一种面向航班计划的离港旅客聚集信息预测方法及系统技术方案

本发明专利技术属于民用航空数据信息处理技术领域，公开了一种面向航班计划的离港旅客聚集信息预测方法及系统。以组为单位分析单航班离港旅客聚集特性，得到单航班离港旅客在各个组合条件下的完整分布，采用参数回归确定分布的未知参数；再建立基于单航班赋权叠加公式的多航班耦合离港旅客聚集模型，以KL散度为指标评估模型精度。本发明专利技术解决了多航班耦合离港旅客聚集信息预测不能为服务资源进行规划和调度提供客观的理论依据和优化的意见，使得机场运行效率低。本发明专利技术提出的基于单航班赋权叠加公式的多航班耦合离港旅客聚集模型有理想的预测效果。效果。效果。

【技术实现步骤摘要】
一种面向航班计划的离港旅客聚集信息预测方法及系统


[0001]本专利技术属于民用航空数据信息处理
，尤其涉及一种面向航班计划的离港旅客聚集信息预测方法、面向航班计划的离港旅客聚集信息预测系统。

技术介绍

[0002]目前，实时准确感知航站楼离港旅客聚集特性并做好筛查防护和应急准备成为保持社会安全平稳运行的重要手段之一。旅客是航站楼服务主体(行李附着于旅客)，而离港旅客的到达，是触发航站楼旅客服务流程的起点。
[0003]感知旅客分布态势和旅客聚散规律，揭示旅客流聚集特性，攻克旅客流高强度混合叠加下旅客流态势预测，对此将服务资源进行规划和调度，使有限的旅客服务资源发挥更大的效用，加快机场运行效率，为决策者提供合理客观的意见及资源优化策略。
[0004]通过上述分析，现有技术存在的问题及缺陷为：(1)多航班耦合离港旅客聚集信息预测准确率低；(2)多航班耦合离港旅客聚集信息预测不能为服务资源进行规划和调度提供客观的理论依据和优化的意见，使得机场运行效率低。
[0005]解决以上问题及缺陷的难度为：在建立的单航班赋权叠加公式中，叠加公式的设计以及权重系数的求解是难点问题。在影响因素的前提下，考虑到了众多航班叠加带来的高误差以及系数难以调解的情况。在这里，约束系数相加和为1，系数的赋值也并非所有航班均分系数，而是有权重的赋值，某一时间段的航班影响将远远大于其他航班，而这些航班的系数具体解则需要采用智能优化算法求解以量化出来。另外，众多航班叠加繁琐，将带来误差和系数收敛精度不够，需要对众多航班分组统一化每组的公式来达到简化众多航班带来的误差目的
[0006]解决以上问题及缺陷的意义为：问题的解决将提高多航班耦合离港旅客聚集预测精度，机场运营者将提前感知高峰期多航班旅客流的分布态势以对资源整合调度，将航站楼的各个流程衔接流畅化，减少流程间的脱节现象。同时机场运营者可以展现出科学性和超前性的航站楼管理，打破运营瓶颈，实现流程设计与业务发展高度匹配模式，让机场实现整体协调发展成为可能。

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面向航班计划的离港旅客聚集信息预测方法、系统、接收用户输入程序存储介质及信息数据处理终端。本专利技术创新点在于设计叠加公式并对其权重系数调整以达到最大程度的拟合真实多航班离港旅客聚集规律。
[0008]所述技术方案如下：一种面向航班计划的离港旅客聚集信息预测方法，
[0009]以组为单位分析单航班离港旅客聚集特性，得到单航班离港旅客在各个组合条件下的完整分布，采用参数回归确定完整分布的未知参数；建立基于单航班赋权叠加公式的多航班耦合离港旅客聚集模型，以KL散度为指标评估多航班耦合离港旅客聚集模型精度。
[0010]在一实施例中，所述面向航班计划的离港旅客聚集信息预测方法包括以下步骤：
[0011]步骤一，分析影响离港旅客到达因素，确定影响因素，并按影响因素对离港旅客数据分类分组(如图2
‑
图3为影响离港旅客因素的工作日、非工作日、高峰期)；影响离港旅客到达因素包括：航班计划、工作日、非工作日以及高峰期因素；
[0012]步骤二，利用离港旅客影响因素，分组分别建立基于单航班离港旅客到达模型；
[0013]步骤三，利用步骤二建立的基于单航班离港旅客到达模型检验基于单航班离港旅客到达模型，确立单航班离港旅客到达时间在各个组合条件下的完整分布；
[0014]步骤四，利用步骤三确定的完整分布对面向所有旅客的公共服务，建立单航班赋权叠加的多航班离港旅客聚集模型；
[0015]步骤五，利用步骤四所述的单航班赋权叠加的多航班离港旅客聚集模型，对设计的单航班叠加公式的权重系数求解。
[0016]在一实施例中，所述步骤二利用建立的单航班离港旅客到达模型对已分组好的单航班离港旅客到达数据采用多种分布对离港旅客提前到达时间进行分布拟合，分析取单航班离港旅客到达特征以及旅客到达航站楼规律；
[0017]具体包括：
[0018]选取符合重尾分布特征的分布对离港旅客直方图进行数据拟合，经过实证分析，选取对数正态分布、指数修正的正态分布、偏正态分布拟合，具体的概率密度表达式如下：
[0019]对数正态分布是指随机变量X的密度函数为概率密度：
[0020][0021]其中：μ与σ分别是变量对数的均值与标准差；
[0022]指数修正的正态分布是指随机变量X的密度函数为：
[0023][0024]其中：λ为形状参数；σ为比例参数；μ为移动参数；
[0025]偏正态分布是指随机变量X的密度函数为概率密度：
[0026][0027]其中：φ(x；μ,σ)和Φ(x；μ,σ)分别为标准正态分布的密度函数和分布函数，称随机变量X服从参数为(μ,σ,λ)的偏态分布；
[0028]选取伯尔分布、约翰逊分布、贝塔分布，具体的概率密度表达式如下：
[0029]伯尔分布是指随机变量X的密度函数为：
[0030][0031]其中：a为形状参数；b为形状参数；p为比例参数。
[0032]约翰逊分布是指随机变量X的密度函数为：
[0033][0034]其中：γ为形状参数；δ＞0为形状参数；ξ为形状参数；λ＞0为比例参数。
[0035]贝塔分布是指随机变量X的密度函数为：
[0036][0037]其中：a为最小值，b为最大值，四参数贝塔分布x取值不限定于(0，1)。α,β＞0俩分布参数。
[0038]在一实施例中，采用Freedman
‑
Diaconis规则绘制直方图，此规则对异常数据不敏感，能更好展示离港旅客到达航站楼规律。通过Freedman
‑
Diaconis规则确定组距：
[0039][0040]其中：n为直方图组距；Q(x)为样本数据的x四分位数；l为样本x的观测数。
[0041]在一实施例中，所述步骤三对选取的各种分布采用拟合优度检验方法选取最优分布，所述拟合优度检验方法使用柯尔莫哥洛夫检验法，判断概率密度拟合函数能否反映历史数据中的信息，具体步骤包括：
[0042](1)设X1,
…
,X
n
为某单航班概率密度为F(x)时抽取的样本，做出如下假设：
[0043]H0:F(x)＝F0(x)；
[0044]H1:F(x)≠F0(x)；
[0045]其中，F0(x)为单航班中某个已知分布函数，将X1,
…
,X
n
由小到大排列，得到 X
(1)
,
…
X
(n)
，并构造经验函数F0(x)；
[0046](2)求D
(n)
：
[0047][0048]其中，k为样本从小到大排列后的序数，sup函数表示一个组距离中的上确界；
[0049]给定显著性水平柯尔莫哥洛夫检验本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向航班计划的离港旅客聚集信息预测方法，其特征在于，所述面向航班计划的离港旅客聚集信息预测方法以组为单位分析单航班离港旅客聚集特性，得到单航班离港旅客在各个组合条件下的完整分布，采用参数回归确定所述完整分布的未知参数；以KL散度为指标评估基于单航班赋权叠加公式建立的多航班耦合离港旅客聚集模型精度。2.根据权利要求1所述面向航班计划的离港旅客聚集信息预测方法，其特征在于，所述面向航班计划的离港旅客聚集信息预测方法包括以下步骤：步骤一，分析影响离港旅客到达因素，确定影响因素，并按影响因素对离港旅客数据分类分组；影响离港旅客到达因素包括：航班计划、工作日、非工作日以及高峰期；步骤二，利用离港旅客影响因素，建立基于单航班离港旅客到达模型；步骤三，利用建立的基于单航班离港旅客到达模型，检验基于单航班离港旅客到达模型，确立单航班离港旅客到达时间在各个组合条件下的完整分布；步骤四，利用完整分布对面向所有旅客的公共服务，建立单航班赋权叠加的多航班离港旅客聚集模型；步骤五，利用单航班赋权叠加的多航班离港旅客聚集模型，对设计的单航班叠加公式的权重系数求解。3.根据权利要求2所述面向航班计划的离港旅客聚集信息预测方法，其特征在于，步骤二中，利用建立基于单航班离港旅客到达模型对已分组好的单航班离港旅客到达数据采用多种分布对离港旅客提前到达时间进行分布拟合，分析出单航班离港旅客到达特征以及旅客到达航站楼规律；具体包括：选取不同分布对离港旅客不同特征的直方图进行数据拟合，选取对数正态分布、指数修正的正态分布、偏正态分布，具体的概率密度表达式如下：对数正态分布是指随机变量X的密度函数为概率密度：其中：μ与σ分别是变量对数的均值与标准差；指数修正的正态分布是指随机变量X的密度函数为：其中：λ为形状参数；σ为比例参数；μ为移动参数；偏正态分布是指随机变量X的密度函数为概率密度：其中：φ(x；μ,σ)和Φ(x；μ,σ)分别为标准正态分布的密度函数和分布函数，称随机变量X服从参数为(μ,σ,λ)的偏态分布；选取伯尔分布、约翰逊分布、贝塔分布，具体的概率密度表达式如下：伯尔分布是指随机变量X的密度函数为：
其中：a为形状参数；b为形状参数；p为比例参数；约翰逊分布是指随机变量X的密度函数为：其中：γ为形状参数；δ＞0为形状参数；ξ为形状参数；λ＞0为比例参数；贝塔分布是指随机变量X的密度函数为：其中：a为最小值，b为最大值，四参数贝塔分布x取值不限定于(0，1)。4.根据权利要求3所述面向航班计划的离港旅客聚集信息预测方法，其特征在于，直方图采用Freedman
‑
Diaconis规则绘制，确定组距：其中：n为直方图组距；Q(x)为样本数据的x四分位数；l为样本x的观测数。5.根据权利要求2所述面向航班计划的离港旅客聚集信息预测方法，其特征在于，步骤三中对单航班离港旅客到达时间在各个组合条件下的完整分布采用拟合优度检验方法选取；所述拟合优度检验方法使用柯尔莫哥洛夫检验法，判断概率密度拟合函数能否反映历史数据中的信息，具体步骤包括：(1)设X1,
…
,X
n
为某单航班概率密度为F(x)时抽取的样本，做出如下假设：H0:F(x)＝F0(x)；H1:F(x)≠F0(x)；其中，F0(x)为单航班中某个已知分布函数，将X1,
…
,X
n
由小到大排列，得到X
(1)
,
…
X
(n)
，并构造经验函数F0(x)；(2)求D
(n)
：其中，k为样本从小到大排列后的序数，sup函数表示一个组距离中的上确界；给定显著性水平柯尔莫哥洛夫检验法返回两个值D值和p值，D值表示两个分布之间最大距离，D值越小，分布越一致，p值大于给定的显著性水平时，则不能拒接原假设；对分布未知参数进行估计，其中指数修正的正态分布概率密度函数f(x)为：
其中：λ为形状参数；σ为比例参数；μ为移动参数；约翰逊分布的概率密度函数g(x)为：其中：γ为形状参数；δ>0为形状参数；ξ为移动参数；λ>0为比例参数。6.根据权利要求2所述面向航班计划的离港旅客聚集信息预测方法，其特征在于，步骤四中，单航班赋权叠加的多航班离港旅客聚集模型包括：对离港航班的选取以及将高峰期已一小时为时段划分，对划分好的各个时段按利用K
‑
Means算法进行聚类，确定不同天同一划分时段内所有单航班分布的统一概率...

【专利技术属性】
技术研发人员：邢志伟，王晴，李彪，阚犇，姜雪晶，黄明，王晓磊，王艳惠，荆世龙，
申请(专利权)人：首都机场集团有限公司，
类型：发明
国别省市：