基于双层K近邻算法航站楼短时客流量预测

航站楼离港客流量在短时期内呈现准周期性规律变化,易受航班计划、天气等多种因素影响,表现出复杂的非线性特点。为了实现航站楼短时客流量的准确预测,在传统K近邻（KNN）算法基础上增加了航班计划状态模式匹配方法,以航班计划包含的多维属性作为特征选取相似历史运营日作为预测基准向量,建立基于航站楼短时客流量预测的双层K近邻模型。通过实例分析,与ARIMA模型和传统K近邻模型等进行比较,证明双层K近邻模型预测误差更小,精度更高,模型拟合度相对传统K近邻模型提高了8%~10%,为航站楼短时客流量精确预测提供了一种新的解决思路。      

基于效用价值驱动的旅客出行动力学研究与建模

为了探究交通体系中旅客出行行为的特征与机理,以某机场离港旅客的陆侧出行数据为研究对象,对旅客出行模式进行了统计。分析发现,旅客聚集行为具有强烈的阵发性,不同出行维度旅客群体的聚集时间间隔分布具有幂律特征,且幂指数和阵发性强度呈正相关关系。同时,研究认为旅客出行换乘决策是综合时间、费用、便捷舒适度、突发情况等多因素的期望实现,是一种基于效用价值驱动的人类行为。基于此构建了效用价值驱动模式下的旅客出行行为动力学模型,可输出幂指数为参数可调的幂律分布,且仿真输出和实证数据分析结果相吻合。