基于联邦学习在机场旅客量的预测

摘要

基于航空乘客的出行预测对民航机场的建设和运行有重要影响,但是由于数据量不够的原因,致使旅客预测会存在偏差,若将不同的机场数据集结起来训练会涉及商业机密。因此本文提出基于联邦学习的旅客吞吐量的预测方法,首先对参与训练的机场数据进行预处理与归一化,然后使用逻辑回归模型进行训练,同时使用同态加密来保证数据的隐私安全,最终通过服务器的聚合训练出一个泛化能力强的模型。此外,本文还使用了真实的机场吞吐量数据证明该模型的可行性与有效性。