近期，首都机场T3航站楼的集群通信系统建设工程已正式竣工。作为国内旗舰型的机场航站楼，T3航站楼的任何一项信息化配备都是国内最为先进和最为稳定的。首都机场在集群通信系统建设方面，选择了捷思锐科技所提供的基于McWiLL的多媒体集群调度解决方案。这是一套整体性价比更加优异的集群通信方案，为机场提供了除了昂贵的TETRA系统之外的更佳选择。

2007年5月30日，中国•北京――日前，由联想 ThinkPad 与北京首都国际机场合力打造，焕然一新的北京首都国际机场商务中心正式亮相。秉承 “尊崇商务”的服务理念，联想 ThinkPad 以简洁硬朗的风格设计，功能强大的硬件设施配备与首都国际机场携手，为客户提供更加便捷周到的商务服务。此外，为答谢忠实客户与合作伙伴，联想 ThinkPad 还特别筹划了“ThinkPad 贵宾卡馈赠活动”，客户凭此贵宾卡即可免费享用该商务中心提供的各项服务、设施，尽享作为 ThinkPad 用户的尊荣。

预测航空公司延误 使用Hadoop通过2007年和2008年的数据预测奥黑尔机场的航班延误。使用Pig脚本，构建了一个特征矩阵，通过该矩阵我们可以训练和预测航空公司的延误，准确度约为80％ 项目详情 建立了一个预测航空公司延误的模型，准确度约为80％ 将航空公司数据集与UCI Repo的740万飞行记录一起使用 利用Pydoop实现MapReduce以构建特征矩阵 使用Pig脚本生成功能 使用Python，Scikit-Learn，Pig，Hadoop，HDFS，AWS EMR，IPython构建 技术指标 Python 2.7 Hadoop 2.7.3 Scikit学习 大熊猫 线性回

国际机场三字码 系统基础数据

某国际机场保洁服务投标书

参考资料-某国际机场线工程施工组织设计.zip

参考资料-某国际机场线工程施工组织设计方案.zip

澳门国际机场雷暴警告发布现况宣贯.pdf

机场是一个空地交通系统,机场地面交通的预测不同于一般城市道路具有其特殊性。本研究以北京首都国际机场为研究对象,基于2016年8月1日-2017年7月31日空地交通小时数据,预测辖区内58条道路小时级别的拥堵延时指数,为相关部门的管理提供依据。与传统的基于自身序列的预测模型相比,本研究将航空因素引入地面交通拥堵预测模型中,结果显示航空因素对于机场地面交通的预测具有重要影响,证实了机场地面交通预测的特殊性。与线性模型ARIMA和VAR模型相比,深度学习算法LSTM模型具有更好的预测精度。

中国枢纽机场航班延误预测建模-以上海浦东国际机场为例