{rfName}
Qu

Indexado en

Licencia y uso

Altmetrics

Análisis de autorías institucional

Gomez Comendador, Victor FernandoAutor o CoautorRodríguez-Sanz AAutor (correspondencia)Pérez-Castán JaAutor o CoautorArnaldo Valdés RAutor o CoautorParís Loreiro áAutor o Coautor

Compartir

11 de octubre de 2020
Publicaciones
>
Artículo
No

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

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

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

Afiliaciones

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

Resumen

© 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.

Palabras clave

AirportProcessesQueuesRandom forestSimulation

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Journal Of Air Transport Management debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2021, se encontraba en la posición , consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Law. Destacable, igualmente, el hecho de que la Revista está posicionada por encima del Percentil 90.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 1.27. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 14 Nov 2024)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Field Citation Ratio (FCR) de la fuente Dimensions: 8.02 (fuente consultada: Dimensions Jul 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-07-09, el siguiente número de citas:

  • WoS: 20
  • Scopus: 21

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-07-09:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 105 (PlumX).

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (RODRIGUEZ SANZ, ALVARO) y Último Autor (PARIS LOREIRO, ANGEL).

el autor responsable de establecer las labores de correspondencia ha sido RODRIGUEZ SANZ, ALVARO.