arXiv cs.AI· Varvara Mama, Fani D. Christidi, Nikolaos C. Kapsalis, Anargyros T. Baklezos, Christos D. Nikolopoulos·· 8 小时前AI 评分18
基于 LightGBM 的多时间跨度可解释排队预测与资源感知决策支持，用于智能边境管控
Multi-Horizon Explainable Queue Forecasting and Resource-Aware Decision Support for Intelligent Border Control Using LightGBM
AI 导读
该研究基于 LightGBM 构建多时间跨度预测与决策支持架构，为 15、30、60、120 分钟分别建立回归器，联合预测未来等待时间与排队长度。模型使用时间滞后的流量、服务、密度与排队特征，并引入车道兼容性、警员可用性、旅客类别、预登记信息及人工审批约束，分位数 LightGBM 模型给出等待时间预测的 95% 预测区间。
来源：arXiv cs.AI · arxiv.org