論文の概要: Airport Terminal Passenger Queue Forecasting for Departure Gates and Security Checkpoints

• arxiv url: http://arxiv.org/abs/2606.07622v1
• Date: Sat, 30 May 2026 13:56:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.087172
• Title: Airport Terminal Passenger Queue Forecasting for Departure Gates and Security Checkpoints
• Title（参考訳）: 空港ターミナル乗客の退避ゲートとセキュリティチェックポイントの予約
• Abstract要約: 運用データから過去の乗客フローパターンを学習する客待ち行列予測フレームワークを提案する。 提案モデルはTransformerベースのアーキテクチャを用いて、時間的依存関係とファシリティ間の相関をキャプチャする。
• 参考スコア（独自算出の注目度）: 0.9079873854272275
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate passenger queue forecasting in airport terminals is essential for efficient departure operations, as it enables proactive congestion management. However, time-varying passenger demand and heterogeneous facility usage across multiple departure facilities make forecasting challenging. In this work, we propose a passenger queue forecasting framework that learns historical passenger flow patterns from operational data. The proposed model employs a Transformer-based architecture to capture temporal dependencies and inter-facility correlations using past queue length and waiting time at departure gates and security checkpoints, together with passenger throughput at check-in islands. The learned representations are mapped to two facility-specific MLP heads to predict queue length and waiting time at departure gates and security checkpoints. Experimental results demonstrate accurate forecasts up to two hours ahead. The proposed approach offers practical real-time decision support for proactive queue management and staff reallocation in airport terminal operations.
• Abstract（参考訳）: 空港ターミナルでの正確な乗客待ち行列の予測は、前向きな混雑管理を可能にするため、効率的な出発作業に不可欠である。 しかし、時間変化による旅客需要と、複数の出発施設での不均一な施設利用は、予測を困難にしている。 本研究では,運用データから過去の乗客フローパターンを学習する利用者待ち行列予測フレームワークを提案する。 提案モデルでは,過去の待ち行列長と出発ゲートおよびセキュリティチェックポイントでの待ち時間と,チェックイン島での乗客のスループットを用いて,時間的依存関係とファシリティ間の相関を抽出するために,Transformerベースのアーキテクチャを採用している。 学習した表現は、2つの施設固有のMLPヘッドにマッピングされ、出発ゲートとセキュリティチェックポイントで待ち時間と待ち時間を予測する。 実験結果は、正確な予測を最大2時間先まで示す。 提案手法は,空港ターミナル業務における前向きな待ち行列管理とスタッフ配置のための実時間意思決定支援を提供する。

関連論文リスト

• Schedule-Informed Temporal Fusion Forecasting of Hourly Airport Security-Checkpoint Throughput [8.291540278798527]
  本研究では、既知のフライトスケジュールを時間的チェックポイントスループットを予測するための時間的整合信号に変換するフレームワークを開発する。 先進的な人員削減、車線開放、複数日間のチェックポイント計画をサポートしている。
  論文  参考訳（メタデータ） (2026-08-03T23:28:04Z)
• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• 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)
• Temporal-IRL: Modeling Port Congestion and Berth Scheduling with Inverse Reinforcement Learning [13.45559229405042]
  モデルは、バーススケジューリングを学習し、終端における船舶シークエンシングを予測し、船舶港留置を推定する。 モデルをトレーニングし、テストし、明らかに優れた結果を得た。
  論文  参考訳（メタデータ） (2025-06-24T17:59:12Z)
• Timer-XL: Long-Context Transformers for Unified Time Series Forecasting [67.83502953961505]
  我々は時系列の統一予測のための因果変換器Timer-XLを提案する。 大規模な事前トレーニングに基づいて、Timer-XLは最先端のゼロショット性能を達成する。
  論文  参考訳（メタデータ） (2024-10-07T07:27:39Z)
• 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)
• 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)
• Optimizing the Passenger Flow for Airport Security Check [21.673442054117597]
  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。
  論文  参考訳（メタデータ） (2023-11-30T16:08:15Z)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)
• 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)
• Public Transit for Special Events: Ridership Prediction and Train Optimization [10.531110013870792]
  交通機関は、ディスラプション、遅延、運賃収入への影響を理解することが重要である。 本稿では,特殊イベントによる渋滞ピーク時の交通システムの性能評価,予測,管理を行うための一連のデータ駆動手法を提案する。
  論文  参考訳（メタデータ） (2021-06-09T19:52:18Z)
• Incorporating travel behavior regularity into passenger flow forecasting [11.763229353978321]
  本稿では, 生成機構を標準時系列モデルに組み込むことで, 搭乗フローを予測するための新しいフレームワークを提案する。 我々は,因果関係を要約し,逆流を推定するリターン確率パラレルグラム(RPP)を開発した。 提案手法は,現実の乗客フローデータを用いて評価する。
  論文  参考訳（メタデータ） (2020-04-02T13:46:01Z)

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。