論文の概要: Decision Support Models for Predicting and Explaining Airport Passenger
Connectivity from Data
- arxiv url: http://arxiv.org/abs/2111.01915v1
- Date: Tue, 2 Nov 2021 22:08:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-04 13:44:41.385560
- Title: Decision Support Models for Predicting and Explaining Airport Passenger
Connectivity from Data
- Title(参考訳): データから空港の乗客接続を予測・説明するための意思決定支援モデル
- Authors: Marta Guimaraes, Claudia Soares, Rodrigo Ventura
- Abstract要約: 本稿では,接続飛行管理の異なる段階を対象とした機械学習に基づく意思決定支援モデルを提案する。
フライトや乗客の履歴データを用いて、航空会社のハブ空港におけるフライト接続の欠落を予測した。
- 参考スコア(独自算出の注目度): 4.613211668370363
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting if passengers in a connecting flight will lose their connection is
paramount for airline profitability. We present novel machine learning-based
decision support models for the different stages of connection flight
management, namely for strategic, pre-tactical, tactical and post-operations.
We predict missed flight connections in an airline's hub airport using
historical data on flights and passengers, and analyse the factors that
contribute additively to the predicted outcome for each decision horizon. Our
data is high-dimensional, heterogeneous, imbalanced and noisy, and does not
inform about passenger arrival/departure transit time. We employ probabilistic
encoding of categorical classes, data balancing with Gaussian Mixture Models,
and boosting. For all planning horizons, our models attain an AUC of the ROC
higher than 0.93. SHAP value explanations of our models indicate that
scheduled/perceived connection times contribute the most to the prediction,
followed by passenger age and whether border controls are required.
- Abstract(参考訳): 接続便の乗客が接続を失うかどうかを予測することは、航空会社の利益率にとって最優先事項である。
本稿では,接続飛行管理の異なる段階,すなわち戦略的,戦術的,戦術的,事後的といった新しい機械学習に基づく意思決定支援モデルを提案する。
航空会社のハブ空港におけるフライト・コネクションの欠落をフライト・乗客の履歴データを用いて予測し,決定の地平線毎の予測結果に寄与する要因を分析した。
我々のデータは高次元、不均一、不均衡、騒音であり、乗客の到着・出発・出発時刻を知らせない。
我々は,カテゴリクラスの確率的エンコーディング,ガウス混合モデルによるデータバランス,ブースティングを用いる。
すべての計画地平線について、我々のモデルは 0.93 以上の roc の auc を得る。
本モデルのSHAP値説明は, スケジュール/知覚された接続時間が最も予測に寄与し, 続いて乗客年齢, 境界制御が必要か否かを示唆している。
関連論文リスト
- JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳(メタデータ) (2023-11-05T18:59:31Z) - Inferring Traffic Models in Terminal Airspace from Flight Tracks and
Procedures [52.25258289718559]
本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。
任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
論文 参考訳(メタデータ) (2023-03-17T13:58:06Z) - Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。
近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。
本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
論文 参考訳(メタデータ) (2022-06-29T17:58:12Z) - Phased Flight Trajectory Prediction with Deep Learning [8.898269198985576]
過去10年間で民間航空会社や民間機が前例のない増加を遂げたことは、航空交通管理の課題となっている。
正確な飛行軌跡予測は、安全かつ秩序ある飛行の決定に寄与する航空輸送管理において非常に重要である。
本研究では,大型旅客・輸送航空機の飛行軌道予測における最先端手法よりも優れた位相付き飛行軌道予測フレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-17T02:16:02Z) - Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks
Relying on Real Flight Data: From Single-Objective to Near-Pareto
Multi-Objective Optimization [79.96177511319713]
航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。
フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。
DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
論文 参考訳(メタデータ) (2021-10-28T14:18:22Z) - Federated Learning with Correlated Data: Taming the Tail for Age-Optimal
Industrial IoT [55.62157530259969]
本稿では,ピークAoI要求に基づくセンサの送信電力最小化と待ち時間に対する確率的制約について検討する。
本稿では,センサのトレーニングデータ間の相関を考慮した局所モデル選択手法を提案する。
数値計算の結果,送信電力,ピークAoI,遅延尾部分布のトレードオフが示された。
論文 参考訳(メタデータ) (2021-08-17T08:38:31Z) - A Simplified Framework for Air Route Clustering Based on ADS-B Data [0.0]
本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援する枠組みを提案する。
実のところ,エアフロー最適化の計算コストを実質的に低減するために,我々の枠組みを考慮に入れることができる。
論文 参考訳(メタデータ) (2021-07-07T08:55:31Z) - Predicting Flight Delay with Spatio-Temporal Trajectory Convolutional
Network and Airport Situational Awareness Map [20.579487904188802]
空港に適用可能な高い予測精度を実現するためのビジョンベースソリューションを提案する。
本稿では,状況認識マップから空間的情報と時間的情報の両方をキャプチャする,エンドツーエンドのディープラーニングアーキテクチャであるTrajCNNを提案する。
提案手法は,ロサンゼルス国際空港での発着遅延の予測に有効である(約18分遅れ)。
論文 参考訳(メタデータ) (2021-05-19T07:38:57Z) - Spatio-Temporal Data Mining for Aviation Delay Prediction [15.621546618044173]
本研究では,商業飛行における長期記憶ネットワーク(LSTM)に基づく航空機遅延予測システムを提案する。
このシステムは、自動監視放送(ADS-B)メッセージから歴史的軌跡から学習する。
従来と比べ,大規模なハブ空港ではより堅牢で正確であることが実証された。
論文 参考訳(メタデータ) (2021-03-20T18:37:06Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳(メタデータ) (2021-02-12T18:17:12Z) - Study on Key Technologies of Transit Passengers Travel Pattern Mining
and Applications based on Multiple Sources of Data [1.370633147306388]
本稿では,移動客の移動パターンと行動選好をマイニングするための一連の手法を提案する。
これらの知識を交通システムの調整と最適化に利用しています。
論文 参考訳(メタデータ) (2020-05-26T22:35:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。