[發明專利]一種機場航班大面積延誤風險的預測方法

有效

• 申請號: 201910692257.0
• 申請日: 2019-07-30
• 公開（公告）號: CN110503245B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 楊光;劉繼新;董欣放
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/30;G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 康燕文

本發明公開了一種機場航班大面積延誤風險的預測方法，具體包括以下步驟：收集歷史數據，并進行預處理；利用隨機森林算法篩選關鍵因子；對篩選后的數據進行類別特征數值化和歸一化處理，隨機抽樣分為訓練集和測試集；針對上述數據，運用canopy聚類進行粗略聚類，找出初始簇；利用canopy找出的簇作為k值，采用K?means算法進行多特征的精聚類；計算每簇中大面積延誤的發生概率；通過輸入某小時機場天氣和航班信息進行分類，實現該小時機場航班出現大面積延誤的風險預測。本發明能較為準確地預測機場短期發生大面積延誤的風險；改進了只針對單一航班延誤預測的弊端，能夠綜合考慮諸多影響因素，提高預測的精準程度；解決當前對機場航班大面積延誤的風險預測問題。

技術領域

本發明屬于民航技術領域，具體涉及一種機場航班大面積延誤風險的預測方法。

背景技術

隨著民航業的高速發展，延誤問題也日漸凸顯。延誤發生的原因有很多，大致可分為航空公司原因、天氣原因和交通流量控制等。航班延誤不僅對航空公司、旅客造成極大的不良影響，對于機場的正常運行也具有負面影響，準確預測機場航班大面積延誤風險，對于及時采取針對性的策略具有重要的現實意義。當前對于延誤的預測按照預測內容主要分為：延誤時間的預測、延誤數量的預測和延誤等級的預測；按照預測對象主要分為：針對單航班延誤、針對機場延誤及針對航空公司的延誤。

然而，目前大多數預測是基于歷史數據進行的回歸預測；并且多針對單一航班進行預測，缺乏對于某一時間段內機場延誤的整體風險預測；預測多為針對延誤的單一因素的具體預測，例如時間、數量、等級，而沒有對于延誤發生概率的風險預測。而在實際運行中，機場發生大面積延誤是由于諸多航班和諸多影響因素的綜合作用造成的，情況是復雜和多變的。且避免大面積航班延誤是航班延誤引發的次生風險及提高資源利用效率的關鍵。本發明基于機器無監督學習聚類，提出一種機場大面積延誤風險預測方法，以小時為單位，實現對機場大面積航班延誤風險發生概率的預測。

發明內容

發明目的：本發明的目的是提供一種機場航班大面積延誤風險的預測方法，減小大面積航班延誤問題對機場運行造成的影響，從而減小延誤對航空公司和旅客的不良影響。

發明內容：本發明所述的一種機場航班大面積延誤風險的預測方法，包括以下步驟：

(1)對收集的歷史數據行預處理；

(2)對預處理后的數據構造預測模型的輸入特征，利用隨機森林算法進行影響延誤的特征的關鍵因子篩選，并對篩選后的數據進行數值處理，然后隨機抽樣，分為訓練集和測試集；

(3)針對上述數據，結合關鍵因子作為特征，運用canopy聚類進行粗略聚類，找出初始簇；

(4)利用canopy找出的簇作為k值，利用K-means算法進行多特征的精聚類；

(5)計算每個簇中大面積延誤的發生概率；

(6)通過輸入某小時機場天氣和航班信息，進行分類，得出該小時機場航班大面積延誤風險的預測結果。

所述歷史數據類型主要包括機場天氣信息和機場航班信息。

所述步驟(1)包括以下步驟：

(11)對機場天氣信息和機場航班信息進行清洗，清除缺失數據、錯誤數據和重復數據；

(12)對機場天氣類型信息、機型信息等進行類別特征數值化，按照其對延誤的影響，劃分為不同的等級；

(13)對所述數據按照單位每小時進行整理。

步驟(2)所述進行輸入特征值的構造過程如下：