研究人员开发了一个新颖的框架，通过将航班时刻表转换为时间对齐信号来预测每小时机场安检通道的吞吐量。该方法利用了时间融合Transformer，它将派生自时刻表的到达强度信号与历史数据和时间变量相结合。该模型在六小时预测中实现了9.33%的加权平均绝对百分比误差，优于循环神经网络和长短期记忆模型，并在更长的预测范围内保持了具有竞争力的误差率。 AI
影响 该框架可以通过更好地为安检通道进行人员配备和资源分配来提高机场的运营效率。
排序理由 该集群包含一篇详细介绍新预测模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Cirium Diio
- long short-term memory
- recurrent neural network
- Temporal Fusion Transformer
- Transportation Security Administration
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
