CN106529722A - 一种预估未来短期内机场旅客流量的方法 - Google Patents

一种预估未来短期内机场旅客流量的方法 Download PDF

Info

Publication number
CN106529722A
CN106529722A CN201610993240.5A CN201610993240A CN106529722A CN 106529722 A CN106529722 A CN 106529722A CN 201610993240 A CN201610993240 A CN 201610993240A CN 106529722 A CN106529722 A CN 106529722A
Authority
CN
China
Prior art keywords
time
hours
flights
period
actual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610993240.5A
Other languages
English (en)
Inventor
任宇恒
郑洪峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HEFEI FEIYOU NETWORK TECHNOLOGY Co Ltd
Original Assignee
HEFEI FEIYOU NETWORK TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HEFEI FEIYOU NETWORK TECHNOLOGY Co Ltd filed Critical HEFEI FEIYOU NETWORK TECHNOLOGY Co Ltd
Priority to CN201610993240.5A priority Critical patent/CN106529722A/zh
Publication of CN106529722A publication Critical patent/CN106529722A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种预估未来短期内机场旅客流量的方法，包括以下步骤：以当前时间T为时间戳，未来一段时间内的航班预计或计划起飞时间为T1；未来或过去一段时间内的航班预计、计划或实际到达时间为T2；将未来一段时间内起飞的航班按照T1‑T的值分成若干时间区段组，统计各时间区段组中所包含的所有航班的实际购票人数，对各时间区段组中的实际购票人数加权求和可得预估离港人数；将未来或过去一段时间内到达的航班按照∣T2‑T∣的值分成若干时间区段组，统计各时间区段组中所包含的所有航班的实际乘坐人数，对各时间区段组中的实际乘坐人数加权求和可得预估进港人数。本发明能够对当前及未来一段时间内机场旅客流量进行估算。

Description

一种预估未来短期内机场旅客流量的方法
技术领域
本发明涉及一种预估未来短期内机场旅客流量的方法，属于民航信息服务技术领域。
背景技术
近年来，随着民航业快速持续的发展，民航运力不断提升，越来越多的旅客选择坐飞机出行。短期内机场旅客流量的预测，对机场、航司、出行旅客都有重要的意义。预估未来短期内机场旅客的流量，有助于机场、航司根据旅客数量提前做好相关服务事宜的安排，从而进一步提升机场、航司的服务质量。旅客也可根据预估数据，提前做好相关出行安排。
常见的机场客运量预测方法，主要针对机场未来中远期旅客流量情况进行分析和预测，为机场长期发展提供宏观帮助；现有技术中尚缺乏对当前及短期内机场旅客流量进行预测的方法，因此有必要设计提供一种预估未来短期内机场旅客流量的方法，以有助于机场及航司根据预测数据提前做好近期及当下相关服务事宜的安排，从而进一步提高旅客的满意度，提升机场、航司的服务质量。
发明内容
本发明正是针对现有技术存在的不足，提供一种预估未来短期内机场旅客流量的方法，能够对当前及未来一段时间内机场旅客流量进行估算。
为解决上述问题，本发明所采取的技术方案如下：
一种预估未来短期内机场旅客流量的方法，包括以下步骤：
S1、以当前时间T为时间戳，未来一段时间内的航班预计起飞时间为T1，如无预计起飞时间则计划起飞时间为T1；未来一段时间内的航班预计到达时间为T2，如无预计到达时间则计划到达时间为T2，或者过去一段时间内的航班实际到达时间为T2；
S2、将未来一段时间内起飞的航班按照T1-T的值分成若干时间区段组，统计各时间区段组中所包含的所有航班的实际购票人数，对各时间区段组中的实际购票人数进行加权求和，即可获得预估离港人数；
S3、将未来一段时间内到达的航班按照T2-T的值分成若干时间区段组，或者将过去一段时间内到达的航班按照T-T2的值分成若干时间区段组，统计各时间区段组中所包含的所有航班的实际乘坐人数，对各时间区段组中的实际乘坐人数进行加权求和，即可获得预估进港人数。
作为上述技术方案的改进，还包括步骤S4、将步骤S2中的预估离港人数乘以20%得预估送机人数，将步骤S3中的预估进港人数乘以30%得预估接机人数，预估送机人数和预估接机人数之和为预估接送机人数。
本发明与现有技术相比较，本发明的实施效果如下：
本发明所述的一种预估未来短期内机场旅客流量的方法，能够对当前及未来一段时间内机场旅客流量进行估算，有助于机场及航司根据估算数据提前做好相关服务事宜的安排，同时旅客也可根据预估数据提前做好相关出行安排。
具体实施方式
下面将结合具体的实施例来说明本发明的内容。
本实施例所提供的一种预估未来短期内机场旅客流量的方法，主要对当前及短期内（如未来半小时、1小时、2小时等）机场旅客流量进行预测，有助于机场及航司根据预测数据提前做好近期及当下相关服务事宜的安排；具体包括以下步骤：
1.未来3小时机场人流量预估：
以当前时间T为时间戳，官方预计起飞时间为T1，官方预计到达时间为T2（若无预计时间，则用计划时间）
1)设：
3小时＜T1-T＜4小时，该时间段内所有航班的实际购票人数=A1
4小时≤T1-T＜4.5小时，该时间段内所有航班的实际购票人数=A2
4.5小时≤T1-T≤5小时，该时间段内所有航班的实际购票人数=A3
则：离港人数=A1+A2*60%+A3*20%；
2)设：
2小时≤T2-T≤3小时，该时间段内所有航班的实际乘坐人数=B1
1小时≤T2-T≤3小时，该时间段内所有航班的实际乘坐人数=B2
则：进港人数=B1或B2（分时段）；
3)接送机人数=进港人数*30%+离港人数*20%；
4)考虑接送机人数
则：未来3小时机场人流量Y=离港人数+进港人数+接送机人数；
a)当前时间T不在（08:00～09:00、14:00～15:00）时间段内，
则：Y=1.3*B1+1.2*（A1+A2*60%+A3*20%）；
b)当前时间T在（08:00～09:00、14:00～15:00）时间段内，
则：Y=1.3*B2+1.2*（A1+A2*60%+A3*20%）；
c)在机场大面积延误状态下：
则：Y=1.2*（A1+A2*60%+A3*20%）；
d)在机场小面积延误状态下：
则：Y=1.3*B2+1.2*（A1+A2*60%+A3*20%）；
5)不考虑接机人数
则：未来3小时机场人流量Y=离港人数+进港人数；
a)当前时间T不在（08:00～09:00、14:00～15:00）时间段内，
则：Y=B1+A1+A2*60%+A3*20%；
b)当前时间T在（08:00～09:00、14:00～15:00）时间段内，
则：Y=B2+A1+A2*60%+A3*20%；
c)在机场大面积延误状态下：
则：Y=A1+A2*60%+A3*20%；
d)在机场小面积延误状态下：
则：Y=B2+A1+A2*60%+A3*20%。
2.当前机场人流量预估：
以当前时间T为时间戳，未来一段时间内航班官方预计起飞时间为T1，过去一段时间内航班实际到港时间为T2（若无预计时间，则用计划时间）
1)设：
0小时＜T1-T＜1小时，该时间段内所有航班的实际购票人数=A1
1小时≤T1-T＜1.5小时，该时间段内所有航班的实际购票人数=A2
1.5小时≤T1-T≤2小时，该时间段内所有航班的实际购票人数=A3
T1-T＞2小时，航班状态为延误的所有航班的实际购票人数=A4
则：离港人数=A1+A2*60%+A3*20%+A4*80%；
2)设：
T-T2≤1小时，该时间段内所有航班的实际乘坐人数=B1
1小时≤T–T2≤2小时，该时间段内所有航班的实际乘坐人数=B2
则：进港人数=B1+B2*20%；
3)接送机人数=进港人数*30%+离港人数*20%；
4)考虑接送机人数，
则：当前机场人流量Y=离港人数+进港人数+接送机人数；
a)当前时间T不在（11:00～12:00、17:00～18:00）时间段内，
则：Y=1.3*（B1+B2*20%）+1.2*（A1+A2*60%+A3*20%+A4*80%）；
b)当前时间T在（11:00～12:00、17:00～18:00）时间段内，
则：Y=1.3*（B1+B2*50%）+1.2*（A1+A2*60%+A3*20%+A4*80%）；
c)在机场大面积延误状态下：
则：Y=1.2*（A1+A2*60%+A3*20%+A4*80%）；
d)在机场小面积延误状态下：
则：Y=1.3*（B1+B2*20%）+1.2*（A1+A2*60%+A3*20%）；
5)不考虑接机人数，
则：当前机场人流量Y=离港人数+进港人数；
a)当前时间T不在（11:00～12:00、17:00～18:00）时间段内，
则：Y=B1+B2*20%+A1+A2*60%+A3*20%+A4*80%；
b)当前时间T在（11:00～12:00、17:00～18:00）时间段内，
则：Y=B1+B2*50%+A1+A2*60%+A3*20%+A4*80%；
c)在机场大面积延误状态下：
则：Y=A1+A2*60%+A3*20%+A4*80%；
d)在机场小面积延误状态下：
则：Y=B1+B2*20%+A1+A2*60%+A3*20%。
3.未来半小时进出港人数预估：
以当前时间T为时间戳，未来一段时间内航班官方预计起飞时间为T1，官方预计到达时间为T2，过去一段时间内航班实际到港时间为T3（若无预计时间，则用计划时间）
1)设：
0.5小时＜T1-T＜1.5小时，该时间段内所有航班的实际购票人数=A1
1.5小时≤T1-T＜2小时，该时间段内所有航班的实际购票人数=A2
2小时≤T1-T≤2.5小时，该时间段内所有航班的实际购票人数=A3
T1-T＞2.5小时，航班状态为延误的所有航班的实际购票人数=A4
则：离港人数=A1+A2*60%+A3*20%+A4*80%；
2)设：
0小时＜T2-T≤0.5小时，该时间段内所有航班的实际乘坐人数=B1
T–T3≤0.5小时，该时间段内所有航班的实际乘坐人数=B2
0.5小时≤T–T3≤1.5小时，该时间段内所有航班的实际乘坐人数=B3；
a)当前时间T不在（11:00～12:00、17:00～18:00）时间段内，
则：进港人数=B1+B2*90%+B3*20%；
b)当前时间T在（11:00～12:00、17:00～18:00）时间段内，
则：进港人数=B1+B2+B3*50%；
c)在机场大面积延误状态下：
则：进港人数=B2*90%+B3*20%；
d)在机场小面积延误状态下：
则：进港人数=B1+B2*90%+B3*20%。
4.未来1小时进出港人数预估：
以当前时间T为时间戳，未来一段时间内航班官方预计起飞时间为T1，官方预计到达时间为T2，过去一段时间内航班实际到港时间为T3（若无预计时间，则用计划时间）
1)设：
1小时＜T1-T＜2小时，该时间段内所有航班的实际购票人数=A1
2小时≤T1-T＜3小时，该时间段内所有航班的实际购票人数=A2
3小时≤T1-T≤3.5小时，该时间段内所有航班的实际购票人数=A3
T1-T＞3.5小时，航班状态为延误的所有航班的实际购票人数=A4
则：离港人数=A1+A2*60%+A3*20%+A4*80%；
2)设：
0小时＜T2-T≤1小时，该时间段内所有航班的实际乘坐人数=B1
T–T3≤1小时，该时间段内所有航班的实际乘坐人数=B2；
a)当前时间T不在（11:00～12:00、17:00～18:00）时间段内，
则：进港人数=B1+B2*20%；
b)当前时间T在（11:00～12:00、17:00～18:00）时间段内，
则：进港人数=B1+B2*50%；
c)在机场大面积延误状态下：
则：进港人数=B2*20%；
d)在机场小面积延误状态下：
则：进港人数=B1+B2*20%。
5.未来2小时进出港人数预估：
以当前时间T为时间戳，未来一段时间内航班官方预计起飞时间为T1，官方预计到达时间为T2，（若无预计时间，则用计划时间）
1)设：
2小时＜T1-T＜3小时，该时间段内所有航班的实际购票人数=A1
3小时≤T1-T＜3.5小时，该时间段内所有航班的实际购票人数=A2
3.5小时≤T1-T≤4小时，该时间段内所有航班的实际购票人数=A3
则：离港人数=A1+A2*60%+A3*20%；
2)设：
0小时＜T2-T≤1小时，该时间段内所有航班的实际乘坐人数=B1
1小时＜T2-T≤2小时，该时间段内所有航班的实际乘坐人数=B2
a)当前时间T不在（11:00～12:00、17:00～18:00）时间段内，
则：进港人数=B1*20%+B2；
b)当前时间T在（11:00～12:00、17:00～18:00）时间段内，
则：进港人数=B1*50%+B2；
c)在机场大面积延误状态下：
则：进港人数=B1*20%；
d)在机场小面积延误状态下：
则：进港人数=B1*20%+B2。
6.未来N小时进出港人数预估（N＞3，N为整数）：
以当前时间T为时间戳，未来一段时间内航班官方预计起飞时间为T1，官方预计到达时间为T2，（若无预计时间，则用计划时间）
1)设：
N-2小时＜T1-T＜N-1小时，该时间段内所有航班的实际购票人数=A1
N-1小时≤T1-T＜N-0.5小时，该时间段内所有航班的实际购票人数=A2
N-0.5小时≤T1-T≤N小时，该时间段内所有航班的实际购票人数=A3
则：离港人数=(A1+A2*60%+A3*20%)*{[1700*(N4+1)]1/2+1}；
2)设：
N-2小时＜T2-T≤N-1小时，该时间段内所有航班的实际乘坐人数=B1
N-1小时＜T2-T≤N小时，该时间段内所有航班的实际乘坐人数=B2
a)当前时间T不在（11:00～12:00、17:00～18:00）时间段内，
则：进港人数=(B1*20%+B2)*{[1700*(N4+1)]1/2+1}；
b)当前时间T在（11:00～12:00、17:00～18:00）时间段内，
则：进港人数=(B1*50%+B2)*{[1700*(N4+1)]1/2+1}。
以上内容是结合具体的实施例对本发明所作的详细说明，不能认定本发明具体实施仅限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明保护的范围。

Claims (8)

1.一种预估未来短期内机场旅客流量的方法，其特征是，包括以下步骤：
S1、以当前时间T为时间戳，未来一段时间内的航班预计起飞时间为T1，如无预计起飞时间则计划起飞时间为T1；未来一段时间内的航班预计到达时间为T2，如无预计到达时间则计划到达时间为T2，或者过去一段时间内的航班实际到达时间为T2；
S2、将未来一段时间内起飞的航班按照T1-T的值分成若干时间区段组，统计各时间区段组中所包含的所有航班的实际购票人数，对各时间区段组中的实际购票人数进行加权求和，即可获得预估离港人数；
S3、将未来一段时间内到达的航班按照T2-T的值分成若干时间区段组，或者将过去一段时间内到达的航班按照T-T2的值分成若干时间区段组，统计各时间区段组中所包含的所有航班的实际乘坐人数，对各时间区段组中的实际乘坐人数进行加权求和，即可获得预估进港人数。
2.如权利要求1所述的一种预估未来短期内机场旅客流量的方法，其特征是，还包括步骤S4、将步骤S2中的预估离港人数乘以20%得预估送机人数，将步骤S3中的预估进港人数乘以30%得预估接机人数，预估送机人数和预估接机人数之和为预估接送机人数。
3.如权利要求2所述的一种预估未来短期内机场旅客流量的方法，其特征是，包括未来3小时机场人流量预估，且未来3小时机场人流量预估包括以下步骤：
以当前时间T为时间戳，未来一段时间内的航班预计起飞时间为T1，如无预计起飞时间则计划起飞时间为T1；未来一段时间内的航班预计到达时间为T2，如无预计到达时间则计划到达时间为T2；
1)设：
3小时＜T1-T＜4小时，该时间段内所有航班的实际购票人数=A1
4小时≤T1-T＜4.5小时，该时间段内所有航班的实际购票人数=A2
4.5小时≤T1-T≤5小时，该时间段内所有航班的实际购票人数=A3
则：离港人数=A1+A2*60%+A3*20%；
2)设：
2小时≤T2-T≤3小时，该时间段内所有航班的实际乘坐人数=B1
1小时≤T2-T≤3小时，该时间段内所有航班的实际乘坐人数=B2
则：进港人数=B1或B2；
3)接送机人数=进港人数*30%+离港人数*20%；
4)考虑接送机人数，
则：未来3小时机场人流量Y=离港人数+进港人数+接送机人数；
a)当前时间T不在08:00～09:00、14:00～15:00时间段内，
则：Y=1.3*B1+1.2*（A1+A2*60%+A3*20%）；
b)当前时间T在08:00～09:00、14:00～15:00时间段内，
则：Y=1.3*B2+1.2*（A1+A2*60%+A3*20%）；
c)在机场大面积延误状态下：
则：Y=1.2*（A1+A2*60%+A3*20%）；
d)在机场小面积延误状态下：
则：Y=1.3*B2+1.2*（A1+A2*60%+A3*20%）；
5)不考虑接机人数，
则：未来3小时机场人流量Y=离港人数+进港人数；
a)当前时间T不在08:00～09:00、14:00～15:00时间段内，
则：Y=B1+A1+A2*60%+A3*20%；
b)当前时间T在08:00～09:00、14:00～15:00时间段内，
则：Y=B2+A1+A2*60%+A3*20%；
c)在机场大面积延误状态下：
则：Y=A1+A2*60%+A3*20%；
d)在机场小面积延误状态下：
则：Y=B2+A1+A2*60%+A3*20%。
4.如权利要求2所述的一种预估未来短期内机场旅客流量的方法，其特征是，包括当前机场人流量预估，且当前机场人流量预估包括以下步骤：
以当前时间T为时间戳，未来一段时间内的航班预计起飞时间为T1，如无预计起飞时间则计划起飞时间为T1；过去一段时间内的航班实际到达时间为T2；
1)设：
0小时＜T1-T＜1小时，该时间段内所有航班的实际购票人数=A1
1小时≤T1-T＜1.5小时，该时间段内所有航班的实际购票人数=A2
1.5小时≤T1-T≤2小时，该时间段内所有航班的实际购票人数=A3
T1-T＞2小时，航班状态为延误的所有航班的实际购票人数=A4
则：离港人数=A1+A2*60%+A3*20%+A4*80%；
2)设：
T-T2≤1小时，该时间段内所有航班的实际乘坐人数=B1
1小时≤T–T2≤2小时，该时间段内所有航班的实际乘坐人数=B2
则：进港人数=B1+B2*20%；
3)接送机人数=进港人数*30%+离港人数*20%；
4)考虑接送机人数，
则：当前机场人流量Y=离港人数+进港人数+接送机人数；
a)当前时间T不在11:00～12:00、17:00～18:00时间段内，
则：Y=1.3*（B1+B2*20%）+1.2*（A1+A2*60%+A3*20%+A4*80%）；
b)当前时间T在11:00～12:00、17:00～18:00时间段内，
则：Y=1.3*（B1+B2*50%）+1.2*（A1+A2*60%+A3*20%+A4*80%）；
c)在机场大面积延误状态下：
则：Y=1.2*（A1+A2*60%+A3*20%+A4*80%）；
d)在机场小面积延误状态下：
则：Y=1.3*（B1+B2*20%）+1.2*（A1+A2*60%+A3*20%）；
5)不考虑接机人数，
则：当前机场人流量Y=离港人数+进港人数；
a)当前时间T不在11:00～12:00、17:00～18:00时间段内，
则：Y=B1+B2*20%+A1+A2*60%+A3*20%+A4*80%；
b)当前时间T在11:00～12:00、17:00～18:00时间段内，
则：Y=B1+B2*50%+A1+A2*60%+A3*20%+A4*80%；
c)在机场大面积延误状态下：
则：Y=A1+A2*60%+A3*20%+A4*80%；
d)在机场小面积延误状态下：
则：Y=B1+B2*20%+A1+A2*60%+A3*20%。
5.如权利要求1所述的一种预估未来短期内机场旅客流量的方法，其特征是，包括未来半小时进出港人数预估，且未来半小时进出港人数预估包括以下步骤：
以当前时间T为时间戳，未来一段时间内的航班预计起飞时间为T1，如无预计起飞时间则计划起飞时间为T1；过去一段时间内的航班实际到达时间为T2；
1)设：
0.5小时＜T1-T＜1.5小时，该时间段内所有航班的实际购票人数=A1
1.5小时≤T1-T＜2小时，该时间段内所有航班的实际购票人数=A2
2小时≤T1-T≤2.5小时，该时间段内所有航班的实际购票人数=A3
T1-T＞2.5小时，航班状态为延误的所有航班的实际购票人数=A4
则：离港人数=A1+A2*60%+A3*20%+A4*80%；
2)设：
0小时＜T2-T≤0.5小时，该时间段内所有航班的实际乘坐人数=B1
T–T3≤0.5小时，该时间段内所有航班的实际乘坐人数=B2
0.5小时≤T–T3≤1.5小时，该时间段内所有航班的实际乘坐人数=B3；
a)当前时间T不在11:00～12:00、17:00～18:00时间段内，
则：进港人数=B1+B2*90%+B3*20%；
b)当前时间T在11:00～12:00、17:00～18:00时间段内，
则：进港人数=B1+B2+B3*50%；
c)在机场大面积延误状态下：
则：进港人数=B2*90%+B3*20%；
d)在机场小面积延误状态下：
则：进港人数=B1+B2*90%+B3*20%。
6.如权利要求1所述的一种预估未来短期内机场旅客流量的方法，其特征是，包括未来1小时进出港人数预估，且未来1小时进出港人数预估包括以下步骤：
以当前时间T为时间戳，未来一段时间内的航班预计起飞时间为T1，如无预计起飞时间则计划起飞时间为T1；过去一段时间内的航班实际到达时间为T2；
1)设：
1小时＜T1-T＜2小时，该时间段内所有航班的实际购票人数=A1
2小时≤T1-T＜3小时，该时间段内所有航班的实际购票人数=A2
3小时≤T1-T≤3.5小时，该时间段内所有航班的实际购票人数=A3
T1-T＞3.5小时，航班状态为延误的所有航班的实际购票人数=A4
则：离港人数=A1+A2*60%+A3*20%+A4*80%；
2)设：
0小时＜T2-T≤1小时，该时间段内所有航班的实际乘坐人数=B1
T–T3≤1小时，该时间段内所有航班的实际乘坐人数=B2；
a)当前时间T不在11:00～12:00、17:00～18:00时间段内，
则：进港人数=B1+B2*20%；
b)当前时间T在11:00～12:00、17:00～18:00时间段内，
则：进港人数=B1+B2*50%；
c)在机场大面积延误状态下：
则：进港人数=B2*20%；
d)在机场小面积延误状态下：
则：进港人数=B1+B2*20%。
7.如权利要求1所述的一种预估未来短期内机场旅客流量的方法，其特征是，包括未来2小时进出港人数预估，且未来2小时进出港人数预估包括以下步骤：
以当前时间T为时间戳，未来一段时间内的航班预计起飞时间为T1，如无预计起飞时间则计划起飞时间为T1；未来一段时间内的航班预计到达时间为T2，如无预计到达时间则计划到达时间为T2；
1)设：
2小时＜T1-T＜3小时，该时间段内所有航班的实际购票人数=A1
3小时≤T1-T＜3.5小时，该时间段内所有航班的实际购票人数=A2
3.5小时≤T1-T≤4小时，该时间段内所有航班的实际购票人数=A3
则：离港人数=A1+A2*60%+A3*20%；
2)设：
0小时＜T2-T≤1小时，该时间段内所有航班的实际乘坐人数=B1
1小时＜T2-T≤2小时，该时间段内所有航班的实际乘坐人数=B2
a)当前时间T不在11:00～12:00、17:00～18:00时间段内，
则：进港人数=B1*20%+B2；
b)当前时间T在11:00～12:00、17:00～18:00时间段内，
则：进港人数=B1*50%+B2；
c)在机场大面积延误状态下：
则：进港人数=B1*20%；
d)在机场小面积延误状态下：
则：进港人数=B1*20%+B2。
8.如权利要求1所述的一种预估未来短期内机场旅客流量的方法，其特征是，包括未来N小时进出港人数预估，N为大于3的整数，且未来N小时进出港人数预估包括以下步骤：
以当前时间T为时间戳，未来一段时间内的航班预计起飞时间为T1，如无预计起飞时间则计划起飞时间为T1；未来一段时间内的航班预计到达时间为T2，如无预计到达时间则计划到达时间为T2；
1)设：
N-2小时＜T1-T＜N-1小时，该时间段内所有航班的实际购票人数=A1
N-1小时≤T1-T＜N-0.5小时，该时间段内所有航班的实际购票人数=A2
N-0.5小时≤T1-T≤N小时，该时间段内所有航班的实际购票人数=A3
则：离港人数=(A1+A2*60%+A3*20%)*{[1700*(N4+1)]1/2+1}；
2)设：
N-2小时＜T2-T≤N-1小时，该时间段内所有航班的实际乘坐人数=B1
N-1小时＜T2-T≤N小时，该时间段内所有航班的实际乘坐人数=B2
a)当前时间T不在11:00～12:00、17:00～18:00时间段内，
则：进港人数=(B1*20%+B2)*{[1700*(N4+1)]1/2+1}；
b)当前时间T在11:00～12:00、17:00～18:00时间段内，
则：进港人数=(B1*50%+B2)*{[1700*(N4+1)]1/2+1}。
CN201610993240.5A 2016-11-11 2016-11-11 一种预估未来短期内机场旅客流量的方法 Pending CN106529722A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610993240.5A CN106529722A (zh) 2016-11-11 2016-11-11 一种预估未来短期内机场旅客流量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610993240.5A CN106529722A (zh) 2016-11-11 2016-11-11 一种预估未来短期内机场旅客流量的方法

Publications (1)

Publication Number Publication Date
CN106529722A true CN106529722A (zh) 2017-03-22

Family

ID=58351382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610993240.5A Pending CN106529722A (zh) 2016-11-11 2016-11-11 一种预估未来短期内机场旅客流量的方法

Country Status (1)

Country Link
CN (1) CN106529722A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480247A (zh) * 2017-08-10 2017-12-15 中国民航信息网络股份有限公司 机场旅客分布状态的监控方法和装置
CN111160633A (zh) * 2019-12-19 2020-05-15 金陵科技学院 基于sbs-bp神经网络的公路客运量预测方法
CN111832820A (zh) * 2020-07-09 2020-10-27 飞友科技有限公司 一种预测机场各登机口人流量的方法和系统
CN112215141A (zh) * 2020-10-12 2021-01-12 中国民航信息网络股份有限公司 一种生物特征识别方法、装置、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480247A (zh) * 2017-08-10 2017-12-15 中国民航信息网络股份有限公司 机场旅客分布状态的监控方法和装置
CN111160633A (zh) * 2019-12-19 2020-05-15 金陵科技学院 基于sbs-bp神经网络的公路客运量预测方法
CN111832820A (zh) * 2020-07-09 2020-10-27 飞友科技有限公司 一种预测机场各登机口人流量的方法和系统
CN112215141A (zh) * 2020-10-12 2021-01-12 中国民航信息网络股份有限公司 一种生物特征识别方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN106529722A (zh) 一种预估未来短期内机场旅客流量的方法
CN104574959B (zh) 一种机场出租车供需状态预测系统及方法
CN107086935B (zh) 基于wifi ap的人流量分布预测方法
CN106651108A (zh) 一种根据航班动态的机场用车调度方法
CN103218681B (zh) 航空枢纽应急管控方法
CN103426331B (zh) 多机场协同放行系统航班排序决策方法
CN103500499B (zh) 一种综合客运枢纽旅客交通方式选择的诱导方法及系统
CN107004246A (zh) 到达信息提供方法及服务器及显示装置
CN110020745B (zh) 基于航班时刻表的实时大型航空枢纽停车场规模预测方法
Berster et al. Is increasing aircraft size common practice of airlines at congested airports?
CN103400053A (zh) 航班准点起飞的预估方法
CN109345002A (zh) 一种预测机场进港航班旅客人流量的方法
CN107633329A (zh) 一种预测到达航班旅客出机场时间的方法
CN110335506A (zh) 一种终端区短时空域利用率计算方法
Carr et al. Airline arrival prioritization in sequencing and scheduling
CN102663262A (zh) 一种基于免疫算法下的航班波特性成本核算方法
CN114239970A (zh) 一种面向民用航空机场的航班跑道滑行时间预测方法
CN102867223A (zh) 机场流量指数预估方法
CN106407722A (zh) 一种计算航班舒适程度的方法
CN107679647B (zh) 一种机场客流量的时空分布预测装置
Števárová et al. Performance of hub and spoke networks of selected airlines
CN104386261B (zh) 一种民航客机登机设施及方法
JP6238301B2 (ja) ポイント算出装置、船、ポイント算出方法及びプログラム
Bilimoria Analysis of additional delays experienced by flights subject to ground holding
Takebayashi et al. Impact of low cost carriers and multiple airport system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 230001 Anhui City, Hefei Province, No. 4 Suzhou Road, Xin building, room 3009

Applicant after: Flying friend Technology Co., Ltd.

Address before: 230001 Anhui City, Hefei Province, No. 4 Suzhou Road, Xin building, room 3009

Applicant before: Hefei Feiyou Network Technology Co., Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20170322

RJ01 Rejection of invention patent application after publication