一家名为ForecastOps的在线运输公司需要针对数千条不同路线进行每小时的概率需求预测。每条路线都有相关的模式（有些共享节假日/协变量信号），并且团队希望获得预测区间（分位数）以及包含路线元数据和节假日协变量的能力。哪种Amazon Forecast算法最符合此要求？

DeepAR+是Amazon Forecast中处理大量相关时间序列的理想算法，尤其适用于需要概率预测（分位数）的场景。它能够有效地利用共享的节假日和协变量信号，并通过整合路线元数据来提高预测准确性。Prophet虽然也适用于时间序列预测，但其在处理数千条相关时间序列和深度学习能力方面不如DeepAR+。CNN-QR支持协变量和分位数，但其主要优势在于处理复杂非线性模式，而DeepAR+在处理大量相关时间序列时更具通用性。ARIMA是传统的统计模型，不适合处理数千条相关时间序列，也无法有效整合项目元数据。