基于时间序列和随机森林机场客流量预测.PDFVIP

基于时间序列和随机森林的机场客流量预测 牟雪娣 何丹妮 闫馨 唐国议 欧阳慧 摘要：随着人们生活水平的提高，机场已成为出行者选择的出行方式的主要场所。 机场拥有巨大的旅客吞吐量，人员流动呈现高动态，高密度可变，时间空间分布 不均匀等特点，与之相对应的则是巨大的服务压力。基于此，客流量预测是实现 机场管理与控制的核心问题，及时准确地预测客流量可以使安防、安检、突发事 件应急、值机、行李追踪等机场服务提前调配人力物力，从而更好地为旅客服务。 本文利用机场各WIFI 点的连接人数，采用ARIMA 模型和随机森林（RF）算法对 机场客流量进行预测，并对比两种方法的预测结果。 关键词：机场客流量，ARIMA 模型，随机森林 0 引言 随着全球化及区域经济的一体化，目前世界主要城市的机场密度日益增大， 机场资源使用情况紧张，航班延误情况严重，机场服务质量下降。若能提前预测 出机场的客流量情况，科学合理的调配人力物力，从而提高机场的整体服务水平。 目前常用的预测方法，主要分为两大类。第一类是传统的统计学方法，包括 时间序列分析模型、回归分析模型等。第二类是机器学习的方法，包括神经网络、 支持向量机、随机森林等。 本文主要采用的是 ARIMA 时间序列模型以及随机森林算法，将传统的预测 模型与机器学习方法进行对比。 1 预测方法概述 1.1 ARIMA 模型 ARIMA 模型是著名的时间序列预测方法。其中 ARIMA （p,d,q ）称为差分自 回归移动平均模型。AR 是自回归，p 为自回归阶次；MA 为移动平均，q 为移 动平均阶次，d 为时间序列成为平稳时所做的差分次数。其通用表达式为: = + + + ⋯+ + − − − ⋯ 1 −1 2 −2 3 −3 − 1 −1 2 −2 − − 式中， 为样本值， , , , …, 为自回归系数，P 为自回归阶次， 1 2 3 , , …, 为移动回归系数；q 为移动平均阶次； 为服从独立正态分布N(0,δ) 1 2 的白噪声序列。 ARIMA 模型预测的基本程序如下： 1.2 随机森林模型 随机森林由LeoBreiman （2001 ）提出，它通过自助法（bootstrap ）重采样技 术，从原始训练样本集N 中有放回地重复随机抽取k 个样本生成新的训练样本集 合，然后根据自助样本集生成k 个分类树组成随机森林，新数据的分类结果按分 类树投票多少形成的分数而定。其实质是对决策树算法的一种改进，将多个决策 树合并在一起，每棵树的建立依赖于一个独立抽取的样品，森林中的每棵树具有 相同的分布，分类误差取决于每一棵树的分类能力和它们之间的相关性。特征选 择采用随机的方法去分裂每一个节点，然后比较不同情况下产生的误差。能够检 测到的内在估计误差、分类能力和相关性决定选择特征的数目。单棵树的分类能 力可能很小，但在随机产生大量的决策树后，一个测试样品可以通过每一棵树的 分类结果经统计后选择最可能的分类。 因此，随机森林的训练过程可以总结如下： (1) 原始训练集为N，应用bootstrap 法有放回地随机抽取k 个新的自助样本集， 并由此构建k 棵分类树，每次未被抽到的样本组成了k 个袋外数据； (2) 设有mall 个变量，则在每一棵树的每个节点处随机抽取mtry 个变量(mtry n mall)， 然后在mtry 中选择一个最具有分类能力的变量，变量分类的阈值通过检查每 一个分类点确定； (3) 每棵树最大限度地生长, 不做任何修剪； (4) 将生成的多棵分类树组成随机森林，用随机森林分类器对新的数据进行判别 与分类，分类