铁路站点乘客协助需求的时空感知预测及其对站点工作力量规划的影响
应用统计
2026-04-21 v1 机器学习
摘要
乘客协助服务是无障碍铁路旅行的必需品，但需求在不同站点和时间上差异巨大，给 workforce 规划和排班带来挑战。本文提出一种数据驱动的决策支持框架，用于预测站点级别的乘客协助需求，并将预测转化为工作计划。预测组件采用基于时空感知的 Prophet 模型，使用多源运营数据；规划组件则通过可解释的红-黄-绿风险框架，将需求预测映射到人员配置要求下。该方法已在支撑 LNER 管理站点常规规划和人员配置的生产级系统中实现。结果表明，相对于年比年方法，预测准确率得到改善，绝对误差降低最高可达 76.9%；且基于预测的人力配置与约 50% 的乘客协助交付失败率下降相关，这归因于人员可用性不足。这些发现凸显了将可解释预测与运营工作集成的价值。
引用
@article{arxiv.2604.16464,
title = {Horizon-Aware Forecasting of Passenger Assistance Demand for Rail Station Workforce Planning},
author = {Michael Sheehan and Irina Timoshenko},
journal= {arXiv preprint arXiv:2604.16464},
year = {2026}
}
备注
26 pages, 6 figures, 3 tables