多源数据融合驱动
Multi-source data fusion driver
ATraF内置算法融合了设施数据、业务数据、高铁数据、航线OD数据、省市经济数据、地图交通数据、总规预测数据等航空业务量预测相关数据,实现了数据信息的多源融合,显著提升了预测结果的准确性、全面性。
预测参数个性配置
Personality configuration of prediction parameters
ATraF内置算法融合了设施数据、业务数据、高铁数据、航线OD数据、省市经济数据、地图交通数据、总规预测数据等航空业务量预测相关数据,实现了数据信息的多源融合,显著提升了预测结果的准确性、全面性。
人工智能在线训练
Artificial intelligence online training
人工智能方法的引入是机场建设走向智能化、智慧化的第一步。ATraF预置了一整套机器学习算法,创新实现了预测模型实时在线训练、动态调整和即时应用,通过对大量历史数据及专家经验进行深度学习,实现98%以上的预测准确性。
预测过程精准可视
The prediction process is accurate and visible.
ATraF将可视化地提供旅客吞吐量、货邮吞吐量、起降架次、万分率、集中率等特征值的预测分析全过程。通过提供拟合曲线的模型公式、神经网络的层次结构等丰富的过程数据,打造最具权威、最有深度的预测平台。
丰富场景模拟对比
Enrich scene simulation and comparison
机场预测对比功能让用户可以开展多机场客、货业务量的大数据推演和多场景对比,自由的参数配置功能将充分满足用户的个性化对比需求,有效弥补特定预测场景带来的思维局限性,使得航空业务量预测横向可对比、纵向可推演。
高铁影响智能分析
Intelligent analysis of high-speed rail impact
在多源基础数据和交通方式分析理论的支撑下,ATraF系统具备智能化的高铁影响分析功能,融合OD数据和高铁网络信息,是高铁与民航双向影响的定量决策支持工具。
区域省市多级联动
Multi-level linkage of regional provinces and cities
ATraF系统同时具有对区域、省市进行航空业务量预测的功能,不同层级的预测方法将通过数据比例结构、增长率贡献度、竞争力分析等多个维度实现协同联动,全面提升预测过程的科学性、有效性。
预测报告一键生成
One-click generation of forecast report
ATraF系统支撑预测报告导出,点击自动生成报告,全部预测成果将一键导出,显著提升预测工作效率。