一种机场航空业务量预测方法、装置和设备制造方法及图纸

本发明专利技术提供一种机场航空业务量预测方法、装置和设备，通过获取基于机场航空业务量历史数据构建的预测模型；然后初始化N个粒子后，对所述预测模型的预测结果进行采样，得到离散的采样数据，将采样数据赋值给对应的粒子，计算得到各个粒子的权重值，再将赋值后的粒子绑定至所述历史数据尾部；再对各个粒子的权重值进行归一化处理，对所述归一化处理结果进行重采样；对绑定粒子后的历史数据进行航空业务量后验估计；采用绑定粒子后的历史数据更新所述预测模型，提高了预测模型的可靠性。提高了预测模型的可靠性。提高了预测模型的可靠性。

【技术实现步骤摘要】
一种机场航空业务量预测方法、装置和设备


[0001]本专利技术涉及数据预测
，具体涉及一种机场航空业务量预测方法、 装置和设备。

技术介绍

[0002]机场是重要的交通基础设施，机场的建设动辄投资数十亿甚至数百亿， 其中决定机场投资的关键是机场的建设规模。为合理确定一个机场的修建规 模，往往需要经过数年论证，其中航空业务量是决定机场建设规模的重要依 据，若业务量预测结果过大，则可能导致建设规模偏大，增加资金投入，过 早占用土地，进而造成社会资源的浪费；若业务量预测过小，则可能导致建 设规模偏小，使得机场难以满足人民出行的需求，机位、跑道资源不足可能 导致机场高位运行，降低机场运行的安全性，而拥挤的航站楼将降低旅客出 行体验，预留用地不足还将导致机场改扩建困难等。因此，准确把握机场航 空业务量是有效控制机场投资规模，充分满足人民出行需求的重要一环。
[0003]EUROCONTROL(欧控)按性质将机场航空业务量预测方法分为短期预 测和长期预测，短期预测一般选择自回归综合移动平均线(ARIMA)预测模 型或Holt
‑
Winters模型，中长期预测则通过GDP进行回归给出未来航空业务需 求量。美国联邦航空管理局(FAA)则一般是针对中长期的预测，预测时间 一般为10～25年。FAA提供的预测报告包含飞机机队和小时数，航空承运人和 区域/通勤乘客的登机情况，航空货运收入，飞行员工作负荷和FAA保障架次 的预测。国际民航组织(ICAO)全面总结了EUROCONTROL和FAA的流量预 测方法，并在Doc8991中给出了推荐的预测方法。
[0004]我国在航空运输业务量预测分析研究方面起步较晚，大多集中在短期预 测，中长期预测涉及较少，主要是预测方法理论的研究。针对中长期预测， 理论研究中已提出回归分析法、趋势外推预测法、时间序列法、等战略预测 方法，并引入灰色系统、遗传算法、神经网络等智能算法，但大多停留于研 究层面，少数应用于实际航空业务量预测中。
[0005]目前实际使用的航空业务量预测方法有：趋势外推法、回归分析法、市 场份额法、BP神经网络法、OD航线细分法等。其中趋势外推法、回归分析法、 市场份额法是较为常见的数学方法，BP神经网络法为使用机器学习的基础方 法进行非线性拟合，本质上也可归为常见数学方法。OD航线细分法为利用每 条航线的数据趋势进行预测，方法为趋势分析法和市场份额法的综合。
[0006]趋势分析法一方面承认航空旅客吞吐量发展的延续性，运用过去的时间 序列数据进行统计分析，推测出航空旅客吞吐量的发展趋势；另一方面充分 考虑到由于偶然因素影响而产生的随机性，为了消除随机波动产生的影响， 利用历史数据进行统计分析，并对数据进行适当处理。采用时间序列法进行 趋势预测简单易行，对未来段时间内的预测比较精确，但是长期预测结果有 一定偏差，旅客吞吐量的历史数据本质上是经济发展、地区开放程度、旅客 接待能力等的综合反映，其发展规律也由经济发展的程度、地区开放的程度、 旅客的接待能力的提升直接相关，但趋势分析法并未对相关因素进行考虑。
[0007]回归分析法主要基于数据统计原理，通过对历年相关数据进行数学处理， 研究确定航空旅客吞吐量与相关影响因素的相关关系，建立一个相关性较好 的回归方程，通过回归系数判定回归模型的适用性，通过外推对之后一段时 间的航空旅客吞吐量进行预测。方法考虑了航空旅客吞吐量的相关因素，预 测结果较为客观全面，但是需要对各个相关因素做出预测，预测参数通常由 人为确定，部分相关因素的偶然性大，也可能导致预测结果的不准确。
[0008]市场分析法通过全国、机场所在省市等民用运输机场航空业务量的增长 趋势对机场航空旅客吞吐量进行近期预测。中国民航的发展作为一个整体具 有其内在的规律性，相比于时间序列分析法、回归分析法，市场分析法站在 区域发展战略的全局考虑，可以有效避免由于机场局部短时间内的突出发展 导致预测出现的不准确性，以区域以及全国民航数据为从航空业务量做全局 支撑。但是，采用市场分析法需要机场未来的战略规划和定位相对准确，市 场份额参数的确定通常由人为确定，错误的估计市场份额可能会导致预测结 果的不准确。
[0009]机场航空业务量预测与经济发展、人口增长、居民可支配收入以及旅游 业的发展有着紧密联系，航空业务量预测是一个多因素复杂的预测问题，BP 神经网络是能用于多因素非线性系统的分析，且其精度也较为理想。但是基 于神经网络的方法对于数据的解释能力较差，通常难以判断预测结果的准确 性，因此经常作为辅助预测方法，同时模型准确性与数据量关系密切，对于 数据量较小条件下的预测精度较差。
[0010]在分析市场时，一方面可依据地区航空业务量占区域以及全国航空业务 量的比重作为预测，其预测思路与时间序列分析一致；另一方面可从需求出 发，考虑机场运行的航线目的地城市的社会经济发展情况，分析城市到主要 通航点的航空航空业务量，该方法的预测思路与回归分析法较为一致。但是， 该方法分析影响航线的细分因素较多，通航点的预测数据量大，对于说明具 体航线的发展具有较强优势，但对于航空业务量总体预测，通常需要人为确 定OD航线数据与航空业务总量之间的关系。

技术实现思路

[0011]有鉴于此，本专利技术实施例提供一种机场航空业务量预测方法、装置和设 备，以实现对机场航空业务量的预测。
[0012]为实现上述目的，本专利技术实施例提供如下技术方案：
[0013]一种机场航空业务量预测方法，包括：
[0014]获取基于机场航空业务量历史数据构建的预测模型；
[0015]初始化N个粒子，所述N为不小于1的正整数；
[0016]对所述预测模型的预测结果进行采样，得到离散的采样数据，将采样数 据赋值给对应的粒子，计算得到各个粒子的权重值；
[0017]将赋值后的粒子绑定至所述历史数据尾部；
[0018]对各个粒子的权重值进行归一化处理；
[0019]对所述归一化处理结果进行重采样；
[0020]对绑定粒子后的历史数据进行航空业务量后验估计；
[0021]采用绑定粒子后的历史数据更新所述预测模型。
[0022]可选的，上述机场航空业务量预测方法中，获取基于机场航空业务量历 史数据构建的预测模型，包括：
[0023]选取机场不少于预设时长的航空业务量历史数据作为基础数据；
[0024]使用最小二乘法分别对一次多项式、二次多项式、幂函数及指数函数进 行拟合；
[0025]分别计算各个拟合结果与所述航空业务量历史数据的拟合优度；
[0026]将拟合优度最优的拟合方法作为目标方法；
[0027]采用所述目标方法基于机场航空业务量历史数据构建预测模型。
[0028]可选的，上述机场航空业务量预测方法中，所述预测模型为x
k
＝f(xk
‑
1,u
k
)， 其中，所述x
k
为k时刻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机场航空业务量预测方法，其特征在于，包括：获取基于机场航空业务量历史数据构建的预测模型；初始化N个粒子，所述N为不小于1的正整数；对所述预测模型的预测结果进行采样，得到离散的采样数据，将采样数据赋值给对应的粒子，计算得到各个粒子的权重值；将赋值后的粒子绑定至所述历史数据尾部；对各个粒子的权重值进行归一化处理；对所述归一化处理结果进行重采样；对绑定粒子后的历史数据进行航空业务量后验估计；采用绑定粒子后的历史数据更新所述预测模型。2.根据权利要求1所述的机场航空业务量预测方法，其特征在于，获取基于机场航空业务量历史数据构建的预测模型，包括：选取机场不少于预设时长的航空业务量历史数据作为基础数据；使用最小二乘法分别对一次多项式、二次多项式、幂函数及指数函数进行拟合；分别计算各个拟合结果与所述航空业务量历史数据的拟合优度；将拟合优度最优的拟合方法作为目标方法；采用所述目标方法基于机场航空业务量历史数据构建预测模型。3.根据权利要求1所述的机场航空业务量预测方法，其特征在于，所述预测模型为x
k
＝f(x
k
‑1,u
k
)，其中，所述x
k
为k时刻的机场航空业务量预测值，所述x
k
‑1为k
‑
1时刻的机场航空业务量预测值，为第k时刻的不确定性分布模型，n
x
是状态值的维度，所述状态值指的是预测模型中的变量类型。4.根据权利要求3所述的机场航空业务量预测方法，其特征在于，所述预测模型中的变量包括：机场所在城市的GDP增长数据、旅游业发展数据、或天气变化数据。5.根据权利要求5所述的机场航空业务量预测方法，其特征在于，所述历史数据为绑定有所述变量的历史数据。6.一种机场航空业务量预测装置，其特征在于，包括：历史数据存储单元，用于存储机场航空业务量历史数据；模型...

【专利技术属性】
技术研发人员：佟岱山，闵冬丽，陈斌，葛春景，冯广东，李彤阳，吴程程，张建，
申请(专利权)人：中国民航工程咨询有限公司，
类型：发明
国别省市：