基于数据挖掘的航站楼客流量预测研究

• 作 者: 田原
• 机 构: 哈尔滨工业大学
• 出 处: 哈尔滨工业大学
• 发表日期: 2014年期
• 关键词: 航站楼 客流量预测 数据集市 数据挖掘

航站楼旅客服务资源动态分配及调度是提高航站楼内旅客服务水平及运营效率的有效途径之一，而相对准确的航站楼客流量预测则是实现动态分配及调度的前提。目前，航站楼离岗时段客流量预测的研究都是基于小样本进行的，未能有效利用系统数据库中存储的大量实际数据，所得到用于预测的客流规律只适用于有限条件下，预测方法难以保证结果准确性，且在实际中难以支持理论方法的实现，无法满足航站楼旅客服务资源动态分配及调度对旅客流量预测的要求。为此，本文将从集成机场信息系统客流历史数据的数据挖掘体系、客流规律的探索式分析以及基于数据挖掘方法的预测模型三个方面进行研究。具体研究内容如下：首先，为有效利用实际系统中存储的大量客流历史数据进行数据挖掘研究，本文在确定了数据集市集成方法并进行了集市构建需求分析后，提出了一个能对集成的机场信息系统历史数据进行数据挖掘的体系。该体系可支持用户使用多种数据挖掘方法在不同维度、维度的不同概念层次进行历史客流数据的挖掘及预测，能够快速、直观的展现数据挖掘结果。构建的体系能够在航站楼中切实的实现预测，并展示了实现预测的流程。已有研究是在特定条件下获取的样本，研究得出的规律不具普遍性。为此，本文从航班数、旅客流量以及旅客提前到达规律这几方面对大量实际数据进行探索式数据分析。通过探索式分析明确了将基于旅客提前到达规律进行客流预测的思路，在此基础上提出并分析了离港时间、航空公司等几个旅客提前到达规律的影响因素。得出在众多因素的影响下，旅客不具有某种确定的到达模式，基于旅客提前到达规律的预测不能依据概率分布函数进行，此类问题适合应用数据挖掘的方法来解决。最后，根据探索式数据分析确定的预测方法思路，构建了由聚类、决策树与K-最近邻算法组成的客流预测模型。预测以航段为基本的预测单元，以提前到达航站楼各时段内的旅客比例为预测目标，预测间隔取30分钟。通过预测出的流量与实际流量进行对比分析，验证了预测模型能够满足单个航班、单个航空公司以及整个航站楼30分钟时段内到达旅客流量的预测精度，为动态的进行资源分配调度奠定了基础。