線上交通公司 ForecastOps 需要數千條不同路線的每小時需求機率預測。每條路線都有相關的模式（有些共享假日/共變數訊號），而且團隊希望有預測區間（分位數），並能夠納入路線中繼資料和假日共變數。哪種 Amazon Forecast 演算法最符合此要求？

DeepAR+ 演算法專為處理大量相關時間序列而設計，非常適合 ForecastOps 數千條路線的需求。它能產生機率預測（包含分位數），這對於提供預測區間至關重要。此外，DeepAR+ 可以有效整合路線中繼資料和假日等共變數，以提高預測準確性。 Prophet 雖然適用於具有共變數的多個序列，但其設計初衷並非針對數千個高度相關序列的規模，且其機率分位數功能不如 DeepAR+ 強大。CNN-QR 僅支援單一時間序列預測，不符合多路線需求，也無法使用項目層級中繼資料或共變數。ARIMA 是一種經典的單變數時間序列模型，不適合處理數千個相關序列，也無法有效整合項目中繼資料和共變數。