The invention discloses a method for predicting the spatial and temporal distribution of airport passenger flow based on XGBOOST, which includes: dividing the interior of the airport into several regions, setting up multiple WIFI hardware in each region, storing the information sent by each WiFi hardware into a large data platform, statistically analyzing the information sent by each WiFi hardware in the large data platform, and obtaining the number of connecting terminals in each region in each time period; The characteristics of predicting time affecting passenger flow distribution are extracted, and the number of connecting terminals in the same time period is taken as historical characteristics; the characteristics and historical characteristics affecting passenger flow distribution are taken as the training data set of XGBOOST, and the training data set is trained by XGBOOST to obtain the prediction model; and the number of connecting terminals in each area of predicting time is predicted by the prediction model. Quantity prediction is carried out to get the predicted value of the number of regional connection terminals, and the number of regions in the predicted time is obtained by mapping the predicted value of the number of regional connection terminals to the proportion of the real number.
【技术实现步骤摘要】
一种基于XGBOOST机场客流量时空分布预测方法
本专利技术涉及民航数据预测领域,特别是涉及一种基于XGBOOST机场客流量时空分布预测方法。
技术介绍
随着民航需求的日益增长,机场及时有效的服务也面临着一定压力,而机场运行产生的大量信息数据目前未被利用,导致管理资源浪费。机场拥有巨大的旅客吞吐量,与巨大的人员流动相对应的则是巨大的服务压力。安防、安检、突发事件应急、值机、行李追踪等机场服务都希望能够预测未来的旅客吞吐量,并据此提前调配人力物力,更好的为旅客服务。另外,当前机场一线员工在分配物力和人力资源时,都基于以前工作中积累的经验进行分配和调度,缺乏科学的数据参考和指导。
技术实现思路
基于此,本专利技术的目的在于,提供一种基于XGBOOST机场客流量时空分布预测方法。一种基于XGBOOST机场客流量时空分布预测方法,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。进一步优选地,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 ...
【技术保护点】
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。
【技术特征摘要】
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。9.根据权利要求1-8任一项所述的基于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学习,得到预测模型,包括:构建提...
【专利技术属性】
技术研发人员:关华,夏侯康,黄剑文,罗军,
申请(专利权)人:广东机场白云信息科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。