行李提取流程是目前航班到港后机场运行和旅客服务重要的环节,该区域的旅客聚集情况易对机场运行造成阻碍。同时,由于机场运行情况多变,只通过业务环节分析不能反映实际旅客行李提取过程。因此,需通过历史数据学习建立影响行李提取流程的贝叶斯网络模型并进行分析。为研究行李提取流程环节之间的关联关系,首先分析航班到港后行李处理流程、旅客行为流程及行李提取流程,并建立多航班多行李提取模型,通过计算行李提取区人均占地面积指标来对行李提取区拥挤状态进行描述。同时,选择该指标来评价行李提取流程。然后将数据整理,选取影响行李提取流程的数据作为贝叶斯网络节点。再基于历史数据学习,利用贝叶斯结构学习的方法构建行李提取流程贝叶斯网络模型的网络结构。在构建的行李提取流程贝叶斯网络结构的基础上,选取六个对行李提取区人均占地面积影响最大的因素作为研究对象,建立人均占地面积贝叶斯网络模型。考虑数据集不完备的情况,选取期望最大化算法作为参数学习的算法,最终建立行李提取区人均占地面积贝叶斯网络模型。结合该模型和贝叶斯法则进行新增数据集下的动态估计,并引入互信息来分析各因素对人均占地面积影响大小的评价。基于该模型预测和评价进行分析,并针对行李提取区拥挤情况提出优化建议和行李提取流程改进方法。