解釈可能なタクシー終了時間 スタッキング・アンサンブル・ラーニングとSHAP分析を用いた出発便の予測

科学分野:

• 航空事業 航空事業 研究 研究
• 輸送における人工知能
• 航空交通管理システムです.

背景:

• 既存のタクシー終了時間の予測モデルには,解釈能力と一般化能力が不十分である.
• タクシーアウト時間の正確な予測は,効率的な空港運営と航空交通管制にとって極めて重要です.

研究 の 目的:

• 解釈性と一般化を強化した新しいタクシー終了時間予測モデルを開発する.
• タクシーアウト時間を分解し,予測の精度を向上させるために影響要因を分析します.
• スタッキング・アンサンブル・ラーニングとシェープリー・アディティブ・エクスプロニエーション (SHAP) をモデル開発と検証に活用する.

主な方法:

• タクシーアウト時間の分解は,障害のない,ダイナミックなコンポーネントに分割されます.
• 各コンポーネントの影響要因の相関分析.
• ホリスティックおよび段階的なアプローチを比較するスタッキングベースの予測モデルの構築.
• 特徴の重要性の定量化とモデルの解釈可能性のためのSHAP分析の実施.

主要な成果:

• 無障碍のタクシーアウト時間は主に空港の構成に影響され,ダイナミックなタクシーアウト時間は表面交通の流れに影響されます.
• 段階的な予測は,全体的な予測と比較して,わずかに低いパフォーマンス (MAPE: 12.0%) で,より良い解釈性を提供します.
• スタッキングモデルは優れた精度 (±60秒以内の41.0%) と汎用性を示しています.
• 二重の特徴選択メカニズム (SHAPと相関分析) は予測の精度を高め,特徴の大きさを減らす.
• SHAP分析は,特性の影響と相互作用を効果的に説明し,モデルを謎から解き放つ.

結論:

• 提案されたスタッキングモデルとSHAP分析は,タクシー終了時間の予測の正確性と解釈性を大幅に改善します.
• タクシーアウト時間を分解し,段階的な予測を使用することで,航空交通管制官にとって貴重な洞察が得られます.
• このモデルは,空港の表面操作と意思決定を最適化するために,実行可能なインテリジェンスを提供します.