基于數據挖掘的航站樓客流量預測研究.pdf

1、航站樓旅客服務資源動態(tài)分配及調度是提高航站樓內旅客服務水平及運營效率的有效途徑之一，而相對準確的航站樓客流量預測則是實現動態(tài)分配及調度的前提。目前，航站樓離崗時段客流量預測的研究都是基于小樣本進行的，未能有效利用系統(tǒng)數據庫中存儲的大量實際數據，所得到用于預測的客流規(guī)律只適用于有限條件下，預測方法難以保證結果準確性，且在實際中難以支持理論方法的實現，無法滿足航站樓旅客服務資源動態(tài)分配及調度對旅客流量預測的要求。為此，本文將從集成機場信息系

2、統(tǒng)客流歷史數據的數據挖掘體系、客流規(guī)律的探索式分析以及基于數據挖掘方法的預測模型三個方面進行研究。具體研究內容如下：
　　首先，為有效利用實際系統(tǒng)中存儲的大量客流歷史數據進行數據挖掘研究，本文在確定了數據集市集成方法并進行了集市構建需求分析后，提出了一個能對集成的機場信息系統(tǒng)歷史數據進行數據挖掘的體系。該體系可支持用戶使用多種數據挖掘方法在不同維度、維度的不同概念層次進行歷史客流數據的挖掘及預測，能夠快 速、直觀的展現數據挖掘結果

3、。構建的體系能夠在航站樓中切實的實現預測，并展示了實現預測的流程。
　　已有研究是在特定條件下獲取的樣本，研究得出的規(guī)律不具普遍性。為此，本文從航班數、旅客流量以及旅客提前到達規(guī)律這幾方面對大量實際數據進行探索式數據分析。通過探索式分析明確了將基于旅客提前到達規(guī)律進行客流預測的思路，在此基礎上提出并分析了離港時間、航空公司等幾個旅客提前到達規(guī)律的影響因素。得出在眾多因素的影響下，旅客不具有某種確定的到達模式，基于旅客提前到達規(guī)律的

4、預測不能依據概率分布函數進行，此類問題適合應用數據挖掘的方法來解決。
　　最后，根據探索式數據分析確定的預測方法思路，構建了由聚類、決策樹與K-最近鄰算法組成的客流預測模型。預測以航段為基本的預測單元，以提前到達航站樓各時段內的旅客比例為預測目標，預測間隔取30分鐘。通過預測出的流量與實際流量進行對比分析，驗證了預測模型能夠滿足單個航班、單個航空公司以及整個航站樓30分鐘時段內到達旅客流量的預測精度，為動態(tài)的進行資源分配調度奠定了