論文の概要: FlightSense: An End-to-End MLOps Platform for Real-Time Flight Delay Prediction via Rotation-Chain Propagation Features and Agentic Conversational AI

• arxiv url: http://arxiv.org/abs/2605.07364v1
• Date: Fri, 08 May 2026 07:21:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.882237
• Title: FlightSense: An End-to-End MLOps Platform for Real-Time Flight Delay Prediction via Rotation-Chain Propagation Features and Agentic Conversational AI
• Title（参考訳）: FlightSense: ローテーションチェーンの伝搬機能とエージェント会話型AIによるリアルタイム飛行遅延予測のためのエンドツーエンドMLOpsプラットフォーム
• Authors: Aditi J. Shelke, Renuka J. Shelke, Yash M. Kamerkar,
• Abstract要約: 本稿では,プログレッシブ3バージョン機能エンジニアリングフレームワークによって構築された,リアルタイム飛行遅延予測のためのエンドツーエンドMLOpsプラットフォームを提案する。 FlightSenseはAWS MLOpsパイプラインとしてデプロイされ、Lambda経由のライブの天気予報、リアルタイムのSageMaker推論、インタラクティブなStreamlitダッシュボード、ツール使用アーキテクチャによる自然言語遅延クエリに応答するAmazon Bedrock Novaの会話アシスタントが組み込まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flight delays impose cascading operational and financial burdens across the aviation network, costing the U.S. economy billions of dollars annually by disrupting interconnected aircraft rotation systems. While prior machine learning approaches have demonstrated strong predictive performance, most treat upstream delays as static input variables rather than explicitly modeling how delays propagate dynamically through aircraft rotation chains, and none have deployed such systems alongside a live weather-aware conversational AI interface for end-user interaction. This paper presents FlightSense, an end-to-end MLOps platform for real-time flight delay prediction built through a progressive three-version feature engineering framework. Version 1 trains an XGBoost classifier on 11 schedule-based features establishing a baseline ROC AUC of 0.732 on 7.07 million BTS 2018 On-Time Performance records. Version 2 introduces 11 delay propagation features derived from aircraft rotation chains via tail-number tracking, yielding the dominant performance gain (AUC 0.732 to 0.875) and surpassing the single-stage XGBoost baseline reported by Zhou (2025). Version 3 integrates five NOAA meteorological features across 10 major U.S. airports, achieving a final test set AUC of 0.879. FlightSense is deployed as a production AWS MLOps pipeline incorporating live weather ingestion via Lambda, real-time SageMaker inference, an interactive Streamlit dashboard, and an Amazon Bedrock Nova Micro conversational assistant answering natural-language delay queries via a tool-use architecture.
• Abstract（参考訳）: 飛行遅延により、航空網全体の運用と財政上の負担が増大し、相互に接続する航空機の回転システムを破壊することで、アメリカ経済は年間数十億ドルの損失を被った。 従来の機械学習アプローチは強い予測性能を示しているが、ほとんどの場合、アップストリーム遅延を、航空機の回転チェーンを介して遅延がどのように動的に伝播するかを明示的にモデル化するのではなく、静的な入力変数として扱う。 本稿では,プログレッシブ3バージョン機能エンジニアリングフレームワークによって構築されたリアルタイム飛行遅延予測のための,エンドツーエンドのMLOpsプラットフォームであるFlightSenseを提案する。 バージョン1では、XGBoost分類器を11のスケジュールベースで訓練し、ベースラインのROC AUCは770万BTS 2018 On-Time Performanceレコードで0.732である。 バージョン2では、尾数追跡により航空機の回転チェーンから派生した11の遅延伝搬特性を導入し、性能向上(AUC 0.732から0.875)を達成し、Zhou (2025)によって報告されたシングルステージのXGBoostベースラインを上回った。 バージョン3は米国の主要空港10か所で5つのNOAA気象学的特徴を統合し、最終テストセットは0.879である。 FlightSenseはAWS MLOpsパイプラインとしてデプロイされ、Lambda経由のライブの天気予報、リアルタイムのSageMaker推論、インタラクティブなStreamlitダッシュボード、ツール使用アーキテクチャによる自然言語遅延クエリに応答するAmazon Bedrock Novaの会話アシスタントが組み込まれている。

関連論文リスト

• ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
  ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。 ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
  論文  参考訳（メタデータ） (2026-03-17T14:16:10Z)
• When RL Meets Adaptive Speculative Training: A Unified Training-Serving System [71.98182665273575]
  Auroraは、生の推論トレースから直接投機子を直接学習することでループを閉じる統一的なトレーニングサービスシステムである。 我々の設計では,SGLangベースの推論サーバを非同期トレーニングサーバと統合し,サービス中断なしにホットスワップされた投機装置の更新を可能にする。
  論文  参考訳（メタデータ） (2026-02-06T18:28:54Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• Aeolus: A Multi-structural Flight Delay Dataset [41.17078926798434]
  Aeolusは大規模なマルチモーダルフライト遅延データセットである。 飛行遅延予測の研究を進めるために設計された。 Aeolusは回帰、分類、時間構造モデリング、グラフ学習など幅広いタスクをサポートしている。
  論文  参考訳（メタデータ） (2025-10-30T15:41:43Z)
• Flight Delay Prediction via Cross-Modality Adaptation of Large Language Models and Aircraft Trajectory Representation [1.7434507809930746]
  本稿では,軽量な大規模言語モデルに基づくマルチモーダル飛行遅延予測を提案する。 このアプローチは、飛行情報、天気予報、飛行予報を含む、テキストによる航空情報と軌跡表現を統合している。 実験により、モデルが常にサブ分間の予測誤差を達成できることが示されている。 この枠組みは、言語理解と軌跡データの相互モダリティ適応が組み合わさると、遅延予測が促進されることを実証する。
  論文  参考訳（メタデータ） (2025-10-24T12:21:27Z)
• Efficient Real-Time Aircraft ETA Prediction via Feature Tokenization Transformer [17.277512318874457]
  航空機の到着時刻(ETA)は航空機の到着管理に不可欠である。 本研究では,特徴トークン化に基づくトランスフォーマーモデルを用いて,航空機のETAを効率的に予測する。 データサンプリングレート1HZでは、ETA予測が毎秒更新される。
  論文  参考訳（メタデータ） (2025-07-31T03:56:30Z)
• FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond 10 Days Lead [93.67314652898547]
  人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。 FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。 その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
  論文  参考訳（メタデータ） (2023-04-06T09:16:39Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• 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)

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。