CN109934482A - 一种基于大数据的航站楼精细化运行评估系统和方法 - Google Patents
一种基于大数据的航站楼精细化运行评估系统和方法 Download PDFInfo
- Publication number
- CN109934482A CN109934482A CN201910171913.2A CN201910171913A CN109934482A CN 109934482 A CN109934482 A CN 109934482A CN 201910171913 A CN201910171913 A CN 201910171913A CN 109934482 A CN109934482 A CN 109934482A
- Authority
- CN
- China
- Prior art keywords
- data
- boarding
- check
- time
- passenger
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的航站楼精细化运行评估系统和方法,该系统包括值机、安检评估子系统和登机评估子系统;所述值机、安检评估子系统包括值机安检信息采集装置和值机安检评估装置;所述登机评估子系统包括候机采集装置、登机处理装置和登机评估装置;其效果是:利用机场运行的大数据对机场值机、安检和登机等环节进行精细化评估,便于管理人员采用精细化的运行管理手段来提高机场的运行效率,进而有效解决机场面临的运行效率瓶颈问题。
Description
技术领域
本发明涉及民航的机场精细化运行品质评估领域,具体涉及一种基于大数据的航站楼精细化运行评估系统和方法。
背景技术
近年来,民航生产发展势头迅猛,民航运输总周转量、旅客运输量、货邮运输量逐步攀升。但全国民用运输机场,尤其是大型机场的综合保障能力难以适应行业高速发展的需要。民航航班安全高效高密度运行需求与机场运行保障能力之间的矛盾日益凸显,航班延误加剧、航班正常率低等问题时有发生。中国民航枢纽机场的运行效率瓶颈现象严重。
机场在面临上述问题时,大多数采取了新建跑道、新建机场、换大飞机等改扩建措施。然而,分析表明单纯依靠机场改扩建来提高机场容量的发展空间有限,并且投资大、周期长、产出小。而英国Helios公司研究证明,采用精细化的运行管理手段,机场至少可以提升20%的容量。因此,提高机场容量需经过系统、科学分析,利用精细化的管理手段来达到目的。
发明内容
本发明实施例的是提供一种基于大数据的航站楼精细化运行评估系统和方法,对机场的值机、安检和登机环节进行精细化运行评估,以提高机场的运行效率。
第一方面:本发明实施例提供了一种基于大数据的航站楼精细化运行评估系统,包括值机、安检评估子系统和登机评估子系统;
所述值机、安检评估子系统包括值机安检信息采集装置和值机安检评估装置;
所述值机安检信息采集装置用于提取各旅客的值机安检数据;
所述值机安检评估装置用于根据所述值机安检数据进行值机安检评估计算以得到值机安检评估数据;
所述登机评估子系统包括候机采集装置、登机处理装置和登机评估装置;
所述候机采集装置用于获取各旅客的候机区到达时间,并与预先设置的安检开始时间进行处理以得到候机数据;
所述登机处理装置用于获取登机数据,并将所述登机数据与所述值机安检数据进行比较,若所述登机数据的数据条数少于所述值机安检数据的数据条数则生成旅客登机数据;
所述登机评估装置用于将所述旅客的候机区到达时间和旅客登机数据进行动态计算以得到登机评估数据。
作为本发明的一个优选的技术方案,所述的一种基于大数据的航站楼精细化运行评估系统,还包括行李提取评估子系统,所述行李提取评估子系统包括行李提取采集装置和行李提取评估装置;
所述行李提取采集装置用于获取行李数据,所述行李数据包括旅客从开舱门到行李提取区的到达数据以及首/末件行李上转盘时间;
所述行李提取评估装置用于根据所述行李数据进行计算以得到行李提取评估数据。
作为本发明的一个优选的技术方案,所述登机评估子系统还包括异常时间处理装置,所述异常时间处理装置用于为超过最晚登机时间的旅客生成所述候机区到达时间。
作为本发明的一个优选的技术方案,所述登机数据包括登机时间,所述登记时间的生成步骤如下:
在预设的登机条件下,保留旅客的登机时间,所述登机条件包括正常登机时间和登机数据的数据条数大于等于所述值机安检数据的数据条数;
当登机数据的数据条数少于所述值机安检数据的数据条数时,以最后一个正常登机时间生成登机时间;
当航班缺少登机时间时,以该航班计划起飞时间的前三十分钟作为最早登机时间,再以预设的时间间隔生成该航班所有旅客的登机时间。
作为本发明的一个优选的技术方案,所述登机评估装置具体用于:
将所述旅客的候机区到达时间和旅客登机数据进行排序,当旅客到达候机区时该候机区旅客人数加一,当旅客离开候机区时旅客人数减一,从而获得旅客人数的动态变化数据;
通过所述旅客人数的动态变化数据与候机厅的占地面积和座位总数进行实时的动态计算以得到所述登机评估数据。
第二方面:本发明实施例提供了一种基于大数据的航站楼精细化运行评估方法,应用于上述第一方面所述的一种基于大数据的航站楼精细化运行评估系统,包括如下步骤:
所述值机安检信息采集装置提取各旅客的值机安检数据;
所述值机安检评估装置根据所述值机安检数据进行值机安检评估计算以得到值机安检评估数据;
所述候机采集装置获取各旅客的候机区到达时间,并与预先设置的安检开始时间进行处理以得到候机数据;
所述登机处理装置获取登机数据,并将所述登机数据与所述值机安检数据进行比较,若所述登机数据的数据条数少于所述值机安检数据的数据条数则生成旅客登机数据;
所述登机评估装置将所述旅客的候机区到达时间和旅客登机数据进行动态计算以得到登机评估数据。
作为本发明的一个优选的技术方案,所述方法还包括:
通过行李提取采集装置获取行李数据,所述行李数据包括旅客从开舱门到行李提取区的到达数据以及首/末件行李上转盘时间;
利用行李提取评估装置根据所述行李数据进行计算以得到行李提取评估数据。
作为本发明的一个优选的技术方案,所述方法还包括通过异常时间处理装置为超过最晚登机时间的旅客生成所述候机区到达时间。
作为本发明的一个优选的技术方案,所述登机数据包括登机时间,所述登记时间的生成步骤如下:
在预设的登机条件下,保留旅客的登机时间,所述登机条件包括正常登机时间和登机数据的数据条数大于等于所述值机安检数据的数据条数;
当登机数据的数据条数少于所述值机安检数据的数据条数时,以最后一个正常登机时间生成登机时间;
当航班缺少登机时间时,以该航班计划起飞时间的前三十分钟作为最早登机时间,再以预设的时间间隔生成该航班所有旅客的登机时间。
作为本发明的一个优选的技术方案,所述登机评估装置具体用于:
将所述旅客的候机区到达时间和旅客登机数据进行排序,当旅客到达候机区时该候机区旅客人数加一,当旅客离开候机区时旅客人数减一,从而获得旅客人数的动态变化数据;
通过所述旅客人数的动态变化数据与候机厅的占地面积和座位总数进行实时的动态计算以得到所述登机评估数据。
采用上述技术方案,具有以下优点:本发明提出的一种基于大数据的航站楼精细化运行评估系统和方法,利用机场运行的大数据对机场值机、安检和登机等环节进行精细化评估,便于管理人员采用精细化的运行管理手段来提高机场的运行效率,进而有效解决机场面临的运行效率瓶颈问题。
附图说明
图1为本发明实施例提供的一种基于大数据的航站楼精细化运行评估系统的结构示意图;
图2为本发明实施例提供的蛇形排队形式的结构示意图;
图3为本发明实施例提供的一种基于大数据的航站楼精细化运行评估方法的流程图。
具体实施方式
为了使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述,以下实施例用于说明本发明,但不用来限制本发明的范围。
参照图1所示,本发明实施例提供了一种基于大数据的航站楼精细化运行评估系统,包括值机、安检评估子系统和登机评估子系统。
具体地,所述值机、安检评估子系统包括值机安检信息采集装置和值机安检评估装置;
所述值机安检信息采集装置用于提取各旅客的值机安检数据。
应用时,所述值机安检数据包括各旅客的值机、安检的系统记录,例如,换取登机牌时间、办理托运时间、统计每个时段平均到达的人数、值机柜台数和安检通道数等数据,需要说明的是,提取数据的来源为机场生产运行的其他装置和系统,并以网络的方式进行数据交互。
所述值机安检评估装置用于根据所述值机安检数据进行值机安检评估计算以得到值机安检评估数据。
具体地,计算时,根据现场的实际情况,将值机、安检区内分为单队列形式和蛇形排队形式,单队列形式即每个值机柜台/安检通道都有一个队列;蛇形排队形式即通过一条单队列再分发各个值机柜台/安检通道,其具体结构如图2所示。
以上两种排队方式可以将队列刻画为M/M/c排队模型,c代表一个安检区内设有c个安检柜台,当为单队列形式时,c=1,否则c>1。根据M/M/1模型可以将M/M/C模型的理论参数表示为:
其中,ρ表示系统的负荷率,P0表示空闲率即没有旅客接受服务的概率,μ=n/t。
其中,t为时段分钟数,通常取60分钟值机区域的旅客达到率通过旅客在每个时段自助值机的数据来计算,n为安检/值机的服务人数,k为当前时刻实际安检柜台的开放数量,λ表示旅客达到率,即每分钟到底安检或者值机区域的人数,即
arrself为每个时段自助值机人数,可通过装置直接进行提取,安检区域的旅客到达率通过旅客值机加上去相应安检区的步行时间所到达的人数arrsecur ity,arrsecur ity为安检的人数,通过机场的其它装置或系统提取、统计所得。
根据公式(1)(2)(3)(4)计算:
单位小时排队旅客数量:
单位小时平均排队等待时间:
单位小时平均资源利用率:
η(t)=G1(t)/C2(N(t))×100%
不同时段和服务资源时服务的旅客人数,N为开放资源数量,C1为实际服务旅客量,C2为理论服务容量。其中,
kc表示值机开放柜台或安检通道数量,T为95%旅客的最大等候值机或安检时间。(依据《民用运输机场服务质量》标准)
单位小时旅客人均占地面积:
S为区域服务总面积(通过机场航站楼CAD图测算,由该系统预先输入获取),以上得出的数据即为值机安检评估数据。
所述登机评估子系统包括候机采集装置、登机处理装置和登机评估装置。
所述候机采集装置用于获取各旅客的候机区到达时间,并与预先设置的安检开始时间进行处理以得到候机数据。
具体地,将预先设置的安检开始时间(记为TSEC),候机区到达时间(记为TDEP),最终处理得到的候机数据包括安检时间、行走时间和购物/如厕时间:
1、安检时间tseq(即安检开始至安检结束):设平均安检通过时长为第一预设时间,本实施例以第一预设时间为3分钟进行举例说明,则第i个旅客的安检时间为:tseq,i~N(3,0.22);
2、行走时间twalk(即安检结束至到达登机口):首先从CAD图上测量从安检口到登机口的距离,该距离可预先输入,将从安检口至第i个旅客所对应的登机口的距离记为:
3、Sgate,i,假定人的平均行走速度为1m/s,因此第i个旅客的行走时间为
4、购物/如厕时间tsupp:
假设10%的的旅客会有附加时间(利用伯努利分布生成),平均附加时间为第二预设时间,本实施例以第二预设时间为十分钟进行举例说明,则第i个旅客的附加时间为:
tsupp,i~Bernoulli(0.1)·N(10,12);
因此,第i个旅客到达时间则为:
TDEP,i=TSEC,i+tseq,i+twalk,i+tsupp,i。
应用时,考虑到现实的实际情况,会存在一部分旅客因某种原因错过安检时间,因此,所述登机评估子系统还包括异常时间处理装置,所述异常时间处理装置用于为超过最晚登机时间的旅客生成所述候机区到达时间。也就是说,通过异常时间处理装置所生成的候机区到达时间晚于最晚登机时间,这样设置使得数据的采集更加全面,符合现实实际情况,候机数据的计算更加准确,进而精细化评估也更加准确。
晚到旅客从安检开始到到达候机区需经历安检和行走两个过程:
晚到旅客的安检时间记为tseqLate,设平均安检通过时长为2分钟,则第i个晚到旅客的安检时间为:
tseqLate,i~N(3,0.22)
晚到旅客的行走时间记为twalkLate:从安检口至第i各旅客所对应的登机口的距离记为SgateLate,i,。假定人的平均行走速度为2m/s,因此第i个旅客的行走时间为:
记晚到旅客的安检开始时间为TSEQLATE,以及晚到旅客候机区到达时间为TDEPLATE。因此,第i个晚到旅客的候机区到达时间为:
TDEPLATE,i=TSEQLATE,i+tseqLate,i+twalkLate,i;
在到达候机区后,晚到旅客逗留10s后离开。需要说明的是,上述所说的时间只是举例说明,并不是加以限制。
所述登机处理装置用于获取登机数据,并将所述登机数据与所述值机安检数据进行比较,若所述登机数据的数据条数少于所述值机安检数据的数据条数则生成旅客登机数据。
具体地,应用时,若所述登机数据与所述值机安检数据能够一一对应,则无需生成旅客登机时间。所述登机数据包括登机时间,所述登记时间的生成步骤如下:
在预设的登机条件下,保留旅客的登机时间,所述登机条件包括正常登机时间和登机数据的数据条数大于等于所述值机安检数据的数据条数;
当登机数据的数据条数少于所述值机安检数据的数据条数时,以最后一个正常登机时间生成登机时间;这里需要说明的是,在应用时,设登机所用时间为2s。
当航班缺少登机时间时,以该航班计划起飞时间的前三十分钟作为最早登机时间,再以预设的时间间隔生成该航班所有旅客的登机时间。在本实施例中,时间间隔设为2秒,当然也可根据实际情况设定别的数据,在此不再赘述。
所述登机评估装置用于将所述旅客的候机区到达时间和旅客登机数据进行动态计算以得到登机评估数据。
具体地,将所述旅客的候机区到达时间和旅客登机数据进行排序,当旅客到达候机区时该候机区旅客人数加一,当旅客离开候机区时旅客人数减一,从而获得旅客人数的动态变化数据;这里的排序可以采用从小到大或是从大到小进行排序,在此不做限制。
通过所述旅客人数的动态变化数据与候机厅的占地面积和座位总数进行实时的动态计算以得到所述登机评估数据,所述登机评估数据包括旅客人均占地面积和候机厅有座位的旅客的百分比且这两个数据随时间进行动态变化。
通过上述系统,利用机场运行的大数据对机场值机、安检和登机等环节进行精细化评估,便于管理人员采用精细化的运行管理手段来提高机场的运行效率,进而有效解决机场面临的运行效率瓶颈问题。
进一步地,为了更加全面的对机场精细化运行进行品质评估,所述的一种基于大数据的航站楼精细化运行评估系统,还包括行李提取评估子系统,所述行李提取评估子系统包括行李提取采集装置和行李提取评估装置;
所述行李提取采集装置用于获取行李数据,所述行李数据包括旅客从开舱门到行李提取区的到达数据以及首/末件行李上转盘时间;
所述行李提取评估装置用于根据所述行李数据进行计算以得到行李提取评估数据。
具体地,应用时,某一航班旅客从开舱门到转盘提取区的到达规律服从对数正态分布,得到任意时刻t的概率密度分布:
得到任一时刻tt的旅客达到累计分布:
某一航班的行李从上转盘到出现在旅客提取区服从均匀分布
得到任一时刻t的行李达到累计分布:
其中,d为不同下机口,不同航班属性(国际、国内)的时间偏移量,tg为该航班的开客舱门时间,μ,σ为非正态分布平均数与标准差参数,通过现场采集数据拟合获取,具体方式是:首先把到达分布划分成2国际国内2大部分,每个部分再通过划分下机口到行李转盘区距离相差在20m内作为同一个达到规律分布,然后针对每一个达到分布规律收集n个航班的开舱门时间,以及每个航班的旅客达到行李提取区的时间。最终拟合出针对国际国内下机口到行李转盘区距离相差在20m内的每个旅客达到规律分布。a为该航班首件行李上转盘时间,b为该航班末件行李上转盘时间。
同时,以预置时间为步长,本实施例以2分钟为例进行说明,2分钟为步长,循环选择一个时间段T内每2分钟的时刻Ti,i代表第i个2分钟,获取航班开舱门时间落在Ti时刻前30分钟到Ti时刻这个区间的航班,得到航班列表LF,遍历LF中每个航班的信息,获取每个的航班行李数量SLf,旅客数量SPf,换算需要提取行李的旅客数量为f为LF中第f个航班,β为行李数量与需要提取行李的旅客关系比例,该比例通过实际现场采集数据获取。具体方式是:首先,随机选取m个航班,现场采集到达行李提取的提取行李的旅客总人数pc,通过系统提取该航班行李数量lc,最终得到β=lc/(pc*m)。
因此,得到任意时刻Ti的旅客数量:
根据旅客数量得到旅客平均占地面积:
area为行李转盘提取区可服务面积,该服务面积可直接预先输入或是通过行李转盘区域的CAD图纸进行测算所得。
旅客平均间隔:
cl为行李转盘周长,该周长可直接预先输入或是通过行李转盘区域的CAD图纸进行测算所得。
旅客平均等待时间:
上述各个计算结果即为所述行李提取评估数据。该子系统的加入,使得将机场的各个环节均纳入了精细化管理的范畴,使其评估数据更加全面,利于相关管理人员在不扩建的前提下,通过系统、科学的管理手段来提高机场的运行效率。
基于与上述的一种基于大数据的航站楼精细化运行评估系统相同的发明构思,本发明实施例还提供了一种基于大数据的航站楼精细化运行评估方法,参照图3所示:
S101,所述值机安检信息采集装置提取各旅客的值机安检数据。
具体地,应用时,所述值机安检数据包括各旅客的值机、安检的系统记录,例如,换取登机牌时间、办理托运时间、统计每个时段平均到达的人数、值机柜台数和安检通道数等数据。
S102,所述值机安检评估装置根据所述值机安检数据进行值机安检评估计算以得到值机安检评估数据。
具体地,计算时,根据现场的实际情况,将值机、安检区内分为单队列形式和蛇形排队形式,单队列形式即每个值机柜台/安检通道都有一个队列;蛇形排队形式即通过一条单队列再分发各个值机柜台/安检通道,其具体结构如图2所示。
以上两种排队方式可以将队列刻画为M/M/c排队模型,c代表一个安检区内设有c个安检柜台,当为单队列形式时,c=1,否则c>1。根据M/M/1模型可以将M/M/C模型的理论参数表示为:
其中,ρ表示系统的负荷率,P0表示空闲率即没有旅客接受服务的概率,μ=n/t。
其中,t为时段分钟数,通常取60分钟值机区域的旅客达到率通过旅客在每个时段自助值机的数据来计算,n为安检/值机的服务人数,k为当前时刻实际安检柜台开放数量,λ表示旅客达到率,即每分钟到底安检或者值机区域的人数,即
arrself为每个时段自助值机人数,可通过装置直接进行提取,安检区域的旅客到达率通过旅客值机加上去相应安检区的步行时间所到达的人数arrsecur ity计算,arrsecur ity为安检的人数,通过机场的其它装置或系统提取、统计所得。
根据公式(1)(2)(3)(4)计算:
单位小时排队旅客数量:
单位小时平均排队等待时间:
单位小时平均资源利用率:
η(t)=C1(t)/C2(N(t))×100%
不同时段和服务资源时服务的旅客人数,N为开放资源数量,C1为实际服务旅客量,C2为理论服务容量。其中,
kc表示值机开放柜台或安检通道数量,T为95%旅客的最大等候值机或安检时间。(依据《民用运输机场服务质量》标准)
单位小时旅客人均占地面积:
S为区域服务总面积(通过机场航站楼CAD图测算,由该系统预先输入获取),以上得出的数据即为值机安检评估数据。
S103,所述候机采集装置获取各旅客的候机区到达时间,并与预先设置的安检开始时间进行处理以得到候机数据。
具体地,将预先设置的安检开始时间(记为TSEC),候机区到达时间(记为TDEP),最终处理得到的候机数据包括安检时间、行走时间和购物/如厕时间:
1、tseq(即安检开始至安检结束):设平均安检通过时长为第一预设时间,本实施例以第一预设时间为3分钟进行举例说明,则第i个旅客的安检时间为:tseq,i~N(3,0.22);
2、行走时间twalk(即安检结束至到达登机口):首先从CAD图上测量从安检口到登机口的距离,该距离可预先输入,将从安检口至第i个旅客所对应的登机口的距离记为:
3、Sgate,i,假定人的平均行走速度为1m/s,因此第i个旅客的行走时间为
4、购物/如厕时间tsupp:
假设10%的的旅客会有附加时间(利用伯努利分布生成),平均附加时间为第二预设时间,本实施例以第二预设时间为十分钟进行举例说明,则第i个旅客的附加时间为:
tsupp,i~Bernoulli(0.1)·N(10,12);
因此,第i个旅客到达时间则为:
TDEP,i=TSEC,i+tseq,i+twalk,i+tsupp,i。
S104,所述登机处理装置获取登机数据,并将所述登机数据与所述值机安检数据进行比较,若所述登机数据的数据条数少于所述值机安检数据的数据条数则生成旅客登机数据。
具体地,应用时,若所述登机数据与所述值机安检数据能够一一对应,则无需生成旅客登机时间。所述登机数据包括登机时间,所述登记时间的生成步骤如下:
在预设的登机条件下,保留旅客的登机时间,所述登机条件包括正常登机时间和登机数据的数据条数大于等于所述值机安检数据的数据条数;
当登机数据的数据条数少于所述值机安检数据的数据条数时,以最后一个正常登机时间生成登机时间;这里需要说明的是,在应用时,设登机所用时间为2s。
当航班缺少登机时间时,以该航班计划起飞时间的前三十分钟作为最早登机时间,再以预设的时间间隔生成该航班所有旅客的登机时间。在本实施例中,时间间隔设为2秒,当然也可根据实际情况设定别的数据,在此不再赘述。
S105,所述登机评估装置将所述旅客的候机区到达时间和旅客登机数据进行动态计算以得到登机评估数据。
具体地,将所述旅客的候机区到达时间和旅客登机数据进行排序,当旅客到达候机区时该候机区旅客人数加一,当旅客离开候机区时旅客人数减一,从而获得旅客人数的动态变化数据;这里的排序可以采用从小到大或是从大到小进行排序,在此不做限制。
通过所述旅客人数的动态变化数据与候机厅的占地面积和座位总数进行实时的动态计算以得到所述登机评估数据,所述登机评估数据包括旅客人均占地面积和候机厅有座位的旅客的百分比且这两个数据随时间进行动态变化。
通过上述方法,利用机场运行的大数据对机场值机、安检和登机等环节进行精细化评估,便于管理人员采用精细化的运行管理手段来提高机场的运行效率,进而有效解决机场面临的运行效率瓶颈问题。
应用时,考虑到现实的实际情况,会存在一部分旅客因某种原因错过安检时间,因此,所述方法还包括通过异常时间处理装置为超过最晚登机时间的旅客生成所述候机区到达时间。也就是说,通过异常时间处理装置所生成的候机区到达时间晚于最晚登机时间,这样设置使得数据的采集更加全面,符合现实实际情况,候机数据的计算更加准确,进而精细化评估也更加准确。
具体地,晚到旅客从安检开始到到达候机区需经历安检和行走两个过程:
晚到旅客的安检时间记为tseqLate,设平均安检通过时长为2分钟,则第i个晚到旅客的
安检时间为:
tseqLate,i~N(3,0.22)
晚到旅客的行走时间记为twalkLate:从安检口至第i各旅客所对应的登机口的距离记为SgateLate,i,。假定人的平均行走速度为2m/s,因此第i个旅客的行走时间为:
记晚到旅客的安检开始时间为TSEQLATE,以及晚到旅客候机区到达时间为TDEPLATE。因此,第i个晚到旅客的候机区到达时间为:
TDEPLATE,i=TSEQLATE,i+tseqLate,i+twalkLate,i;
在到达候机区后,晚到旅客逗留10s后离开。需要说明的是,上述所说的时间只是举例说明,并不是加以限制。
在上述方案的基础上,所述方法还包括通过行李提取采集装置获取行李数据,所述行李数据包括旅客从开舱门到行李提取区的到达数据以及首/末件行李上转盘时间;
利用行李提取评估装置根据所述行李数据进行计算以得到行李提取评估数据。
具体地,应用时,某一航班旅客从开舱门到转盘提取区的到达规律服从对数正态分布,得到任意时刻t的概率密度分布:
得到任一时刻t的旅客达到累计分布:
某一航班的行李从上转盘到出现在旅客提取区服从均匀分布
得到任一时刻t的行李达到累计分布:
其中,d为不同下机口,不同航班属性(国际、国内)的时间偏移量,tg为该航班的开客舱门时间,μ,σ为非正态分布平均数与标准差参数,通过现场采集数据拟合获取,a为该航班首件行李上转盘时间,b为该航班末件行李上转盘时间。
同时,以预置时间为步长,本实施例以2分钟为例进行说明,2分钟为步长,循环选择一个时间段T内每2分钟的时刻Ti,i代表第i个2分钟,获取航班开舱门时间落在Ti时刻前30分钟到Ti时刻这个区间的航班,得到航班列表LF,遍历LF中每个航班的信息,获取每个的航班行李数量SLf,旅客数量SPf,换算需要提取行李的旅客数量为f为LF中第f个航班,β为行李数量与需要提取行李的旅客关系比例,该比例通过实际现场采集数据获取。具体方式是:首先,随机选取m个航班,现场采集到达行李提取的提取行李的旅客总人数pc,通过系统提取该航班行李数量lc,最终得到β=lc/(pc*m)。
因此,得到任意时刻Ti的旅客数量:
根据旅客数量得到旅客平均占地面积:
area为行李转盘提取区可服务面积,该服务面积可直接预先输入或是通过行李转盘区域的CAD图纸进行测算所得。
旅客平均间隔:
cl为行李转盘周长,该周长可直接预先输入或是通过行李转盘区域的CAD图纸进行测算所得。
旅客平均等待时间:
上述各个计算结果即为所述行李提取评估数据。上述方法的应用,使得将机场的各个环节均纳入了精细化管理的范畴,使其评估数据更加全面,利于相关管理人员在不扩建的前提下,通过系统、科学的管理手段来提高机场的运行效率。
本发明实施例还提供了一种计算机终端,包括处理器和与处理器连接的存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述所述的方法。
应当理解,在本实施例中,所称处理器可以是中央处理单元(Central ProcessingUnit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
该存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。
本发明实施例还提供了一种计算机可读存储介质,计算机存储介质存储有计算机程序,计算机程序包括程序指令,程序指令当被处理器执行时使处理器执行上述所述的方法。
所述计算机可读存储介质可以是前述所述计算机终端的存储器,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的存储器也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。
本实施例的计算机可读存储介质,执行实施例中所述的方法,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的系统模块及方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
最后需要说明的是,上述描述仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的航站楼精细化运行评估系统,其特征在于,包括值机、安检评估子系统和登机评估子系统;
所述值机、安检评估子系统包括值机安检信息采集装置和值机安检评估装置;
所述值机安检信息采集装置用于提取各旅客的值机安检数据;
所述值机安检评估装置用于根据所述值机安检数据进行值机安检评估计算以得到值机安检评估数据;
所述登机评估子系统包括候机采集装置、登机处理装置和登机评估装置;
所述候机采集装置用于获取各旅客的候机区到达时间,并与预先设置的安检开始时间进行处理以得到候机数据;
所述登机处理装置用于获取登机数据,并将所述登机数据与所述值机安检数据进行比较,若所述登机数据的数据条数少于所述值机安检数据的数据条数则生成旅客登机数据;
所述登机评估装置用于将所述旅客的候机区到达时间和旅客登机数据进行动态计算以得到登机评估数据。
2.根据权利要求1所述的一种基于大数据的航站楼精细化运行评估系统,其特征在于,还包括行李提取评估子系统,所述行李提取评估子系统包括行李提取采集装置和行李提取评估装置;
所述行李提取采集装置用于获取行李数据,所述行李数据包括旅客从开舱门到行李提取区的到达数据以及首/末件行李上转盘时间;
所述行李提取评估装置用于根据所述行李数据进行计算以得到行李提取评估数据。
3.根据权利要求1所述的一种基于大数据的航站楼精细化运行评估系统,其特征在于,所述登机评估子系统还包括异常时间处理装置,所述异常时间处理装置用于为超过最晚登机时间的旅客生成所述候机区到达时间。
4.根据权利要求1所述的一种基于大数据的航站楼精细化运行评估系统,其特征在于,所述登机数据包括登机时间,所述登记时间的生成步骤如下:
在预设的登机条件下,保留旅客的登机时间,所述登机条件包括正常登机时间和登机数据的数据条数大于等于所述值机安检数据的数据条数;
当登机数据的数据条数少于所述值机安检数据的数据条数时,以最后一个正常登机时间生成登机时间;
当航班缺少登机时间时,以该航班计划起飞时间的前三十分钟作为最早登机时间,再以预设的时间间隔生成该航班所有旅客的登机时间。
5.根据权利要求1所述的一种基于大数据的航站楼精细化运行评估系统,其特征在于,所述登机评估装置具体用于:
将所述旅客的候机区到达时间和旅客登机数据进行排序,当旅客到达候机区时该候机区旅客人数加一,当旅客离开候机区时旅客人数减一,从而获得旅客人数的动态变化数据;
通过所述旅客人数的动态变化数据与候机厅的占地面积和座位总数进行实时的动态计算以得到所述登机评估数据。
6.一种基于大数据的航站楼精细化运行评估方法,其特征在于,应用于权利要求1至5中任一所述的一种基于大数据的航站楼精细化运行评估系统,包括如下步骤:
所述值机安检信息采集装置提取各旅客的值机安检数据;
所述值机安检评估装置根据所述值机安检数据进行值机安检评估计算以得到值机安检评估数据;
所述候机采集装置获取各旅客的候机区到达时间,并与预先设置的安检开始时间进行处理以得到候机数据;
所述登机处理装置获取登机数据,并将所述登机数据与所述值机安检数据进行比较,若所述登机数据的数据条数少于所述值机安检数据的数据条数则生成旅客登机数据;
所述登机评估装置将所述旅客的候机区到达时间和旅客登机数据进行动态计算以得到登机评估数据。
7.根据权利要求6所述的一种基于大数据的航站楼精细化运行评估方法,其特征在于,所述方法还包括:
通过行李提取采集装置获取行李数据,所述行李数据包括旅客从开舱门到行李提取区的到达数据以及首/末件行李上转盘时间;
利用行李提取评估装置根据所述行李数据进行计算以得到行李提取评估数据。
8.根据权利要求6所述的一种基于大数据的航站楼精细化运行评估方法,其特征在于,所述方法还包括通过异常时间处理装置为超过最晚登机时间的旅客生成所述候机区到达时间。
9.根据权利要求8所述的一种基于大数据的航站楼精细化运行评估方法,其特征在于,所述登机数据包括登机时间,所述登记时间的生成步骤如下:
在预设的登机条件下,保留旅客的登机时间,所述登机条件包括正常登机时间和登机数据的数据条数大于等于所述值机安检数据的数据条数;
当登机数据的数据条数少于所述值机安检数据的数据条数时,以最后一个正常登机时间生成登机时间;
当航班缺少登机时间时,以该航班计划起飞时间的前三十分钟作为最早登机时间,再以预设的时间间隔生成该航班所有旅客的登机时间。
10.根据权利要求9所述的一种基于大数据的航站楼精细化运行评估方法,其特征在于,所述登机评估装置具体用于:
将所述旅客的候机区到达时间和旅客登机数据进行排序,当旅客到达候机区时该候机区旅客人数加一,当旅客离开候机区时旅客人数减一,从而获得旅客人数的动态变化数据;
通过所述旅客人数的动态变化数据与候机厅的占地面积和座位总数进行实时的动态计算以得到所述登机评估数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910171913.2A CN109934482B (zh) | 2019-03-07 | 2019-03-07 | 一种基于大数据的航站楼精细化运行评估系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910171913.2A CN109934482B (zh) | 2019-03-07 | 2019-03-07 | 一种基于大数据的航站楼精细化运行评估系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934482A true CN109934482A (zh) | 2019-06-25 |
CN109934482B CN109934482B (zh) | 2021-05-18 |
Family
ID=66986608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910171913.2A Active CN109934482B (zh) | 2019-03-07 | 2019-03-07 | 一种基于大数据的航站楼精细化运行评估系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934482B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461615A (zh) * | 2020-04-07 | 2020-07-28 | 中国民航信息网络股份有限公司 | 行李处理效率的计算方法、装置及系统 |
CN114137635A (zh) * | 2021-11-25 | 2022-03-04 | 浙江啄云智能科技有限公司 | 安检机检测效率的测试方法、装置、设备以及存储介质 |
CN114418467A (zh) * | 2022-03-30 | 2022-04-29 | 中国民用航空总局第二研究所 | 一种机场巴士运行品质的确定方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090008439A1 (en) * | 2007-07-02 | 2009-01-08 | Kubler Anette | Electronic boarding pass |
CN103310299A (zh) * | 2013-05-17 | 2013-09-18 | 北京博研智通科技有限公司 | 一种机场导乘系统及方法 |
CN104834990A (zh) * | 2015-03-31 | 2015-08-12 | 北京首都国际机场股份有限公司 | 旅客信息化编码的方法及装置 |
CN105023228A (zh) * | 2015-07-08 | 2015-11-04 | 中国民用航空总局第二研究所 | 一种基于航班离港时刻的旅客聚集监测系统和监测方法 |
CN108492088A (zh) * | 2018-03-28 | 2018-09-04 | 民航成都信息技术有限公司 | 航班登机口最佳发布时刻探寻方法与业务执行机制 |
-
2019
- 2019-03-07 CN CN201910171913.2A patent/CN109934482B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090008439A1 (en) * | 2007-07-02 | 2009-01-08 | Kubler Anette | Electronic boarding pass |
CN103310299A (zh) * | 2013-05-17 | 2013-09-18 | 北京博研智通科技有限公司 | 一种机场导乘系统及方法 |
CN104834990A (zh) * | 2015-03-31 | 2015-08-12 | 北京首都国际机场股份有限公司 | 旅客信息化编码的方法及装置 |
CN105023228A (zh) * | 2015-07-08 | 2015-11-04 | 中国民用航空总局第二研究所 | 一种基于航班离港时刻的旅客聚集监测系统和监测方法 |
CN108492088A (zh) * | 2018-03-28 | 2018-09-04 | 民航成都信息技术有限公司 | 航班登机口最佳发布时刻探寻方法与业务执行机制 |
Non-Patent Citations (1)
Title |
---|
陆迅: ""机场旅客与行李流程的规划和仿真研究"", 《中国博士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461615A (zh) * | 2020-04-07 | 2020-07-28 | 中国民航信息网络股份有限公司 | 行李处理效率的计算方法、装置及系统 |
CN114137635A (zh) * | 2021-11-25 | 2022-03-04 | 浙江啄云智能科技有限公司 | 安检机检测效率的测试方法、装置、设备以及存储介质 |
CN114137635B (zh) * | 2021-11-25 | 2023-12-26 | 浙江啄云智能科技有限公司 | 安检机检测效率的测试方法、装置、设备以及存储介质 |
CN114418467A (zh) * | 2022-03-30 | 2022-04-29 | 中国民用航空总局第二研究所 | 一种机场巴士运行品质的确定方法、装置及存储介质 |
CN114418467B (zh) * | 2022-03-30 | 2022-08-16 | 中国民用航空总局第二研究所 | 一种机场巴士运行质量的确定方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109934482B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751681B (zh) | 一种基于统计学习模型的停机位分配方法 | |
CN109934482A (zh) | 一种基于大数据的航站楼精细化运行评估系统和方法 | |
Niu et al. | Optimizing urban rail timetable under time-dependent demand and oversaturated conditions | |
CN106897815A (zh) | 一种实时预测车站客流量趋势的方法 | |
Cavada et al. | A simulation approach to modelling baggage handling systems at an international airport | |
Wang et al. | Frequency and aircraft size dynamics in a concentrated growth market: The case of the Chinese domestic market | |
CN108460497A (zh) | 一种机场候机楼排队信息提示方法 | |
JPWO2018087811A1 (ja) | 交通システム、ダイヤ提案システム及び車両運行システム | |
KR101379407B1 (ko) | 기후요인의 연직변화량을 고려한 초고층 빌딩 건설 프로젝트 공사기간 예측 시스템 | |
CN105488751A (zh) | 一种地铁站客流微观统计与调度方法 | |
Jun et al. | Estimating smart card commuters origin-destination distribution based on APTS data | |
CN104700662A (zh) | 一种基于模糊综合评价的协同航路时隙分配方法 | |
CN113222238B (zh) | 一种枢纽机场值机资源配置优化方法及系统 | |
JP2008189180A (ja) | 列車運行管理システム | |
Al-Sultan | Simulation and Optimization for Modeling the Passengers Check-in System at Airport Terminal | |
Kim et al. | Airport and route classification by modelling flight delay propagation | |
WO2021072959A1 (zh) | 一种地铁大客流预测方法、系统及电子设备 | |
Hu et al. | Airport capacity constraints and air traffic demand in China | |
CN110046769A (zh) | 一种机场旅客安检队列时间预测方法 | |
Qin et al. | Modeling and optimizing the delay propagation in Chinese aviation networks | |
CN109377037A (zh) | 基于分时列车数量序列的地铁峰期设置方法及系统 | |
CN114971440B (zh) | 一种基于工作量的人力资源配置系统 | |
Novrisal et al. | Simulation of departure terminal in Soekarno-Hatta International airport | |
Rolim et al. | A method to evaluate determinant factors on airport check-in level of service | |
CN116258381A (zh) | 运行指挥工作的量化评价方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |