LSTM Doppio-Temporale con Attenzione Ibrida per la Previsione della Domanda Aerea

Uno studio recente introduce un modello LSTM a doppio flusso potenziato con meccanismi di attenzione per prevedere meglio i fattori di carico dei passeggeri aerei. I modelli esistenti analizzano i dati di prenotazione come una singola dimensione temporale, concentrandosi esclusivamente sull'accumulo intra-volo o sulle tendenze inter-volo, trascurando preziose intuizioni complementari. Questo innovativo metodo a doppio flusso valuta sia una sequenza orizzontale (prenotazioni che portano alla partenza) sia una sequenza verticale (pattern di volo a intervalli specifici di giorni prima della partenza). Prevedendo i fattori di carico invece del numero totale di passeggeri, il modello mitiga i problemi derivanti dai cambiamenti di tipo di aeromobile. Impiega attenzione ibrida per dare priorità alle caratteristiche significative. Questa ricerca, pubblicata su arXiv (2605.11569), mira a superare le sfide nei sistemi di revenue management.