghìn chuyến đi của tàu, đồng thời sử dụng thông tin chi tiết về từng tàu như kiểu loại, kích thước, tốc độ và hướng đi. Thay vì kiểm tra từng chuyến đi trong cơ sở dữ liệu, TrajReducer nhanh chóng xác định các chuyến đi tương tự nhất trong quá khứ, bao gồm cả kích thước tàu và điều kiện thời tiết, để đưa ra dự đoán.
Hệ thống này hoạt động bằng cách so sánh lộ trình hiện tại của tàu với các chuyến đi tương tự đã được chọn lọc kỹ càng. Điều này cho phép tính toán điểm đến của tàu với độ chính xác cao, ngay cả khi hành trình mới chỉ bắt đầu. Công nghệ này đặc biệt phù hợp với các cảng lớn của Canada như Vancouver, Prince Rupert, Montreal và Halifax, vốn đóng vai trò là cửa ngõ quan trọng cho thương mại Bắc Mỹ.
“Các cảng của Canada xử lý hàng trăm triệu tấn hàng hóa mỗi năm, và ngay cả những cải tiến nhỏ trong hiệu quả hoạt động cũng có thể mang lại lợi ích kinh tế đáng kể,” Tiến sĩ Lui cho biết. Ông giải thích rằng khi cảng biết trước vài ngày về thời gian cập bến của một tàu container lớn, nhân viên có thể tối ưu hóa việc phân bổ bến, sắp xếp thiết bị phù hợp và phối hợp với mạng lưới đường sắt và xe tải, từ đó đẩy nhanh quá trình giao hàng.
So với các mô hình dự đoán hiện có, TrajReducer mang lại một bước tiến đáng kể trong hoạt động hàng hải nhờ hiệu quả và độ tin cậy cao, dự đoán chính xác điểm đến của tàu mà không đòi hỏi các phép tính phức tạp. Theo Zhang, hệ thống này càng trở nên chính xác hơn khi xử lý lượng dữ liệu lớn hơn. TrajReducer cũng có khả năng thích ứng và cải thiện dự đoán khi mô hình vận chuyển toàn cầu thay đổi do các thỏa thuận thương mại mới, thay đổi cơ sở hạ tầng hoặc biến đổi khí hậu. Nghiên cứu về TrajReducer mở ra nhiều ứng dụng tiềm năng khác ngoài hoạt động cảng, bao gồm an toàn hàng hải, theo dõi môi trường và tối ưu hóa chuỗi cung ứng.
Admin
Nguồn: VnExpress
