大型语言模型用于集装箱吞吐量预测：将情境信息纳入港口物流
计算工程、金融与科学
2026-02-25 v1
摘要
近期的生成式人工智能进展展示了其在各个领域的巨大潜力。然而，其在港口物流中的应用仍未得到充分探索。港口是多样化情境信息共存的复杂运营环境，使其成为生成式AI实施的有前景的领域，并凸显了相关研究的紧迫性。在本研究中，我们将大型语言模型（LLM）——一种领先的生成式AI技术——应用于预测集装箱吞吐量，这是港口物流中的关键挑战。为此，我们采用了最先进的LLM方法，并提出了一种新颖的提示结构，旨在纳入港口运营的情境特征。广泛的实验确认了我们方法的优越性，表明所提出的方法优于竞争性基准模型。此外，额外的实验揭示了LLM如何有效学习和利用多层情境信息进行推断于港口物流。基于这些发现，我们探讨了影响LLM在该领域采用的关键约束，并概述了旨在解决这些约束的未来研究方向。 accordingly，我们提供了技术和实用见解，以支持生成式AI在港口物流中有效部署。
引用
@article{arxiv.2602.20489,
title = {Application of Large Language Models for Container Throughput Forecasting: Incorporating Contextual Information in Port Logistics},
author = {Minseop Kim and Jaeeun Kwon and Hanbyeol Park and Kikun Park and Taekhyun Park and Hyerim Bae},
journal= {arXiv preprint arXiv:2602.20489},
year = {2026}
}