考虑延误特征的航站楼离港聚集客流预测方法

为满足航班延误下航站楼内资源规划与旅客管理对聚集客流预测所提出的高精度和高效率要求,本文提出一种融合延误特征的离港聚集客流预测方法。通过引入航班延误特征量化表征航站楼离港聚集客流的波动情况,探究航班延误下离港聚集客流波动规律和分布特征,构建基于自适应噪声完全集合经验模态分解(CEEMDAN)、排列熵算法(PE)以及鲸鱼优化算法(WOA)优化的长短期记忆神经网络(LSTM)的短期航站楼聚集客流预测模型。首先,应用CEEMDAN将聚集客流数据序列分解为若干模态分量(Intrinsic Mode Function, IMF)和残差量(Residual, Res),降低原序列中数据的复杂性和非平稳性影响;其次,为减小模型计算规模,同时提高预测效率和精度,采用PE算法对IMF分量进行熵值重构;最后,建立WOA-LSTM聚集客流预测模型,利用鲸鱼优化算法优化LSTM超参数,叠加重构分量的预测结果,得到最终的聚集客流预测值。将模型应用于长三角某枢纽机场进行实例验证。结果表明:CEEMDAN-PE-WOA-LSTM预测模型性能最优,相较单一的LSTM模型,候机大厅聚集客流预测的均方根误差、平均绝对误差以及百分比误差分别降低42.78%、44.00%及45.62%;相较CEEMDAN-WOA-LSTM模型,预测效率提高41.64%。本文所提模型能够有效拟合存在显著非线性和非平稳性特征的候机大厅聚集客流,具有较高的预测精度和运算效率。

基于范数灰关联-动态功效系数法的机坪U型区空间效率评估

为了确定机坪U型区空间效率评估指标体系及其指标的重要程度,分别从机坪设计和机坪运行两个维度建立机坪U型区空间效率评估指标体系。基于此提出了基于范数灰关联-动态功效系数法的机坪U型区空间效率评估方法。并以10个国内大型运输机场航站楼对应的U型区机坪为例进行计算,得到了影响机坪U型区空间效率各指标的权重及各机场航站楼对应的U型区机坪的空间效率评分。提出在U型区设计时应着重考虑指廊边机位个数、U型区指廊纵深和U型区底边长度3个指标。结果表明,该方法能够较为科学地对机坪U型区空间效率影响因素进行综合分析,有效评判不同构型机坪U型区空间效率。

基于AOE网的过站航班保障进程优化

航班地面保障是机场运行的重要环节,为了提升航班地面保障效率,针对某机场航班地面保障流程构建AOE网,通过该机场A-CDM系统记录的航班节点数据求出该机场航班地面保障作业的“关键路径”。通过对关键路径上可压缩工序的分析,对该机场的地面保障作业流程进行优化。以我国西南地区某机场航班地面保障的实际数据为基础,剔除不可抗力造成的不正常数据,分别计算保障流程优化前后的航班过站时间。结果表明:在33组航班数据中,该机场使用AOE网络优化后的保障作业流程比优化前平均减少地面保障作业时长6.1分钟/架次,说明通过合理地优化航班地面保障进程,可以有效提高机场的运行效率。