Massimo: 公共排队监测与管理的弹簧模型
原文中文,约400字,阅读约需1分钟。发表于: 。本研究解决了公共场所排队管理不善的问题,通过智能系统的融合,提出了一种高效的排队控制方案。采用计算机视觉、机器学习和深度学习等技术,本系统能够准确判断人流密集情况并提出相应的管理措施,从而提升顾客满意度,减轻拥堵。
该研究使用监督机器学习中的循环神经网络(MBRNN)方法,解决G(t)/GI/1系统中数量瞬时分布估计问题。通过到达时间和服务时间分布的矩,MBRNN提供快速准确的预测,平均误差小于3%,并能在秒级分析数百个系统。尽管主要针对G(t)/GI/1系统,MBRNN也可应用于其他排队系统,具备分析复杂时间序列任务的潜力。