【摘要】：隨著國(guó)內(nèi)民航旅客運(yùn)輸量的接年攀升,民航旅客安檢區(qū)服務(wù)資源利用效率幾近飽和的現(xiàn)狀成為了限制機(jī)場(chǎng)旅客服務(wù)質(zhì)量的瓶頸。傳統(tǒng)的安檢區(qū)旅客分布預(yù)測(cè)方法難以對(duì)安檢區(qū)旅客服務(wù)資源的運(yùn)行指揮提供十分精準(zhǔn)數(shù)據(jù)支持,且離港旅客安檢服務(wù)環(huán)節(jié)的復(fù)雜性等一系列問(wèn)題致使其成為了旅客排隊(duì)滯留的重災(zāi)區(qū)。因此,如何設(shè)計(jì)精準(zhǔn)有效的安檢區(qū)旅客到達(dá)分布預(yù)測(cè)模型成為了提升航站樓內(nèi)安檢運(yùn)行效率的研究重點(diǎn)。為了解決機(jī)場(chǎng)安檢區(qū)的旅客到達(dá)分布預(yù)測(cè)問(wèn)題,本文利用歷史已執(zhí)行的航班數(shù)據(jù),對(duì)各個(gè)航班離港旅客的安檢的到達(dá)概率密度進(jìn)行曲線(xiàn)擬合。通過(guò)對(duì)擬合模型的論證分析,確定了以二階高斯混合模型為研究對(duì)象。隨后對(duì)單航班擬合模型的結(jié)構(gòu)參數(shù)與航班計(jì)劃特征之間的進(jìn)行關(guān)聯(lián)性分析,發(fā)現(xiàn)了臨近航班短時(shí)客流量等航班特征與結(jié)構(gòu)參數(shù)間的相關(guān)性,并基于此構(gòu)建了單航班高斯擬合結(jié)構(gòu)參數(shù)的預(yù)測(cè)模型(RBF-GMM)。針對(duì)歷史未執(zhí)行新增航班,采用k近鄰算法,選取出與預(yù)測(cè)航班特征信息最為貼近的歷史航班,實(shí)現(xiàn)對(duì)擬合模型結(jié)構(gòu)參數(shù)的預(yù)測(cè)。最后結(jié)合前期的預(yù)測(cè)結(jié)果與航班客座率等對(duì)各單航班旅客的到達(dá)分布進(jìn)行重構(gòu)。通過(guò)對(duì)同一安檢區(qū)所有航班進(jìn)行平移疊加運(yùn)算,完成了安檢區(qū)多航班離港旅客的到達(dá)分布預(yù)測(cè)模型。本文所構(gòu)建的預(yù)測(cè)模型能夠結(jié)合最新的離港航班計(jì)劃,預(yù)測(cè)一天內(nèi)各安檢區(qū)的旅客到達(dá)分布,一定程度上排除了航班計(jì)劃變更引發(fā)的干擾,通過(guò)對(duì)多個(gè)安檢區(qū)進(jìn)行仿真驗(yàn)證分析,預(yù)測(cè)精度能夠到達(dá)近90%,為航站樓安檢區(qū)旅客到達(dá)分布的精確預(yù)測(cè)提供了一種新的解決思路。
【學(xué)位授予單位】：中國(guó)民航大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：V354
【圖文】：

在人工神經(jīng)網(wǎng)絡(luò)在應(yīng)用過(guò)程當(dāng)中，無(wú)需確定輸入與輸出之間的具體數(shù)學(xué)關(guān)通過(guò)訓(xùn)練，學(xué)習(xí)規(guī)則就可實(shí)現(xiàn)輸入和輸出的任意非線(xiàn)性映射。1986 年 RumMcClelland 等人提出 BP(backpropagation)神經(jīng)網(wǎng)絡(luò)的概念，它是一種按照誤差算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。BP 網(wǎng)絡(luò)在諸如分類(lèi)、圖像識(shí)別、參數(shù)學(xué)習(xí)等泛應(yīng)用，且通過(guò)改進(jìn)和形式的變化，衍生了許多以此為理論基礎(chǔ)的新的神經(jīng)網(wǎng)BP 算法基本原理：信號(hào)在輸入層、隱含層和輸出層之間傳遞，正向傳播時(shí)號(hào)通過(guò)隱含層作用于輸出節(jié)點(diǎn)，因此輸出信號(hào)通過(guò)他們之間的非線(xiàn)性映射產(chǎn)生的輸出信號(hào)與實(shí)際輸出之間存在差異時(shí)，就會(huì)將誤差信號(hào)進(jìn)行反向傳遞，最終層到達(dá)輸入層，在這個(gè)過(guò)程當(dāng)中每一層的各個(gè)單元會(huì)將誤差進(jìn)行分?jǐn)�，從而�?duì)的權(quán)值進(jìn)行調(diào)整。沿著誤差梯度逐步下降的方向，不斷進(jìn)行訓(xùn)練學(xué)習(xí)，對(duì)輸入層節(jié)點(diǎn)、輸出節(jié)點(diǎn)之間的閾值及聯(lián)節(jié)強(qiáng)度進(jìn)行調(diào)優(yōu)，訓(xùn)練過(guò)程以達(dá)到最小誤差志，并以此時(shí)的閾值與權(quán)值作為最終的網(wǎng)絡(luò)參數(shù)。如果再次對(duì)訓(xùn)練好的網(wǎng)絡(luò)輸息，就會(huì)轉(zhuǎn)換輸出誤差最小的對(duì)應(yīng)信息，其網(wǎng)絡(luò)結(jié)構(gòu)示意圖如 3-1 所示：

圖 3-2 RBF 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖計(jì)劃的不固定性，同一航班也并一定是天天都發(fā)，部分航班可幾天發(fā)， 且航班客座率每天也有很大的不同，并非如同地鐵定。歷史旅客出行數(shù)據(jù)安檢旅客到達(dá)分布函數(shù) 航班、旅客特征數(shù)據(jù)擬合模型結(jié)構(gòu)參數(shù) 特征數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練提取并標(biāo)準(zhǔn)化處理

中國(guó)民航大學(xué)碩士學(xué)位論文析諸多特征信息對(duì)旅客到達(dá)的影響。航班離港時(shí)刻主導(dǎo)的旅客到達(dá)聚集模型（TD001 12 2 2ln(t t )p(t t ) erf = 港時(shí)刻，0（p t - t）為旅客的累計(jì)到達(dá)比例。設(shè)wt 距航班離港時(shí)刻的等待時(shí)間。分析發(fā)現(xiàn)，在 0< 1 <2 小時(shí)的范圍內(nèi)，正常各檢區(qū)間一般設(shè)定在航班起飛時(shí)間前的 30 至 1峰時(shí)段更是如此。旅客到達(dá)航站樓后，同一安在其安檢時(shí)段的 2 小時(shí)范圍內(nèi)。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邢志偉;馮文星;羅謙;李學(xué)哲;白楠;潘野;李定亮;;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];電子科技大學(xué)學(xué)報(bào);2015年05期

2 黃邦菊;林俊松;鄭瀟雨;方學(xué)東;;基于多元線(xiàn)性回歸分析的民用運(yùn)輸機(jī)場(chǎng)旅客吞吐量預(yù)測(cè)[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2013年04期

3 徐勤蘭;樊重俊;張鵬;;灰色支持向量機(jī)在機(jī)場(chǎng)吞吐量預(yù)測(cè)中的應(yīng)用[J];上海理工大學(xué)學(xué)報(bào);2012年04期

4 屈拓;;組合模型在機(jī)場(chǎng)旅客吞吐量預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)仿真;2012年04期

5 顧廣輝;許俐;夏薔薇;;航站樓離港流程仿真研究[J];科技信息;2011年33期

6 邵維亮;劉雄;景崇毅;;基于模糊時(shí)間序列的機(jī)場(chǎng)旅客周轉(zhuǎn)量預(yù)測(cè)[J];科學(xué)技術(shù)與工程;2011年07期

7 楊尚文;胡明華;;機(jī)場(chǎng)旅客吞吐量預(yù)測(cè)的組合方法研究[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2009年02期

8 陸迅;唐小衛(wèi);朱金福;;航站樓旅客離港流程仿真研究[J];西南交通大學(xué)學(xué)報(bào);2009年01期

9 石麗娜;周慧艷;于飛;;機(jī)場(chǎng)航站樓旅客離港流程仿真研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年02期

10 南娟;王U

本文編號(hào)：2765510