MACHINE LEARNING-DRIVEN OPTIMIZATION OF LOGISTICS IN SMART CITIES: A CASE STUDY OF ASTANA
DOI:
https://doi.org/10.54309/IJICT.2026.25.1.001Ключевые слова:
machine learning, logistics optimization, smart city, k-means clustering, Dijkstra’s algorithm, route efficiency, geographic information systems (GIS), urban planning, transportation managementАннотация
Это исследование посвящено разработке и применению методов машинного обучения (ML) для повышения эффективности логистических операций в контексте умных городов. Основное внимание в исследовании уделяется методам кластеризации и алгоритмам кратчайшего пути, а также оптимизации логистики курьерской доставки в Астане, Казахстан. Исследование объединяет кластеризацию K-means и алгоритм Дейкстры для решения задач городской логистики, предоставляя полезную информацию об оптимизации маршрутов, распределении ресурсов и масштабируемости операций. Используя геопространственные данные и передовые методологии кластеризации, это исследование предлагает основу для улучшения логистических операций, способствуя при этом достижению более широких целей умного города.
Скачивания
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 МЕЖДУНАРОДНЫЙ ЖУРНАЛ ИНФОРМАЦИОННЫХ И КОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
https://creativecommons.org/licenses/by-nc-nd/3.0/deed.en