Fugu-MT 論文翻訳(概要): Optimizing the Passenger Flow for Airport Security Check

論文の概要: Optimizing the Passenger Flow for Airport Security Check

arxiv url: http://arxiv.org/abs/2312.05259v2
Date: Wed, 13 Dec 2023 12:47:44 GMT
ステータス: 処理完了
システム内更新日: 2023-12-14 20:07:11.912925
Title: Optimizing the Passenger Flow for Airport Security Check
Title（参考訳）: 空港保安チェックにおける乗客フローの最適化
Authors: Yuxin Wang, Fanfei Meng, Xiaotian Wang, Chaoyu Xie
Abstract要約: 本稿では,シカゴ・オヘア国際空港に特化したゲート設置手順の最適化を目的とした潜在的ソリューションを提案する。待ち行列理論とモンテカルロシミュレーションを参考に、平均待ち時間をより管理可能なレベルに大幅に減少させるアプローチを提案する。
参考スコア（独自算出の注目度）: 21.673442054117597
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Due to the necessary security for the airport and flight, passengers are required to have strict security check before getting aboard. However, there are frequent complaints of wasting huge amount of time while waiting for the security check. This paper presents a potential solution aimed at optimizing gate setup procedures specifically tailored for Chicago OHare International Airport. By referring to queueing theory and performing Monte Carlo simulations, we propose an approach to significantly diminish the average waiting time to a more manageable level. Additionally, our study meticulously examines and identifies the influential factors contributing to this optimization, providing a comprehensive understanding of their impact.
Abstract（参考訳）: 空港や飛行に必要なセキュリティのため、乗客は乗る前に厳格なセキュリティチェックを受けなければならない。しかし、セキュリティチェックを待つ間、膨大な時間を浪費しているという苦情が頻発している。本稿では,シカゴ・オアレ国際空港専用ゲート設置手順の最適化を目的とした潜在的な解決策を提案する。待ち行列理論を参照し,モンテカルロシミュレーションを行うことにより,平均待ち時間をより管理可能なレベルまで大幅に短縮する手法を提案する。さらに,本研究では,この最適化に寄与する要因を慎重に検討し,その影響を包括的に理解する。

関連論文リスト

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)
Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
論文参考訳（メタデータ） (2024-02-29T14:53:55Z)
Machine Learning-Enhanced Aircraft Landing Scheduling under Uncertainties [14.474624795989824]
自動化と安全性の向上を目的とした,革新的な機械学習(ML)強化型ランディングスケジューリング手法を提案する。 ML予測は、時間制約のある旅行セールスマン問題の定式化において、安全制約として統合される。ケーススタディでは、FCFS(First-Come-First-Served)ルールと比較して、総着陸時間が平均17.2%減少している。
論文参考訳（メタデータ） (2023-11-27T17:50:14Z)
Safe Model-Based Multi-Agent Mean-Field Reinforcement Learning [48.667697255912614]
平均場強化学習は、同一エージェントの無限集団と相互作用する代表エージェントのポリシーに対処する。モデルベースの平均場強化学習アルゴリズムであるSafe-M$3$-UCRLを提案する。本アルゴリズムは,低需要領域におけるサービスアクセシビリティを確保しつつ,重要な領域における需要を効果的に満たす。
論文参考訳（メタデータ） (2023-06-29T15:57:07Z)
Meta-Learning Priors for Safe Bayesian Optimization [72.8349503901712]
メタ学習アルゴリズムであるF-PACOHを構築し,データ不足の設定において確実な定量化を実現する。コアコントリビューションとして、安全に適合した事前をデータ駆動で選択するための新しいフレームワークを開発する。ベンチマーク関数と高精度動作系において,我々のメタ学習先行が安全なBOアプローチの収束を加速することを示す。
論文参考訳（メタデータ） (2022-10-03T08:38:38Z)
Vision-based Conflict Detection within Crowds based on High-Resolution Human Pose Estimation for Smart and Safe Airport [5.694579371558041]
本稿では,集団における衝突行動の分類を行う機械学習モデルの開発について述べる。支持ベクトルマシン(SVM)は94.37%の精度を達成した。結果として得られたモデルは、膨大な数の潜在的な乗客に対処するために改良が加えられた場合、空港内に配備される可能性がある。
論文参考訳（メタデータ） (2022-07-01T14:54:12Z)
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)
A Deep-Learning Based Optimization Approach to Address Stop-Skipping Strategy in Urban Rail Transit Lines [0.0]
都市鉄道路線における最適なストップスキップパターンを決定するための高度なデータ駆動最適化手法を提案する。我々は、ピーク時のステーションレベルの需要率を予測するために、LSTM(Long Short-Term Memory)ディープラーニングモデルを用いている。この問題の指数関数的性質を考慮し,適切な時間で解決するAnt Colony Optimization手法を提案する。
論文参考訳（メタデータ） (2021-09-17T23:52:19Z)
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)
Right Decisions from Wrong Predictions: A Mechanism Design Alternative to Individual Calibration [107.15813002403905]
意思決定者は、しばしば不完全な確率予測に頼る必要がある。本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
論文参考訳（メタデータ） (2020-11-15T08:22:39Z)
Conservative Safety Critics for Exploration [120.73241848565449]
強化学習(RL)における安全な探索の課題について検討する。我々は、批評家を通じて環境状態の保守的な安全性推定を学習する。提案手法は,破滅的故障率を著しく低く抑えながら,競争力のあるタスク性能を実現することができることを示す。
論文参考訳（メタデータ） (2020-10-27T17:54:25Z)

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。