Розробка інтелектуальної системи прогнозування для підтримки автоперевезень

Abstract

У роботі здійснено комплексний аналіз проблем оптимізації автоперевезень та визначено ключові виклики при створенні інтелектуальних систем прогнозування в логістичній галузі. Проведено порівняльне дослідження відомих аналогів, зокрема платформ Uber Michelangelo, Google OR-Tools та Amazon Forecast. Обґрунтовано вибір методів машинного навчання для реалізації інтелектуальної системи на базі фреймворку ML.NET. Для оцінювання якості прогнозних моделей використано метрики MicroAccuracy та MacroAccuracy, а також застосовано методи запобігання перенавчанню. Науково обґрунтовано структуру бази даних та типи вхідних даних для забезпечення стабільної роботи моделі. Технічну реалізацію ядра системи виконано мовою програмування C# у середовищі Microsoft Visual Studio з використанням MS SQL Server для керування даними. Розроблено програмні модулі та графічний інтерфейс засобами мови Python, що забезпечує гнучкість аналізу та візуалізації результатів. Сформульовано вимоги до експлуатації застосунку, проведено тестування розробленої системи та експериментальне дослідження якості прогнозів у реальних умовах.