CN111832820A - 一种预测机场各登机口人流量的方法和系统 - Google Patents
一种预测机场各登机口人流量的方法和系统 Download PDFInfo
- Publication number
- CN111832820A CN111832820A CN202010656940.1A CN202010656940A CN111832820A CN 111832820 A CN111832820 A CN 111832820A CN 202010656940 A CN202010656940 A CN 202010656940A CN 111832820 A CN111832820 A CN 111832820A
- Authority
- CN
- China
- Prior art keywords
- time
- flight
- prediction
- check
- coefficient
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000010006 flight Effects 0.000 claims description 22
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Images
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)
- Traffic Control Systems (AREA)
Abstract
本发明提出的一种预测机场各登机口人流量的方法,包括:统计机场航班信息;根据历史数据,统计机场各航班在距离起飞时间的不同时间段内的值机系数;选择预测时间节点;根据起飞时间与预测时间节点之间的距离,获取各第二统计对象在预测时间节点上的值机系数;根据第一统计对象的售出票数以及第二统计对象的可售座位数与对应的值机系数,获得各登机口在预测时间节点上的人流量。本发明提出的一种预测机场各登机口人流量的方法和系统,以起飞时间与预测时间节点之间的距离作为因变量,用来确定值机系数,充分利用了机场人流变化与航班起飞时间的关联特性,保证了值机系数的精确定位,保证了后续人流量预测的精确度。
Description
技术领域
本发明涉及机场管理技术领域,尤其涉及一种预测机场各登机口人流量的方法和系统。
背景技术
建设规模、布局因为缺乏科学合理的认知,造成机场建设重复性与盲目性的现象在当前普遍存在,如何有效利用已有资源达到收益的最大化是迫切需要考虑的问题。
越来越发达的交通行业提供了多种出行方式供人们选择,汽车、动车、高铁、飞机,相对来说,时间更短、效率更高的乘机出行成为了很多人的首选,在需求多样化和机场盈利增长要求的共同趋势下,机场的概念已经由原来单纯的飞机出发/到达的场地,转变为人流物流聚集,商业休闲功能齐备的场所。机场也是城市高消费人群庞大的聚集场所。
机场对登机口进行人流量统计进而可判断该登机口的设置是否合理;可以根据预估客流信息调整运行班次;广告投放以及时间段的选择也可以参考人流量统计数据来进行。人流量统计数据可以为机场进行管理和决策提供参考,能为机场非航业务的发展提供最充分的保障。
发明内容
基于背景技术存在的技术问题,本发明提出了一种预测机场各登机口人流量的方法和系统。
本发明提出的一种预测机场各登机口人流量的方法,包括以下步骤:
S1、统计机场航班信息,航班信息包括班次、售票信息、值机信息、值机截止时间以及登机口信息;
S2、根据历史数据,统计机场各航班在距离起飞时间的不同时间段内的值机系数;值机系数为对应时间段上的值机人数与航班可售座位数的比例;
S3、选择预测时间节点;
S4、获取起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离小于其对应的值机截止时间的航班作为第一统计对象;获取起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离大于或者等于其对应的值机截止时间的航班作为第二统计对象;
S5、根据起飞时间与预测时间节点之间的距离,获取各第二统计对象在预测时间节点上的值机系数;
S6、根据第一统计对象的售出票数以及第二统计对象的可售座位数与对应的值机系数,获得各登机口在预测时间节点上的人流量。
优选的,步骤S2中,根据历史数据获取值机系数的方法,具体包括以下步骤:
S21、选择机场,获取预设的第一时间内,机场中各航班在不同时间段上的值机信息;
S22、根据值机时间与起飞时间的距离划分时间段,计算第一时间内,各航班的不同班次在不同时间段上的值机系数;
S23、对各航班不同班次在同一时间段上的值机系数求均值。
优选的,第一时间至少为1周。
优选的,步骤S6中,登机口在预测时间节点上的人流量P的预测模型为:
其中,a1为登机口在预测时间节点上的第一统计对象的售出票数;ci为登机口在预测时间节点上的第i个第二统计对象的可售座位数,ki为所述第i个第二统计对象在预测时间节点上的值机系数。
一种预测机场各登机口人流量的方法,包括:
预测数据库,用于存储当前未起飞的航班信息,航班信息包括班次、售票信息、值机信息、值机截止时间以及登机口信息;
历史数据库,用于存储航班信息的历史数据;
值机系数统计模块,与历史数据库连接,用于根据历史数据,统计机场各航班在距离起飞时间的不同时间段内的值机系数;
人流预测模块,分别连接预测数据库和值机系数统计模块,用于根据预测时间节点与各航班的起飞时间之间的距离与航班值机截止时间的对比结果,结合航班可售座位数以及在预测时间节点上的值机系数计算各预测时间节点上各登机口的人流量。
优选的,人流预测模块中预设有预测模型,预测模型为:
其中,a1为登机口在预测时间节点上的第一统计对象的售出票数;ci为登机口在预测时间节点上的第i个第二统计对象的可售座位数,ki为所述第i个第二统计对象在预测时间节点上的值机系数;
第一统计对象为:起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离小于其对应的值机截止时间的航班;
第二统计对象为:起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离大于或者等于其对应的值机截止时间的航班作为。
优选的,预测数据库与历史数据连接,预测数据库用于在航班起飞后,将对应的航班信息迁移到历史数据库存储。
优选的,值机系数统计模块包括:
数据绘图单元,用于针对每一个航班建立横坐标为值机时间与起飞时间的距离,纵坐标为值机人数的二维坐标图,并将各航班在预设的统计时间内的不同班次的值机信息统计到对应的二维坐标图中;
图形计算单元,通过求平均获取各航班对应的二维坐标图上各横坐标点上的值机系数均值作为点系数;
数据统计单元,用于将二维坐标图的横坐标划分为多个区间,获取各航班在区间上的点系数最大值作为区间系数;
预测模型中,值机系数ki为区间系数。
优选的,预设的统计时间至少为1周。
本发明提出的一种预测机场各登机口人流量的方法和系统,以起飞时间与预测时间节点之间的距离作为因变量,用来确定值机系数,充分利用了机场人流变化与航班起飞时间的关联特性,保证了值机系数的精确定位,保证了后续人流量预测的精确度。
本发明通过第一统计对象和第二统计对象的区分,对第一统计对象的值机截止时间充分利用,即保证了数据精度,又避免了冗余计算,提高了计算效率。本发明中,通过对第二统计对象的进一步区分计算,保证了对第二统计对象的值机系数的精确定位和值机人数的精确预测,从而保证了对登机口在不同时间预测节点上的人流量的精确预测。
本发明通过值机截止时间与航班的关联记录,满足了不同航班具有不同的值机截止时间的情况需求。通过登机口信息与航班的关联记录,方便了根据登机口对航班进行划分,从而实现对各登机口人流量的精确预测。
附图说明
图1为本发明提出的一种预测机场各登机口人流量的方法流程图;
图2为本发明提出的一种预测机场各登机口人流量的系统示意图。
具体实施方式
参照图1,本发明提出的一种预测机场各登机口人流量的方法,包括以下步骤。
S1、统计机场航班信息,航班信息包括班次、售票信息、值机信息、值机截止时间以及登机口信息。本实施方式中,通过值机截止时间与航班的关联记录,满足了不同航班具有不同的值机截止时间的情况需求。通过登机口信息与航班的关联记录,方便了根据登机口对航班进行划分,从而实现对各登机口人流量的精确预测。
S2、根据历史数据,统计机场各航班在距离起飞时间的不同时间段内的值机系数。值机系数为对应时间段上的值机人数与航班可售座位数的比例。
S3、选择预测时间节点。
S4、获取起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离小于其对应的值机截止时间的航班作为第一统计对象;获取起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离大于或者等于其对应的值机截止时间的航班作为第二统计对象。
结合飞机的载客特性,第一统计对象在预测时间节点上基本全部值机结束;第二统计对象在预测时间节点上,由于时间冗余,不可能全部值机;且,由于不同航班在预测时间节点上的时间冗余不同,不同的第二统计对象在同一时间节点上由于距离起飞时间不同,值机系数差别较大。
本实施方式中,对第一统计对象与第二统计对象进行区分,方便了后续计算。
S5、根据起飞时间与预测时间节点之间的距离,获取各第二统计对象在预测时间节点上的值机系数。本实施方式中,以起飞时间与预测时间节点之间的距离作为因变量,用来确定值机系数,充分利用了机场人流变化与航班起飞时间的关联特性,保证了值机系数的精确定位,进一步保证了后续人流量预测的精确度。
S6、根据第一统计对象的售出票数以及第二统计对象的可售座位数与对应的值机系数,获得各登机口在预测时间节点上的人流量。
具体的,本实施方式中,登机口在预测时间节点上的人流量P的预测模型为:
其中,a1为登机口在预测时间节点上的第一统计对象的售出票数;ci为登机口在预测时间节点上的第i个第二统计对象的可售座位数,ki为所述第i个第二统计对象在预测时间节点上的值机系数。
本实施方式中,通过第一统计对象和第二统计对象的区分,对第一统计对象的值机截止时间充分利用,即保证了数据精度,又避免了冗余计算,提高了计算效率。本实施方式中,通过对第二统计对象的进一步区分计算,保证了对第二统计对象的值机系数的精确定位和值机人数的精确预测,从而保证了对登机口在不同时间预测节点上的人流量的精确预测。
本实施方式中,步骤S2中,根据历史数据获取值机系数的方法,具体包括以下步骤:
S21、选择机场,获取预设的第一时间内,机场中各航班在不同时间段上的值机信息。
S22、根据值机时间与起飞时间的距离划分时间段,计算第一时间内,各航班的不同班次在不同时间段上的值机系数。具体的,本实施方式中,不同班次在任一时间段上的值机系数为该时间段上值机系数的最大值。
S23、对各航班不同班次在同一时间段上的值机系数求均值。步骤S6中的值机系数ki即为本步骤中获得均值。
具体的,为了保证充足的样本量,从而提高值机系数的精度,第一时间至少为1周。
参照图2,本发明还提出了一种预测机场各登机口人流量的方法,包括:预测数据库、历史数据库、值机系数统计模块和人流预测模块。
预测数据库,用于存储当前未起飞的航班信息,航班信息包括班次、售票信息、值机信息、值机截止时间以及登机口信息。
历史数据库,用于存储航班信息的历史数据。具体的,本实施方式中,预测数据库与历史数据连接,预测数据库用于在航班起飞后,将对应的航班信息迁移到历史数据库存储。
本实施方式中,历史数据库的设置,保证了历史数据的可追溯。通过预测数据库与历史数据库的区分,减少了预测数据库中的数据容量,从而有利于提高预测数据库的数据调用效率。
值机系数统计模块,与历史数据库连接,用于根据历史数据,统计机场各航班在距离起飞时间的不同时间段内的值机系数。
具体的,本实施方式中,值机系数统计模块包括:数据绘图单元、图形计算单元和数据统计单元。
数据绘图单元,用于针对每一个航班建立横坐标为值机时间与起飞时间的距离,纵坐标为值机人数的二维坐标图,并将各航班在预设的统计时间内的不同班次的值机信息统计到对应的二维坐标图中。预设的统计时间至少为1周。
图形计算单元,通过求平均获取各航班对应的二维坐标图上各横坐标点上的值机系数均值作为点系数。
数据统计单元,用于将二维坐标图的横坐标划分为多个区间,获取各航班在区间上的点系数最大值作为区间系数。
人流预测模块,分别连接预测数据库和值机系数统计模块,用于根据预测时间节点与各航班的起飞时间之间的距离与航班值机截止时间的对比结果,结合航班可售座位数以及在预测时间节点上的值机系数计算各预测时间节点上各登机口的人流量。
具体的,人流预测模块中预设有预测模型,预测模型为:
其中,a1为登机口在预测时间节点上的第一统计对象的售出票数;ci为登机口在预测时间节点上的第i个第二统计对象的可售座位数,ki为所述第i个第二统计对象在预测时间节点上的值机系数,具体为数据统计单元输出的对应的预测时间节点上的区间系数。
第一统计对象为:起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离小于其对应的值机截止时间的航班;第二统计对象为:起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离大于或者等于其对应的值机截止时间的航班作为。
以下结合一个具体的实施例,对本发明进一步阐述。
实施例1
假设甲机场各航班值机截止时间统一为起飞前60分钟;当天有航班ABCDEF从登机口A22登机。
a1表示机场当前时间60分钟内起飞的飞起的售出票数;
本机场航班统计如下:
各航班在不同时间段上的值机系数如下:
1、预测时间节点为当前时间8点:
航班A,60分钟内起飞,当前可售座位数完全售出;航班BCD分别在60分钟、120分钟、180分钟后起飞,值机系数分别为0.05、0.6和0.15;EF当前值机系数接近于0,不统计。
因此,该预测时间节点上,a1=100;a0=120*0.05+150*0.6+100*0.15=111
2、预测时间节点为9点
此时,航班A已经出发,航班B登机完成,不统计;
航班C,60分钟内起飞,当前售出票数为145;航班DE分别在120分钟、240分钟后起飞,值机系数分别为0.4和0;F当前值机系数接近于0,不统计。
因此,该预测时间节点上,a1=145;a0=100*0.4+200*0=40
3、预测时间节点为10点
此时,航班ABC不统计;
航班D,60分钟内起飞;航班EF分别在180分钟、210分钟后起飞,值机系数分别为0.15和0.05。
因此,该预测时间节点上,a1=150;a0=200*0.15+80*0.05=34
因此,甲机场登机口A22在8点中登机口人流量为211;9点为185;10点184。
以上所述,仅为本发明涉及的较佳的具体实施方式,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种预测机场各登机口人流量的方法,其特征在于,包括以下步骤:
S1、统计机场航班信息,航班信息包括班次、售票信息、值机信息、值机截止时间以及登机口信息;
S2、根据历史数据,统计机场各航班在距离起飞时间的不同时间段内的值机系数;值机系数为对应时间段上的值机人数与航班可售座位数的比例;
S3、选择预测时间节点;
S4、获取起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离小于其对应的值机截止时间的航班作为第一统计对象;获取起飞时间晚于预测时间节点,且起飞时间与预测时间节点之间的距离大于或者等于其对应的值机截止时间的航班作为第二统计对象;
S5、根据起飞时间与预测时间节点之间的距离,获取各第二统计对象在预测时间节点上的值机系数;
S6、根据第一统计对象的售出票数以及第二统计对象的可售座位数与对应的值机系数,获得各登机口在预测时间节点上的人流量。
2.如权利要求1所述的预测机场各登机口人流量的方法,其特征在于,步骤S2中,根据历史数据获取值机系数的方法,具体包括以下步骤:
S21、选择机场,获取预设的第一时间内,机场中各航班在不同时间段上的值机信息;
S22、根据值机时间与起飞时间的距离划分时间段,计算第一时间内,各航班的不同班次在不同时间段上的值机系数;
S23、对各航班不同班次在同一时间段上的值机系数求均值。
3.如权利要求1所述的预测机场各登机口人流量的方法,其特征在于,第一时间至少为1周。
5.一种预测机场各登机口人流量的方法,其特征在于,包括:
预测数据库,用于存储当前未起飞的航班信息,航班信息包括班次、售票信息、值机信息、值机截止时间以及登机口信息;
历史数据库,用于存储航班信息的历史数据;
值机系数统计模块,与历史数据库连接,用于根据历史数据,统计机场各航班在距离起飞时间的不同时间段内的值机系数;
人流预测模块,分别连接预测数据库和值机系数统计模块,用于根据预测时间节点与各航班的起飞时间之间的距离与航班值机截止时间的对比结果,结合航班可售座位数以及在预测时间节点上的值机系数计算各预测时间节点上各登机口的人流量。
7.如权利要求5所述的预测机场各登机口人流量的方法,其特征在于,预测数据库与历史数据连接,预测数据库用于在航班起飞后,将对应的航班信息迁移到历史数据库存储。
8.如权利要求5所述的预测机场各登机口人流量的方法,其特征在于,值机系数统计模块包括:
数据绘图单元,用于针对每一个航班建立横坐标为值机时间与起飞时间的距离,纵坐标为值机人数的二维坐标图,并将各航班在预设的统计时间内的不同班次的值机信息统计到对应的二维坐标图中;
图形计算单元,通过求平均获取各航班对应的二维坐标图上各横坐标点上的值机系数均值作为点系数;
数据统计单元,用于将二维坐标图的横坐标划分为多个区间,获取各航班在区间上的点系数最大值作为区间系数;
预测模型中,值机系数ki为区间系数。
9.如权利要求8所述的预测机场各登机口人流量的方法,其特征在于,预设的统计时间至少为1周。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010656940.1A CN111832820A (zh) | 2020-07-09 | 2020-07-09 | 一种预测机场各登机口人流量的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010656940.1A CN111832820A (zh) | 2020-07-09 | 2020-07-09 | 一种预测机场各登机口人流量的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111832820A true CN111832820A (zh) | 2020-10-27 |
Family
ID=72900275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010656940.1A Pending CN111832820A (zh) | 2020-07-09 | 2020-07-09 | 一种预测机场各登机口人流量的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832820A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112349150A (zh) * | 2020-11-19 | 2021-02-09 | 飞友科技有限公司 | 一种机场航班保障时间节点的视频采集方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106529722A (zh) * | 2016-11-11 | 2017-03-22 | 合肥飞友网络科技有限公司 | 一种预估未来短期内机场旅客流量的方法 |
CN107578126A (zh) * | 2017-08-29 | 2018-01-12 | 飞友科技有限公司 | 一种机场安检人数预测的方法 |
CN107704971A (zh) * | 2017-10-27 | 2018-02-16 | 中航信移动科技有限公司 | 一种实时预测机场安检人数的数据处理方法和装置 |
CN109345002A (zh) * | 2018-09-10 | 2019-02-15 | 飞友科技有限公司 | 一种预测机场进港航班旅客人流量的方法 |
-
2020
- 2020-07-09 CN CN202010656940.1A patent/CN111832820A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106529722A (zh) * | 2016-11-11 | 2017-03-22 | 合肥飞友网络科技有限公司 | 一种预估未来短期内机场旅客流量的方法 |
CN107578126A (zh) * | 2017-08-29 | 2018-01-12 | 飞友科技有限公司 | 一种机场安检人数预测的方法 |
CN107704971A (zh) * | 2017-10-27 | 2018-02-16 | 中航信移动科技有限公司 | 一种实时预测机场安检人数的数据处理方法和装置 |
CN109345002A (zh) * | 2018-09-10 | 2019-02-15 | 飞友科技有限公司 | 一种预测机场进港航班旅客人流量的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112349150A (zh) * | 2020-11-19 | 2021-02-09 | 飞友科技有限公司 | 一种机场航班保障时间节点的视频采集方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190108758A1 (en) | System and method for flight delay prediction | |
CN110599767A (zh) | 一种基于网约车出行需求的长短期预测方法 | |
Hansen | Micro-level analysis of airport delay externalities using deterministic queuing models: a case study | |
CN107818382B (zh) | 航班到达时间预测方法 | |
US20150276410A1 (en) | Journey planning method and system | |
US20040039614A1 (en) | System and method to support end-to-end travel service including disruption notification and alternative flight solutions | |
CN103761585A (zh) | 机场接续运输动态匹配、运力监测预警和智能调配方法 | |
US8731990B1 (en) | System and method for managing transportation transactions | |
JP2024522128A (ja) | フライト季節的分類の予測方法、装置及びマシン可読媒体 | |
US20210125512A1 (en) | Aircraft parking stand assignment prediction | |
CN117391379A (zh) | 基于航班计划数据驱动特种车辆保障需求测算系统及方法 | |
CN113283938A (zh) | 航段市场需求值的预测方法、装置及机器可读介质 | |
CN110751359B (zh) | 一种自动化航线网络评估方法、电子设备及存储介质 | |
CN111356074B (zh) | 公交站点定位方法及装置、服务器、介质 | |
CN111832820A (zh) | 一种预测机场各登机口人流量的方法和系统 | |
CN108038749A (zh) | 一种公务机智能调度实时报价方法及其系统 | |
Chen et al. | A simple process simulation model for strategic planning on the airside of an airport: a case study | |
US8874458B1 (en) | System and method for managing transportation transactions | |
Straubinger et al. | Proposing a scenario-based estimation of global urban air mobility demand | |
EP3425606B1 (en) | Traffic situation estimation system and traffic situation estimation method | |
CN105654340A (zh) | 旅客真实航程的确定方法及系统 | |
CN113297336B (zh) | 航班的季节性归类方法、装置及机器可读介质 | |
CN115049100A (zh) | 机场资源分配优化方法、装置、设备及可读存储介质 | |
CN112926809A (zh) | 一种基于聚类和改进的xgboost的航班流量预测方法及系统 | |
Ahmed et al. | An overview of the issues in the airline industry and the role of optimization models and algorithms |
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 |