基于时间注意力图卷积的民航旅客需求预测

随着航空运输业的发展,高效准确的需求预测成为各民航单位提高运行效率与企业竞争力的重要条件.考虑航空运输中旅客需求的时空特征,针对小型中转航线网络,构建基于图卷积神经网络（Graph Convolution neural Network,GCN）、门控循环网络（Gated Recurrent neural, GRU）与注意力机制的时间注意力图卷积（AT-TGCN）预测模型,以此捕获航线网络中的图结构特征与时空相关性.首先,基于航空公司历史航班运行数据,构建以中转航线为主的小型网络;其次,依据中转航线网络的拓扑结构,进行时间与空间的多维特征分析;结合网络的时空特征构建预测模型,并基于具体数据进行预测;最后,选用多项误差指标,将构建的预测模型与传统基准模型进行比对分析.预测结果表明,在中转航线网络的旅客需求研究中,基于时间注意力图卷积的预测模型具有显著的优势,且预测精度可达93.10%,可为航空公司了解中转旅客的需求变化提供有应用价值的预测模型.