【技术实现步骤摘要】
一种基于时间序列的交通客流量预测方法
[0001]本专利技术涉及一种制备方法,具体涉及一种提高航站楼业务运作以及资源的合理分配,精准的预估出航站楼内旅客人数的变化情况;影响因素及数据分析的基于时间序列的交通客流量预测方法。
技术介绍
[0002]在智慧机场的建造过程中,提高出行旅客的满意度作为其重点的基础工作,机场自身可以通过提高航站楼的服务水平来帮助旅客在值机、安检、候机、登机等全流程中实现切实的智能化服务,使旅客感受到导航式的方便快捷,从而提高机场自身的运营效率和行业核心竞争力。其实,机场航站楼服务水平的好坏直接影响到旅客的出行满意度,也是旅客出行满意度的重要评价标准。
[0003]在航站楼内,基于有效的短时段的离港客流量的变化趋势的预测,按需开放值机柜台和安检口的资源数量,合理配置航站楼内外服务和安保人员,降低因旅客排队或机场服务欠缺所导致的航班延误以及突发事件产生的可能性,这样才能真正地提高出行旅客的满意度和机场的运行效率,更好地增强机场自身的核心竞争力,不被行业内所淘汰。
技术实现思路
[0004]针对上述问题,本专利技术的主要目的在于提供一种提高航站楼业务运作以及资源的合理分配,精准的预估出航站楼内旅客人数的变化情况;影响因素及数据分析的基于时间序列的交通客流量预测方法。
[0005]本专利技术是通过下述技术方案来解决上述技术问题的:一种基于时间序列的交通客流量预测方法,所述基于时间序列的交通客流量预测方法包括如下步骤:
[0006]步骤一:对航班数据、值机数据、行 ...
【技术保护点】
【技术特征摘要】
1.一种基于时间序列的交通客流量预测方法,其特征在于:所述基于时间序列的交通客流量预测方法包括如下步骤:步骤一:对航班数据、值机数据、行李信息、旅客基础信息等源数据进行数据抽取与重构的基础上,从值机方式分布、航班分布、值机旅客人数分布、客座率、旅客出行特点、航班延误进行数理统计,挖掘出影响客流量变化的原因;步骤二:在预测模型建立过程中依据不同的值机方式进行数据分类分别进行客流量预测;同时,接下来的分析将按照不同的值机方式作为基础进行分类统计;在一个航班计划表内很难寻到到明显的DOW特性,需要对航班DOW特性进行更仔细的数据分析;步骤三:首先,按照星期,将一周内每天的航班数以每六十分钟为一时段求每时段内的平均航班数量,其中x轴为时间,Y轴为各时段内的航班数;然后,依旧按照星期将一周内每天的航班数以每六十分钟为一时段求每时段内的航班数量的汇总,所得到的数据加上实验分析航班离港时间、飞行频次、是否工作日发现影响值机客流量的因素;步骤四:ARIMA模型是由博克思和詹金斯这两位学者提出的有关于时间序列的预测方法,被称为box
‑
jenkins模型。2.根据权利要求1所述的基于时间序列的交通客流量预测方法,其特征在于:步骤二的具体过程为:1)、由于选择不同值机方式的人数相差较大以及每种值机方式的办理时间不同,所以,在预测模型建立过程中要依据不同的值机方式进行数据分类分别进行客流量预测;同时,接下来的分析将按照不同的值机方式作为基础进行分类统计;2)、在一个航班计划表内很难寻到到明显的DOW特性,需要对航班DOW特性进行更仔细的数据分析;接下来,基于机场内每个航空公司有固定的值机区域,以选择人工柜台值机为例,值机区域可以分为值机岛F、值机岛G以及值机岛H;按照星期和不同的值机岛进行数据分类,分别统计在一周内每个值机岛每天的航班数量变化,以每六十分钟为一时段来统计每时段内的航班数量。3.根据权利要求1所述的基于时间序列的交通客流量预测方法,其特征在于:步骤四的具体过程为:ARIMA模型以原序列的平稳性和回归过程中的不同作为分类标准,包括MA过程、AR过程、ARMA过程、ARIMA过程;ARIMA(p,d,q)的被称为差分自回归移动平均模型,含有自回归AR,自回归项p,移动平均MA,移动平均项数q,以及差分次数d。4.根据权利要求3所述的基于时间序列的交通客流量预测方法,其特征在于:建立ARIMA(p,d,q)的模型首先需要将时间序列从非平稳状态转化为平稳状态,然后仅对因变量的滞后值、随机误差项的现值和滞后值进行回归,最终得到预测模型:其中L是滞后算子,d∈Z;d>0。5.根据权利要求4所述的基于时间序列的交通客流量预测方法,其特征在于:某些时间序列中,有时会存在明显的周期性或者季节性的变化,这类序列称为季节性序列;建立季节性或周期性时间序SARIMA模型,即ARIMA(p,d,q)
×
(P,D,Q)s;其中,P,Q,p,q
表示季节自回归,季节性的移动平均算子的最大滞后阶数、非季节自回归、非季节性的移动平均算子的最大滞后阶数,d,D分别表示非季节性的差分次数以及季节性的差分次数,s表示时序的变化周期;首先,变化周期s是指时间间隔为s的时序值之间具有相同的变化规律;为使数据更加具有代表性,需要利用季节差分的方法来消除周期性变化;差分算子的普遍定义是Δ
s
=1
‑
L
s
;假设用Y
t
表示季节性的时间序列,那么一次季节差分则可以表示为:Δ
s
Y
t
=(1
‑
L
s
)Y
t
=Y
t
‑
Y
t
‑
s
当时间序列为非平稳状态时,需要对变化周期s进行D次季节差分,这样才能...
【专利技术属性】
技术研发人员:杨涌文,董子文,李苑勋,张丽婷,
申请(专利权)人:上海电力大学,
类型:发明
国别省市:
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。