罗甘

摘要；机场客流量时空分布对于机场基础设施布置、人员安排、广告投放具有重要影响，如何合理利用资源是机场管理人员一大难题，本文以广州白云机场数万离港旅客在机场留下百万级的数据记录为基础，预测未来一段时间内的客流量分布情况。通过对数据的预处理与详细深入的分析，选取了一定数量的特征值建立模型。本文选择使用均值模型和时间序列模型作为主要的预测模型，来对未来该时间段进行预测，对未来一段时间内得到客流量进行预测，最终得到一个较为优于传统均值模型的预测结果。

【关键词】数据清洗 python 特征值 均值模型 时间序列模型

机场拥有巨大的旅客吞吐量，与巨大的人员流动相对应的则是巨大的服务压力。安防、安检、突发事件应急、值机、行李追踪等机场服务都希望能够预测未来的旅客吞吐量，并据此提前调配人力物力，更好的为旅客服务。随着大数据、机器学习等技术的发展以及原始数据的积累，以客流量时空分布预测为核心的交通智能诱导技术越来越成为未来智能交通的热点问题之一。

本文以广州白云机场每天数万离港旅客在机场留下百万级的客流数据为基础，根据原始数据中的连接Wi-Fi AP （Access Point）的人数表、航班排班表、机场登机口区域表、机场Wi-Fi接入点坐标表及安检旅客过关人数表中的数据通过算法来构建未来3小时机场客流量预测模型。本研究项目通过构造均值模型与时间序列模型对广东白云机场人流量的预测，以实现提高资源利用率、增大机场运行效率的效果。……