资讯摘要
论文提出一个两阶段混合框架，用于从大规模移动设备LBS数据中推断美国国内航空出行，以应对航班前后机场观测缺失的问题。第一阶段用启发式规则识别两端机场均被观测到的高置信度行程；第二阶段用概率模型结合空间邻近、时间兼容和历史航班时刻表推断潜在行程。作者报告，该框架将航线覆盖率从10.65%提升至50.60%，与T-100航线份额的Spearman秩相关从0.4490升至0.7630。
要点速读
- 第一阶段用启发式规则识别两端机场均被观测到的高置信度航空行程。
- 第二阶段用概率模型结合空间邻近、时间兼容和历史航班时刻表推断潜在行程。
- 作者报告航线覆盖率从10.65%升至50.60%，与T-100份额的Spearman秩相关从0.4490升至0.7630。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:32（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。