[发明专利]一种基于XGBOOST机场客流量时空分布预测方法

权利要求书

1.一种基于XGBOOST机场客流量时空分布预测方法，其特征在于，包括：

将机场内部分隔为多个区域，每个区域设置多个WIFI硬件，将各WiFi硬件发送的信息存入大数据平台中；

统计分析大数据平台中各WiFi硬件发送的信息，并得到各区域每个时间段连接终端的数量；

提取待预测时间的影响客流量分布的特征，提取待预测时间的过往同时间段的连接终端的数量作为历史特征；

将影响客流量分布的特征和历史特征作为XGBOOST的训练数据集，利用XGBOOST对训练数据集进行训练学习，得到预测模型；

用预测模型对预测时间各区域连接终端的数量进行预测，得到各区域连接终端的数量预测值；

根据各区域连接终端的数量预测值与真实人数的比例映射得到预测时间各区域的人数。

2.根据权利要求1所述的基于XGBOOST机场客流量时空分布预测方法，其特征在于，所述大数据平台为Hadoop；

所述统计分析大数据平台中各WiFi硬件发送的信息为利用MapReduce统计分析大数据平台中各WiFi硬件发送的信息。

3.根据权利要求1所述的基于XGBOOST机场客流量时空分布预测方法，其特征在于，所述影响客流量分布的特征包括天气情况和航班起降数量。

4.根据权利要求3所述的基于XGBOOST机场客流量时空分布预测方法，其特征在于，所述天气情况包括多种天气；所述航班起降数量为预测时间前后一段时间内的航班起降数量。

5.根据权利要求1所述的基于XGBOOST机场客流量时空分布预测方法，其特征在于，所述提取待预测时间的过往同时间段的连接终端的数量作为历史特征，包括：提取预测时间的过往同时间段的连接终端的数量的均值、最小值、最大值、极差和标准差。

6.根据权利要求5所述的基于XGBOOST机场客流量时空分布预测方法，其特征在于，所述提取待预测时间的过往同时间段的连接终端的数量作为历史特征，还包括：提取待预测时间的过往1-7天同时间段的连接终端的数量作为历史特征。

7.根据权利要求4所述的基于XGBOOST机场客流量时空分布预测方法，其特征在于，所述将影响客流量分布的特征和历史特征作为XGBOOST的训练数据集，利用XGBOOST对训练数据集进行训练，得到预测模型，包括：对影响客流量分布的特征中的天气情况进行One-Hot编码。

8.根据权利要求7所述的基于XGBOOST机场客流量时空分布预测方法，其特征在于，所述对影响客流量分布的特征中的天气情况进行One-Hot编码，包括：对天气情况的多种天气构造一个多维向量，其中，每一维向量表示一种天气。