[发明专利]航站楼旅客流量动态预测方法、装置、介质及设备

说明书

本发明提供了一种航站楼旅客流量动态预测方法，包括：根据WIFI连接点的地理位置信息，对航站楼中的WIFI连接点进行分类；基于历史数据，确定不同类WIFI连接点的特征值；根据特征值，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。通过对WIFI连接点进行分类，对每类WIFI连接点采用迭代回归树算法建立预测模型，能够准确预测未来3小时每10分钟不同WIFI连接点的连接人数，预测的连接人数能够直接反应出航站楼的旅客流量，实现航站楼旅客流量的动态预测。

技术领域

本发明涉及动态预测技术领域，具体涉及一种航站楼旅客流量动态预测方法、装置、介质及设备。

背景技术

随着国内民航高速发展，航班量和客流量的逐步攀升。民航机场旅客流动呈现高动态，高密度可变，时间空间分布不均匀等特点，与之相应的则是巨大的服务压力。值机、安防、安检、突发时间、应急等机场服务都希望能够在相应场景下预测未来的旅客流量分布，并据此提前调配资源，更好为旅客服务。

目前，国内机场针对资源动态调配方面都是通过机场一线人员根据当前观察到的情况反馈给相关管理单位，管理单位再进行资源动态调配。这种方式是事件已经发生后才采取措施，不能有效的进行提前准备，缺乏时效性。

发明内容

针对现有技术中的缺陷，本发明提供一种航站楼旅客流量动态预测方法、装置、介质及设备，能够准确预测未来3小时内每10分钟不同WIFI连接点的连接人数。

第一方面，本发明提供了一种航站楼旅客流量动态预测方法，包括：

根据WIFI连接点的地理位置信息，对航站楼中的WIFI连接点进行分类；

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。

可选的，所述根据WIFI连接点的地理位置信息，对航站楼中的WIFI连接点进行分类，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。

可选的，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，建立登记口与第二类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。

可选的，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。

可选的，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；