Core Concepts
필리핀 두 개 항만의 페리 승객 수 예측을 위해 장단기 메모리 신경망 모델을 활용하여 합리적인 예측 성능을 달성하였다.
Abstract
이 연구는 필리핀의 두 개 항만, 바탕가스 항과 민도로 항의 페리 승객 수 예측을 위해 장단기 메모리 신경망 모델을 활용하였다. 2016년부터 2022년까지의 월별 승객 데이터를 사용하였으며, 평균 절대 백분율 오차(MAPE)를 주요 평가 지표로 사용하였다.
제안된 2층 LSTM 신경망 모델은 바탕가스 항 승객 수 예측에서 72% 정확도, 민도로 항 승객 수 예측에서 74% 정확도를 달성하였다. 이는 합리적인 수준의 예측 성능으로 평가된다.
추가적으로 이 연구는 다른 통계적, 기계 학습, 딥 러닝 방법을 활용한 페리 승객 수 예측에 대한 추가 연구를 제안하고 있다.
Stats
월별 페리 승객 수는 2016년부터 2022년까지 84개의 관측치로 구성되어 있다.
바탕가스 항 평균 절대 오차(MAE)는 82,086.31, 평균 절대 백분율 오차(MAPE)는 0.28이다.
민도로 항 평균 절대 오차(MAE)는 70,090.25, 평균 절대 백분율 오차(MAPE)는 0.26이다.
Quotes
"Ferry transportation and services in the Philippines were a major means of passage. During peak seasons it is usual for ports and different ferry terminals in the Philippines to experience heavy passenger traffic."
"Aside from these notable findings, this study also recommends further investigation and studies on employing other statistical, machine learning, and deep learning methods on forecasting ferry passenger flows."