CN109345002A - 一种预测机场进港航班旅客人流量的方法 - Google Patents

一种预测机场进港航班旅客人流量的方法 Download PDF

Info

Publication number
CN109345002A
CN109345002A CN201811048396.1A CN201811048396A CN109345002A CN 109345002 A CN109345002 A CN 109345002A CN 201811048396 A CN201811048396 A CN 201811048396A CN 109345002 A CN109345002 A CN 109345002A
Authority
CN
China
Prior art keywords
flight
period
approach
time
current time
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
CN201811048396.1A
Other languages
English (en)
Inventor
任宇恒
王天然
柳丽
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.)
Flying Friend Technology Co Ltd
Original Assignee
Flying Friend 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 Flying Friend Technology Co Ltd filed Critical Flying Friend Technology Co Ltd
Priority to CN201811048396.1A priority Critical patent/CN109345002A/zh
Publication of CN109345002A publication Critical patent/CN109345002A/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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种预测机场进港航班旅客人流量的方法，基于机场旅客人流量数据算法、实际和预计起降时间等算法预算机场进港航班及人流量数据，帮助旅客、航空公司、租车公司、网约车及时了解机场旅客人流量的情况，缓解机场内外部交通压力，能优化租车公司、网约车的派车逻辑，帮助用户节约了排队等车时间，优化用户体验，提高接机服务的质量。

Description

一种预测机场进港航班旅客人流量的方法
技术领域
本发明涉及一种预测机场进港航班旅客人流量的方法，属于民航技术领域。
背景技术
近年来，随着出行旅客的数量逐年增高，机场客流和车流也随着大幅增长，尤其在节假日甚至每日出行高峰期间，空中和地面的交通拥堵所造成旅客滞留、秩序不佳等问题备受公众关注，为了帮助客户及时了解机场航班及旅客流量的未来情况分布，缓解机场内外部交通压力，更好的服务好旅客出行。
发明内容
本发明针对现有技术存在的不足，提供了一种预测机场进港航班旅客人流量的方法，具体技术方案如下：
一种预测机场进港航班旅客人流量的方法，以每30分钟为一个节点，当日零点至当前时间点的实际进机场旅客人数为当日实际进机场旅客人数；以每30分钟为一个节点，当日零点至当前时间点的实际进港航班架次为当日实际进港航班次数；
当前机场进港人流量计算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T-T1≤1小时，所有进港航班的实际乘坐人数＝B1；
当1小时<T-T1≤2小时，所有进港航班的实际乘坐人数＝B2；
如果当前时间T不在(11:00～12:00、17:00～18:00)时间段，那么进港人数Y＝B1+0.2B2；
如果当前时间T在(11:00～12:00、17:00～18:00)时间段，那么进港人数Y＝B1+0.5B2。
作为上述技术方案的改进，未来半小时机场进港人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T2-T≤0.5小时，所有进港航班的实际乘坐人数＝B11；
当0小时<T-T1≤0.5小时，所有进港航班的实际乘坐人数＝B21；
当0.5小时<T-T1≤1.5小时，所有进港航班的实际乘坐人数＝B31；
如果当前时间T不在(10:30～11:30、16:30～17:30)时间段，那么进港人数Y＝B11+B21+0.2B31；
如果当前时间T在(10:30～11:30、16:30～17:30)时间段，那么进港人数Y＝B11+B21+0.5B31。
作为上述技术方案的改进，未来1小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T2-T≤1小时，所有进港航班的实际乘坐人数＝B12；
当0小时<T-T1≤1小时，所有进港航班的实际乘坐人数＝B22；
如果当前时间T不在(10:00～11:00、16:00～17:00)时间段，那么进港人数Y＝B12+0.2B22；
如果当前时间T在(10:00～11:00、16:00～17:00)时间段，那么进港人数Y＝B12+0.5B22。
作为上述技术方案的改进，未来1.5小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T2-T≤0.5小时，所有进港航班的实际乘坐人数＝B13；
当0.5小时<T2-T≤1.5小时，所有进港航班的实际乘坐人数＝B23；
如果当前时间T不在(09:30～10:30、15:30～16:30)时间段，那么则进港人数＝0.2B13+B23；
如果当前时间T在(09:30～10:30、15:30～16:30)时间段，那么进港人数＝0.5B13+B23。
作为上述技术方案的改进，未来2小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T2-T≤1小时，所有进港航班的实际乘坐人数＝B14；
当1小时<T2-T≤2小时，所有进港航班的实际乘坐人数＝B24；
如果当前时间T不在(09:00～10:00、15:00～16:00)时间段，那么进港人数＝0.2B14+B24；
如果当前时间T在(09:00～10:00、15:00～16:00)时间段，那么进港人数＝0.5B14+B24。
作为上述技术方案的改进，未来2.5小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0.5小时<T2-T≤1.5小时，所有进港航班的实际乘坐人数＝B15；
当1.5小时<T2-T≤2.5小时，所有进港航班的实际乘坐人数＝B25；
如果当前时间T不在(08:30～09:30、14:30～15:30)时间段，那么则进港人数＝0.2B15+B25；
如果当前时间T在(08:30～09:30、14:30～15:30)时间段，那么进港人数＝0.5B15+B25。
作为上述技术方案的改进，未来3小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当1小时<T2-T≤2小时，所有进港航班的实际乘坐人数＝B16；
当2小时<T2-T≤3小时，所有进港航班的实际乘坐人数＝B26；
如果当前时间T不在(08:00～09:00、14:00～15:00)时间段，那么进港人数＝0.2B16+B26；
如果当前时间T在(08:00～09:00、14:00～15:00)时间段，那么进港人数＝0.5B16+B26。
作为上述技术方案的改进，以每30分钟为一个节点，未来N小时进港人数预算(N>3，N为3.5、4、4.5、5……)，
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当未来N-2小时<T2-T≤N-1小时，所有进港航班的实际乘坐人数＝B17；
当未来N-1小时<T2-T≤N小时，所有进港航班的实际乘坐人数＝B27；
如果当前时间T不在(11:00-N)～(12:00-N)、(17:00-N)～(18:00-N)时间段，那么
如果当前时间T在(11:00-N)～(12:00-N)、(17:00-N)～(18:00-N)时间段，那么
本发明的有益效果：
本发明所述预测机场进港航班旅客人流量的方法，基于机场旅客人流量数据算法、实际和预计起降时间等算法预算机场进港航班及人流量数据，帮助旅客、航空公司、租车公司、网约车及时了解机场旅客人流量的情况，缓解机场内外部交通压力，能优化租车公司、网约车的派车逻辑，帮助用户节约了排队等车时间，优化用户体验，提高接机服务的质量。
附图说明
图1为本发明所述预测机场进港航班旅客人流量的的算法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本实施例所提供的一种预测机场进港航班旅客人流量的方法，主要对机场当日实际进港航班和预算当前时间和未来一段时间内进港航班旅客人流量的数据，具体算法流程如图1所示。
航班处理去重规则定义：
统计航班波及计算人流量时，取非共享、非经停、航班属性为客机、包机、客货混装，针对同时满足多个条件的航班，用航班号、计划起飞日期、航段三个条件作为唯一标识进行过滤，根据优先级取值。
实施例：计算未来1小时人流量预算
B1取预计到达时间在0至1小时内；B2取实际到达时间在过去0至1小时；当该航班同时满足B1和B2条件时，根据规定的优先级保留B2航班，忽略B1。
半点进港人数
当日实际进机场旅客人数，以每30分钟为一个节点，提供当日零点至当前时间点的实际进机场旅客人数数据；
当日预计进机场旅客人数，以每30分钟为一个节点，提供当前时间点至当日24点的进机场旅客人数预测数据；
半点进港航班量
当日实际进港航班，以每30分钟为一个节点，提供当日零点至当前时间点的实际进港航班架次数据；
当日预计进港航班，以每30分钟为一个节点，提供当前时间至当日24点的进港航班架次预测数据；
整点进出港总人流量
当日实际进出机场旅客人数以每一个整点(如：1点、2点等)为一个节点，提供当日零点至当前时间点的整点进出港总人流量数据；
当日预计进出机场旅客人数以每一个整点(如：1点、2点、3点等)为一个节点，提供当前时间至当日24点的整点进出港总人流量数据；
人流量昨日预警线
根据昨天半点进港人流量预警线、昨天整点进出港总人流量预警线
作为上述技术方案实施方法的具体化，包括以下步骤：
S1、当日历史每半小时人流量
取值定义：返回当日已发生的每个半点的实时进港人流量，例如现在09:33，此字段返回从0点～9点30的20个历史数据(每日半点记录国内各机场实时进港人流量，存为历史数据)
S2、未来每半小时人流量预测
取值定义：返回当日未来的每个半点的预测进港人流量，例如现在09:33，则计算10:00、10:30……24:00。
当没有客座率数据时，用座位数/最小座位数代替
S3、人流量昨日预警线
取昨日06:00至21:00的历史整数据(每日半点记录，缺客座率的航班用座位数/最小座位数代替)，取半小时平均值。
S4、当日历史每半小时航班波
取值定义：返回当日已发生的每个半点的实时进港航班数，例如现在09:33，此字段返回从0点～9点30的20个历史半点数据(每日半点记录国内各机场实时进港航班数。
每个历史半点航班取值规则：
例如：现在09:33，
取(09:00～09:30]航班状态为到达、返航到达、备降到达的执飞航班数，计为09:30的历史半点航班数；
取(08:30～09:00]航班状态为到达、返航到达、备降到达的执飞航班数，计为09:00的历史半点航班数；
S5、当日未来每半小时航班波
取值定义：返回当日未来的每个半点的预测进港航班数，例如现在09:33，则计算10:00、10:30......24:00。
每个未来半点航班取值规则：
例如：现在09:33，
取(09:30～9:33]航班状态为到达、返航到达、备降到达的执飞航班数+(9:33～10:00]航班状态为计划、延误、起飞、备降、返航、备降起飞、返航起飞的执飞航班，计为10:00点的未来半点航班数；
(10:00～10:30]航班状态为计划、延误、起飞、备降、返航、备降起飞、返航起飞的执飞航班，计为10:30点的未来半点航班数；
以此类推。
1、当前机场进港人流量计算
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；若无预计到达时间，则按计划到达时间。
当0小时<T-T1≤1小时，所有进港航班的实际乘坐人数＝B1；
当1小时<T-T1≤2小时，所有进港航班的实际乘坐人数＝B2；
进港人数修正系数为C；
需要对B1和B2计算过程的航班去重处理，去重航班优先级B1>B2；
如果当前时间T不在(11:00～12:00、17:00～18:00)时间段，令进港人数修正系数C＝20％，那么进港人数Y＝B1+0.2B2；
如果当前时间T在(11:00～12:00、17:00～18:00)时间段，令进港人数修正系数C＝50％，那么进港人数Y＝B1+0.5B2。
2、未来半小时机场进港人流量预算
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；若无预计到达时间，则按计划到达时间。
当0小时<T2-T≤0.5小时，所有进港航班的实际乘坐人数＝B11；
当0小时<T-T1≤0.5小时，所有进港航班的实际乘坐人数＝B21；
当0.5小时<T-T1≤1.5小时，所有进港航班的实际乘坐人数＝B31；
进港人数修正系数为C，需要对B11、B21、B31计算过程的航班去重处理，取航班优先级B31>B21>B11；
如果当前时间T不在(10:30～11:30、16:30～17:30)时间段，令进港人数修正系数C＝20％，那么进港人数Y＝B11+B21+0.2B31；
如果当前时间T在(10:30～11:30、16:30～17:30)时间段，令进港人数修正系数C＝50％，那么进港人数Y＝B11+B21+0.5B31。
3、未来1小时机场人流量预算
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；若无预计到达时间，则按计划到达时间。
当0小时<T2-T≤1小时，所有进港航班的实际乘坐人数＝B12；
当0小时<T-T1≤1小时，所有进港航班的实际乘坐人数＝B22；
进港人数修正系数为C，需要对B12和B22计算过程的航班去重处理，取航班优先级B22>B12；
如果当前时间T不在(10:00～11:00、16:00～17:00)时间段，令进港人数修正系数C＝20％，那么进港人数Y＝B12+0.2B22；
如果当前时间T在(10:00～11:00、16:00～17:00)时间段，令进港人数修正系数C＝50％，那么进港人数Y＝B12+0.5B22。
4、未来1.5小时机场人流量预算
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；若无预计到达时间，则按计划到达时间。
当0小时<T2-T≤0.5小时，所有进港航班的实际乘坐人数＝B13；
当0.5小时<T2-T≤1.5小时，所有进港航班的实际乘坐人数＝B23；
进港人数修正系数为C，需要对B13和B23计算过程的航班去重处理，取航班优先级B13>B23；
如果当前时间T不在(09:30～10:30、15:30～16:30)时间段，令进港人数修正系数C＝20％，那么则进港人数＝0.2B13+B23；
如果当前时间T在(09:30～10:30、15:30～16:30)时间段，令进港人数修正系数C＝50％，那么进港人数＝0.5B13+B23。
5、未来2小时机场人流量预算
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；若无预计到达时间，则按计划到达时间。
当0小时<T2-T≤1小时，所有进港航班的实际乘坐人数＝B14；
当1小时<T2-T≤2小时，所有进港航班的实际乘坐人数＝B24；
进港人数修正系数为C，需要对B14和B24计算过程的航班去重处理，取航班优先级B14>B24；
如果当前时间T不在(09:00～10:00、15:00～16:00)时间段，令进港人数修正系数C＝20％，那么进港人数＝0.2B14+B24；
如果当前时间T在(09:00～10:00、15:00～16:00)时间段，令进港人数修正系数C＝50％，那么进港人数＝0.5B14+B24。
6、未来2.5小时机场人流量预算
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；若无预计到达时间，则按计划到达时间。
当0.5小时<T2-T≤1.5小时，所有进港航班的实际乘坐人数＝B15；
当1.5小时<T2-T≤2.5小时，所有进港航班的实际乘坐人数＝B25；
进港人数修正系数为C，需要对B15和B25计算过程的航班去重处理，取航班优先级B15>B25；
如果当前时间T不在(08:30～09:30、14:30～15:30)时间段，令进港人数修正系数C＝20％，那么则进港人数＝0.2B15+B25；
如果当前时间T在(08:30～09:30、14:30～15:30)时间段，令进港人数修正系数C＝50％，那么进港人数＝0.5B15+B25。
7、未来3小时机场人流量预算
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；若无预计到达时间，则按计划到达时间。
当1小时<T2-T≤2小时，所有进港航班的实际乘坐人数＝B16；
当2小时<T2-T≤3小时，所有进港航班的实际乘坐人数＝B26；
进港人数修正系数为C，需要对B16和B26计算过程的航班去重处理，取航班优先级B16>B26；
如果当前时间T不在(08:00～09:00、14:00～15:00)时间段，令进港人数修正系数C＝20％，那么进港人数＝0.2B16+B26；
如果当前时间T在(08:00～09:00、14:00～15:00)时间段，令进港人数修正系数C＝50％，那么进港人数＝0.5B16+B26。
8、未来N小时进港人数预算(N>3，N为3.5、4、4.5、5……)
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；若无预计到达时间，则按计划到达时间。
当未来N-2小时<T2-T≤N-1小时，所有进港航班的实际乘坐人数＝B17；
当未来N-1小时<T2-T≤N小时，所有进港航班的实际乘坐人数＝B27；
进港人数修正系数为C，需要对B17和B27计算过程的航班去重处理，取航班优先级B17>B27；
如果当前时间T不在(11:00-N)～(12:00-N)、(17:00-N)～(18:00-N)时间段，令进港人数修正系数C＝20％，那么
如果当前时间T在(11:00-N)～(12:00-N)、(17:00-N)～(18:00-N)时间段，令进港人数修正系数C＝50％，那么
在上述实施例中，在系统应用中，旅客、航空公司或租车公司等用户通过输入机场三字码即可查询到当日24小时每30分钟为一个节点的所有进港航班波机场旅客人流量情况。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种预测机场进港航班旅客人流量的方法，其特征在于：
以每30分钟为一个节点，当日零点至当前时间点的实际进机场旅客人数为当日实际进机场旅客人数；以每30分钟为一个节点，当日零点至当前时间点的实际进港航班架次为当日实际进港航班次数；
当前机场进港人流量计算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T-T1≤1小时，所有进港航班的实际乘坐人数＝B1；
当1小时<T-T1≤2小时，所有进港航班的实际乘坐人数＝B2；
如果当前时间T不在(11:00～12:00、17:00～18:00)时间段，那么进港人数Y＝B1+0.2B2；
如果当前时间T在(11:00～12:00、17:00～18:00)时间段，那么进港人数Y＝B1+0.5B2。
2.根据权利要求1所述的一种预测机场进港航班旅客人流量的方法，其特征在于：未来半小时机场进港人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T2-T≤0.5小时，所有进港航班的实际乘坐人数＝B11；
当0小时<T-T1≤0.5小时，所有进港航班的实际乘坐人数＝B21；
当0.5小时<T-T1≤1.5小时，所有进港航班的实际乘坐人数＝B31；
如果当前时间T不在(10:30～11:30、16:30～17:30)时间段，那么进港人数Y＝B11+B21+0.2B31；
如果当前时间T在(10:30～11:30、16:30～17:30)时间段，那么进港人数Y＝B11+B21+0.5B31。
3.根据权利要求1所述的一种预测机场进港航班旅客人流量的方法，其特征在于：未来1小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T2-T≤1小时，所有进港航班的实际乘坐人数＝B12；
当0小时<T-T1≤1小时，所有进港航班的实际乘坐人数＝B22；
如果当前时间T不在(10:00～11:00、16:00～17:00)时间段，那么进港人数Y＝B12+0.2B22；
如果当前时间T在(10:00～11:00、16:00～17:00)时间段，那么进港人数Y＝B12+0.5B22。
4.根据权利要求1所述的一种预测机场进港航班旅客人流量的方法，其特征在于：未来1.5小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T2-T≤0.5小时，所有进港航班的实际乘坐人数＝B13；
当0.5小时<T2-T≤1.5小时，所有进港航班的实际乘坐人数＝B23；
如果当前时间T不在(09:30～10:30、15:30～16:30)时间段，那么则进港人数＝0.2B13+B23；
如果当前时间T在(09:30～10:30、15:30～16:30)时间段，那么进港人数＝0.5B13+B23。
5.根据权利要求1所述的一种预测机场进港航班旅客人流量的方法，其特征在于：未来2小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0小时<T2-T≤1小时，所有进港航班的实际乘坐人数＝B14；
当1小时<T2-T≤2小时，所有进港航班的实际乘坐人数＝B24；
如果当前时间T不在(09:00～10:00、15:00～16:00)时间段，那么进港人数＝0.2B14+B24；
如果当前时间T在(09:00～10:00、15:00～16:00)时间段，那么进港人数＝0.5B14+B24。
6.根据权利要求1所述的一种预测机场进港航班旅客人流量的方法，其特征在于：未来2.5小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当0.5小时<T2-T≤1.5小时，所有进港航班的实际乘坐人数＝B15；
当1.5小时<T2-T≤2.5小时，所有进港航班的实际乘坐人数＝B25；
如果当前时间T不在(08:30～09:30、14:30～15:30)时间段，那么则进港人数＝0.2B15+B25；
如果当前时间T在(08:30～09:30、14:30～15:30)时间段，那么进港人数＝0.5B15+B25。
7.根据权利要求1所述的一种预测机场进港航班旅客人流量的方法，其特征在于：未来3小时机场人流量预算方法为：
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当1小时<T2-T≤2小时，所有进港航班的实际乘坐人数＝B16；
当2小时<T2-T≤3小时，所有进港航班的实际乘坐人数＝B26；
如果当前时间T不在(08:00～09:00、14:00～15:00)时间段，那么进港人数＝0.2B16+B26；
如果当前时间T在(08:00～09:00、14:00～15:00)时间段，那么进港人数＝0.5B16+B26。
8.根据权利要求1所述的一种预测机场进港航班旅客人流量的方法，其特征在于：
以每30分钟为一个节点，未来N小时进港人数预算(N>3，N为3.5、4、4.5、5……)，
以当前时间T为时间戳，过去一段时间内航班实际到达时间为T1；未来一段时间内航班官方预计到达时间为T2；
当未来N-2小时<T2-T≤N-1小时，所有进港航班的实际乘坐人数＝B17；
当未来N-1小时<T2-T≤N小时，所有进港航班的实际乘坐人数＝B27；
如果当前时间T不在(11:00-N)～(12:00-N)、(17:00-N)～(18:00-N)时间段，那么
如果当前时间T在(11:00-N)～(12:00-N)、(17:00-N)～(18:00-N)时间段，那么
CN201811048396.1A 2018-09-10 2018-09-10 一种预测机场进港航班旅客人流量的方法 Pending CN109345002A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811048396.1A CN109345002A (zh) 2018-09-10 2018-09-10 一种预测机场进港航班旅客人流量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811048396.1A CN109345002A (zh) 2018-09-10 2018-09-10 一种预测机场进港航班旅客人流量的方法

Publications (1)

Publication Number Publication Date
CN109345002A true CN109345002A (zh) 2019-02-15

Family

ID=65305035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811048396.1A Pending CN109345002A (zh) 2018-09-10 2018-09-10 一种预测机场进港航班旅客人流量的方法

Country Status (1)

Country Link
CN (1) CN109345002A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766230A (zh) * 2019-10-30 2020-02-07 广东机场白云信息科技有限公司 一种机场到港旅客各陆测交通方式流量预测方法及系统
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
CN112991628A (zh) * 2021-02-04 2021-06-18 福建乐摩物联科技有限公司 一种动态调整共享按摩椅可占座时间的方法、系统和介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766230A (zh) * 2019-10-30 2020-02-07 广东机场白云信息科技有限公司 一种机场到港旅客各陆测交通方式流量预测方法及系统
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
CN112991628A (zh) * 2021-02-04 2021-06-18 福建乐摩物联科技有限公司 一种动态调整共享按摩椅可占座时间的方法、系统和介质

Similar Documents

Publication Publication Date Title
CN109345002A (zh) 一种预测机场进港航班旅客人流量的方法
Andreatta et al. Aircraft flow management under congestion
CN103426331B (zh) 多机场协同放行系统航班排序决策方法
CN106981221B (zh) 基于时空间维度分解的机场停机位分配方法及系统
Bubalo et al. Airport capacity and demand calculations by simulation—the case of Berlin-Brandenburg International Airport
CN103218681B (zh) 航空枢纽应急管控方法
Mazzocchi et al. The 2010 volcanic ash cloud and its financial impact on the European airline industry
CN104751681B (zh) 一种基于统计学习模型的停机位分配方法
CN103530704A (zh) 一种终端空域空中交通动态容量预测系统及其方法
CN104156594B (zh) 一种基于贝叶斯网的航班过站时间动态估计方法
CN109711619B (zh) 考虑空地运行限制的多机场战略航班时刻协同优化方法
Itoh et al. Evaluating the impact of new aircraft separation minima on available airspace capacity and arrival time delay
Park et al. Optimal assignment for check-in counters based on passenger arrival behaviour at an airport
Moreira et al. The viability of long-haul, low cost business models
CN104574959A (zh) 一种机场出租车供需状态预测系统及方法
CN105184729A (zh) 基于概率论的飞机调度模块及方法
CN110020745A (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
CN110443523A (zh) 选择备降机场的方法、装置和计算机设备
CN102663262A (zh) 一种基于免疫算法下的航班波特性成本核算方法
CN106529722A (zh) 一种预估未来短期内机场旅客流量的方法
CN111582592B (zh) 一种区域机场群航线网络优化方法
CN108959226A (zh) 一种基于航线网络图的可视化展示系统
Suh et al. A large neighborhood search heuristic to establish an optimal ad-hoc hubbing strategy in the wake of a large-scale airport outage
Mao et al. A decision support method for flight cancellations in adverse weather: An airport perspective
Schultz et al. Concept of a long-range air traffic flow management

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190215

RJ01 Rejection of invention patent application after publication