随着国内民航旅客运输量的接年攀升,民航旅客安检区服务资源利用效率几近饱和的现状成为了限制机场旅客服务质量的瓶颈。传统的安检区旅客分布预测方法难以对安检区旅客服务资源的运行指挥提供十分精准数据支持,且离港旅客安检服务环节的复杂性等一系列问题致使其成为了旅客排队滞留的重灾区。因此,如何设计精准有效的安检区旅客到达分布预测模型成为了提升航站楼内安检运行效率的研究重点。为了解决机场安检区的旅客到达分布预测问题,本文利用历史已执行的航班数据,对各个航班离港旅客的安检的到达概率密度进行曲线拟合。通过对拟合模型的论证分析,确定了以二阶高斯混合模型为研究对象。随后对单航班拟合模型的结构参数与航班计划特征之间的进行关联性分析,发现了临近航班短时客流量等航班特征与结构参数间的相关性,并基于此构建了单航班高斯拟合结构参数的预测模型(RBF-GMM)。针对历史未执行新增航班,采用k近邻算法,选取出与预测航班特征信息最为贴近的历史航班,实现对拟合模型结构参数的预测。最后结合前期的预测结果与航班客座率等对各单航班旅客的到达分布进行重构。通过对同一安检区所有航班进行平移叠加运算,完成了安检区多航班离港旅客的到达分布预测模型。本文所构建的预测模型能够结合最新的离港航班计划,预测一天内各安检区的旅客到达分布,一定程度上排除了航班计划变更引发的干扰,通过对多个安检区进行仿真验证分析,预测精度能够到达近90%,为航站楼安检区旅客到达分布的精确预测提供了一种新的解决思路。