基于航空大數(shù)據(jù)的機(jī)場(chǎng)客流量時(shí)空分布預(yù)測(cè)

羅甘

摘要；機(jī)場(chǎng)客流量時(shí)空分布對(duì)于機(jī)場(chǎng)基礎(chǔ)設(shè)施布置、人員安排、廣告投放具有重要影響，如何合理利用資源是機(jī)場(chǎng)管理人員一大難題，本文以廣州白云機(jī)場(chǎng)數(shù)萬(wàn)離港旅客在機(jī)場(chǎng)留下百萬(wàn)級(jí)的數(shù)據(jù)記錄為基礎(chǔ)，預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的客流量分布情況。通過(guò)對(duì)數(shù)據(jù)的預(yù)處理與詳細(xì)深入的分析，選取了一定數(shù)量的特征值建立模型。本文選擇使用均值模型和時(shí)間序列模型作為主要的預(yù)測(cè)模型，來(lái)對(duì)未來(lái)該時(shí)間段進(jìn)行預(yù)測(cè)，對(duì)未來(lái)一段時(shí)間內(nèi)得到客流量進(jìn)行預(yù)測(cè)，最終得到一個(gè)較為優(yōu)于傳統(tǒng)均值模型的預(yù)測(cè)結(jié)果。

【關(guān)鍵詞】數(shù)據(jù)清洗 python 特征值 均值模型 時(shí)間序列模型

機(jī)場(chǎng)擁有巨大的旅客吞吐量，與巨大的人員流動(dòng)相對(duì)應(yīng)的則是巨大的服務(wù)壓力。安防、安檢、突發(fā)事件應(yīng)急、值機(jī)、行李追蹤等機(jī)場(chǎng)服務(wù)都希望能夠預(yù)測(cè)未來(lái)的旅客吞吐量，并據(jù)此提前調(diào)配人力物力，更好的為旅客服務(wù)。隨著大數(shù)據(jù)、機(jī)器學(xué)習(xí)等技術(shù)的發(fā)展以及原始數(shù)據(jù)的積累，以客流量時(shí)空分布預(yù)測(cè)為核心的交通智能誘導(dǎo)技術(shù)越來(lái)越成為未來(lái)智能交通的熱點(diǎn)問(wèn)題之一。

本文以廣州白云機(jī)場(chǎng)每天數(shù)萬(wàn)離港旅客在機(jī)場(chǎng)留下百萬(wàn)級(jí)的客流數(shù)據(jù)為基礎(chǔ)，根據(jù)原始數(shù)據(jù)中的連接Wi-Fi AP （Access Point）的人數(shù)表、航班排班表、機(jī)場(chǎng)登機(jī)口區(qū)域表、機(jī)場(chǎng)Wi-Fi接入點(diǎn)坐標(biāo)表及安檢旅客過(guò)關(guān)人數(shù)表中的數(shù)據(jù)通過(guò)算法來(lái)構(gòu)建未來(lái)3小時(shí)機(jī)場(chǎng)客流量預(yù)測(cè)模型。本研究項(xiàng)目通過(guò)構(gòu)造均值模型與時(shí)間序列模型對(duì)廣東白云機(jī)場(chǎng)人流量的預(yù)測(cè)，以實(shí)現(xiàn)提高資源利用率、增大機(jī)場(chǎng)運(yùn)行效率的效果。

1 均值模型的建立

均值一方差模型是由H M. Markowitz（哈里·馬科維茨）在1952年提出的風(fēng)險(xiǎn)度量模型。在期初，他購(gòu)買一些證券，然后在期末賣出。那么在期初他要決定購(gòu)買哪些證券以及資金在這些證券上如何分配，也就是說(shuō)投資者需要在期初從所有可能的證券組合中選擇一個(gè)最優(yōu)的組合。這時(shí)投資者的決策目標(biāo)有兩個(gè)：盡可能高的收益率和盡可能低的不確定性風(fēng)險(xiǎn)。最好的目標(biāo)應(yīng)是使這兩個(gè)相互制約的目標(biāo)達(dá)到最佳平衡。由此建立起來(lái)的投資模型即為均值.方差模型。

基于本題，為了使預(yù)期效果與實(shí)際情況相符合，盡可能的規(guī)避一些誤差，達(dá)到最終想要的合理預(yù)測(cè)結(jié)果，本文通過(guò)建立均值模型來(lái)估計(jì)。每天的人員流動(dòng)量都存在一定的差距，而直接將所有去除異常之后的日子取均值并是不特別好的策略，這樣的策略存在較大的誤差。此外，對(duì)于本題本文認(rèn)為機(jī)場(chǎng)的排班信息比較固定，登機(jī)口位置以及各種基礎(chǔ)設(shè)施位置是固定的，所以機(jī)場(chǎng)內(nèi)的人員流動(dòng)也存在一定的規(guī)律性。

首先，本文統(tǒng)計(jì)了機(jī)場(chǎng)內(nèi)所有的Wi-FiAP個(gè)數(shù)，以及每個(gè)Wi-Fi AP所在的位置，在綜合了樓層信息與登機(jī)口信息后，結(jié)合數(shù)據(jù)探索階段所整理的數(shù)據(jù)，建立均值模型。在此，本文假設(shè)機(jī)場(chǎng)下午3點(diǎn)至6點(diǎn)的人流總量應(yīng)當(dāng)與當(dāng)天這個(gè)時(shí)刻之前的人流量存在一定的關(guān)系，所以本文提取了上午6點(diǎn)到下午3點(diǎn)這一時(shí)間段的數(shù)據(jù)作為人流量的參考值。最后依據(jù)這部分?jǐn)?shù)據(jù)和之前去除異常后多天該時(shí)間段的數(shù)據(jù)來(lái)對(duì)下午3點(diǎn)到6點(diǎn)機(jī)場(chǎng)客流量分布進(jìn)行預(yù)測(cè)。

2 時(shí)間序列模型的建立

在生產(chǎn)和科學(xué)研究中，對(duì)某一個(gè)或一組變量x（t）進(jìn)行觀察測(cè)量，將在一系列時(shí)刻tl，t2，…，tn（t為自變量）按照時(shí)間次序排列，并用于解釋變量和相互關(guān)系的數(shù)學(xué)表達(dá)式。

而ARMA模型是時(shí)間序列模型下的一個(gè)種類，ARMA模型的全稱是自回歸移動(dòng)平均（auto regression moving average）模型，它是目前最常用的擬合平穩(wěn)序列的模型，它又可細(xì)分為AR模型（auto regression model）、MA模型（moving average model）和ARMA模型（autoregression moving average model）三大類。

ARMA模型是根據(jù)平穩(wěn)隨機(jī)時(shí)間序列模型推導(dǎo)出來(lái)的。首先一個(gè)普通的隨機(jī)時(shí)間序列模型是這樣的：

它表達(dá)的意思就是預(yù)測(cè)值Xt是由過(guò)去值Xt-n以及隨機(jī)擾動(dòng)項(xiàng)決定的。如果隨機(jī)擾動(dòng)項(xiàng)是白噪聲，即μ=ε，那么我們就得到這么一個(gè)式子：

這里的ψ就是具體成過(guò)去值的系數(shù)，而這個(gè)式子就是上面所描述的AR模型。但如果這個(gè)隨機(jī)擾動(dòng)項(xiàng)不是白噪聲而是一個(gè)移動(dòng)平均過(guò)程，也就是說(shuō)：

其中θ是q介白噪聲的系數(shù)，這個(gè)式子就是MA模型。那么，我們把MA模型式子代入原來(lái)的式子就是這么樣子：

這個(gè)就是時(shí)間序列模型ARMA模型。它主要刻畫(huà)了一個(gè)時(shí)間序列可以由它的自身過(guò)去值和滯后值來(lái)解釋，同時(shí)它又是平穩(wěn)的，即不會(huì)隨著時(shí)間的變化來(lái)改變。由于這個(gè)特性，凡事符合條件的事件我們都用這個(gè)模型來(lái)預(yù)測(cè)未來(lái)的值。

在引入時(shí)間序列模型之前，我們發(fā)現(xiàn)了一個(gè)問(wèn)題，如果只用均值模型一種模型來(lái)預(yù)測(cè)，數(shù)值就會(huì)在3點(diǎn)這個(gè)時(shí)間點(diǎn)出現(xiàn)斷點(diǎn)，這個(gè)時(shí)間點(diǎn)的前后平均客流量差距過(guò)大，但是在這段時(shí)間內(nèi)，客流量成周期性變化而且與時(shí)間推移無(wú)關(guān)，因此這個(gè)時(shí)間段完美契合了使用ARMA模型進(jìn)行分析和預(yù)測(cè)的條件。考慮到人們?cè)跈C(jī)場(chǎng)移動(dòng)具有連續(xù)性的特征，我們提出使用時(shí)間序列模型中的ARMA模型，對(duì)預(yù)測(cè)進(jìn)行進(jìn)一步的修正與改進(jìn)。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)預(yù)處理

首先對(duì)得到的白云機(jī)場(chǎng)五個(gè)表格的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，刪除或者修補(bǔ)錯(cuò)誤數(shù)據(jù)或者臟數(shù)據(jù)，以提高后期我們模型建立的效率。

對(duì)數(shù)據(jù)表格中的時(shí)間信息轉(zhuǎn)化為pandas能解析的數(shù)據(jù)并存入Time數(shù)組中，并將五個(gè)表格按照設(shè)計(jì)程序的格式重新提取整合，最終達(dá)到處理好的數(shù)據(jù)表格。并將處理好的數(shù)據(jù)按照列的順序存入新表中。

3.2 問(wèn)題分析

經(jīng)過(guò)初步的分析，乘客在機(jī)場(chǎng)值機(jī)、安檢、候機(jī)、行李提取等行為會(huì)對(duì)人流量分布有所影響，此外一些基礎(chǔ)設(shè)施的安排也會(huì)影響客流量分布，比如超市、餐飲、衛(wèi)生間的位置等。

首先我們將這些乘客的行為信息以及機(jī)場(chǎng)的物理地址信息相結(jié)合，將所有可能考慮到的因素作為特征值，建立對(duì)應(yīng)的模型進(jìn)行預(yù)測(cè)。后通過(guò)實(shí)踐發(fā)現(xiàn)機(jī)場(chǎng)復(fù)雜的地理位置信息較難總結(jié)出一個(gè)或多個(gè)合適的特征，并且特征值越多并不能保證模型越精準(zhǔn)。

經(jīng)分析發(fā)現(xiàn)特征值數(shù)量過(guò)多會(huì)造成預(yù)測(cè)效果的降低，此外，飛機(jī)起飛、到達(dá)、歷史信息，機(jī)場(chǎng)位置信息，時(shí)間信息等具有上千種特征值，無(wú)法一一分析。所以通過(guò)降低分析維度，使用主要的影響因素作為特征值，對(duì)該模型進(jìn)行建立。

通過(guò)初步的問(wèn)題分析，得出下面重要信息：

（1）機(jī)場(chǎng)每天的排班表基本穩(wěn)定，用戶在機(jī)場(chǎng)內(nèi)的行走模式也基本穩(wěn)定；

（2）時(shí)間序列具有一定程度的連續(xù)性，下午三點(diǎn)至六點(diǎn)的情況會(huì)一定程度延續(xù)此前幾小時(shí)的情況；

（3）機(jī)場(chǎng)位置信息固定，所以根據(jù)Wi-Fi點(diǎn)所存儲(chǔ)的信息來(lái)作為主要預(yù)測(cè)數(shù)據(jù)表。

3.3 模型建立

基于以上兩點(diǎn)情況，通過(guò)兩個(gè)基本模型來(lái)涵蓋所列出的主要特征值，從而解決該問(wèn)題，分別為時(shí)間序列模型、均值模型。

模型建立的過(guò)程是一個(gè)比較復(fù)雜的過(guò)程，首先我們嘗試著將數(shù)據(jù)轉(zhuǎn)化成圖片，這樣有利于直觀的分析數(shù)據(jù)變化的趨勢(shì)。在圖中，我們發(fā)現(xiàn)機(jī)場(chǎng)人流量的變化是周期性變化，尤其在下午3點(diǎn)到6點(diǎn)。因此，我們先打算用均值模型處理這一部分?jǐn)?shù)據(jù)，在這一過(guò)程中，我們還將標(biāo)準(zhǔn)差大于90%或者小于10%的數(shù)據(jù)剔除。

通過(guò)GetTimeSeries（Wi-Fi APTag）函數(shù)，提取出特定的Wi-Fi AP時(shí)間序列數(shù)據(jù)，以及每十分鐘的平均連接數(shù)。如下所示。

我們以Wi-Fi AP El-lA-l為例繪制了以時(shí)間為橫軸，平均連接人數(shù)為縱軸的圖標(biāo)。通過(guò)該圖我們發(fā)現(xiàn)，人數(shù)隨著時(shí)間呈現(xiàn)規(guī)律性的周期變化，但也存在一些特殊的天。

在得到相應(yīng)的數(shù)據(jù)后，我們考慮到某些天會(huì)出現(xiàn)異常數(shù)據(jù)，所以我們需要將這些異常天數(shù)以及該天下的數(shù)據(jù)剔除，而我們的剔除策略是對(duì)每天特定時(shí)間的數(shù)據(jù)求均值和標(biāo)準(zhǔn)差，然后將均值與標(biāo)準(zhǔn)差落在10%分位數(shù)以下和90%分位數(shù)以上的日子去除。

通過(guò)設(shè)置兩個(gè)較為接近的均值模型函數(shù)，只在一些參數(shù)根據(jù)具體的登機(jī)口、公共服務(wù)設(shè)施等因素的影響有所不同。通過(guò)對(duì)比組的設(shè)置，使得最后在誤差分析挑選模型時(shí)，可以多一個(gè)更好的選擇。

在函數(shù)Do_ARMA（）中，我們是直接調(diào)用statsmodel包中的ARMA對(duì)象來(lái)自動(dòng)生成ARMA模型。擬合出來(lái)的結(jié)果非常滿意，所以我們不再繼續(xù)做調(diào)整。實(shí)際上，很多時(shí)候要考慮數(shù)據(jù)的平穩(wěn)性處理，擬合后的差分分離，但在這個(gè)案例中我們并不需要做那么多，因?yàn)榻o的數(shù)據(jù)非常完美。

我們可以看到利用ARMA模型擬合的結(jié)果是近乎完美的。除此之外，我們通過(guò)計(jì)算標(biāo)準(zhǔn)差，協(xié)方差等數(shù)學(xué)方法來(lái)評(píng)估這個(gè)模型，在本案例中，也是非常貼切的。

3.4 模型融合

通過(guò)上述步驟后，我們已經(jīng)整合出了三個(gè)基本模型，而這三個(gè)模型單獨(dú)使用去預(yù)測(cè)所有的Wi-Fi AP效果必然不好，每個(gè)Wi-Fi AP都有自己最適合的模型，所以我們通過(guò)對(duì)前一周每天下午3點(diǎn)到6點(diǎn)的數(shù)據(jù)進(jìn)行預(yù)測(cè)，計(jì)算每個(gè)Wi-Fi AP在每個(gè)模型上的平均誤差，讓每個(gè)Wi-Fi AP挑選誤差最小的那個(gè)模型進(jìn)行預(yù)測(cè)。數(shù)據(jù)有缺失的情況，所有模型中包含了蠻多的異常處理部分。

在將數(shù)據(jù)處理過(guò)后，我們將先前求取的兩個(gè)均值模型imitatel和imitate2分別與時(shí)間序列模型ARMA融合，下列代碼是融合的過(guò)程。通過(guò)使用ARMA來(lái)修正imitatel和imitate2中的數(shù)據(jù)。該函數(shù)中，Wi-Fi APTag是Wi-Fi的編號(hào)，Train Time表示訓(xùn)練集使用的數(shù)據(jù)范圍，PredictTime表示未來(lái)預(yù)測(cè)時(shí)長(zhǎng)，Rario Dict存儲(chǔ)著每個(gè)Wi-FiAP點(diǎn)的誤差調(diào)整。

4 結(jié)論

至此，我們一共可以使用四種模型（imitatel， imitate2， DO_ARMA，Combine）對(duì)不同的Wi-Fi AP未來(lái)客流量進(jìn)行預(yù)測(cè)。我們對(duì)第一個(gè)Wi-Fi AP點(diǎn)的預(yù)測(cè)，可以看出隨著傍晚臨近，客流量是增多的。這與我們?nèi)粘Ｓ^察也是相吻合的。

根據(jù)以上數(shù)據(jù)分析評(píng)估公式，我們對(duì)我們的模型進(jìn)行了誤差分析，發(fā)現(xiàn)模型的誤差率在百分之五以內(nèi)，對(duì)于第一次做數(shù)據(jù)分析與預(yù)測(cè)的我們來(lái)說(shuō)已經(jīng)是非常好的成績(jī)了。

參考文獻(xiàn)

[1][美]埃里克·馬瑟斯（EricMatthes）.Python編程從入門到實(shí)踐[M].人民郵電出版社，2016： 3-60.

[2][挪]MarkLutz，Python編程[M].中國(guó)電力出版社，2014： 5-80.

[3]王立柱.時(shí)間序列模型及預(yù)測(cè)[M].科學(xué)出版社，2018： 16-90.