2019년 추계학술대회
Current Result Document :
| 한글제목(Korean Title) |
항공기 출발 지연 예측을 위한 시공간 LSTM (ST-LSTM) 기반 모델링: 선행연구 |
| 영문제목(English Title) |
Spatial-Temporal Long Short-Term Memory (ST-LSTM) Modelling for Flight Departure Delay Prediction: Preliminary study |
| 저자(Author) |
Kipkorir Koech Timothy
Ciyuan Peng
Jason J. Jung
|
| 원문수록처(Citation) |
VOL 23 NO. 02 PP. 0265 ~ 0268 (2019. 10) |
한글내용
(Korean Abstract) |
항공기 지연은 운송 산업에서 가장 영향력 있는 성과 결정 요인 중 하나이다. 그러나 기존의 기계 학습 (Machine Learning) 방법은 시간적/공간적 특징을 가지는 항공 지연을 예측하는 데 적합하지 않다. 본 연구는 미국 항공편 데이터에서 추출한 시공간 특징을 LSTM (Long Short-Term Memory)과 결합하여 데이터의 숨겨진 패턴을 알아내고, 항공 출발 지연을 예측하는 새로운 모델을 제안한다. LSTM 기반 아키텍처는 높은 수준의 시공간 구조를 갖는 시퀀스 및 데이터를 모델링 할 수 있다. |
영문내용
(English Abstract) |
Flight delay is one of the most influential performance determinants in the transport Industry. Traditional Machine Learning methods are inadequate for the task of predicting flight delays. In this paper, we present a new predictive model using Spatial-temporal features extracted from the United States flights data, combined with Long Short-Term Memory (LSTM) to unveil hidden patterns in the data and predict flight departure delays. LSTM architectures are remarkably capable of modeling sequential data that has a high-level spatial-temporal structure. |
| 키워드(Keyword) |
공간적 시간적 특징
LSTM
항공기 지연
Spatial- Temporal Features
LSTM
Flight Delay
|
| 파일첨부 |
PDF 다운로드
|
