基于GMM的单航空公司安检区旅客到达模型

《基于GMM的单航空公司安检区旅客到达模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第35卷第2期2017年4月中国民航大学学报JoURNALOFCIVILAVIATl0NUNIVERSITYOFCHINAV01．35No．2April2017基于GMM的单航空公司安检区旅客到达模型于之靖1，包邻淋L2，罗谦2(1．中国民航大学电子信息与自动化学院，天津300300；2．中国民航局第二研究所，成都610041)摘要：运用高斯混合分布模型对某航空公司安检区旅客到达分布进行拟合分析。采用极值聚类的方法获取EM求解算法的初验分布，经过多次迭代后求得参数解。在实验环节采用某航空公司真实值机输出数据进行实验验证．结果表明GMM对单航班安检区旅客到达分布的拟合精度达到

2、90％以上，比常用拟舍方法提高了15％以上。在分峰不明显的情况下，Evalue—GMM与Kmeans—GMM拟合精度相比提高了5％左右。关键词：单航空公司：高斯混合分布：EM算法：极值聚类中图分类号：V351．17文献标志码：A文章编号：1674—5590(2017)02—0046—05SingleairlinepassengerarrivalmodelinsecurityareabasedonGMMYU励扩i，∥，BA0Linlin。2，LUOQian2(I．CollegeofElectronicInformationandAutomation,CAUC,Ti喇in300

3、300，China；2．TheSecondResearchInstitute，CAAc，Chengdu610041，China)Abstract：GMM(Gaussianmixturedistributionmodel)isusedforacertainairlinepassengerarrivaldistributionfittinganalysis．TheextremumclusteringmethodisadoptedforthepremieredistributioninspectionofEMalgorithm，parametersolutioncanbegota

4、fterseveraliterations．Inexperimentalpart。arealairlinecheck—inoutputdataisadoptedforexperimentalverification．ResultsshowthatthefittingprecisionofGaussianmixturedistributionis90％ormore．Comparedwithcommonfittingmethods，thefittingprecisionisimprovedbymorethan15％．Comparedwithextremumclusteringa

5、ndcommonlyusedKmeansclusteringofchi-squareGaussianmixturedistributionmodel．theextremumclusteringmodelhashigheraccuracybyabout5％．Keywords：singleairline；Gaussianmixturedistribution；EMalgorithm；extremumclustering近年来中国航空业发展迅速，民航局统计数据显示，截至2014年底中国航班总量达到3356756架次，中国成为仅次于美国的全球第二大航空运输体系。中国的航空运力保持着

6、强劲的增长趋势，截止到2016年8月，中国航空总座位数增加到6520万个，与去年同期相比增加了12％，每天增加18．2万个座位。随着航空运输量的增大旧，机场航站楼离场系统面临前所未有的压力。旅客离港服务过程中安检工作复杂且繁琐，在整个离港服务工作流程中占有重要位置。安检服务工作流程的优化成为旅客离港服务工作流程优化中不可缺少的一部分。研究航站楼离场流程首先需对航站楼旅客聚集行为进行研究分析[3]，同理，安检服务流程同样需要优先研究安检旅客聚集规律。对于旅客聚集规律国内外学者进行了多方面的研究。ProfillidisV．A．等【4]提出采用模糊理论的计量经济模型来估计希腊机场

7、的航站楼旅客流量，通过客流量来调整系统资源优化服务流程。Bandeirat习和GCLBezerra等[61主要通过对大型机场的旅客数据进行分析研究，通过对旅客在航站楼值机、安检区域的排队时间、服务时问等各项服务指标进行定性和定量的分析，对各大机场的旅客服务水平进行有效的预测评估。AkdereMtich等同提出通过复杂时间的分割处理原理，对分布式环境进行分割查询优化处理，根据旅客吞吐量和航站楼资源设备对旅客的收稿13期：2016—09—18；修回日期：2016—10—30基金项目：国家自然科学基金项目(U133312