基于数据流的机场客流量的时空分布预测研究

摘要

随着大数据技术的发展与广泛应用，推动了民航业大数据技术成果的转化与落地。在机场的运营过程中为了能够将机场资源高效合理的利用，提升机场运营的效率，需要建立智慧机场管理系统，合理配置机场资源。而机场资源主要包括：一、航站楼内的电梯、值机柜台和各类灯光设施设备、广告墙、商铺、安检通道和登机口，二、航站楼外的停机位、停车场、各种用于机场服务的基本车辆。而要想提升这些资源的利用率，实现提前部署，精准安排就必须要知道在接下来的一段时间里这些资源将会被多少对象使用。这就需要我们预测未来一段时间机场的吞吐量，航班的到港与离港的状态，晚点情况以及机场可能滞留的旅客人数，这样才能帮助机场提升资源利用效率，保障机场安全与服务提升。 针对此问题，对ARMA模型进行改进，提出了一种基于指数加权移动平均平滑序列的ARMA算法模型。它是借鉴ARIMA模型的思想，但是摒弃了原有模型中利用差分法来稳定序列的做法，采用指数加权移动平均法，通过对历史数据赋予不同的权值，抚平短期波动，将长线趋势与周期凸显出来，得到稳定序列，增加预测的时效性，改善了原有模型中因数据还原而产生的误差叠加，使之不适用于长期预测的缺点。最终采用Newton法与最速下降法相结合的阻尼最小二乘法进行参数的估计完成预测，避免了常规最小二乘法容易产生爆炸的现象。 依据预测结果对机场的停机坪分配进行优化，以最小行走距离为原则，以停机位数目最少，停机位的高稳定性分配为目的，提高停机坪的利用率，并努力寻找特定时刻某区域的客流量突变的不确定特征，利于表征机场突发状况，提供安全调配机制的相关参数。 机场客流量变化也是我国经济水平变化的一项重要指标，在当下人们日益增长的对美好生活的需要也迫使机场要不断的提高服务。所以对机场客流量的预测以及机场资源的优化使用的研究有很重要的社会价值。

目录

第一个书签之前