本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用 Amazon SageMaker AI 預測貨運容量的需求
<a name="introduction"></a>

*Tianxia Jia 和 Hengzhi Chen，Amazon Web Services (AWS)*

*2024 年 5 月* ([文件歷史記錄](doc-history.md))

需求預測對運輸和物流產業至關重要，尤其是在供應鏈限制期間。準確的貨運需求預估可讓涉及物流和供應鏈的公司受益，例如跨越邊界運送容器和航空貨運的公司。這有助於公司有效地管理保護其運輸網路的成本，這有助於他們管理運輸成本並最大限度地提高收入和利潤。

能夠進行準確預測的機器學習 (ML) 模型取決於高品質的訓練資料。對於需求預測，訓練資料可以包含歷史需求量和其他與量相關的內部產生的資料，例如價格、庫存和銷售團隊人數。此外，外部資料，例如競爭對手、市場環境、假日、天氣和巨集經濟，也可能會影響需求量。這些內部和外部資料因素可以用作 ML 模型中的功能。

識別所有功能後，企業也可能想要提供部分這些功能在其控制範圍內的輸入。例如，企業可以預先設定運送價格，或決定何時執行促銷和折扣。這些類型的使用者輸入可在進行預測時併入模型。

本指南說明在 上建置解決方案的策略 AWS ，該解決方案使用 ML 模型進行準確的邏輯需求預測。您可以在歷史資料集上訓練模型，其中包含需求量和與需求相關的功能。這些功能和指標包括內部有機資料和外部資料。該解決方案也為使用者和業務分析師提供了提供輸入的靈活性，然後可以將其納入預測模型中。 

下圖顯示歷史時間序列和 12 個月預測範圍的範例。您可以使用本指南中的建議來建立產生此類預測的 ML 模型。



![歷史資料和 12 個月預測範圍的折線圖](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/forecast-demand-freight-capacity/images/12-month-forecast.png)