空港到港旅客疏散时间预测方法、系统、存储介质及终端技术方案

本发明专利技术属于民用航空信息预测技术领域，公开了空港到港旅客疏散时间预测方法、系统、存储介质及终端。以到港旅客疏散过程所需历经的环节、空间位置为基础，从耗时环节和空间节点两个维度，构建旅客疏散过程拓扑结构；对影响旅客疏散过程的相关因素进行分析，确定疏散过程的影响因素参数体系；并构建了旅客疏散过程时空关联贝叶斯网络模型；以现场调研和机场运行数据为基础设计疏散时间样本生成方法；并基于疏散过程时空关联贝叶斯网络模型设计基于过程推进的疏散时间动态预测方法。本发明专利技术可在一定误差范围内对旅客疏散时间进行动态预测，对旅客的出行选择有一定的参考价值，并为机场路侧运力流调配提供决策依据，具有一定的实际应用意义。应用意义。应用意义。

【技术实现步骤摘要】
空港到港旅客疏散时间预测方法、系统、存储介质及终端


[0001]本专利技术属于民用航空信息预测
，尤其涉及一种空港到港旅客疏散时间预测方法、系统、存储介质及终端。

技术介绍

[0002]目前，航站楼到港旅客的快速、高效疏散是在现有资源条件下解决楼内人员过饱和问题的关键环节。疏散时间是描述旅客疏散过程的重要指标，准确、有效地预测旅客的疏散时间，不仅能为旅客换乘方式选择提供依据，实现旅客的快速疏散，减少旅客滞留概率，而且也可以为机场方预测航站楼内的人员密度、安排接驳交通的班次提供依据，对缓解楼内人员密度、机场运行压力有着十分重要的意义。
[0003]无论是对大型空港还是铁路枢纽场景，目前国内外对到港旅客疏散过程的分析，主要有以下几个方面：紧急情况下的应急疏散仿真、疏散过程中旅客的路径选择及行为特性、旅客换乘方式选择、旅客应急疏散时间建模与分析等。而尚未有从旅客角度的、一般情形下的从旅客下机到离开的疏散时间的分析。
[0004]通过上述分析，现有技术存在的问题及缺陷为：(1)现有技术对到港旅客疏散时间的动态预测准确度低；(2)现有技术对旅客疏散时间进行动态预测的信息对旅客的出行参考价值差，不能为机场路侧运力流调配提供决策依据，使得机场运行效率难以进一步提高。
[0005]解决以上问题及缺陷的难度为：不同时段、疏散路径等时空条件下样本的获取，及多种时空特征下预测模型参数的确定。
[0006]解决以上问题及缺陷的意义为：能基于旅客属性、到达时段等特征及概率推理为各个旅客提供较为准确的各种换乘方式的疏散时间预测，对到达旅客换乘方式的选择具有较好的参考意义；同时可基于对旅客疏散时间的预测得到各接驳区旅客到达的时间分布，而不仅仅是旅客到达各接驳区的平均时间，对接驳区旅客到达的分布预测能更好的为机场方对运力流的调配提供决策依据。

技术实现思路

[0007]为克服相关技术中存在的问题，本专利技术公开实施例提供了一种空港到港旅客疏散时间预测方法、系统、存储介质及终端。
[0008]所述技术方案如下：一种空港到港旅客疏散时间预测方法，包括以下步骤：
[0009]步骤一，分析空港到港旅客的疏散过程，基于旅客疏散过程所需历经的相应环节和空间节点，从耗时环节和空间节点两个维度，构建旅客疏散过程拓扑结构，并给出疏散时间的定义；
[0010]步骤二，对影响旅客疏散过程的相关因素进行分析，包括个体因素和空间因素，并确定疏散过程的影响因素参数体系；
[0011]步骤三，利用步骤一、步骤二所述对旅客疏散过程拓扑结构及影响因素参数体系，构建旅客疏散过程时空关联贝叶斯网络模型，利用所述旅客疏散过程时空关联贝叶斯网络
模型对疏散过程进行描述，并基于概率推理对旅客疏散过程进行动态预测；
[0012]步骤四，利用现场调研数据和机场实际运行数据，构建基于小样本扩充和Anylogic仿真的到港旅客疏散时间样本的生成方法；
[0013]步骤五，利用步骤三所述的到港旅客疏散过程时空关联贝叶斯网络模型，构建基于过程推进的疏散时间动态预测方法，利用步骤四生成的样本进行到港旅客疏散时间的动态预测。
[0014]在一实施例中，所述步骤一旅客疏散过程包括旅客由到达口进入楼内到港大厅，经由不同的通道到达不同的接驳交通换乘处，先后完成购票、安检、候车环节后乘车离开的全过程，基于整个过程所需历经的耗时环节和空间节点，分别从耗时环节和空间节点两个维度，构建旅客疏散过程的拓扑结构。
[0015]所述的疏散时间为旅客从到达到港大厅至进入接驳交通工具车厢过程所需的时间。
[0016]在一实施例中，所述步骤二影响因素包括个体因素和客观因素，个体因素包括旅客自身属性、对航站楼的熟悉程度；客观因素包括空间因素、接驳交通运力、到达时段；并利用上述影响因素对旅客疏散时间影响，构建影响旅客疏散过程的个体因素参数体系和客观因素参数体系；
[0017]所述个体因素参数体系为：
[0018]α＝[α1,α2,α3,α4][0019]式中：α1α2α3α4分别为身高、性别、年龄、对航站楼的熟悉程度；
[0020]客观因素参数体系为：
[0021]β＝[β1,β2,β3][0022]式中：β1β2β3分别为到达时段、所经路径、接驳交通运力，所述接驳交通运力包括班次密度、购票窗口、安检通道数量。
[0023]在一实施例中，所述步骤三对旅客疏散过程进行动态预测具体包括：
[0024](1)利用旅客疏散过程时空关联的贝叶斯网络模型将整个疏散过程节点化、分支化，不同的疏散方式包括不同的网络分支；疏散过程中的节点包括：实线表示耗时环节节点、虚线表示关键空间位置节点；外部的a
‑
i节点表示相应节点耗时的可能影响因素；
[0025](2)将到港旅客疏散过程作为具有固定结构且随着时间演化的旅客疏散过程时空关联的贝叶斯网络模型，其中到达口节点x0为根节点，且不包含回环，则对于x1的子节点x
i
，i＝2,3,4，存在条件概率为：
[0026][0027]式中：p(x1,x
i
)为节点x1与子节点x
i
同时发生的联合概率，p(x1)为节点x1发生的先验概率；
[0028]子节点还包括：
[0029][0030][0031][0032][0033][0034]对于x6,x7共同的子节点x8，存在条件概率
[0035][0036]式中：p(x1,x2,x6,x7,x8)为节点x1,x2,x6,x7,x8同时发生的联合概率，p(x1,x2,x6,x7)为节点x8的祖节点均已发生的先验概率；
[0037]子节点还包括：
[0038][0039][0040]由上式基于概率推理对旅客疏散过程进行动态预测；
[0041]其中，关键空间位置节点包括：0：到达口；1：问询；2：连廊口；3：下1F扶梯处；4：下行直梯处；5：地铁售票处；6：下行扶梯处；7：下行直梯处；8：B2停车场；9：巴士售票处；10：下B1扶梯处；11：出租车候车区；12：地铁购票；13：地铁安检；14：地铁候车；15：网约/私家车候车；16：巴士购票；17：巴士候车；18：出租车候车；19：上车离开；
[0042]外部的a
‑
i节点包括：a：到达时段、购票窗口/自助设备的数量；b：到达时段、安检通道数量、旅客属性；c：地铁班次密度；d：到达时段；e：巴士班次密度；f：到达时段、接客出租车数量；g：到达时段、购票窗口数量；h：旅客对航站楼的熟悉程度、到达时段；i：空间距离、旅客属性。
[0043]在一实施例中，所述步骤四构建到港旅客疏散时间样本的生成方法基于旅客疏散过程时空关联贝叶斯网络模型将旅客疏散过程拆解为相应的路段和环节，并基于小样本扩充和Anylogic仿真分别生成环节、排队及步行时间样本，再基于旅客疏散过程时空关联贝叶斯网络模型中不同时空条件下所需经由的路径和环节，将上述环本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空港到港旅客疏散时间预测方法，其特征在于，所述空港到港旅客疏散时间预测方法包括以下步骤：步骤一，分析空港到港旅客的疏散过程，基于旅客疏散过程所需历经的环节和空间节点，从耗时环节和空间节点两个维度，构建旅客疏散过程拓扑结构，并给出疏散时间的定义；步骤二，对影响旅客疏散过程的因素进行分析，包括个体因素和空间因素，并确定疏散过程的影响因素参数体系；步骤三，利用对旅客疏散过程拓扑结构及影响因素参数体系，构建旅客疏散过程时空关联贝叶斯网络模型，利用所述旅客疏散过程时空关联贝叶斯网络模型对疏散过程进行描述，并基于概率推理对旅客疏散过程进行动态预测；步骤四，利用现场调研数据和机场实际运行数据，构建基于小样本扩充和Anylogic仿真的到港旅客疏散时间样本的生成方法；步骤五，利用旅客疏散过程时空关联贝叶斯网络模型，构建基于过程推进的疏散时间动态预测方法，利用步骤四生成的样本进行到港旅客疏散时间的动态预测。2.根据权利要求1所述的空港到港旅客疏散时间预测方法，其特征在于，在步骤一中，旅客疏散过程包括旅客由到达口进入楼内到港大厅，经由不同的通道到达不同的接驳交通换乘处，先后完成购票、安检、候车环节后乘车离开的全过程，基于整个过程所需历经的耗时环节和空间节点，分别从耗时环节和空间节点两个维度，构建旅客疏散过程的拓扑结构；疏散时间为旅客从到达到港大厅至进入接驳交通工具车厢过程所需的时间。3.根据权利要求1所述的空港到港旅客疏散时间预测方法，其特征在于，在步骤二中，影响因素包括个体因素和客观因素；个体因素包括旅客自身属性、对航站楼的熟悉程度；客观因素包括空间因素、接驳交通运力、到达时段；并利用上述影响因素对旅客疏散时间影响，构建影响旅客疏散过程的个体因素参数体系和客观因素参数体系；所述个体因素参数体系为：α＝[α1,α2,α3,α4]，式中：α1α2α3α4分别为身高、性别、年龄、对航站楼的熟悉程度；客观因素参数体系为：β＝[β1,β2,β3]，式中：β1β2β3分别为到达时段、所经路径、接驳交通运力，所述接驳交通运力包括班次密度、购票窗口、安检通道数量。4.根据权利要求1所述的空港到港旅客疏散时间预测方法，其特征在于，在步骤三中，对旅客疏散过程进行动态预测具体包括：(1)利用旅客疏散过程时空关联的贝叶斯网络模型将整个疏散过程节点化、分支化，不同的疏散方式包括不同的网络分支；疏散过程中的节点包括：实线表示耗时环节节点、虚线表示关键空间位置节点；外部的a
‑
i节点表示节点耗时的可能影响因素；(2)将到港旅客疏散过程作为具有固定结构且随着时间演化的旅客疏散过程时空关联的贝叶斯网络模型，其中到达口节点x0为根节点，且不包含回环，则对于x1的子节点x
i
，i＝2,3,4，存在条件概率为：式中：p(x1,x
i
)为节点x1与子节点x
i
同时发生的联合概率，p(x1)为节点x1发生的先验概
率；子节点还包括：子节点还包括：子节点还包括：子节点还包括：子节点还包括：对于x6,x7共同的子节点x8，存在条件概率式中：p(x1,x2,x6,x7,x8)为节点x1,x2,x6,x7,x8同时发生的联合概率，p(x1,x2,x6,x7)为节点x8的祖节点均已发生的先验概率；子节点还包括：子节点还包括：由上式基于概率推理对旅客疏散过程进行动态预测；其中，关键空间位置节点包括：0：到达口；1：问询；2：连廊口；3：下1F扶梯处；4：下行直梯处；5：地铁售票处；6：下行扶梯处；7：下行直梯处；8：B2停车场；9：巴士售票处；10：下B1扶梯处；11：出租车候车区；12：地铁购票；13：地铁安检；14：地铁候车；15：网约/私家车候车；16：巴士购票；17：巴士候车；18：出租车候车；19：上车离开；外部的a
‑
i节点包括：a：到达时段、购票窗口/自助设备的数量；b：到达时段、安检通道数量、旅客属性；c：地铁班次密度；d：到达时段；e：巴士班次密度；f：到达时段、接客出租车数量；g：到达时段、购票窗口数量；h：旅客对航站楼的熟悉程度、到达时段；i：空间距离、旅客属性。5.根据权利要求1所述的空港到港旅客疏散时间预测方法，其特征在于，在步骤四中，到港旅客疏散时间样本的生成方法的构建过程中，基于旅客疏散过程时空关联贝叶斯网络模型将旅客疏散过程拆解为路段和环节，并基于小样本扩充和Anylogic仿真分别生成环节、排队及步行时间样本，再基于旅客疏散过程时空关联贝叶斯网络模型中不同时空条件下所需经由的路径和环节，将上述环节、排队、步行时间样本对应组合，生成不同时空条件下的疏散过程时间样本；
具体包括以下步骤：步骤1，基于旅客疏散过程时空关联贝叶斯网络模型将旅客疏散过程拆解为路段和环节；步骤2，对于购票、安检、候车，基于小样本扩充对现场实测的环节样本进行扩充，生成环节时间样本；步骤3，对于购票、安检环节前的排队时间，基于机场的实际运行数据，用Anylogic对排队过程进行仿真，生成排队时间样本；步骤4，对于各路段的步行时间，以现场实测的人流行走耗时作为均值，基于正态分布对现场实测的人流范围内进行扩充，生成步行时间样本；步骤5，基于旅客疏散过程时空关联贝叶斯网络模型中不同时空条件下所需经由的路径和环节，将环节、排队、步行时间样本对应组合，生成不同时空条件下的疏散过程时间样本；时间定义如下：T
a
＝t1+t0‑2+t2‑5+t
12
+t
...

【专利技术属性】
技术研发人员：邢志伟，李耕，李彪，阚犇，丁新伟，黄明，王大睿，
申请(专利权)人：首都机场集团有限公司，
类型：发明
国别省市：