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

• Dynamic Graph Representation Learning for Passenger Behavior Prediction [7.179458364817048]
  乗客の行動予測は、過去の搭乗情報と照会データを通して、乗客の旅行パターンを追跡することを目的としている。 これはスマートシティ開発と公共交通計画にとって不可欠である。 既存の研究は、個々の歴史的相互作用から学ぶための統計手法とシーケンシャルモデルに依存している。
  論文  参考訳（メタデータ） (2024-08-17T04:35:17Z)
• Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
  我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。 私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。 私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
  論文  参考訳（メタデータ） (2024-06-12T11:50:51Z)
• Real-Time Go-Around Prediction: A case study of JFK airport [4.1374497211515]
  本稿では,長期記憶モデル(LSTM)を用いて,到着便がJFK空港に接近する際のリアルタイムの回避確率を予測する。 我々はまた,グローバルな視点と個々の飛行視点の両方から,周航現象の原因を調べる方法も開発している。 以上の結果から,車内間隔と滑走路同時運転が,全体の回避に寄与する主要な要因であると考えられた。
  論文  参考訳（メタデータ） (2024-05-18T07:39:45Z)
• Airport Delay Prediction with Temporal Fusion Transformers [24.280246809961945]
  本研究は,米国最上位30空港において,新しい時空核融合変圧器モデルを適用し,第4四半期の空港到着遅延を予測することを提案する。 我々のモデルには、空港の需要と容量予測、歴史的な空港の運転効率情報、空港の風と可視性、さらには気象や交通条件などが含まれる。
  論文  参考訳（メタデータ） (2024-05-14T03:27:15Z)
• 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)
• 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)
• 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。