[發明專利]航班到達時間預測方法

有效

• 申請號: 201711022408.9
• 申請日: 2017-10-27
• 公開（公告）號: CN107818382B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 陳曉宇;權桁;王殿勝;薄滿輝;唐紅武;劉昊
• 申請（專利權）人: 中航信移動科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q50/30
• 代理公司: 北京瑞思知識產權代理事務所(普通合伙) 11341
• 代理人: 王寶玲

本發明提供了一種航班到達時間預測方法。該方法包括：獲取歷史數據，并對歷史數據進行預處理，得到特征數據，其中，特征數據包括：天氣特征數據、航班歷史飛行特征數據和位置特征數據；將特征數據以及每條特征數據對應的航班實際到達時間作為原始數據訓練隨機森林模型；通過隨機森林模型對待預測航班的特征數據進行分類，并對分類得到的結果進行投票，投票數最高的結果即為待預測航班的預測到達時間。通過本發明，解決了航班預計到達時間不準確的問題，提高了航班預計到達時間預測的準確性。

技術領域

本發明涉及民航信息數據處理領域，具體而言，涉及一種航班到達時間預測方法。

背景技術

術語解釋

ADS-B：即廣播式自動相關監視，本發明實施例中航班的空中位置信息的數據來源。

云組：云量云高以“NNNhhh”的形式報告，其中“NNN”為云量，“hhh”為云高。云量按八分量進行觀測，即把天空分成八等分，看天空被遮住幾分，云量就是八分之幾。按照《國際航空氣象電碼》規定，對云量，按FEW(1-2)、SCT(3-4)、BKN(5-7)、OVC(8)進行報告；對云高，3000米以下，以30米(100英尺)為單位，3000米以上，以300米(1000英尺)為單位編報；對云狀，只報告積雨云(CB)和濃積云(TCU)。如FEW010CB。當天空無云，且垂直能見度較好，而又不適合用CAVOK(例如，天空無云，能見度小于10000米)時，云組用SKC代替。

隨機森林：在機器學習中，隨機森林是一個包含多個決策樹的分類器，并且其輸出的類別是由個別樹輸出的類別的眾數而定。Leo Breiman和Adele Cutler發展出推論出隨機森林的算法。而“Random Forests”是他們的商標。這個術語是1995年由貝爾實驗室的TinKam Ho所提出的隨機決策森林(random decision forests)而來的。這個方法則是結合Breimans的“Bootstrap aggregating”想法和Ho的“random subspace method”以建造決策樹的集合。

隨著中國經濟的發展，航空旅客運輸量每年都在增加，機場需要保障的航班越來越多。在機場硬件設備和人力相對固定的情況下，由于航班預計到達時間的誤差，勢必會導致機場對工作人員和車輛的調配問題。另一方面，各大城市的機場普遍在郊區，接機人員需要根據航班預計到達時間，調整自己的接機計劃。對于這樣的需求，目前國內的各種航班信息查詢平臺都不能提供類似的精確查詢服務。

現有兩種方式對航班的到達時間進行預估，一種是通過航班的歷史統計數據進行預估。這種方法通過對相同航線、相同機型的航班歷史數據進行統計，某航線該機型的歷史實際平均飛行時長＝(航班的實際到達時間-航班實際起飛時間)/統計天數。在本次航班實際起飛后，用實際起飛時間加上歷史實際平均飛行時長得到本次航班的預計到達時間。這種方法有兩點問題：一是歷史平均情況難以準確預估本次飛行，特別是在天氣惡劣的情況下，航班可能會需要繞行盤旋。二是對于較長航線，即使航班正常飛行，飛行時長的差距也會較大，比如首都機場到烏魯木齊機場的航線，不同日期飛行時長的差別在三十分鐘以上。

第二種是根據到達機場的地面雷達進行預估，機場工作人員通過觀察雷達圖，當飛機進入雷達監控范圍內，根據歷史經驗預估航班落地時間。這種方式雖然能較準確的預估航班的到達時間，但是受限于設備的監控范圍，往往只能在航班實際落地前三十分鐘左右才能做出預估。

對機場后勤保障工作和接機人員來說，上面這兩種方式都不能較好的解決如何在航班實際到達前較早的時間范圍內，精確的預估出航班的到達時間的問題。

發明內容

本發明提供了一種航班到達時間預測方法，以至少解決相關技術中航班預計到達時間不準確的問題。

根據本發明的一個方面，提供了一種航班到達時間預測方法，包括：