隨著我國(guó)民航運(yùn)輸客流量逐年穩(wěn)定增長(zhǎng),我國(guó)各大機(jī)場(chǎng)不同程度出現(xiàn)運(yùn)行能力飽和態(tài)勢(shì)。航站樓傳統(tǒng)的資源配置方式已不能滿足機(jī)場(chǎng)客流量增長(zhǎng)的需求,全國(guó)各大機(jī)場(chǎng)不同程度地出現(xiàn)了旅客排隊(duì)時(shí)間長(zhǎng)、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(jī)場(chǎng)資源利用率成為目前熱點(diǎn)問(wèn)題。航站樓短時(shí)客流量預(yù)測(cè)是航站樓旅客服務(wù)流程優(yōu)化的關(guān)鍵核心問(wèn)題,其預(yù)測(cè)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(jiàn)的短時(shí)預(yù)測(cè)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(shí)客流量的預(yù)測(cè)。但由于傳統(tǒng)K近鄰算法并未考慮影響航站樓短時(shí)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(cè)方法,引入“相似日”預(yù)測(cè)思想,在傳統(tǒng)K近鄰算法基礎(chǔ)上增加了航班計(jì)劃狀態(tài)模式匹配方法,以航班計(jì)劃包含的多維屬性作為特征選取相似歷史運(yùn)營(yíng)日作為預(yù)測(cè)基準(zhǔn)向量,建立基于航站樓短時(shí)客流量預(yù)測(cè)的雙層K近鄰模型（T-K近鄰）,實(shí)驗(yàn)證明T-K近鄰模型預(yù)測(cè)結(jié)果相對(duì)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(shuō)服力,于是借助機(jī)場(chǎng)運(yùn)行控制中心大數(shù)據(jù)平臺(tái),進(jìn)一步挖掘運(yùn)營(yíng)日的特征屬性,在考慮航班計(jì)劃影響因子的前提下,加入天氣狀況... 

【文章來(lái)源】：中國(guó)民航大學(xué)天津市

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

近五年我國(guó)民航業(yè)旅客吞吐量統(tǒng)計(jì)

圖 2-1 歷史數(shù)據(jù)庫(kù)展示圖態(tài)向量的定義近鄰算法通過(guò)距離函數(shù)在歷史數(shù)據(jù)庫(kù)中搜索近鄰時(shí)，需要通過(guò)某些特征來(lái)進(jìn)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(kù)中的目前沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)去定義狀態(tài)向量，研究者都是根據(jù)具體的預(yù)測(cè)場(chǎng)景去選態(tài)向量，將越多的因素考慮到狀態(tài)向量中對(duì)預(yù)測(cè)精度的提高并沒(méi)有幫助，反態(tài)向量會(huì)導(dǎo)致算法的運(yùn)算時(shí)間增加，不能滿足本文短時(shí)預(yù)測(cè)實(shí)時(shí)性的需求。及到的預(yù)測(cè)場(chǎng)景中，影響航站樓短時(shí)客流量主要有天氣、星期類型、淡旺季類、航班計(jì)劃、機(jī)場(chǎng)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(dòng)到達(dá)機(jī)場(chǎng)（詳情見(jiàn) 2.22 節(jié)），再結(jié)合本文獲取數(shù)據(jù)的實(shí)際情況與算法效率選取航班計(jì)劃和相鄰時(shí)段旅客流量?jī)蓚�(gè)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(guò) K 近鄰算法對(duì)取連續(xù) 5 天（2016-09-09~2016-09-13）作為末，后面從時(shí)間維度出發(fā)，選擇預(yù)測(cè)日包含淡為預(yù)測(cè)基準(zhǔn)向量，并選擇相應(yīng)基準(zhǔn)向量前半 3 個(gè)評(píng)價(jià)指標(biāo)：平均絕對(duì)誤差 MAE、均方的預(yù)測(cè)精度。MAE 的定義如式(2.3)所示，Miy

【參考文獻(xiàn)】：
期刊論文
[1]基于雙層K近鄰算法航站樓短時(shí)客流量預(yù)測(cè)[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(bào). 2019(01)
[2]基于效用價(jià)值驅(qū)動(dòng)的旅客出行動(dòng)力學(xué)研究與建模[J]. 邢志偉,文濤,羅謙,叢婉,魏志強(qiáng),廖必凱.  北京航空航天大學(xué)學(xué)報(bào). 2018(02)
[3]基于相似日和CAPSO-SNN的光伏發(fā)電功率預(yù)測(cè)[J]. 陳通,孫國(guó)強(qiáng),衛(wèi)志農(nóng),臧海祥,孫永輝,Kwok W Cheung,李慧杰.  電力自動(dòng)化設(shè)備. 2017(03)
[4]航空旅客群體移動(dòng)行為特性分析[J]. 黃飛虎,彭艦,由明陽(yáng).  物理學(xué)報(bào). 2016(22)
[5]基于ARIMA與ESN的短期風(fēng)速混合預(yù)測(cè)模型[J]. 田中大,李樹江,王艷紅,高憲文.  太陽(yáng)能學(xué)報(bào). 2016(06)
[6]基于混沌理論與改進(jìn)回聲狀態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量多步預(yù)測(cè)[J]. 田中大,李樹江,王艷紅,王向東.  通信學(xué)報(bào). 2016(03)
[7]基于航班離港時(shí)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(bào). 2015(05)
[8]鐵路客運(yùn)專線模糊k近鄰客流預(yù)測(cè)模型[J]. 豆飛,賈利民,秦勇,徐杰,王莉.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(12)
[9]短時(shí)交通流預(yù)測(cè)的改進(jìn)K近鄰算法[J]. 謝海紅,戴許昊,齊遠(yuǎn).  交通運(yùn)輸工程學(xué)報(bào). 2014(03)
[10]基于社會(huì)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(jī)場(chǎng)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(zhǔn)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(guó)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(shí)交通流預(yù)測(cè)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(cè)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(shí)間序列的航站樓離港旅客流量預(yù)測(cè)[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(shí)交通狀態(tài)預(yù)測(cè)[D]. 馬毅林.北京交通大學(xué) 2008



本文編號(hào)：3246372