{rfName}
Qu

Indexat a

Llicència i ús

Altmetrics

Anàlisi d'autories institucional

Gomez Comendador, Victor FernandoAutor o coautorRodríguez-Sanz AAutor (correspondència)Pérez-Castán JaAutor o coautorArnaldo Valdés RAutor o coautorParís Loreiro áAutor o coautor

Compartir

11 d’octubre de 2020
Publicacions
>
Article
No

Queue behavioural patterns for passengers at airport terminals: A machine learning approach

Publicat a:Journal Of Air Transport Management. 90 101940- - 2021-01-01 90(), DOI: 10.1016/j.jairtraman.2020.101940

Autors: Rodriguez-Sanz, Alvaro; Fernandez de Marcos, Alberto; Perez-Castan, Javier A; Gomez Comendador, Fernando; Arnaldo Valdes, Rosa; Paris Loreiro, Angel

Afiliacions

Universidad Politécnica de Madrid - Autor o coautor
‎ Univ Politecn Madrid UPM, Sch Aeronaut & Space Engn ETSIAE, SATAA Dept, Pza Cardenal Cisneros N3, Madrid 28040, Spain - Autor o coautor

Resum

© 2020 Elsevier Ltd Passengers go through different handling processes inside airport terminal buildings. The quality of these processes is usually measured by the time passengers require and by the level of comfort experienced by them. We present an analysis of behavioural patterns in queues at check-in desks and security controls, which are two of the most critical processes regarding passenger service. The passengers' flow is simulated to obtain queue lengths at one busy European airport between 2014 and 2016, supported by real flight data. Simulation is designed as a store-and forward cell-based system, whose parameters have been tuned and validated with real data from observations and empirical capacity and demand studies within the airport. Random Forest algorithms are then implemented to develop different models for each parameter prediction, after a data analysis stage based on statistical and visualization methods. Feature analysis techniques between dependent variables and the target outputs (queue lengths) determine which are the fundamental elements to explain queue behaviour and to predict target variables. We provide a method to forecast behavioural patterns at check-in desks and security controls, to help airport operators to implement adequate response policies. Queue behavioural patterns are captured by Machine Learning models, which can be used to offer improved passenger services (such as real-time predictions for expected waiting time at queues), or can be considered in a dynamic approach for terminal services design (as the entire progress of terminal handling depends on the stochastic behaviour of passengers). This could be a key tool for managing passengers demand and optimise the infrastructure's capacity through resource allocation.

Paraules clau

AirportProcessesQueuesRandom forestSimulation

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Journal Of Air Transport Management a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència Scopus (SJR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2021, es trobava a la posició , aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Law. Destacable, igualment, el fet que la revista està posicionada per sobre del Percentil 90.

Des d'una perspectiva relativa, i tenint en compte l'indicador de impacte normalitzat calculat a partir de les Citacions Mundials proporcionades per WoS (ESI, Clarivate), proporciona un valor per a la normalització de citacions relatives a la taxa de citació esperada de: 1.53. Això indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: ESI 14 Nov 2024)

Aquesta informació es reforça amb altres indicadors del mateix tipus, que encara que dinàmics en el temps i dependents del conjunt de citacions mitjanes mundials en el moment del seu càlcul, coincideixen a posicionar en algun moment el treball, entre el 50% més citats dins de la seva temàtica:

  • Field Citation Ratio (FCR) de la font Dimensions: 8.77 (font consultada: Dimensions Oct 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2025-10-15, el següent nombre de cites:

  • WoS: 24
  • Scopus: 21

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-10-15:

  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 104 (PlumX).

Anàlisi del lideratge dels autors institucionals

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (RODRIGUEZ SANZ, ALVARO) i Últim Autor (PARIS LOREIRO, ANGEL).

l'autor responsable d'establir les tasques de correspondència ha estat RODRIGUEZ SANZ, ALVARO.