論文の概要: Horizon-Aware Forecasting of Passenger Assistance Demand for Rail Station Workforce Planning

• arxiv url: http://arxiv.org/abs/2604.16464v1
• Date: Wed, 08 Apr 2026 16:10:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.02046
• Title: Horizon-Aware Forecasting of Passenger Assistance Demand for Rail Station Workforce Planning
• Title（参考訳）: 鉄道駅事業計画における乗客支援需要の水平的予測
• Authors: Michael Sheehan, Irina Timoshenko,
• Abstract要約: 本稿では、駅レベルの乗客支援需要を予測し、従業員計画に予測を翻訳するためのデータ駆動型意思決定支援フレームワークを提案する。 このアプローチは、LNER管理ステーション間の定期的な計画と人員決定を支援するために、プロダクショングレードシステムで実装されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Passenger assistance services are essential for accessible rail travel, yet demand varies substantially across stations and over time, creating challenges for workforce planning and staff rostering. This paper presents a data-driven decision support framework for forecasting station-level passenger assistance demand and translating forecasts into workforce plans. The forecasting component applies a horizon-aware Prophet modelling approach using multi-source operational data, while the planning component maps demand forecasts to staffing requirements under service and operational constraints through an interpretable red-amber-green risk framework. The approach has been implemented within a production-grade system to support routine planning and staffing decisions across LNER-managed stations. Results demonstrate improved forecast accuracy relative to year-on-year baseline methods, with absolute error reduced by up to 76.9%, and show that forecast-informed staffing is associated with an approximate 50% reduction in failed passenger assistance deliveries attributable to staff availability. These findings highlight the value of integrating interpretable forecasting with operational work.
• Abstract（参考訳）: 旅客支援サービスは鉄道旅行に欠かせないが、需要は駅や時間とともに大きく変化し、労働者の計画やスタッフのロースター化が困難になっている。 本稿では、駅レベルの乗客支援需要を予測し、従業員計画に予測を翻訳するためのデータ駆動型意思決定支援フレームワークを提案する。 予測コンポーネントは、マルチソースの運用データを使用した水平方向対応のProphetモデリングアプローチを適用し、計画コンポーネントは、解釈可能な赤-青-緑のリスクフレームワークを通じて、サービスおよび運用上の制約下でのスタッフの要求に対する需要予測をマップする。 このアプローチは、LNER管理ステーション間の定期的な計画と人員決定を支援するために、プロダクショングレードシステムで実装されている。 その結果, 年間ベースライン法と比較して予測精度が向上し, 絶対誤差が76.9%まで低下した。 これらの知見は、解釈可能な予測と運用作業を統合することの価値を浮き彫りにした。

関連論文リスト

• Toward Reducing Unproductive Container Moves: Predicting Service Requirements and Dwell Times [65.01025489527173]
  本稿では, コンテナ端末で実施したデータサイエンス研究の結果について述べる。 我々は、歴史的運用データを活用する機械学習モデルを開発し、カーゴリリースに先立って、どのコンテナが事前クリアランス処理サービスを必要とするかを予測し、いつまで端末に留まるかを推定する。
  論文  参考訳（メタデータ） (2026-04-06T19:06:15Z)
• OpComm: A Reinforcement Learning Framework for Adaptive Buffer Control in Warehouse Volume Forecasting [28.715625330574966]
  OpCommは、教師あり学習と強化学習ベースのバッファ制御を組み合わせた予測および意思決定支援フレームワークである。 400以上のステーションで、OpCommは手動の予測よりも21.65%の重み付き絶対パーセンテージエラー(WAPE)を減らした。
  論文  参考訳（メタデータ） (2025-12-17T17:21:19Z)
• Real Time Headway Predictions in Urban Rail Systems and Implications for Service Control: A Deep Learning Approach [3.3246021992391874]
  本研究では,地下鉄全線を横断する列車の走行経路の複雑な伝搬を予測するためのディープラーニングフレームワークを提案する。 提案手法は,計画された終端ヘッドウェイを過去のヘッドウェイデータと共に重要な入力として直接組み込むことで,将来のヘッドウェイのダイナミクスを正確に予測する。 このフレームワークは、ディスパッチ戦略を最適化する強力な計算効率のツールを提供する。
  論文  参考訳（メタデータ） (2025-10-03T15:50:01Z)
• Extending Load Forecasting from Zonal Aggregates to Individual Nodes for Transmission System Operators [6.264080042754659]
  伝送系演算子(TSO)は高解像度の負荷予測を必要とする。 ノイズ負荷は予測よりも正確ではなく、多数の個別の予測を必要とする。 我々は、時間ごとの日頭負荷予測のための演算子のニーズを満たすマルチレベルシステムを開発した。
  論文  参考訳（メタデータ） (2025-09-02T23:20:07Z)
• On autoregressive deep learning models for day-ahead wind power forecasting with irregular shutdowns due to redispatching [0.6001424997506751]
  再パッチ計画のためには、風力発電(WP)の可利用性を伝えるために、日頭予測が必要である。 再パッチ停止によるWP生成能力の不規則な介入は、WP予測モデルの設計と運用に課題をもたらす。 本稿では,正規および不規則の両方のシャットダウンを伴うデータセットの最先端予測手法を解析する。
  論文  参考訳（メタデータ） (2024-11-30T10:30:11Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2022-06-16T06:13:53Z)
• 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)
• 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)

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。