論文の概要: Schedule-Informed Temporal Fusion Forecasting of Hourly Airport Security-Checkpoint Throughput
- arxiv url: http://arxiv.org/abs/2608.02950v1
- Date: Mon, 03 Aug 2026 23:28:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:22.96224
- Title: Schedule-Informed Temporal Fusion Forecasting of Hourly Airport Security-Checkpoint Throughput
- Title（参考訳）: 数時間空港セキュリティチェックポイントインプットのスケジュールインフォームドテンポラルフュージョン予測
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.291540278798527
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Checkpoint staffing requires accurate forecasts of when screening demand will occur, yet flight schedules record departure times rather than passenger arrival times at security checkpoints. This study develops a framework that converts known flight schedules into temporally aligned signals for forecasting hourly checkpoint throughput. Using 2023-2024 Transportation Security Administration throughput data and Cirium Diio flight schedules for Hartsfield-Jackson Atlanta International Airport, domestic and international seat capacity was distributed across pre-departure hours using truncated Poisson kernels. A Temporal Fusion Transformer then combined these schedule-derived arrival-intensity signals with historical throughput, scheduled activity, and temporal variables. Models were trained chronologically, with July-December 2024 reserved for testing, and evaluated against recurrent neural network and long short-term memory models across five random seeds. For direct six-hour forecasts, the proposed model achieved a weighted mean absolute percentage error of 9.33%, compared with 12.16% for the recurrent neural network and 11.37% for long short-term memory, while also producing the lowest errors during peak periods. With six-hour recursive updates, errors remained between 10.60% and 11.04% across 24-96 hour horizons, although longer horizons contained fewer valid forecast origins. By transforming scheduled departures into interpretable pre-departure screening-load signals without requiring passenger-flight matching, the framework supports advance staffing, lane-opening, and multiday checkpoint planning. Because observed throughput reflects realized processing rather than unconstrained arrivals, the forecasts should be interpreted together with local staffing, capacity, queue, and wait-time information.
- Abstract（参考訳）: チェックポイントのスタッフは、検査要求がいつ発生するかを正確に予測する必要があるが、フライトスケジュールはセキュリティチェックポイントの乗客到着時間よりも出発時刻を記録している。
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。
2023-2024 運輸保安局のスループットデータと、ハートスフィールド・ジャクソン・アトランタ国際空港のシリウム・ディオのフライトスケジュールを用いて、国内および海外の座席容量はポアソン・カーネルを切断した時間帯に分散した。
テンポラルフュージョン変換器は、これらのスケジュール由来の到着強度信号と過去のスループット、スケジュールされたアクティビティ、時間変数を組み合わせた。
モデルは時系列的にトレーニングされ、2024年7月から12月にかけてテスト用に予約され、5つのランダムシードにわたるリカレントニューラルネットワークと長期記憶モデルに対して評価された。
直接6時間の予測では、ニューラルネットワークの12.16%、長期記憶の11.37%に対して、平均絶対誤差の重み付け平均9.33%を達成した。
6時間の再帰的な更新で、24-96時間の地平線で10.60%から11.04%の誤差が残った。
予定されていた出発を、乗客と飛行のマッチングを必要とせず、解釈可能な事前出発検分信号に変換することにより、前任スタッフの配置、車線開放、多日間のチェックポイント計画をサポートする。
観測されたスループットは、制約のない到着よりも実現された処理を反映しているため、予測は、現地のスタッフ、キャパシティ、キュー、待ち時間情報と共に解釈されるべきである。
関連論文リスト
- FlowATC: Aircraft Trajectory Prediction via Flow Matching [39.046509366232065]
本稿では,航路ラベルやチャート管理を伴わない,歴史的航空機軌道に特化して訓練されたフローマッチングアーキテクチャを提案する。
我々のモデルは、ネイティブで不規則なADS-Bサンプリング間隔で直接訓練される。
予測地平線により誤差は良好に低下し, 時間的劣化フィードで再トレーニングした場合, アーキテクチャが有効であることを示す。
論文 参考訳（メタデータ） (2026-09-15T02:21:06Z) - TSSM: Triaxial State Space Model for Global Station Weather Forecasting with Temporal-Variable-Historical Modeling [74.915718648935]
既存の手法では精度が限られており、極端なイベントやエラーの蓄積に苦労している。
本稿では,歴史に富んだ時間可変ヒストリカルパラダイムを用いた三軸状態空間モデル(TSSM)を提案する。
TSSMは、歴史的サンプルを周期的なバッチにまとめ、予測は歴史的および現在の観測によって因果的に支持される。
論文 参考訳（メタデータ） (2026-07-14T07:36:19Z) - Airport Terminal Passenger Queue Forecasting for Departure Gates and Security Checkpoints [0.9079873854272275]
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。
論文 参考訳（メタデータ） (2026-05-30T13:56:36Z) - Handling Weather Uncertainty in Air Traffic Prediction through an Inverse Approach [0.0]
逆気象条件、特に対流現象は航空交通管理に重大な課題をもたらす。
本研究では,3次元ガウス混合モデルを用いて,長距離飛行軌道変化の予測を行う。
このモデルは、最大60分間のリルート予測において、堅牢なパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-04-07T15:42:09Z) - Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。
次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。
気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文 参考訳（メタデータ） (2024-08-08T06:47:21Z) - 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) - 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) - 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) - Regularization methods for the short-term forecasting of the Italian
electric load [77.34726150561087]
イタリアの電力負荷の24のプロファイル全体を予測する問題はマルチタスク学習問題として対処される。
96x96行列重みは96x96行列を形成し、正方形の領域にサンプリングされた表面として見ることができる。
表面の自由度を下げるための規則化とスパーシリティの異なるアプローチを探索し、得られた予測をイタリアのトランスミッション・システム・オペレーター・テルナの予測と比較した。
論文 参考訳（メタデータ） (2021-12-08T22:15:06Z) - A Graph Convolutional Network with Signal Phasing Information for
Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています
動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。
我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文 参考訳（メタデータ） (2020-12-25T01:40:29Z)
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。