[发明专利]航站楼旅客流量动态预测方法、装置、介质及设备

权利要求书

1.一种航站楼旅客流量动态预测方法，其特征在于，包括：

根据WIFI连接点的地理位置信息，将航站楼中的WIFI连接点分为两类；第一类为航站楼隔离区以内的WIFI连接点；第二类为航站楼隔离区以外的WIFI连接点；

基于历史数据，确定不同类WIFI连接点的特征值；

根据所述特征值，分别建立每类WIFI连接点的特征矩阵；

采用迭代回归树算法，基于每类WIFI连接点的所述特征矩阵，训练得到每类WIFI连接点的预测模型；

基于不同类WIFI连接点的所述预测模型，以当前时刻为触发时刻，预测未来3小时每10分钟不同WIFI连接点的连接人数；

其中，所述基于历史数据，确定不同类WIFI连接点的特征值，包括：

采用余弦相似度计算方法，建立登机口与第二类WIFI连接点的关联关系；

基于历史数据，确定第一类WIFI连接点的第一特征值；

基于历史数据和所述关联关系，确定第二类WIFI连接点的第二特征值；

所述第一特征值包括：基础属性、目标向量、时间序列特征、时刻窗口基础特征、时刻窗口统计特征、时刻窗口累计特征、时间特征和位置特征；

所述第二特征值包括：基础属性、目标向量、时间序列特征、时刻窗口基础特征、时刻窗口统计特征、时刻窗口累计特征、时间特征、位置特征、安检流量时间窗口特征和登机口时间窗口特征。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述特征值，分别建立每类WIFI连接点的特征矩阵的步骤之前，还包括：

根据每类WIFI连接点的历史数据建立原始矩阵；

筛选出所述原始矩阵中的缺失矩阵；

对所述缺失矩阵进行填充，获得填充后的原始矩阵；

所述根据所述特征值，分别建立每类WIFI连接点的特征矩阵，包括：

根据所述填充后的原始矩阵和所述特征值，分别建立每类WIFI连接点的特征矩阵。

3.根据权利要求1所述的方法，其特征在于，所述采用迭代回归树算法，基于每类WIFI连接点的所述特征矩阵，训练得到每类WIFI连接点的预测模型，包括：

将每类WIFI连接点的所述特征矩阵均划分为两部分；第一部分为训练特征矩阵；第二部分为测试特征矩阵；

采用网格搜索方法，以均方误差为评估指标选择最优参数组合；

采用迭代回归树算法，以所述最优参数组合，对每类WIFI连接点的所述训练特征矩阵进行训练，获得每类WIFI连接点的预测模型。

4.根据权利要求1所述的方法，其特征在于，所述基于不同类WIFI连接点的所述预测模型，以当前时刻为触发时刻，预测未来3小时每10分钟不同WIFI连接点的连接人数，包括：

基于不同类WIFI连接点的所述预测模型，以当前时刻为触发时刻，预测未来3小时第一个10分钟不同WIFI连接点的连接人数；

根据第一个10分钟不同WIFI连接点的连接人数，基于相应的预测模型，预测未来3小时第二个10分钟不同WIFI连接点的连接人数；

依次迭代计算，预测未来3小时每10分钟不同WIFI连接点的连接人数。