發(fā)布時間：2021-06-24 04:29

　　隨著我國民航運輸客流量逐年穩(wěn)定增長,我國各大機場不同程度出現(xiàn)運行能力飽和態(tài)勢。航站樓傳統(tǒng)的資源配置方式已不能滿足機場客流量增長的需求,全國各大機場不同程度地出現(xiàn)了旅客排隊時間長、旅客服務(wù)質(zhì)量下降等現(xiàn)象。如何在有限資源下提高機場資源利用率成為目前熱點問題。航站樓短時客流量預(yù)測是航站樓旅客服務(wù)流程優(yōu)化的關(guān)鍵核心問題,其預(yù)測精度的高低直接影響了上述難題的破解效果�？疾炝藥追N常見的短時預(yù)測方法,發(fā)現(xiàn)K近鄰非參數(shù)回歸算法更適合用于航站樓短時客流量的預(yù)測。但由于傳統(tǒng)K近鄰算法并未考慮影響航站樓短時客流量影響因素,其存在不具備良好魯棒性的缺陷。于是借鑒電力系統(tǒng)預(yù)測方法,引入“相似日”預(yù)測思想,在傳統(tǒng)K近鄰算法基礎(chǔ)上增加了航班計劃狀態(tài)模式匹配方法,以航班計劃包含的多維屬性作為特征選取相似歷史運營日作為預(yù)測基準向量,建立基于航站樓短時客流量預(yù)測的雙層K近鄰模型（T-K近鄰）,實驗證明T-K近鄰模型預(yù)測結(jié)果相對傳統(tǒng)K近鄰模型有更高精度以及良好的魯棒性。但只考慮一種特征作為影響因素不具備良好的說服力,于是借助機場運行控制中心大數(shù)據(jù)平臺,進一步挖掘運營日的特征屬性,在考慮航班計劃影響因子的前提下,加入天氣狀況... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

近五年我國民航業(yè)旅客吞吐量統(tǒng)計

圖 2-1 歷史數(shù)據(jù)庫展示圖態(tài)向量的定義近鄰算法通過距離函數(shù)在歷史數(shù)據(jù)庫中搜索近鄰時，需要通過某些特征來進此便引入狀態(tài)向量，狀態(tài)向量即為數(shù)據(jù)狀態(tài)特征，用于描述歷史數(shù)據(jù)庫中的目前沒有統(tǒng)一的標準去定義狀態(tài)向量，研究者都是根據(jù)具體的預(yù)測場景去選態(tài)向量，將越多的因素考慮到狀態(tài)向量中對預(yù)測精度的提高并沒有幫助，反態(tài)向量會導(dǎo)致算法的運算時間增加，不能滿足本文短時預(yù)測實時性的需求。及到的預(yù)測場景中，影響航站樓短時客流量主要有天氣、星期類型、淡旺季類、航班計劃、機場附近交通情況和突發(fā)事件等因素�？紤]到旅客是基于航班動到達機場（詳情見 2.22 節(jié)），再結(jié)合本文獲取數(shù)據(jù)的實際情況與算法效率選取航班計劃和相鄰時段旅客流量兩個因素作為本文 K 近鄰算法的狀態(tài)向量.2.3 節(jié)中的定義 2.3。離度量方式

圖 2-2 K 近鄰算法流程果分析相關(guān)要素定義完成后，通過 K 近鄰算法對取連續(xù) 5 天（2016-09-09~2016-09-13）作為末，后面從時間維度出發(fā)，選擇預(yù)測日包含淡為預(yù)測基準向量，并選擇相應(yīng)基準向量前半 3 個評價指標：平均絕對誤差 MAE、均方的預(yù)測精度。MAE 的定義如式(2.3)所示，Miy

【參考文獻】：
期刊論文
[1]基于雙層K近鄰算法航站樓短時客流量預(yù)測[J]. 邢志偉,何川,羅謙,蔣祥楓,劉暢,叢婉.  北京航空航天大學(xué)學(xué)報. 2019(01)
[2]基于效用價值驅(qū)動的旅客出行動力學(xué)研究與建模[J]. 邢志偉,文濤,羅謙,叢婉,魏志強,廖必凱.  北京航空航天大學(xué)學(xué)報. 2018(02)
[3]基于相似日和CAPSO-SNN的光伏發(fā)電功率預(yù)測[J]. 陳通,孫國強,衛(wèi)志農(nóng),臧海祥,孫永輝,Kwok W Cheung,李慧杰.  電力自動化設(shè)備. 2017(03)
[4]航空旅客群體移動行為特性分析[J]. 黃飛虎,彭艦,由明陽.  物理學(xué)報. 2016(22)
[5]基于ARIMA與ESN的短期風速混合預(yù)測模型[J]. 田中大,李樹江,王艷紅,高憲文.  太陽能學(xué)報. 2016(06)
[6]基于混沌理論與改進回聲狀態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量多步預(yù)測[J]. 田中大,李樹江,王艷紅,王向東.  通信學(xué)報. 2016(03)
[7]基于航班離港時刻主導(dǎo)的單航班離港旅客聚集模型[J]. 邢志偉,馮文星,羅謙,李學(xué)哲,白楠,潘野,李定亮.  電子科技大學(xué)學(xué)報. 2015(05)
[8]鐵路客運專線模糊k近鄰客流預(yù)測模型[J]. 豆飛,賈利民,秦勇,徐杰,王莉.  中南大學(xué)學(xué)報(自然科學(xué)版). 2014(12)
[9]短時交通流預(yù)測的改進K近鄰算法[J]. 謝海紅,戴許昊,齊遠.  交通運輸工程學(xué)報. 2014(03)
[10]基于社會力模型的擁擠人群狀態(tài)研究與仿真[J]. 李連天.  軟件導(dǎo)刊. 2013(08)

博士論文
[1]機場旅客與行李流程的規(guī)劃和仿真研究[D]. 陸迅.南京航空航天大學(xué) 2008
[2]基于k近鄰分類準則的特征變換算法研究[D]. 張巍.復(fù)旦大學(xué) 2007

碩士論文
[1]基于Anylogic的航站樓旅客離港業(yè)務(wù)流程仿真研究[D]. 劉浩.中國民用航空飛行學(xué)院 2016
[2]基于K近鄰非參數(shù)回歸的短時交通流預(yù)測算法研究[D]. 林川.電子科技大學(xué) 2015
[3]基于數(shù)據(jù)挖掘的航站樓客流量預(yù)測研究[D]. 田原.哈爾濱工業(yè)大學(xué) 2014
[4]基于Anylogic的成都北站鐵路客流換乘城市軌道交通仿真研究[D]. 陳建宇.西南交通大學(xué) 2014
[5]基于混沌時間序列的航站樓離港旅客流量預(yù)測[D]. 郭圓圓.哈爾濱工業(yè)大學(xué) 2013
[6]航站樓旅客流量異常預(yù)警研究[D]. 鄧雙龍.哈爾濱工業(yè)大學(xué) 2013
[7]非參數(shù)回歸的研究及其應(yīng)用[D]. 劉志剛.溫州大學(xué) 2012
[8]基于非參數(shù)回歸的路網(wǎng)短時交通狀態(tài)預(yù)測[D]. 馬毅林.北京交通大學(xué) 2008



本文編號：3246372