智慧機(jī)場(chǎng)航站樓安全聯(lián)檢均衡分散方法仿真

溫 俊，張同榮

(1.北京城市學(xué)院，北京101300；2.中國(guó)民航大學(xué)，天津300300)

1 引言

近年來(lái)，隨著越來(lái)越多人選擇飛機(jī)作為出行的第一選擇，機(jī)場(chǎng)安檢管理變得更加嚴(yán)峻。機(jī)場(chǎng)安檢中邊防、海關(guān)、檢疫等多項(xiàng)檢查統(tǒng)稱(chēng)為安全聯(lián)檢[1-2]。自從經(jīng)過(guò)“911”事件后[3]，安全聯(lián)檢的重要性更是提高到前所未有的程度。但目前機(jī)場(chǎng)航站樓的安全聯(lián)檢大部分設(shè)置在同一片區(qū)域[4-5]，出現(xiàn)大部分旅客聚集在其中一項(xiàng)安檢，而其它安檢卻沒(méi)有人的現(xiàn)象，若能解決這一問(wèn)題會(huì)大大提高機(jī)場(chǎng)工作效率，也可節(jié)省旅客時(shí)間。

文獻(xiàn)[6]提出基于視頻排隊(duì)長(zhǎng)度管理的航站樓安全聯(lián)檢均衡分散方法，該方法首先判斷服務(wù)臺(tái)第一個(gè)人的排隊(duì)狀態(tài)和服務(wù)臺(tái)的排隊(duì)長(zhǎng)度，計(jì)算大部分旅客的安檢時(shí)間，以均衡各個(gè)安檢口長(zhǎng)度為目標(biāo)，實(shí)現(xiàn)安全聯(lián)檢均衡分散，該方法沒(méi)有在旅客進(jìn)行安全聯(lián)檢前利用預(yù)處理客流量時(shí)間序列數(shù)據(jù)的辦法預(yù)測(cè)高峰期時(shí)間段內(nèi)的客流量，無(wú)法確定安檢工作人員人數(shù)，導(dǎo)致聯(lián)檢服務(wù)率降低。文獻(xiàn)[7]提出基于排隊(duì)模型的航站樓安全聯(lián)檢均衡分散方法，該方法建立聯(lián)檢時(shí)間服從二相階超指數(shù)分布的排隊(duì)模型，求解排隊(duì)模型穩(wěn)態(tài)分布，實(shí)現(xiàn)安全聯(lián)檢均衡分散，該方法未通過(guò)ARMA算法模型提前預(yù)測(cè)需要安全聯(lián)檢的客流量，存在長(zhǎng)時(shí)間等待聯(lián)檢旅客的比例過(guò)高的問(wèn)題。文獻(xiàn)[8]提出基于旅客風(fēng)險(xiǎn)分類(lèi)的航站樓安全聯(lián)檢均衡分散方法，該方法首先判斷旅客的風(fēng)險(xiǎn)值，將旅客分為低、中、高風(fēng)險(xiǎn)旅客，并設(shè)定對(duì)應(yīng)的重點(diǎn)安檢通道和常規(guī)安檢通道，構(gòu)建安檢模擬場(chǎng)景，分析旅客風(fēng)險(xiǎn)閾值和兩種通道對(duì)旅客安檢時(shí)長(zhǎng)的影響，從中找出最優(yōu)風(fēng)險(xiǎn)閾值，實(shí)現(xiàn)安全聯(lián)檢均衡分散。該方法沒(méi)有利用阻尼最小二乘法遞推算法預(yù)測(cè)出機(jī)場(chǎng)聯(lián)檢客流量，無(wú)法控制服務(wù)臺(tái)的數(shù)量，存在開(kāi)放服務(wù)臺(tái)精準(zhǔn)率低的問(wèn)題。

為了解決上述方法中存在的問(wèn)題，提出智慧機(jī)場(chǎng)航站樓安全聯(lián)檢均衡分散方法仿真。

2 預(yù)測(cè)機(jī)場(chǎng)單位時(shí)間內(nèi)客流量

2.1 ARMA算法模型基本思想

由于ARMA模型對(duì)時(shí)間序列要求是穩(wěn)定的白噪聲序列，在預(yù)處理時(shí)間序列時(shí)，判定獲取的時(shí)間序列是否為平穩(wěn)的時(shí)間序列，即判斷運(yùn)算過(guò)程中時(shí)間序列有沒(méi)有常值、均值和方差，若沒(méi)有，需對(duì)采集到的機(jī)場(chǎng)單位時(shí)間內(nèi)客流量數(shù)據(jù)進(jìn)行指數(shù)加權(quán)移動(dòng)平均的時(shí)間序列預(yù)處理，以確保模型在預(yù)測(cè)機(jī)場(chǎng)人數(shù)時(shí)的時(shí)間序列穩(wěn)定性。利用時(shí)間序列的自相關(guān)圖，判斷滯后階數(shù)，即在ACI準(zhǔn)則中看是否有突然為0的階數(shù)或在5%置信區(qū)內(nèi)的階數(shù)，以此判斷模型階數(shù)。采用阻尼最小二乘法精確求出ARMA精度參數(shù)，其方法對(duì)參數(shù)的提取精度高而且收斂速度快。

2.2 ARMA模型算法

2.2.1 預(yù)處理時(shí)間序列

對(duì)于采集到的機(jī)場(chǎng)單位時(shí)間內(nèi)客流量數(shù)據(jù)的時(shí)間序列進(jìn)行預(yù)處理，處理公式為

EWMA(t)=aY(t)-(1-a)EWMA(t-1)

(1)

式中，EWMA代表指數(shù)加權(quán)移動(dòng)的時(shí)間序列數(shù)據(jù)處理，EWMA(t)代表單位時(shí)間內(nèi)機(jī)場(chǎng)客流量在t時(shí)刻的預(yù)測(cè)值，Y(t)代表單位時(shí)間內(nèi)機(jī)場(chǎng)客流量在t時(shí)刻的測(cè)量值，a代表單位時(shí)間內(nèi)機(jī)場(chǎng)客流量的測(cè)量值權(quán)重系數(shù)，且1>a>0。

EWMA本質(zhì)是吸收單位時(shí)間內(nèi)機(jī)場(chǎng)客流量不穩(wěn)定時(shí)間序列數(shù)據(jù)中的突發(fā)異常數(shù)據(jù)，從而使不平穩(wěn)的時(shí)間序列變?yōu)槠椒€(wěn)的時(shí)間序列，在使用EWMA處理時(shí)間序列平滑的過(guò)程中，由于權(quán)重系數(shù)a逐漸減少，歷史機(jī)場(chǎng)單位時(shí)間內(nèi)客流量測(cè)量值增加，時(shí)間序列的平穩(wěn)性隨之增加。

2.2.2 ARMA模型的階數(shù)判定

獲取平穩(wěn)的時(shí)間序列后開(kāi)始估計(jì)模型，由于傳統(tǒng)統(tǒng)計(jì)檢驗(yàn)方法在模型定階時(shí)是在權(quán)重系數(shù)a為水平狀態(tài)下通過(guò)自相關(guān)系數(shù)和偏自相關(guān)系數(shù)圖像的拖尾和截尾現(xiàn)象估計(jì)出模型，這種辦法估計(jì)出的模型存在主觀判斷，而AIC準(zhǔn)則在傳統(tǒng)方法的基礎(chǔ)上考慮模型中待定參數(shù)的全部數(shù)量和模型對(duì)時(shí)間序列數(shù)據(jù)的接近程度后與相應(yīng)的擬合模型進(jìn)行比較最終確定出最合理的模型，因此AIC準(zhǔn)則更適合ARMA模型的階數(shù)判定[9]。

在構(gòu)建ARMA模型前需確定模型的滯后階數(shù)，則自相關(guān)函數(shù)和偏自相關(guān)函數(shù)為：

若{Zt}為穩(wěn)定的時(shí)間序列，μ=E(Zt)是時(shí)間序列的均差，Var(Zt)=E(Zt-μ)2=δ2是時(shí)間序列的方差，時(shí)間|t-s|的函數(shù)是時(shí)間序列的協(xié)方差Cov(Zt，Zs)，故協(xié)方差為

γk=Cov(Zt，Zt+k)=Z(Zt-μ)(Zt+k-μ)

(2)

Zt與Zt+k的關(guān)系如下

=γk/γ0

(3)

自相關(guān)函數(shù)ρk需滿(mǎn)足如下條件

ρk=φ1ρk-1+φ2ρk-2+…+φpρk-p

(4)

以及滿(mǎn)足一階差分方程

ρk=φ1ρk-1

(5)

2.2.3 估計(jì)ARMA精度參數(shù)

選取阻尼最小二乘法遞推方程來(lái)精確求解ARMA模型，這種方法對(duì)比傳統(tǒng)的極大似然估計(jì)法和最小二乘法更加容易求出方程最優(yōu)解，因?yàn)樽枘嶙钚《朔ú恍枰龖B(tài)分布的殘差序列，也不會(huì)出現(xiàn)因?yàn)樵O(shè)置未知數(shù)的初值而引起數(shù)據(jù)爆炸陷入死循環(huán)最終得不到最優(yōu)解的情況。

阻尼最小二乘法的本質(zhì)是在最小二乘法中加入可以控制參數(shù)的阻尼項(xiàng)，則阻尼項(xiàng)為

(6)

式中，J表示阻尼項(xiàng)，β表示遺忘因子，1≥β>0，β與遺忘效果成正比，β越大，記憶越長(zhǎng)[10]，同理反之；μ表示阻尼因子，μ>0，它也代表聯(lián)檢客流量自變量增量和函數(shù)值J之間的關(guān)系，所以μ在求函數(shù)值J的極小值中起到絕對(duì)的重要性，即方程線(xiàn)性程度越大阻尼因子μ越小。

利用阻尼最小二乘法遞推算法預(yù)測(cè)出單位時(shí)間內(nèi)機(jī)場(chǎng)客流量[11]，這種預(yù)測(cè)算法具有更精準(zhǔn)預(yù)測(cè)單位時(shí)間內(nèi)機(jī)場(chǎng)客流量的優(yōu)點(diǎn)，因?yàn)樵摲椒ㄔ诿看潍@取到新的客流量時(shí)間序列數(shù)據(jù)時(shí)，直接在新數(shù)據(jù)上進(jìn)行運(yùn)算、批改，不會(huì)和以往算法一樣將新數(shù)據(jù)加入到歷史數(shù)據(jù)中重新運(yùn)算，導(dǎo)致運(yùn)算時(shí)間和不確定因素增加，影響預(yù)測(cè)的精準(zhǔn)度。

μ+φT(k)W(k)φ(k)=

(7)

由于μ+φT(k)W(k)φ(k)可逆，因此預(yù)測(cè)結(jié)果只存在唯一解。

假設(shè)

P(k)=[μ+φT(k)W(k)φ(k)]-1

(8)

則

(9)

3 基于泊松流均衡分散聯(lián)檢

假設(shè)預(yù)測(cè)的智慧機(jī)場(chǎng)航站樓中的旅客都在排隊(duì)等候安全聯(lián)檢，令每位旅客經(jīng)過(guò)航站樓安全聯(lián)檢的時(shí)間都是獨(dú)立的[12]，計(jì)算和分析每位旅客在通過(guò)智慧機(jī)場(chǎng)航站樓安全聯(lián)檢的時(shí)間，利用泊松流理論均衡分散旅客時(shí)，旅客通過(guò)安全聯(lián)檢的時(shí)間都需要參數(shù)λ1，λ2，λ3的負(fù)指數(shù)分布，且時(shí)間都是相互獨(dú)立。

假設(shè)在時(shí)間t時(shí)的安全聯(lián)檢系統(tǒng)是N(t)=(i，j，k)，i表示邊防安檢口A等待安全檢查的旅客人數(shù)，j表示海關(guān)安檢口B等待安全檢查的旅客人數(shù)，k表示衛(wèi)生防疫安檢口C等待安全檢查的旅客人數(shù)。同時(shí)設(shè)在t時(shí)安檢口A、B、C等待安檢的時(shí)間概率為

(10)

式中，N1(t)表示邊防安檢口A的旅客人數(shù)，N2(t)表示海關(guān)安檢口B的旅客人數(shù)，N3(t)表示衛(wèi)生防疫安檢口C的旅客人數(shù)。

聯(lián)檢等待時(shí)間概率為p(i，j，k)=limt→∞p(i，j，k;t)，其中i≥0，j≥0，k≥0。因此這時(shí)的正則性條件為

(11)

從系統(tǒng)中選取3個(gè)擁有無(wú)限等待空間的排隊(duì)系統(tǒng)構(gòu)建目標(biāo)函數(shù)

(12)

由于上述目標(biāo)函數(shù)中參數(shù)為λ的泊松流單服務(wù)系統(tǒng)的結(jié)果和安檢口等待安檢的人數(shù)分布結(jié)果都是相同的，因此求解出上述目標(biāo)函數(shù)即可均勻分布航站樓安全聯(lián)檢人數(shù)實(shí)現(xiàn)航站樓安全聯(lián)檢均衡分散。

目標(biāo)函數(shù)的運(yùn)算步驟為：

第一步：在目標(biāo)函數(shù)中輸入航班信息特性，聯(lián)檢人員需求特征和航班容量等參數(shù)內(nèi)容。

第二步：對(duì)需要解決的旅客問(wèn)題進(jìn)行編碼，設(shè)初始進(jìn)化代數(shù)為GEN，目標(biāo)函數(shù)初始未改變的代數(shù)為n，令初始進(jìn)化代數(shù)GEN=0，目標(biāo)函數(shù)初始未改變的代數(shù)n也為0，初始最大進(jìn)化代數(shù)為GENmax，最大目標(biāo)函數(shù)初始未改變的代數(shù)為nmax，同時(shí)設(shè)置目標(biāo)函數(shù)初始變異及交叉概率的參數(shù)和目標(biāo)函數(shù)運(yùn)算過(guò)程中的參數(shù)，通過(guò)設(shè)置的參數(shù)在目標(biāo)函數(shù)中生成一個(gè)初始種群作為其初始解。

第三步：計(jì)算初始種群中所有個(gè)體的適應(yīng)度函數(shù)和目標(biāo)函數(shù)，比較彼此相鄰的兩個(gè)個(gè)體的目標(biāo)函數(shù)，若兩個(gè)個(gè)體的目標(biāo)函數(shù)相等，初始未改變的代數(shù)n=n+1，若不相等，初始未改變的代數(shù)n仍為0，且選取適應(yīng)度值比較大的個(gè)體進(jìn)入下一代種群。

第四步：利用輪盤(pán)賭的方法選擇種群，當(dāng)n>nmax，即可升高變異及交叉的概率，若n≤nmax，則根據(jù)初始設(shè)置的變異及交叉概率實(shí)施變異及交叉處理。假如在運(yùn)算過(guò)程中出現(xiàn)最優(yōu)解，立即將最優(yōu)解中的新種群作為新一代種群。

第五步：判斷種群的進(jìn)化代數(shù)是否為最后一代。假如GEN=GENmax，將運(yùn)算步驟轉(zhuǎn)到第六步；假如GEN=GEN+1，則將運(yùn)算步驟轉(zhuǎn)到第三步。

第六步：結(jié)束遺傳操作，輸出目標(biāo)函數(shù)結(jié)果。

所求解到的目標(biāo)函數(shù)結(jié)果即均衡分布安全聯(lián)檢客流量。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證智慧機(jī)場(chǎng)航站樓安全聯(lián)檢均衡分散方法的整體有效性，需要在Matlab平臺(tái)中對(duì)所提方法進(jìn)行測(cè)試。分別采用智慧機(jī)場(chǎng)航站樓安全聯(lián)檢均衡分散方法(方法一)、基于視頻排隊(duì)長(zhǎng)度管理的航站樓安全聯(lián)檢均衡分散方法(方法二)和基于排隊(duì)模型的航站樓安全聯(lián)檢均衡分散方法(方法三)進(jìn)行測(cè)試，通過(guò)不同方法對(duì)安全聯(lián)檢服務(wù)率進(jìn)行測(cè)試，服務(wù)率為單位時(shí)間內(nèi)所聯(lián)檢的人數(shù)與需要聯(lián)檢人數(shù)的比值，服務(wù)率越高說(shuō)明方法越有效，測(cè)試結(jié)果如圖1所示。

圖1 不同方法的聯(lián)檢服務(wù)率

由圖1中的數(shù)據(jù)可知，在航班高峰期旅客數(shù)量會(huì)急劇增加，在有限的服務(wù)臺(tái)和安檢口會(huì)導(dǎo)致聯(lián)檢服務(wù)率降低，利用其它兩種方法在高峰期對(duì)旅客進(jìn)行安全聯(lián)檢時(shí)人數(shù)越多服務(wù)率越低，而方法一在對(duì)旅客進(jìn)行安全聯(lián)檢前利用預(yù)處理客流量時(shí)間序列數(shù)據(jù)的辦法預(yù)測(cè)高峰期時(shí)間段內(nèi)的客流量，因此可以提前增加安檢人員，以此提高聯(lián)檢服務(wù)率。

為了進(jìn)一步驗(yàn)證所提方法是真實(shí)有效的，利用等待聯(lián)檢時(shí)間內(nèi)旅客數(shù)量比例來(lái)確定三種方法中的最優(yōu)方法，如圖2所示。

圖2 不同方法等待時(shí)間內(nèi)聯(lián)檢的人數(shù)比例

分析圖2可知，在相同旅客數(shù)量下，利用方法一聯(lián)檢的旅客等待時(shí)間不超過(guò)400秒占80%，其它兩種方法的旅客等待時(shí)間超過(guò)800秒占70%，尤其是方法三的等待聯(lián)檢時(shí)間超過(guò)1000秒占80%，方法一能夠?qū)⒌却?lián)檢的時(shí)間大部分控制在400秒內(nèi)是因?yàn)樗ㄟ^(guò)ARMA算法模型提前預(yù)測(cè)需要安全聯(lián)檢的客流量，從而將旅客需要安檢的內(nèi)容獨(dú)立出來(lái)再平均分散到各個(gè)安檢口，減少出現(xiàn)安檢口旅客過(guò)多或過(guò)少的現(xiàn)象，就可以降低長(zhǎng)時(shí)間等待聯(lián)檢旅客的比例。

為了證明方法一是安全聯(lián)檢均衡分散的最好方法，通過(guò)比較三種方法在同樣環(huán)境下控制服務(wù)臺(tái)開(kāi)放數(shù)量的精準(zhǔn)率證明方法一的優(yōu)劣，其結(jié)果如圖3所示。

圖3 不同方法控制開(kāi)放服務(wù)臺(tái)精準(zhǔn)率

分析圖3可知，方法一控制開(kāi)放服務(wù)臺(tái)精準(zhǔn)率在多次迭代中均高于方法二和方法三的開(kāi)放精準(zhǔn)度，因?yàn)榉椒ㄒ宦?lián)合阻尼最小二乘法遞推算法預(yù)測(cè)出機(jī)場(chǎng)聯(lián)檢客流量，有效控制服務(wù)臺(tái)的開(kāi)放數(shù)量，從而提高開(kāi)放服務(wù)臺(tái)精準(zhǔn)率，證明了方法一是最優(yōu)辦法，而其它兩種方法由于沒(méi)有預(yù)測(cè)客流量，只能根據(jù)航班數(shù)量決定服務(wù)臺(tái)的開(kāi)放數(shù)量，導(dǎo)致出現(xiàn)服務(wù)臺(tái)過(guò)多或過(guò)少的問(wèn)題。

5 結(jié)束語(yǔ)

如今越來(lái)越多人將飛機(jī)作為出行的第一選擇，但也由于乘坐飛機(jī)的人員越來(lái)越多，飛行中存在的危險(xiǎn)因素也就越多，其中安檢就顯得尤為重要，但目前安檢口都集中在航站樓區(qū)域，導(dǎo)致大部分人都集中在一個(gè)區(qū)域，將旅客均衡分散安檢是目前急需解決的一大問(wèn)題。目前機(jī)場(chǎng)安全聯(lián)檢均衡分散的方法存在聯(lián)檢服務(wù)率低，開(kāi)放服務(wù)臺(tái)精準(zhǔn)率低和長(zhǎng)時(shí)間等待聯(lián)檢旅客比例過(guò)高的問(wèn)題。提出智慧機(jī)場(chǎng)航站樓安全聯(lián)檢均衡分散方法。該方法構(gòu)建ARMA算法模型預(yù)測(cè)單位時(shí)間內(nèi)旅客客流量，將隨機(jī)采集的時(shí)間序列客流量數(shù)據(jù)進(jìn)行平穩(wěn)化處理，即將時(shí)間序列進(jìn)行指數(shù)加權(quán)移動(dòng)平均處理，獲取平穩(wěn)的時(shí)間序列后判斷模型階數(shù)，采用AIC準(zhǔn)則在傳統(tǒng)方法的基礎(chǔ)上綜合待定參數(shù)的全部數(shù)量，比較相應(yīng)的擬合模型最后確定出合理模型，最終利用阻尼最小二乘法遞推方程來(lái)精確求解ARMA模型，即可預(yù)測(cè)出單位時(shí)間內(nèi)的客流量，將預(yù)測(cè)旅客的數(shù)量進(jìn)行均衡分散，使所有旅客通過(guò)安檢口的時(shí)間都是獨(dú)立的，計(jì)算和分析每位旅客在通過(guò)智慧機(jī)場(chǎng)航站樓安全聯(lián)檢的時(shí)間，建立目標(biāo)函數(shù)進(jìn)行求解，實(shí)現(xiàn)機(jī)場(chǎng)安全聯(lián)檢均衡分散。解決了聯(lián)檢服務(wù)率低，開(kāi)放服務(wù)臺(tái)精準(zhǔn)率低和長(zhǎng)時(shí)間等待聯(lián)檢旅客比例過(guò)高的問(wèn)題。均衡分散安全聯(lián)檢的辦法打破了傳統(tǒng)航站樓的桎梏，給未來(lái)機(jī)場(chǎng)的規(guī)劃帶來(lái)了更多種可能。