融合贝叶斯优化随机森林的机场旅客风险评估研究

为科学有效地评价旅客风险,提高旅客出行便捷性,以机场离港旅客为研究对象,借助旅客姓名记录获取评价旅客风险的相关信息,结合旅客安检信息,编制问卷进行调查。运用SPSS 22.0软件对有效问卷数据进行合理性检验,构建民航旅客风险评价指标体系;在此基础上,利用贝叶斯优化随机森林模型对旅客风险等级进行综合评价。结果表明:在影响旅客风险等级划分的8个指标中,年飞行次数和托运行李违禁品记录重要性最大,性别重要性最小;相较于多种传统的算法,贝叶斯优化随机森林的分类性能更高,准确率达到97%。研究结果对机场实施旅客分类安检具有一定的指导作用。

基于改进XGBoost的民航重点旅客风险评估方法

针对传统过采样方法导致的边际模糊及数据量增大的问题,提出了一种基于不平衡数据集的改进极限梯度提升(XGBoost)算法,并结合JJATT恐怖分子数据集构建民航重点旅客风险评估方法。样本在分类概率的基础上,根据焦点损失(Focal Loss,FL)函数重新平衡样本权重,通过网格搜索法确定最终模型。数据集测试结果表明,相较于多种传统方法,所提方法性能更好,准确率达到90.9%,F_(1)值(F_(1)-score)达到90.9%。结果表明,在对民航重点旅客进行安检时,应对其国籍、出生地、学历、职业进行重点检查。

融合改进D-S理论与贝叶斯网络的机场旅客风险研究

为提高机场旅客风险评估准确性,实现分类安检的高效运行,提出了基于融合改进D-S理论和贝叶斯网络的旅客风险评估方法。首先,在识别旅客历史背景、面部情绪、异常行为的影响因素的基础上,建立旅客风险评价指标体系;然后,基于专家评价及文献统计方法,建立融合改进的D-S理论和贝叶斯网络模型以评价旅客风险;最后,通过实际案例计算各指标权重及风险值,在风险推理的基础上得出旅客风险等级,根据敏感性分析得到影响旅客风险的核心因素。结果表明,案例中的旅客为高风险等级,并且安检人员在对旅客风险分类时应重点审查托运行李违禁品记录和年飞行次数,同时,提高旅客风险评估准确性还应结合旅客情绪及异常行为,综合评估旅客风险。

基于背景审查的旅客风险分级

针对目前我国安检措施存在的不足,以及缺少个人背景特征研究的现状,提出基于个人背景审查的旅客风险分级方法。利用公开的恐怖分子数据集,将样本按照危险等级分为高、中、低3类,首先使用SMOTE(Synthetic Minority Oversampling Technique)方法对训练集进行过采样,之后对比朴素贝叶斯、逻辑回归、支持向量机、多层感知机和决策树几个机器学习分类方法,根据个人背景特征对旅客进行危险等级评估。数据集测试表明,使用多层感知机作为分类器准确率最高,分类准确率为80.5%,平均F1为0.80,表明能够根据个人特征对人员进行风险分级。而且在旅客分级时,应当重点审查其从事职业、出生地和社会背景3个方面。

基于系统动力学的民航旅客安保演化博弈研究

针对民航旅客安保的严峻形势,在民航公安机关与民航风险旅客有限理性的前提下建立了民航旅客安保的演化博弈模型,研究双方策略选择的影响因素和相互作用机制,并在此基础上使用系统动力学分析工具对不同参数进行模拟仿真。仿真结果表明,通过加大对旅客违法行为的处罚力度、提升安全投入、提高情报研判水平、加强对公安机关的绩效考核有助于降低民航旅客犯法的概率,初步成果已成功应用于S机场。

基于虚拟排队系统的机场分类安检最优通道数量研究

由于出行方式的多样化、出行成本的降低和人民生活水平的提高,人们选择乘飞机出行的概率不断增大,机场旅客吞吐量快速增长,安检工作人员的压力不断攀升,旅客的等待时间也逐渐增加,传统安检模式已显现出其局限性。为了应对这一挑战,本文提出了一种新的解决方案,即采用基于虚拟排队系统的分类安检模式。该模式通过引入虚拟排队系统和分类安检,为旅客提供了更便捷的安检体验,能够有效缓解传统安检模式下的排队压力。为了评估两种安检模式之间的差异,本文通过建立两种安检模式下的成本函数,得到使得成本最低的各类安检通道数量,同时综合考虑旅客等待时间的需求。通过数值模拟,研究结果充分表明了虚拟排队分类安检模式在成本方面的优势。尽管其实施需要一定的投资成本,但从长远来看,这种新模式将为机场带来显著的成本节约和效率提升,进而提高旅客的满意度,增强机场的竞争力。

考虑成本、等待时间和安全水平的分类安检模式研究

近年来,随着民航机场旅客吞吐量快速增加,机场安检部门的工作压力正不断加大,旅客等待时间也正在逐渐增加。针对该问题,引入了分类安检模式。然而,分类安检模式通常需要额外的投资成本,可能会产生较大的财务负担。因此,以成本为目标,综合考虑旅客等待时间和安全水平的要求,研究了分类安检模式和传统安检模式的比较以及最优决策性质等相关问题。首先,考虑安全水平和旅客等待时间的约束,分别为传统安检模式和分类安检模式建立了模型,并分析了其最优运营决策性质。其次,从成本的角度,对两种安检模式做了比较研究。研究结果表明,当旅客数量多、安检犯错容忍度较高或旅客等待敏感时,分类安检模式比传统安检模式表现更优;反之,传统安检模式更优。此外,在分类安检模式中,分配到高风险安检通道的旅客比例存在一个最优值,并且其通常在20%到30%之间取到。最后,通过数值分析验证了分类安检模式的最优服务配置。