【技術實現步驟摘要】
本專利技術涉及機場航站樓旅客安檢流量預測，具體為一種機場航站樓旅客過檢流量預測的方法。
技術介紹
1、機場航站樓安檢通道是旅客乘機出行的重要閘口，提前感知安檢客流量對于航站樓的運營管理和資源調度具有重要意義。隨著航空業的快速發展，航站樓的客流量不斷增加，疊加各種關聯因素的影響，旅客安檢通道經常發生排隊積壓情況，嚴重影響了旅客的出行體驗，增加了現場工作人員的負擔。導致出現此種情況的主要原因還是管理者對旅客的出行計劃沒有做出精細化的預防預案，導致在進行人員排班和安檢通道數量的開放上，無法進行及時有效的調整和應對。
技術實現思路
1、本專利技術所解決的技術問題在于提供一種機場航站樓旅客過檢流量預測的方法，以解決上述
技術介紹
中提出的問題。
2、本專利技術所解決的技術問題采用以下技術方案來實現：一種機場航站樓旅客過檢流量預測的方法，包括以下步驟：
3、步驟(1).數據源采集處理：數據源包括每日旅客安檢客流數據、航班計劃數據、航班動態數據、預售票數據、天氣數據、節假日數據、航班次日計劃數據；
4、步驟(2).數據預處理：數據預處理包括：填充缺失值、處理異常值、去除重復值，在處理數據的過程中，需要注意保持數據的原始特征，避免過度處理導致的數據失真；
5、步驟(3).特征構造：從原始數據中提取出與預測目標相關的特征，并對其進行轉換和處理，以便于模型訓練和預測，經過對機場客流相關數據的深入分析后，其具有很強的時間相關性，對此進行相關的派生屬性提取；p>
6、步驟(4).特征編碼：模型訓練數據中，對于離散型特征需要進行編碼，使用獨熱編碼將分類變量轉換為二進制向量；
7、步驟(5).特征選擇：將模型優化為足夠復雜以使其性能可推廣，但又足夠簡單易于訓練、維護和解釋是特征選擇的主要工作。無論算法是回歸(預測數字)還是分類(預測類別)，特征都必須與目標相關。如果一個特征沒有表現出相關性，它就是一個主要的消除目標。可以分別測試數值和分類特征的相關性。
8、在本方法中，通過對安檢客流統計數據的特征進行相關性分析，以確定哪些因素對機場客流有顯著影響，并篩選出與客流相關性較高的特征。最終通過相關性分析后，本次研究相關的特征＝{isfestival,isnationalday,isspringfestival,iswintervacation,issummervacation}，標簽＝{total}。
9、步驟(6).模型構建：采用多元線性回歸模型(multiple?linear?regressionmodel)來對每個航班的安檢客流進行建模；
10、基于多元線性回歸的綜合權值模型定義如下：
11、①表示航班不同時間片段的安檢人數占比，其中fi表示航班(i＝1,2,...m)，v10,v20,...,v180表示不同時間片段進行安檢人數的占比；
12、②航班的多元線性回歸模型，其中α0為截距，α1、α2、α3、α4、α5為回歸系數，x1、x2、x3、x4、x5為自變量，分別代表{isfestival,isnationalday,isspringfestival,iswintervacation,issummervacation}；
13、③預測航班不同時間片段的安檢人數；j＝(v10,v20,...,v180)，v10表示提前[1-10]分鐘安檢人數，v20表示提前[11-20]分鐘安檢人數，v180表示提前[171-180]分鐘安檢人數；
14、④預測每日安檢客流；
15、步驟(7).預測驗證：通過樣本數據采用最小二乘法進行求解得到多元線性回歸方程后，為了確定該方程及引入的自變量是否有統計學意義，進一步做假設檢驗和評價，并對回歸方程的預測或解釋能力作出綜合評價。
16、所述步驟(1)中歷史安檢客流數據用關系模式進行定義：rverify(pid,fdate,fno,vtime)；史航班計劃數據用關系模式進行定義：rschedule(fdate,fno,sobt,airline,ptype)；班次日計劃數據用關系模式進行定義：rplan(fdate,fno,sobt,airline,ptype)。
17、所述步驟(3)中首先對rverify(pid,fdate,fno,vtime)和rschedule(fdate,fno,sobt,airline,ptype)進行連接計算后，并且按照安檢時間對其人數進行分類統計，形成“安檢客流統計數據”；安檢客流統計數據用關系模式進行定義：rverifystat(fdate,fno,sobt,total,v180,v170,...,v10)。
18、所述安檢客流統計數據匯總計算方法包括以下步驟：
19、數據分片映射：用航班計劃起飛時間sbot減去旅客安檢時間vtime后，轉換為分鐘數后除以10，最后用向上取整函數ceil獲取到fs，fs的數值映射范圍為整數集，其映射函數定義如下：
20、fs＝ceil((sobt-vtime)*1440/10)fs∈z；
21、拖尾數據映射：由于fs的范圍過大，不利于數據進行分析，需要對其進行收斂處理，把的值進行二次映射到區間[1-18]中，通過對fs取絕對值后進行取余操作再+1，其映射函數定義如下：
22、ft＝abs(fs)％18+1ft∈[1-18]；
23、異常值處理：對每個航班的歷史每日安檢數據進行正態分布分析，把超過三倍標準差的記錄通過中位數進行填充。
24、所述步驟(3)中派生屬性包含：周末，小長假、國慶、春節、寒假、暑假。
25、所述步驟(4)中特征編碼具體為：周末：isweekend∈[0,1]；節日：isfestival∈[0,1]；國慶：isnationalday∈[0,1]；春節：isspringfestival∈[0,1]；寒假：iswintervacation∈[0,1]；暑假：issummervacation∈[0,1]；最終經過特征構造和編碼后，其安檢客流統計數據的關系模型定義為：rverifystat(fdate,fno,sobt,isweekend,isfestival,isnationalday,isspringfestival,iswintervacation,issummervacation,total,v180,v170,...,v10)。
26、所述步驟(7)中假設檢驗的方法包括方差分析法、決定系數r2、復相關系數、偏回歸平方和、t檢驗法、標準化回歸系數。
27、與現有技術相比，本專利技術的有益效果是：本專利技術采用數學建模和預測驗證等方法，綜合分析機場航站樓旅客安檢流量預測的相關因素和模型，提出一種準確、可靠的客流預測方法，減少旅客排隊時長，并且為相關的部門進行人力資源編排和安檢通道開放數量提供科學依據，進而提高旅客過檢效率，優化人員排班均衡性。...
【技術保護點】
1.一種機場航站樓旅客過檢流量預測的方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述步驟(1)中歷史安檢客流數據用關系模式進行定義：Rverify(PID,FDATE,FNO,VTIME)；史航班計劃數據用關系模式進行定義：Rschedule(FDATE,FNO,SOBT,AIRLINE,PTYPE)；班次日計劃數據用關系模式進行定義：Rplan(FDATE,FNO,SOBT,AIRLINE,PTYPE)。
3.根據權利要求1所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述步驟(3)中首先對Rverify(PID,FDATE,FNO,VTIME)和Rschedule(FDATE,FNO,SOBT,AIRLINE,PTYPE)進行連接計算后，并且按照安檢時間對其人數進行分類統計，形成“安檢客流統計數據”；安檢客流統計數據用關系模式進行定義：RverifyStat(FDATE,FNO,SOBT,TOTAL,V180,V170,...,V10)。
4.根據權利要求3所述的一種
5.根據權利要求1所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述步驟(3)中派生屬性包含：周末，小長假、國慶、春節、寒假、暑假。
6.根據權利要求1所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述步驟(4)中特征編碼具體為：周末：isWeekend∈[0,1]；節日：isFestival∈[0,1]；國慶：isNationalDay∈[0,1]；春節：isSpringFestival∈[0,1]；寒假：isWinterVacation∈[0,1]；暑假：isSummerVacation∈[0,1]；最終經過特征構造和編碼后，其安檢客流統計數據的關系模型定義為：RverifyStat(FDATE,FNO,SOBT,isWeekend,isFestival,isNationalDay,isSpringFestival,isWinterVacation,isSummerVacation,TOTAL,V180,V170,...,V10)。
7.根據權利要求1所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述步驟(5)中通過對安檢客流統計數據的特征進行相關性分析，以確定哪些因素對機場客流有顯著影響，并篩選出與客流相關性較高的特征，最終通過相關性分析后，本次研究相關的特征＝{isFestival,isNationalDay,isSpringFestival,isWinterVacation,isSummerVacation}，標簽＝{TOTAL}。
8.根據權利要求1所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述步驟(7)中假設檢驗的方法包括方差分析法、決定系數R2、復相關系數、偏回歸平方和、t檢驗法、標準化回歸系數。
...【技術特征摘要】
1.一種機場航站樓旅客過檢流量預測的方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述步驟(1)中歷史安檢客流數據用關系模式進行定義：rverify(pid,fdate,fno,vtime)；史航班計劃數據用關系模式進行定義：rschedule(fdate,fno,sobt,airline,ptype)；班次日計劃數據用關系模式進行定義：rplan(fdate,fno,sobt,airline,ptype)。
3.根據權利要求1所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述步驟(3)中首先對rverify(pid,fdate,fno,vtime)和rschedule(fdate,fno,sobt,airline,ptype)進行連接計算后，并且按照安檢時間對其人數進行分類統計，形成“安檢客流統計數據”；安檢客流統計數據用關系模式進行定義：rverifystat(fdate,fno,sobt,total,v180,v170,...,v10)。
4.根據權利要求3所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述安檢客流統計數據匯總計算方法包括以下步驟：
5.根據權利要求1所述的一種機場航站樓旅客過檢流量預測的方法，其特征在于：所述步驟(3)中派生屬性包含：周末，小長假、國慶、春節、寒假、暑假。
6.根據權利要求1所述的一種機場航站樓旅客過檢流量預...
【專利技術屬性】
技術研發人員：肖小建，劉宏倉，張藝瀧，
申請(專利權)人：西安悅泰科技有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。