[发明专利]一种基于XGBOOST机场客流量时空分布预测方法

说明书

本发明公开了一种基于XGBOOST机场客流量时空分布预测方法，包括：将机场内部分隔为多个区域，每个区域设置多个WIFI硬件，将各WiFi硬件发送的信息存入大数据平台中；统计分析大数据平台中各WiFi硬件发送的信息，并得到各区域每个时间段连接终端的数量；提取待预测时间的影响客流量分布的特征，提取待预测时间的过往同时间段的连接终端的数量作为历史特征；将影响客流量分布的特征和历史特征作为XGBOOST的训练数据集，利用XGBOOST对训练数据集进行训练学习，得到预测模型；用预测模型对预测时间各区域连接终端的数量进行预测，得到各区域连接终端的数量预测值；根据各区域连接终端的数量预测值与真实人数的比例映射得到预测时间各区域的人数。

技术领域

本发明涉及民航数据预测领域，特别是涉及一种基于XGBOOST机场客流量时空分布预测方法。

背景技术

随着民航需求的日益增长，机场及时有效的服务也面临着一定压力，而机场运行产生的大量信息数据目前未被利用，导致管理资源浪费。

机场拥有巨大的旅客吞吐量，与巨大的人员流动相对应的则是巨大的服务压力。安防、安检、突发事件应急、值机、行李追踪等机场服务都希望能够预测未来的旅客吞吐量，并据此提前调配人力物力，更好的为旅客服务。

另外，当前机场一线员工在分配物力和人力资源时，都基于以前工作中积累的经验进行分配和调度，缺乏科学的数据参考和指导。

发明内容

基于此，本发明的目的在于，提供一种基于XGBOOST机场客流量时空分布预测方法。

一种基于XGBOOST机场客流量时空分布预测方法，包括：

将机场内部分隔为多个区域，每个区域设置多个WIFI硬件，将各WiFi硬件发送的信息存入大数据平台中；

统计分析大数据平台中各WiFi硬件发送的信息，并得到各区域每个时间段连接终端的数量；

提取待预测时间的影响客流量分布的特征，提取待预测时间的过往同时间段的连接终端的数量作为历史特征；

将影响客流量分布的特征和历史特征作为XGBOOST的训练数据集，利用XGBOOST对训练数据集进行训练学习，得到预测模型；

用预测模型对预测时间各区域连接终端的数量进行预测，得到各区域连接终端的数量预测值；

根据各区域连接终端的数量预测值与真实人数的比例映射得到预测时间各区域的人数。

进一步优选地，所述大数据平台为Hadoop；

所述统计分析大数据平台中各WiFi硬件发送的信息为利用MapReduce统计分析大数据平台中各WiFi硬件发送的信息。

进一步优选地，所述影响客流量分布的特征包括天气情况和航班起降数量。

进一步优选地，所述天气情况包括多种天气；所述航班起降数量为预测时间前后一段时间内的航班起降数量。

进一步优选地，所述提取待预测时间的过往同时间段的连接终端的数量作为历史特征，包括：提取预测时间的过往同时间段的连接终端的数量的均值、最小值、最大值、极差和标准差。

进一步优选地，所述提取待预测时间的过往同时间段的连接终端的数量作为历史特征，还包括：提取待预测时间的过往1-7天同时间段的连接终端的数量作为历史特征。

进一步优选地，所述将影响客流量分布的特征和历史特征作为XGBOOST的训练数据集，利用XGBOOST对训练数据集进行训练，得到预测模型，包括：对影响客流量分布的特征中的天气情况进行One-Hot编码。