以时间序列分析为基准的航站楼安检客流预测

目前在民航旅客流量预测方面，仍存在诸如序列粒度考虑过粗、未涉及到未来一天某个短时段内流量预测等问题。在单一时段内利用安全检查技术开展客流预测工作是交通系统的重要部分。为此，首先针对安检客流时间序列进行相空间重构；其次，使用Wolf方法进行安检客流时间序列混沌性判别；再次，采用BP神经网络预测方法对混沌时间序列进行预测；最后，讨论一天的高峰时间，并将该时段划分为2 min,3 min,5 min,10 min等时间间隔，利用曲线拟合方法对每天的客流趋势进行相似性分析。文中数据来源于北京首都国际机场T3航站楼安检客流数据。实验结果表明，文中方案具有较好的预测性能，在高峰期情况下，以2 min为时间间隔，采用BP神经网络方法能够在短时间内完成人员与资源动态调度。