Amelia：一个用于机场地面运动预测的大型模型和数据集
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
本文综述了大型语言模型在交通系统中的应用，提出了一种多模态深度学习方法，显著提高航班客流量预测的准确性。研究结合了循环神经网络和卷积神经网络，利用时间和空间数据关系，提升了预测性能。同时，介绍了基于数字孪生的移动预测方法和船只轨迹预测，强调了深度学习在交通管理和海洋保护中的潜力。
❓
Q&A
这项研究提出了什么新方法来预测航班客流量？
研究提出了一种多模态深度学习方法，结合了循环神经网络和卷积神经网络，以提高航班客流量预测的准确性。
该研究的预测准确性相比传统模型提高了多少？
该方法的均方误差（MSE）提高了约33%。
如何利用数字孪生技术进行人类移动预测？
研究提出了一种基于数字孪生的方法，通过自动提取城市移动趋势来实现粗粒度和细粒度的预测。
研究中如何提高船只安全和保护海洋生物？
通过利用自动识别系统（AIS）数据和编码器-解码器模型来预测船只轨迹，从而提高船只安全并避免与鲸类碰撞。
该研究提出了什么优化框架来调整航班频率？
研究提出了一种基于预测的优化框架，通过神经网络预测市场影响力，并定义航班频率优化问题，使用自适应梯度上升方法进行优化。
在飓风期间，交通预测系统的准确率达到了多少？
在飓风期间，交通预测系统的长期拥堵状态预测准确率达到了82%。
🏷️
