一种航站楼安检旅客流量预测的方法

1.本发明涉及数据处理领域，具体为一种航站楼安检旅客流量预测的方法。


背景技术：

2.机场拥有巨大的旅客人流量，安检、安防、突发事件应急等机场服务都希望能够通过预测未来的旅客人流量，并据此提前调配人力物力，更好的为旅客服务及应对突发情况，随着机场旅客量的增长，为保障民航安全高效运行，安检也承担了极大的安全保障压力，同时也是旅客不满意最大的几个环节之一。因此精准预测机场的安检人数，将有助于实现机场服务资源优化调度，提高机场安检效率。现在机场服务中可以通过以下两种方法来减少旅客安检等待时间:一种是增加安检服务资源量；另一种是对服务资源进行智能调度，即根据安检排队人数调度服务资源。而结合实际情况来看，对服务资源进行智能调度才是解决旅客安检等待时间长短的有效途径，对未来智慧机场的发展和建设有一定的价值和意义。


技术实现要素：

3.针对上述存在的技术不足，本发明的目的是提供一种航站楼安检旅客流量预测的方法，其能准确预测安检旅客流量，依据旅客流量动态开放安检通道和配置安检服务人员数量，从而确保多数旅客能在短时间内完成安检。
4.为解决上述技术问题，本发明采用如下技术方案：
5.一种航站楼安检旅客流量预测的方法，包括航站楼离港安检了旅客流量数据获取并处理、混沌时间序列理论分析、安检旅客流量时间序列混沌性判别、时间尺度对预测精度影响、预测模型建立及误差分析以及方法对比。
6.优选地，所述航站楼离港安检旅客流量数据获取并处理包括对机场航站楼安检旅客流量在一定时间间隔统计。
7.优选地，所述混沌时间序列理论分析的混沌吸引子特征参数为lyapunov李雅普诺夫指数，所述混沌时间序列理论分析的方法包括全局预测方法、局域预测方法、自适应预测方法。
8.优选地，所述预测模型建立及误差分析以及方法对比包括最初模型(bp神经网络预测模型)和改进模型(遗传算法优化bp神经网络gabp预测模型)的比较，进行误差分析以及对比。
9.优选地，安检旅客流量时间序列混沌性判别为采用相空间重构方法对安检旅客流量时间序列进行重构，得到其等价系统(相空间)，并采用wolf方法分析该等价系统的特性信息最大lyapunov指数，以判断其混沌特性。
10.本发明的有益效果在于：本设计能准确预测安检旅客流量，依据旅客流量动态开放安检通道和配置安检服务人员数量，从而确保多数旅客能在短时间内完成安检，提高机场安检效率。
附图说明
11.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
12.图1为本发明实施例提供的一种航站楼安检旅客流量预测的方法的技术路线图；
13.图2为安检旅客流量时间序列混沌性判别的流程示意图。
具体实施方式
14.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
15.如图1至图2所示，一种航站楼安检旅客流量预测的方法，包括航站楼离港安检了旅客流量数据获取并处理、混沌时间序列理论分析、安检旅客流量时间序列混沌性判别、时间尺度对预测精度影响、预测模型建立及误差分析以及方法对比。
16.进一步的，所述航站楼离港安检旅客流量数据获取并处理包括对机场航站楼安检旅客流量在一定时间间隔统计。
17.进一步的，所述混沌时间序列理论分析的混沌吸引子特征参数为lyapunov李雅普诺夫指数，所述混沌时间序列理论分析的方法包括全局预测方法、局域预测方法、自适应预测方法。
18.进一步的，所述预测模型建立及误差分析以及方法对比包括最初模型(bp神经网络预测模型)和改进模型(遗传算法优化bp神经网络gabp预测模型)的比较，进行误差分析以及对比。
19.进一步的，安检旅客流量时间序列混沌性判别为采用相空间重构方法对安检旅客流量时间序列进行重构，得到其等价系统(相空间)，并采用wolf方法分析该等价系统的特性信息最大lyapunov指数，以判断其混沌特性，最大lyapunov指数若为正，说明系统具有混沌特性，可进行短期预测；若为负，说明系统具有确定性，可进行长期预测；若等于零，说明系统具有随机性，可预测性较差。
20.延迟时间和嵌入维数是相空间重构中必不可少的重要参数，本文采用本文引入一种改进的相空间重构方法，c-c方法，c-c算法结合了自相关函数和互信息方法的优点，既能有效减少计算量，又能保持系统的非线性特征，还能降低嵌入维数。在此基础上，对一维安检旅客流量时间序列进行相空间重构，使用混沌系统所产生的一种有规则、有形的轨迹在多维空间中对混沌时间序列预测。
21.本发明中的设计能准确预测安检旅客流量，依据旅客流量动态开放安检通道和配置安检服务人员数量，从而确保多数旅客能在短时间内完成安检，提高机场安检效率。
22.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。


技术特征：
1.一种航站楼安检旅客流量预测的方法，其特征在于，包括航站楼离港安检了旅客流量数据获取并处理、混沌时间序列理论分析、安检旅客流量时间序列混沌性判别、时间尺度对预测精度影响、预测模型建立及误差分析以及方法对比。2.如权利要求1所述的一种航站楼安检旅客流量预测的方法，其特征在于，所述航站楼离港安检旅客流量数据获取并处理包括对机场航站楼安检旅客流量在一定时间间隔统计。3.如权利要求1所述的一种航站楼安检旅客流量预测的方法，其特征在于，所述混沌时间序列理论分析的混沌吸引子特征参数为lyapunov李雅普诺夫指数，所述混沌时间序列理论分析的方法包括全局预测方法、局域预测方法、自适应预测方法。4.如权利要求1所述的一种航站楼安检旅客流量预测的方法，其特征在于，所述预测模型建立及误差分析以及方法对比包括最初模型(bp神经网络预测模型)和改进模型(遗传算法优化bp神经网络gabp预测模型)的比较，进行误差分析以及对比。5.如权利要求1所述的一种航站楼安检旅客流量预测的方法，其特征在于，所述安检旅客流量时间序列混沌性判别为采用相空间重构方法对安检旅客流量时间序列进行重构，得到其等价系统(相空间)，并采用wolf方法分析该等价系统的特性信息最大lyapunov指数，以判断其混沌特性。

技术总结
本发明提供了一种航站楼安检旅客流量预测的方法，包括航站楼离港安检了旅客流量数据获取并处理、混沌时间序列理论分析、安检旅客流量时间序列混沌性判别、时间尺度对预测精度影响、预测模型建立及误差分析以及方法对比，本发明能准确预测安检旅客流量，依据旅客流量动态开放安检通道和配置安检服务人员数量，从而确保多数旅客能在短时间内完成安检，提高机场安检效率。场安检效率。场安检效率。


技术研发人员：赵立强
受保护的技术使用者：河北科技学院
技术研发日：2022.06.14
技术公布日：2022/9/16