论文部分内容阅读
整体经济的增长及居民消费水平的提升刺激了航空客运需求的急速增长,更加大众化和更加普及的飞机出行方式加速了机场旅客吞吐量的增加,这为大型机场的发展提供了重要的人群基础,也给机场多元化交通方式的运力带来了更大的压力。出租车作为一种具有较好灵活性的交通工具,便于进行全天候的客流数量分析。另外,研究出租车运力需求预测技术可以推广到其他交通工具的需求分析中,为机场运力需求提供参考。因此,本文将主要针对出租车的运力需求情况进行建模分析,并用首都机场实时统计的数据检验模型的有效性。本文首先进行客流计数统计设备数据的分析,并进行数据清洗,即重新审查和校验客流计数统计设备采集到的数据,发现并纠正数据文件中的错误。接着,本文研究并选取了机场出租车客流模型特征,即通过分析机场出租车客流的规律,从各种形式的航班、旅客数据中挑选出最能刻画运力需求预测模型的特征供机器学习的算法和模型使用,以进行运力需求预测。在随后运力需求预测算法的研究与设计中,本文根据待分析的机场出租车客流数据的特点,构建适当的模型,设计合适的数据挖掘算法,并根据当前数据库中的实时信息,预测出租车运力需求量。最后对研究成果进行了验证,本文在模拟环境下进行仿真,并使用首都机场实际采集得到的客流及运力调度数据对算法的准确率和预测效率进行验证,并根据验证结果,对预测模型进行了改进。验证结果表明:基于机场出租车客流特点的趋势季节性去除算法在各个时间点上的预测有更好的表现,能够有效预测候车区客流数量。模型得到的出租车运力情况,可以为机场出租车调度中心潜在的出租车运力不足进行预警,以合理分配调度出租车资源,解决旅客滞留,提高机场的客流运输能力。