数，有利于机场资源配置优化和旅客服务流程优化，提高 机场对旅客的服务效率与水平。
[0057] 表1拟合优度检验
[0058]
[0059] 在本发明的另一个实施例中，为了更准确地逼近获得更准确的每一时刻的旅客聚 集人数，本发明通过对重尾强度D与分布范围R进行研究。
[0060] 任意一种连续分布的概率密度函数f(x)总存在(a>0且为整数）使得 a f(x) =s，并且X至少存在一个有效解。假设存在某种分布使得此解存在两个或两个以上， 则必存在两个极值解x_与xmin，其分布范围R定义为：
[0061] R=xnax_xnin (5)
[0062] 并且必存在最大值转折点xm，则重尾强度D定义为：
[0063] … (b)
[0064] 当该分布为正态分布时D= 1，即不是重尾分布；当该分布为重尾分布时D> 1，并 且重尾特性越强，分布尾巴越长D值越大。通过这两个值能对参数变化带来的影响有更直 观的了解。
[0065] 将对数正态分布与式（5-6)对应有：
[0070] 将式（7_9)与值带入式（5_6)并使:0 =祕有
[0073] 由式（10-11)可知对数正态分布的分布范围由两个参数共同决定。而重尾强度仅 与 〇有关，并且为严格的单调递增关系，即〇值越大重尾特性越强，幂律尾巴越长。
[0074] 本发明在时间维度考虑对旅客行为的影响，因此现有如下设定：
[0075] (1)旅客数据均来自同一机场。
[0076] (2)航班容量相同。
[0077] (3)航线性质相同（国内航班）。
[0078] (4)旅客出行当天无天气异常等突发因素。
[0079] 根据假设旅客受到时间维度的影响主要有t。（航班离港时刻）与M(月份）。不同 于一般的多元回归分析，旅客在航站楼聚集的总体规律服从对数正态分布，因此本苄基于 对数正态分布研究时间维度参量变化引起的分布变化。
[0080] 表2月份变化引起的分布变化
[0081]
[0082] 随机抽取一个航班，由航班月份变化引起的重尾强度与分布范围变化如表2,由表 可以看出由航班月份变化引起的分布变化非常小，因此将航班季度因素作为弱影响因素排 除。
[0083] 如图3 (a)所示的航班离港时刻对分布的变化图，横轴为离港时刻，纵轴为分布范 围R，如图3(b)所示的航班离港时刻对强度的变化图，横轴为离港时刻，纵轴为重尾强度D， 由图3 (a)和图3 (b)可以看到分布的分布范围R与重尾强度D受航班时刻影响变化非常明 显，再一次说明航班离港时刻作为主要影响因素不可忽略。并且在图中我们还可以看到由 于受到航班离港时刻的影响，旅客聚集行为的时间分布范围与重尾强度均呈现明显的递增 趋势，即旅客行为的重尾特性会随着离港时刻的推移逐渐增强，这不仅仅适用于本发明所 述的航班聚集监测系统，并且这也为交通运输类的聚集监测提供了启示。
[0084] 本发明分析由航班离港时刻引起的分布参数变化总体上呈现多项式特征。对y 和〇进行4阶多项式与3阶多项式回归，ii回归结果为：
[0085]y= 43. 68t〇4-95. 04t〇3+71. 64t〇2-21. 29t0-〇. 7403 (12)
[0086] 〇回归结果为：
[0087] 〇=2. 44t〇3-4. 738t〇2+3. 179t0-〇. 383 (13)
[0088] 综上所述，单航班离港旅客到达航站楼的时间分布服从对数正态分布，并且由航 班离港时刻引起的分布变化呈现多项式特征，本发明的本实施例中，
[0089] 所述数据处理模块进一步包括多元回归处理单元，所述多元回归处理单元对常数 y与〇进行多元回归处理从而获得y和〇多元回归处理结果，
[0090]y= 43. 68t〇4-95. 04t〇3+71. 64t〇2-21. 29t0-〇. 7403, 〇 = 2. 44t〇3-4. 738t〇2+3. 17 9t〇~0. 383〇
[0091] 也就是说，t。为航班计划离港时刻，tw为提前时间，t为任一航班起飞前时刻。 pa。-。为旅客累积到达率，则旅客等待时间服从基本规律如式（4):
[0092]
[0093] 其中y与0为待定参数，由以上分析可知，待定参数与航班离港时刻呈多项式函 数形式，即待定参数可由航班离港时刻t。决定，如式（12-13):
[0094]y= 43. 68t〇4-95. 04t〇3+71. 64t〇2-21. 29t0-〇. 7403
[0095] 〇=2. 44t〇3-4. 738t〇2+3. 179t0-〇. 383
[0096] 航班的容量为S，航班上座率为A，则在t时刻，旅客在航站楼聚集的人数Q可表 示为：
[0097]Q=S入P(t-t0) (14)
[0098] 本发明的第二实施例根据旅客行为的重尾特性，进一步进行了多元回归分析，更 准确地确定了参数y和〇，使得本发明得到更准确的每个时刻的旅客聚集人数Q。
[0099] 本发明随机抽取几个航班，并且每个航班都分布在不同的月份。对本发明进行验 证，图 4(a)、图 4(b)、图 4(c)分别是 11 月 8:00:00、2 月 14:55:00、7 月 21:20:00 三个不同 月份与时刻的等待时间下的实际旅客到达和本发明的数据处理模块处理的监测旅客到达 比较示意图，其中，横轴为等待时间，纵轴为累积到达比例。结果表明，在时间维度有很好的 契合效果并且与真实数据的平均拟合度达到80%以上，显示了本发明的基于航班离港时刻 的旅客聚集监测系统较好的预测能力。同时也从实验结果证明了上文提到的，航班月份对 于旅客聚集行为属弱影响因素，可以忽略不计。
[0100] 在一个实施例中，所述数据处理模块进一步包括比较模块，所述比较模块将不同 时刻的聚集人数数据图中的数据和相应区域的服务容量数据比较，当某一时刻t的聚集人 数总数大于所述服务容量数据时，发送通知到机场服务网路。
[0101] 在一个实施例中，所述相应区域的服务容量数据为候机区的座椅数，当某一时刻t 的聚集人数总数大于所述候机区的座椅数时，发送通知到机场服务网路提醒增加服务人员 和增加休息区域。
[0102] 在一个实施例中，所述数据处理模块为服务器级别的计算机处理模块。
[0103] 参见图6,本发明进一步提供了基于航班离港时刻的旅客聚集监测方法，该方法包 括：
[0104] 在第一步骤S001中，连接自助值机装置1的所述数据采集模块2采集所述航班的 以往旅客在自助值机时间t值机的旅客到达数据并发送到数据处理模块3;
[0105] 在第二步骤S002中，数据处理模块3基于将所述航班起飞时刻1。和自助值机时间 t之差转换为小于1的比例数而处理得出的单位比例数下的到达比例数据；
[0106]在第三步骤S003中，在所述数据处理模块3中的存储模块6存储所述航班的容量 S和所述航班的上座率A，所述数据处理模块3根据公式：Q=SAP(〇得出旅客在t时刻 的航站楼聚集的人数Q，其中：
1为旅客等待时间，其