LyndHub
Jadwal Sholat

Memuat jadwal sholatโ€ฆ

โ† Semua jurnalIndeks pencarian

Editorial Ilmu Komputer & AI

Open AccessOA2025

Tinjauan tentang prediksi penundaan jaringan dan kemajuan model bahasa besar untuk lalu lintas udara

Menguji prediksi penundaan jaringan dengan inferensi kausal, pembelajaran mendalam, dan integrasi LLM untuk sistem lalu lintas udara
Mengyuan Sun; Yong Tian; Jiang-Chen Li; Cheng-Lung Wu; Liqun Peng; Shucai Xuยท Artificial Intelligence Reviewยท 2025ยท DOI 10.1007/s10462-025-11400-w

Masalah inti

Penundaan jaringan lalu lintas sangat memengaruhi keselamatan, ekonomi, dan efisiensi sistem transportasi udara, dan selalu menjadi perhatian global. Penundaan penerbangan biasanya menyebar dalam jaringan bandara, menyebabkan penerbangan berikutnya tertunda. Namun, karya-karya yang ada kurang mempertimbangkan kausalitas jaringan dan penggabungan model bahasa besar (LLM) yang sedang berkembang. Oleh karena itu, makalah ini berupaya mengkaji literatur tentang prediksi penundaan jaringan yang menggabungkan berbagai pengetahuan latar belakang dengan data publikasi makalah jurnal.

Inovasi

Metode klasik tanpa pemodelan topologi jaringan eksplisit, termasuk analisis statistik, riset operasi, pembelajaran mesin tradisional, dan inferensi kausal tanpa struktur jaringan, menawarkan dasar yang dapat diinterpretasikan tetapi gagal menangkap kompleksitas dan nonlinearitas sistem lalu lintas udara. Metode prediksi berbasis jaringan eksplisit tradisional sering mendekati sistem lalu lintas udara melalui kerangka seperti jaringan kompleks dan teori antrian, dengan fokus yang meningkat pada analisis hubungan kausal. Namun, metode ini kurang dalam menangkap ketergantungan spasiotemporal dari penundaan jaringan, terutama dalam memodelkan kausalitas spasiotemporal. Sebaliknya, metode pembelajaran mendalam yang sedang berkembang telah maju secara signifikan, memungkinkan konstruksi jaringan kausal spasiotemporal dan meningkatkan akurasi prediksi penundaan jaringan. Sebagai contoh, jaringan konvolusional graf (GCN) menggunakan aturan propagasi:

di mana adalah matriks ketetanggaan dengan penambahan self-connection, adalah matriks derajat, adal

Penundaan jaringan lalu lintas sangat memengaruhi keselamatan, ekonomi, dan efisiensi sistem transportasi udara, dan selalu menjadi perhatian global. Penundaan penerbangan biasanya menyebar dalam jaringan bandara, menyebabkan penerbangan berikutnya tertunda. Namun, karya-karya yang ada kurang mempertimbangkan kausalitas jaringan dan penggabungan model bahasa besar (LLM) yang sedang berkembang. Oleh karena itu, makalah ini berupaya mengkaji literatur tentang prediksi penundaan jaringan yang menggabungkan berbagai pengetahuan latar belakang dengan data publikasi makalah jurnal.
Tinjauan ini mengategorikan metode prediksi penundaan jaringan menjadi empat aspek: metode klasik tanpa pemodelan topologi jaringan eksplisit, metode prediksi berbasis jaringan eksplisit tradisional, metode pembelajaran mendalam yang sedang berkembang, dan aplikasi LLM dalam transportasi. Kategorisasi ini didasarkan pada sintesis publikasi jurnal dan pengetahuan latar belakang. Analisis berfokus pada kemampuan dan keterbatasan mereka dalam menangkap kompleksitas, nonlinearitas, ketergantungan spasiotemporal, dan kausalitas sistem lalu lintas udara.

Mengapa penting

Beberapa tren masa depan dianalisis. Disimpulkan bahwa jaringan saraf graf dengan kausalitas dan metode pembelajaran mendalam yang sedang berkembang (misalnya, GCN spasiotemporal) diidentifikasi sebagai arah penting. Selain itu, konseptual AirTraffic LLM disarankan melalui kerangka Spatial-Temporal Causal Large Language Model (STC-LLM) yang baru untuk prediksi penundaan penerbangan presisi tinggi, yang memerlukan validasi eksperimental lebih lanjut dan pengujian dunia nyata. Kerangka STC-LLM mengintegrasikan dimensi spasial, temporal, dan kausal seperti diilustrasikan di bawah ini:

Namun demikian, isu-isu seperti privasi data, opasitas model, dan biaya komputasi yang tinggi harus ditangani dengan hati-hati ketika menerapkan LLM. Akhirnya, temuan ini diharapkan dapat meningkatkan pemahaman tentang propagasi penundaan di antara para peneliti, praktisi, dan pembuat kebijakan, sekaligus memberikan wawasan dan panduan kepada bandara, maskapai penerbangan, dan pengatur lalu lintas udara.

Siapa yang sebaiknya membaca

Praktisi dan peneliti ilmu komputer

Membuka konten memberโ€ฆ