随着我国民航运输客流量逐年稳定增长,我国各大机场不同程度出现运行能力饱和态势。航站楼传统的资源配置方式已不能满足机场客流量增长的需求,全国各大机场不同程度地出现了旅客排队时间长、旅客服务质量下降等现象。如何在有限资源下提高机场资源利用率成为目前热点问题。航站楼短时客流量预测是航站楼旅客服务流程优化的关键核心问题,其预测精度的高低直接影响了上述难题的破解效果。考察了几种常见的短时预测方法,发现K近邻非参数回归算法更适合用于航站楼短时客流量的预测。但由于传统K近邻算法并未考虑影响航站楼短时客流量影响因素,其存在不具备良好鲁棒性的缺陷。于是借鉴电力系统预测方法,引入“相似日”预测思想,在传统K近邻算法基础上增加了航班计划状态模式匹配方法,以航班计划包含的多维属性作为特征选取相似历史运营日作为预测基准向量,建立基于航站楼短时客流量预测的双层K近邻模型(T-K近邻),实验证明T-K近邻模型预测结果相对传统K近邻模型有更高精度以及良好的鲁棒性。但只考虑一种特征作为影响因素不具备良好的说服力,于是借助机场运行控制中心大数据平台,进一步挖掘运营日的特征属性,在考虑航班计划影响因子的前提下,加入天气状况、星期类型、节假日影响因子,从日特征相似和趋势相似两个方面来对航站楼运营中不同的两日进行比较,选取预测日的相似运营日,针对航站楼短时客流量的预测建立了SD-K近邻模型,发现其相对T-K近邻模型拥有更高的精度以及更稳定的鲁棒性,更进一步提高了模型的普适性。仿真结果显示,SD-K近邻模型能够结合预测日当天的特征属性,较好的预测航站楼短时客流量,预测精度达到93%左右。并且成功将预测结果用于机场运行能力仿真评估项目中,进一步验证了模型的实用价值。