基于时变动态贝叶斯网络的短时交通客运需求预测方法

    公开(公告)号:CN115620525B

    公开(公告)日:2023-03-10

    申请号:CN202211620967.0

    申请日:2022-12-16

    IPC分类号: G08G1/01 G06Q10/04 G06F17/18

    摘要: 本发明提供了一种基于时变动态贝叶斯网络的短时交通客运需求预测方法,包括以下步骤:S1、建立旅客乘坐短时交通工具结果矩阵;S2、将旅客乘坐短时交通工具结果矩阵从时间点维度切分到时间区间维度上,得到在每个时间区间上的旅客乘坐短时交通工具结果数据集;S3、根据每个时间区间上的旅客乘坐短时交通工具结果数据集,构建在每个时间区间上的动态贝叶斯网络,并找到最优动态贝叶斯网络;S4、对最优动态贝叶斯网络进行更新,得到修正动态贝叶斯网络;S5、将待预测时间切分成多个时间区间,采用修正动态贝叶斯网络对待预测时间对应时间区间的短时客运需求进行预测,本发明解决了现已有客运需求预测方法存在客运需求预测不准确的问题。

    基于时变动态贝叶斯网络的短时交通客运需求预测方法

    公开(公告)号:CN115620525A

    公开(公告)日:2023-01-17

    申请号:CN202211620967.0

    申请日:2022-12-16

    IPC分类号: G08G1/01 G06Q10/04 G06F17/18

    摘要: 本发明提供了一种基于时变动态贝叶斯网络的短时交通客运需求预测方法,包括以下步骤:S1、建立旅客乘坐短时交通工具结果矩阵;S2、将旅客乘坐短时交通工具结果矩阵从时间点维度切分到时间区间维度上,得到在每个时间区间上的旅客乘坐短时交通工具结果数据集;S3、根据每个时间区间上的旅客乘坐短时交通工具结果数据集,构建在每个时间区间上的动态贝叶斯网络,并找到最优动态贝叶斯网络;S4、对最优动态贝叶斯网络进行更新,得到修正动态贝叶斯网络;S5、将待预测时间切分成多个时间区间,采用修正动态贝叶斯网络对待预测时间对应时间区间的短时客运需求进行预测,本发明解决了现已有客运需求预测方法存在客运需求预测不准确的问题。

    一种机场通达性的确定方法、装置、电子设备及存储介质

    公开(公告)号:CN115018399A

    公开(公告)日:2022-09-06

    申请号:CN202210946993.6

    申请日:2022-08-09

    IPC分类号: G06Q10/06 G06Q50/30

    摘要: 本申请提供了一种机场通达性的确定方法、装置、电子设备及存储介质,包括:获取航线复杂网络;在航线复杂网络中获取到目标机场向任一参考机场的交通流运输的交通流比例,确定出目标机场向任一参考机场的交通流运输的最短航线等效距离;基于最短航线等效距离以及航线复杂网络,分别确定出目标机场作为始发航点、飞航点的通达性以及转航点的通达性;基于目标机场的旅客运输量、目标机场作为始发航点的通达性、目标机场作为直飞航点的通达性和目标机场作为中转航点的通达性,确定出目标机场的目标通达性。本申请提供的机场通达性的确定方案,可以刻画出目标机场对于旅客航空出行的便捷程度和出行能力,更全面的表示出目标机场的通达情况。

    一种机场场面航班保障运行分析的方法、系统及终端

    公开(公告)号:CN109949005B

    公开(公告)日:2020-12-29

    申请号:CN201910171920.2

    申请日:2019-03-07

    IPC分类号: G06Q10/10 G06Q50/30

    摘要: 本发明属于民航机场航班保障服务技术领域,具体涉及一种机场场面航班保障运行分析的方法、系统及终端,包括:建立航班保障环节的串并联关系模型,计算各保障环节的保障环节时长和航班过站时长;从历史数据中筛选出数据正常的若干航班;修剪或填补上述若干航班所缺失的保障环节,得到修剪填补后的若干航班的航班数据;将航班数据通过随机森林模型进行拟合,得到各保障环节与航班出港延误的关系;基于随机森林模型分析每个保障环节对航班出港延误的影响。本发明能够分析机场业务流程中的各个保障环节对航班出港延误的影响,并得到部分依赖图和影响指标,从而让决策者了解不同因素对航班出港延误的影响程度,以辅助决策者做出更准确的判断和决定。

    航站楼旅客流量动态预测方法、装置、介质及设备

    公开(公告)号:CN110166945B

    公开(公告)日:2020-11-24

    申请号:CN201910481017.6

    申请日:2019-06-04

    摘要: 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。