[發明專利]一種基于排序學習的多數據源航班起飛時間預測方法

有效

• 申請號: 202010459570.2
• 申請日: 2020-05-27
• 公開（公告）號: CN111599219B
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 王殿勝;劉昊;佟瑀;卞磊;薄滿輝;唐紅武
• 申請（專利權）人: 中航信移動科技有限公司
• 主分類號: G08G5/00
• 分類號: G08G5/00;G06Q10/04;G06Q50/30;G06N3/08
• 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: 李濤;黨建華

本發明公開了一種基于排序學習的多數據源航班起飛時間預測方法，包括以下步驟：使用航班屬性和航班起飛預測時間的歷史數據進行預測模型訓練；對預測模型進行優化；通過預測模型對多數據源航班起飛時間的實時數據進行采信。該方法將排序學習算法應用于航班預計起飛時間預測的多數據源決策采信中，基于多數據源對航班預測起飛時間的歷史數據進行時間采樣，結合航班屬性形成航班文檔集，并基于預測誤差的航班起飛時間預測進行相關性標注，調用排序學習算法獲取得分最高的預測起飛時間作為決策采信。本發明的方案將航班的所有數據源的歷史預測數據結合在一起，合理利用了預測信息量，訓練數據豐富，統一模型解決航班整個生命周期中任何時刻預測采信問題的綜合決策。

技術領域

本發明涉及一種基于排序學習的多數據源航班起飛時間預測方法，屬于民用航空信息技術領域。

背景技術

航班的起飛時間預測(ETD，estimated time of departure)，決定了民航客機對地面、空域等資源的占用，對于空管、機場、航空公司等航空單位的工作效率極其重要。針對同一航班，其起飛時間的預測通常來源于多個單位，各數據源由于各自掌握不同的資源，其預計的覆蓋范圍、誤差分布各不相同，經常產生分歧，如何實現優質的綜合采信決策是一個值得解決的問題。單數據源的采信方案，可將數據源的采信與否建模成一個二分類問題，使用常見的二分類算法來解決，如貝葉斯方法、SVM、多層神經網絡等。多數據源的采信方案，可基于二分類模型直接向多分類模型進行擴展，是一種直觀的實現方案；基于統計的方法對每個數據源進行評價，參考其置信度，也可以實現多數據源采信任務。

但是，在多數據源的采信方法中，基于多分類和統計學的方案均難以利用數據源之間的互補性質。借助排序學習算法，將收到的所有數據源全部納入一個模型，則可以充分地利用所有數據源。在訓練數據的獲取上，現有技術往往局限于各數據源內部分別建模。假設各數據源的預測邏輯長時間保持穩定，即其誤差關于選取的特征組合的分布穩定，當同時收到兩個預測值相差過大的數據源時，誤差較大的數據源雖然不應被采用，但不代表其出現得毫無價值，任何其他預測無論正確與否，其本身也貢獻了一定的信息量，對選取正確的數據源理應有所幫助。

發明內容

針對現有技術中所存在的問題，本發明提出一種基于排序學習的多數據源航班起飛時間預測方法，解決在多數據源的采信方法基于多分類和統計學的方案均難以利用數據源之間互補性質，借助排序學習算法，將收到的所有數據源全部納入一個模型，充分提高多源數據的利用率。

為達到以上目的，本發明一方面提出一種基于排序學習的多數據源航班起飛時間預測方法，包括以下步驟：

步驟S1、獲取航班屬性和航班起飛預測時間的多源歷史數據，使用排序學習算法訓練預測模型；

步驟S2、優化預測模型；

步驟S3、通過預測模型對多源航班預測起飛時間進行決策。

優選地，所述步驟S1的工作流程為：

步驟S11、采集所有航班屬性和航班起飛預測信息的歷史數據；

步驟S12、將歷史數據分為訓練集和預測集；

步驟S13、對訓練集的歷史數據進行時間軸采樣和特征提取，形成訓練集文檔；

步驟S14、根據訓練集文檔預測起飛時間與給定起飛時間之間的誤差絕對值，對訓練集文檔進行相關性標注選分類；

步驟S15、調用排序學習算法訓練預測模型。

優選地，所述步驟S11的航班屬性包括航班號、起飛機場；所述航班起飛預測信息包括預測數據源、預測起飛時間、預測發生時間。

優選地，所述步驟S13是將特定航班屬性在預測時間點形成的組合作為排序學習算法的查詢，該航班屬性與早于上述時間點的若干個預測時間點形成的組合作為排序算法的訓練集文檔。