[0026] 本實施方式效果：
[0027] 模糊決策樹方法是歸納學(xué)習(xí)領(lǐng)域中的一個重要分支，在道路短時交通流量預(yù)測領(lǐng) 域已有少量應(yīng)用，在航站樓離港旅客流量預(yù)測領(lǐng)域目前還沒有應(yīng)用。模糊決策樹的基礎(chǔ)是 統(tǒng)計理論，它從一個統(tǒng)計得到的示例表出發(fā)依據(jù)某種啟發(fā)式信息，產(chǎn)生一棵模糊決策樹，并 使用由決策樹轉(zhuǎn)化的規(guī)則組預(yù)測待定事件。它在知識的歸納過程中并入了認識上的不確定 性，使歸納出的知識在容許不精確或沖突的信息方面更穩(wěn)健。
[0028] 與現(xiàn)有技術(shù)相比，本實施方式的特點和積極效果在于：（1)本實施方式將所有影 響離港旅客流量的因素量化成[0，1]區(qū)間的數(shù)值，按照統(tǒng)計學(xué)思想建立模糊決策樹，進行 現(xiàn)有數(shù)據(jù)的統(tǒng)計和分析，且將數(shù)據(jù)合理分類用于建立規(guī)則和檢驗規(guī)則，從而解決尋優(yōu)速度 慢和效率不高的問題，（2)統(tǒng)計每30分鐘的數(shù)據(jù)，具有實時性強的優(yōu)點，若實際應(yīng)用中需要 更精確的預(yù)測，將所得數(shù)據(jù)重新劃分即可。（3)計算過程簡單，推廣性能好，預(yù)測過程簡潔， 結(jié)果較為準確。
[0029] 并且從圖3中可以看出，預(yù)測等級曲線與真實等級曲線擬合效果較好，預(yù)測流量 等級與真實流量等級為同一等級的概率為78. 33%，預(yù)測流量等級與真實流量等級相差不 大于一個等級的概率達到93. 33%，預(yù)測流量等級與真實流量等級相差不大于兩個等級的 概率達到98. 33 %，這表明通過模糊決策樹的旅客流量等級預(yù)測較為準確。在模糊決策樹的 基礎(chǔ)上進行適當(dāng)?shù)母倪M，運用這種方法分析各種因素的變化對旅客流量的影響，從而將其 應(yīng)用到航站樓旅客流量預(yù)測的領(lǐng)域顯得尤為重要且可行。
【具體實施方式】 [0030] 二：本實施方式與一不同的是：步驟一中航班數(shù)量為 x包括％、M2、M#M4四種狀態(tài)；
[0031] Mi表示航班數(shù)少，航班數(shù)量為0?4、]\12表示航班數(shù)較少，航班數(shù)量為4?8、]\1 3表 示航班數(shù)較多航班數(shù)量為8?12和M4表示航班數(shù)多航班數(shù)量為12?16。其它步驟及參 數(shù)與【具體實施方式】一相同。
【具體實施方式】 [0032] 三：本實施方式與一或二不同的是：步驟一中航班數(shù) 量為x根據(jù)隸屬度函數(shù)的計算過程為：
[0033]
【主權(quán)項】
1. 一種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法，其特征在于一種基于模糊決 策樹的航站樓離港旅客流量預(yù)測方法具體是按照以下步驟進行的： 步驟一、將航班數(shù)量、時間點和日期的具體值代入隸屬度函數(shù)運算后轉(zhuǎn)化為[〇，1]區(qū) 間的隸屬度數(shù)據(jù)； 步驟二、計算航班數(shù)量、時間點和日期的模糊信息熵H(A)，選取模糊信息熵最小的屬性 作為模糊決策樹的根結(jié)點； 步驟三、利用步驟一獲得的隸屬度數(shù)據(jù)中的60%?80%，運用決策樹算法和根結(jié)點建 立模糊決策樹，得到屬性為旅客流量等級分類頻度的葉子結(jié)點，將旅客流量等級分類頻度 的葉子結(jié)點中最大的兩項分類頻度之和定義為葉子結(jié)點的聯(lián)合置信度入； 步驟四、給定基準聯(lián)合置信度若葉子結(jié)點的聯(lián)合置信度A滿足則結(jié)束拓 展并把該葉子結(jié)點的聯(lián)合置信度A定為旅客流量等級概率； 步驟五、若葉子結(jié)點的聯(lián)合置信度A<X。，則重復(fù)進行步驟三直至葉子結(jié)點滿足 入〉^為止；此時葉子結(jié)點為最終葉子結(jié)點，最終葉子結(jié)點的聯(lián)合置信度X即為最終旅客 流量等級概率；從而得到模糊決策樹； 步驟六、步驟一獲得的隸屬度數(shù)據(jù)的20%?40%檢驗?zāi)：龥Q策樹，即將20%?40%的 隸屬度數(shù)據(jù)代入模糊決策樹中，得到旅客流量等級概率，根據(jù)旅客流量等級概率確定旅客 流量等級，即分別用旅客流量等級中位數(shù)乘以該等級的概率，加和獲得旅客流量，確定最終 得到的基于模糊決策樹的旅客流量預(yù)測等級，將最終得到的基于模糊決策樹的旅客流量預(yù) 測等級與真實旅客流量等級進行對比，即計算基于模糊決策樹的旅客流量預(yù)測等級與真實 流量等級為同一等級的概率，當(dāng)該概率值達到80%及以上時，說明建立的模糊決策樹準確 性高，確定得到模糊決策樹用來預(yù)測旅客流量等級；即完成了一種基于模糊決策樹的航站 樓離港旅客流量預(yù)測方法。
2. 根據(jù)權(quán)利要求1所述一種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法，其特征 在于：步驟一中航班數(shù)量為x包括％、M2、M#PM4四種狀態(tài)； 11表示航班數(shù)量為0?4、M2表示航班數(shù)量為4?8、M3表示航班數(shù)量為8?12和M4 表示航班數(shù)量為12?16。
3. 根據(jù)權(quán)利要求2所述一種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法，其特征 在于：步驟一中航班數(shù)量為x根據(jù)隸屬度函數(shù)的計算過程為：
4. 根據(jù)權(quán)利要求1所述一種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法，其特征 在于：步驟一中時間點包括上午、下午和晚上； 上午具體包括7:00?12:00 ;下午具體包括12 :00?19:00 ;晚上具體包括19:00? 6:00 ； 時間點的隸屬度函數(shù)計算過程為：將時間點落在的上午、下午和晚上的時間區(qū)間中的 一個時間區(qū)間定為1，其他兩個區(qū)間定為0。
5. 根據(jù)權(quán)利要求1所述一種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法，其特征 在于：步驟一中日期確定為工作日或者節(jié)假日；日期的隸屬度函數(shù)計算過程為：將日期對 應(yīng)于工作日則將工作日定為1，將節(jié)假日定為〇 ;日期對應(yīng)于節(jié)假日則將節(jié)假日定為1，將工 作曰定為0。
6. 根據(jù)權(quán)利要求1所述一種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法，其特征 在于：步驟二中計算航班數(shù)量、時間點和日期的模糊信息熵H(A)具體為：
其中，M%)為個數(shù)，A為模糊集，A!為模糊分割；i= 1，2，
7. 根據(jù)權(quán)利要求1所述一種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法，其特征 在于：步驟三中旅客流量分為A、B、C、D和F五個等級；其中，0 < 100，100SB< 200， 200彡C< 300,300彡D< 400,400彡E< 500,500彡F<M;其中，M為航站樓離港旅客 流量的最大值。
8. 根據(jù)權(quán)利要求1所述一種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法，其特征 在于：步驟六中計算基于模糊決策樹的旅客流量預(yù)測等級與真實流量等級為同一等級的概 率具體過程為： 設(shè)有N組用于檢驗?zāi)：龥Q策樹的隸屬度數(shù)據(jù)，若基于模糊決策樹的旅客流量預(yù)測等級 與真實旅客流量等級為同一等級的數(shù)據(jù)有n個，則基于模糊決策樹的旅客流量預(yù)測等級與 真實旅客流量等級為同一等級的概率為
【專利摘要】一種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法，本發(fā)明涉及航站樓離港旅客流量預(yù)測方法。本發(fā)明是要解決現(xiàn)有技術(shù)在解決航站樓擁堵的現(xiàn)象中尋優(yōu)速度慢、實時性差、推廣能力低、應(yīng)用較為繁瑣、效率不高以及不能滿足簡潔準確的預(yù)測要求的問題而提出的種基于模糊決策樹的航站樓離港旅客流量預(yù)測方法。該方法通過1得到隸屬度數(shù)據(jù)；2選取模糊信息熵最小的屬性作為模糊決策樹的根結(jié)點；3得到葉子結(jié)點的聯(lián)合置信度λ；4若λ>λ0結(jié)束拓展把葉子結(jié)點的聯(lián)合置信度λ定為旅客流量等級概率；5若葉子結(jié)點的聯(lián)合置信度λ≤λ0，則重復(fù)步驟三直至葉子結(jié)點滿足λ>λ0為止得到模糊決策樹；6確定得到模糊決策樹等步驟實現(xiàn)的。本發(fā)明應(yīng)用于航站樓離港旅客流量預(yù)測領(lǐng)域。
【IPC分類】G06Q10-04, G06Q50-30
【公開號】CN104573873
【申請?zhí)枴緾N201510036348
【發(fā)明人】程紹武, 張亞平, 劉巖, 牟秋
【申請人】哈爾濱工業(yè)大學(xué)
【公開日】2015年4月29日
【申請日】2015年1月23日