[发明专利]基于典型日识别的机场旅客量预测方法

说明书

本发明提供一种基于典型日识别的机场旅客量预测方法，包括以下步骤：采集机场航班历史日运行数据集合P，对于每个所述历史日运行数据，提取历史日时间特征向量和历史日航班特征向量；量化特征数据集相似度，得到最优权重因子；建立典型日识别模型，预测分时段旅客量。本发明提供的基于典型日识别的机场旅客量预测方法具有以下优点：本发明实现了机场旅客量的分时段准确有效的预测，从而有效提高机场运行压力预警能力。

技术领域

本发明属于旅客流预测技术领域，具体涉及一种基于典型日识别的机场旅客量预测方法。

背景技术

近年来，随着我国民航旅客运输量的快速增长，作为航空网络中枢节点的机场受到严峻挑战。不断增长的旅客量与机场有限资源之间的矛盾日益凸显。特别是在旅客出港高峰期，机场航站楼内经常发生柜台资源饱和、旅客滞留等现象，极大的影响了旅客的旅行体验，造成航空公司的经济损失，并且为机场和民航业带来了负面社会影响。如何实现机场精细化管理，最大化利用现有航站楼保障资源，已经成为机场运行的热点问题。

针对机场旅客量预测问题，国内外现有的研究主要分为基于旅客行为建模和基于机场运行状态建模两类方法。旅客行为建模是指：对单个旅客行为模型进行多次仿真，生成模拟数据，之后对模拟数据进行统计分析。常用的方法为计算机仿真与排队论，一般应用在预测旅客在排队过程所耗费的时间、行李托运时间、登机等待时间等。机场运行状态建模主要是针对整个机场全年吞吐量的预测与机场整体容量的评估，目的是从战略层面上反映机场的容量和发展规模，主要方法包括：时间序列法、趋势外推法、计量经济法、灰色预测法、神经网络法和回归分析预测法等。

上述两类方法能够在一定程度满足实际应用需求，然而，航站楼保障资源分配需要战术层面的旅客量准确预测，即提前七天(或次日)每个时间段的旅客量。针对这一具体需求，第一类方法需要大量重复仿真单个旅客行为，造成微小误差的叠加累计，使得预测结果偏离实际，而且为了分别建立各种条件下的旅客行为模型(反映出特殊天气、节假日等事件)，需要大量历史数据和先验知识；第二类方法虽然能够提供长时间范围的趋势统计，但无法反映航班分布等动态因素的影响。

因此，上述两种方法均无法满足精确、快速的对旅客量进行预测的需求。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于典型日识别的机场旅客量预测方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于典型日识别的机场旅客量预测方法，包括以下步骤：

步骤1，采集机场航班历史日运行数据集合P，将所述机场航班历史日运行数据集合P划分为历史日样本数据集合P1和历史日测试数据；

步骤2，所述历史日运行数据集合P由多个历史日运行数据组成；对于每个所述历史日运行数据，提取历史日时间特征向量和历史日航班特征向量；

所述历史日时间特征向量表示为：＜DATE_i,fea_month,fea_day,fea_week,fea_holiday＞

其中，DATE_i代表日期为i；fea_month代表日期为i的月信息；fea_day代表日期为i的日信息；fea_week代表日期为i的星期信息；fea_holiday代表日期为i的节假日信息；

所述历史日航班特征向量表示为：

其中：DATE_i代表日期为i；分别代表日期为i的第1个时段,…,第n个时段的计划航班起飞量；n代表日期为i的时段总数量；代表日期为i的全天航班起飞量总数；

对所述历史日航班特征向量进行归一化；归一化公式如下：