r>1^为旅客等待时间（即所述航班起飞时刻t。 和自助值机时间t之差变量P(tw)为累积到达比例，常数y与。可通过到达 比例数据进行拟合得出，所述数据处理模块发送t时刻的航站楼聚集的人数Q到数据显示 模块。
[0022] 在第三步骤中，数据显示模块为触摸显示屏用于显示不同时刻的聚集人数Q。
[0023] 优选地，在所述第三步骤中，包括多元回归处理单元的所述数据处理模块对常数 y与〇进行多元回归处理从而获得y和〇多元回归处理结果，
[0024]y= 43. 68t〇4-95. 04t〇3+71. 64t〇2-21. 29t0-〇. 7403^ 〇 = 2. 44t〇3-4. 738t〇2+3. 17 9t〇~0. 383 〇
[0025] 优选地，在第三步骤中，包括比较模块的所述数据处理模块将不同时刻的聚集人 数和相应区域的服务容量数据比较，当某一时刻t的聚集人数总数大于所述服务容量数据 时，发送通知到机场服务网路。
[0026] 优选地，在第三步骤中，所述相应区域的服务容量数据为候机区的座椅数或服务 人员数，当某一时刻t的聚集人数总数大于所述候机区的座椅数或服务人员数时，发送通 知到机场服务网路提醒增加服务人员和增加休息区域。
[0027] 优选地，所述数据处理模块为服务器级别的计算机处理模块。
【附图说明】
[0028] 下面将结合实施例和附图对本发明作进一步的详细描述：
[0029] 图1是本发明的旅客总体到达示意图。
[0030] 图2(a)是本发明的旅客到达航站楼的时间间隔统计示意图。
[0031]图2(b)是本发明的旅客到达航站楼的总体幂律分布的双对数坐标图。
[0032]图2(c)是本发明的旅客到达航站楼的局部幂律分布的双对数坐标图。
[0033]图3 (a)是本发明的航班离港时刻对分布的变化图。
[0034]图3 (b)是本发明的航班离港时刻对强度的变化图。
[0035] 图4(a)、（b)和（c)是本发明的三个不同时刻的等待时间下的实际旅客到达和本 发明的数据处理模块处理的监测旅客到达比较示意图。
[0036] 图5是本发明的结构示意图。
[0037] 图6是本发明的流程示意图。
[0038] 以下结合附图和实施例对本发明作进一步的解释。
【具体实施方式】
[0039] 人类动力学对人类行为做了大量研究，由于存在截止时间等因素的影响，人类 的日常通信、浏览网站、图书借阅等行为呈现非泊松统计特性，服从重尾分布。针对截止 时间影响的人类行为，本发明研究发现，旅客群体层面在航站楼的聚集行为，服从重尾分 布。重尾分布是一类分布的总称，其尾部较长并且以幂律分布缓慢下降，重尾分布不存在 指数阶矩即：
事件发生的间隔也明显偏离负指数分布，呈现幂率分布 p(T) 〇cAT'与泊松分布相比，重尾分布有明显的阵发性。即允许一段时间事件频繁 发生，也允许事件长时间静默。
[0040] 本发明对航站楼内旅客到达规律统计，数据来源于航空公司的自助值机系统。据 统计，一般旅客在到达航站楼后自助值机不需要等待，因此本文用自助值机数据描述旅客 到达时刻的整个样本空间。如图1所示的旅客总体到达示意图，图中横轴表示提前时间即 等待时间tw，原点表示航班起飞时刻t。，t为旅客自助值机时间，则有tw=t(J-t。为方便时 刻与时间段统一计算，将其全部转换为小于1的比例数，即相对时间，下同。纵轴表示到达 率f(tw)。如图1所示，在比例数为0.05时，有18%的旅客到达。由图1可见旅客在航站 楼的到达行为有很强的非均匀性并且活跃性随时间变化剧烈，平均到达率曲线拖着长长的 尾巴有明显的重尾特性。
[0041]图2(a)为旅客到达航站楼的时间间隔统计示意图，横轴为事件发生次数，纵轴表 示时间间隔t。从图2(a)可以看出聚集事件发生次数和事件发生的时间间隔之间的联系， 随后参见图2 (b)所示的幂律分布的双对数坐标图，其中，横轴为时间间隔（分钟），纵坐标 为概率，图2(a)表示的时间间隔统计总体服从如图2(b)所示的幂指数为-1. 728的幂律分 布。将旅客从众数k拆分加以分析，前半部分服从幂指数为-1.611的幂律分布，后半部分 服从幂指数为-1. 871的幂律分布如图2(c)所示的幂律分布的双对数坐标图，其中，横轴为 时间间隔（分钟），纵坐标为概率，这说明了旅客到达规律有明显的重尾特性，并且在旅客 航站楼聚集这一问题上有着多重标度，不能用单一模式刻画，有着混合分布的特征。根据大 量数据分析，其总体幂律特性受干扰因素影响不断变化，但其总体幂指数在[-1.5,-2]区 间内。
[0042] 通过图1和图2,本领域技术人员可以理解的是，旅客群体层面在航站楼的聚集行 为服从重尾分布，且有着混合分布的特征。本发明基于重尾分布的特性，参见图5,提供了一 种基于航班离港时刻的旅客聚集监测系统，其包括数据采集模块、数据处理模块和数据显 不丰旲块。
[0043] 连接自助值机装置的所述数据采集模块采集所述航班的以往旅客在自助值机时 间t值机的旅客到达数据并发送到数据处理模块。
[0044] 连接所述数据采集模块的数据处理模炔基于将所述航班起飞时刻t。和自助值 机时间t之差转换为小于1的比例数而处理得出的单位比例数下的到达比例数据，在所 述数据处理模块中还存储所述航班的容量S和所述航班的上座率A，则在t时刻，所述数 据处理模块可根据公式：Q=SAP(tw)得出旅客在t时刻的航站楼聚集的人数Q，其中， 1为旅客等待时间（即所述航班起飞时刻t。和自助值机时间t之
f 差1=七。-〇，变量？(〇为累积到达比例，常数以与〇可通过到达比例数据进行拟合得 出，所述数据处理模块发送t时刻的航站楼聚集的人数Q到数据显示模块。
[0045] 在正态分布中，如果随机变量X的对数InX服从正态分布，则称X服从参数为y 和〇 2的对数正态分布。其概率密度函数为：
[0046]
⑴
[0047] 分布众数为4 ，峰值为
累积概率分布函数为：
[0048] (:2>
[0049] 本文所采用的自变量1为旅客等待时间（即提前时间），因变量P(tw)为累积到 达比例，则其函数关系式为：
[0053]其中常数y与〇为拟合参数。
[0054] 随机抽取12个航班的旅客数据进行拟合，结果如表1所示，其中#与#为对数正 态分布的参数估计值。对于原假设H。:旅客等待时间服从对数正态分布，对立假设H1:旅客 等待时间不符合对数正态分布。P为拟合优度检验值，由P值可判断是否拒绝原假设。H= 1表示拒绝原假设，H= 0表示不拒绝原假设，显著性水平均默认&MS6,如表1所示，超过 83%的离港航班旅客等待时间通过拟合优度检验，不拒绝对数正态分布。从数据层面说明 了旅客的到达为行服从对数正态分布。
[0055] 数据显示模块为触摸显示屏用于显示不同时刻的聚集人数Q。
[0056]由此可见，本发明的数据处理模块可以得出超过83%的离港航班旅客等待时间通 过拟合优度检验，旅客的到达为行服从对数正态分布，再一次验证了本发明的监测系统能 够实时获得每一时刻旅客聚集人