控制与决策

作者：熊红林,朱人杰,冀和,樊重俊,徐佩

单位：上海理工大学 管理学院,上海 200093,,上海理工大学 管理学院,上海 200093;同济大学附属东方医院 运营管理部,上海 200120,,上海理工大学 管理学院,上海 200093,,上海理工大学 管理学院,上海 200093,,上海理工大学 管理学院,上海 200093,

关键词：机场运营管理;航空旅客出行指数;机器学习;互信息;支持向量回归;K-均值聚类

基金：国家自然科学基金项目(71774111)；上海市教育委员会科研创新重点基金项目(14ZZ131).

航空旅客出行的情况对民用航空机场建设与运营具有重大意义.针对航空旅客出行情况的预测研究,首先定义一种航空旅客出行指数,通过K-means聚类方法对航空旅客出行指数进行分级;然后基于互信息与相关性原理,选取航空旅客出行情况关键影响特征因子,提出一种基于关键影响因子与航空旅客出行指数互信息的MI-SVR(mutual information-support vector regression)机器学习预测模型;最后通过上海机场旅客出行指数预测实验对模型进行验证,实验结果显示MI-SVR模型具有可行性与有效性,同时,相比传统的预测模型预测效果更优.此外,实验结果也表明,相对仅基于历史数据进行独立预测,各模型基于互信息引入影响因子进行预测误差更小,研究结果有助于提升机场建设及运营管理水平,同时也可辅助人们选择通过民航交通方式出行的时段.

来源：2021年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第7期