[發明專利]一種基于數據挖掘分析的航班到達時刻預測方法及系統

在審

• 申請號: 202010475290.0
• 申請日: 2020-05-29
• 公開（公告）號: CN111652427A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 王廣超;王冠宇;王鐵林
• 申請（專利權）人: 航科院中宇（北京）新技術發展有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06N20/00
• 代理公司: 成都華辰智合知識產權代理有限公司 51302
• 代理人: 秦華云

1.一種基于數據挖掘分析的航班到達時刻預測方法，其特征在于，包括：

S1、航班歷史運行數據匹配融合及標準化處理：依據特征維度參數對航班歷史數據進行關聯匹配、多維分類及標準化處理與存儲，所述特征維度參數包括航班號、航班日期、三字碼、機號、機型、起降機場，所述航班歷史數據包括航班動態、ADS-B系統中的運行軌跡、ACARS系統中的運行軌跡、飛行計劃航路，處理后得到歷史運行數據；

S2、歷史運行數據特征篩選與相關性分析：對步驟S1中的歷史運行數據進行特征變量篩選、特征值計算，并對數據中各特征變量與到達時刻之間進行皮爾森相關系數計算分析；

S3、構建預測模型：利用歷史運行數據及其特征變量分析結果，構建基于XGBoost算法的回歸預測模型，并使用測試數據驗證模型準確性，通過不斷調參優化，獲取最佳準確率的回歸預測模型；

S4、將被預測航班的特征變量數據輸入到回歸預測模型中并計算得到航班剩余飛行時間的預測值。

2.按照權利要求1所述的一種基于數據挖掘分析的航班到達時刻預測方法，其特征在于：所述步驟S1方法包括如下：

依據特征維度參數對航班歷史數據進行關聯匹配并構建出航班運行數據集，所述航班運行數據集包括航班號、機號、機型、起降機場、航空公司；對航班運行數據集中包括航班軌跡、航班動態在內數據進行特征計算和標準化處理，特征計算所含的特征項包括如下：航班軌跡點、與起飛機場距離D1、與目的機場距離D2、已飛行時間T1、剩余飛行時間T2、延誤時間DT。

3.按照權利要求1所述的一種基于數據挖掘分析的航班到達時刻預測方法，其特征在于：所述步驟S2方法包括如下：

利用皮爾森相關系數法分析歷史運行數據的特征項參數與航班到達時刻之間的相關性，所述特征項參數包括航程距離、航程時間、起飛延誤時間、到達延誤時間、執飛機型、載客、載重；分析計算歷史運行數據各飛行軌跡中的如下數據：各個航跡點的時間、與起飛時間時間差、與落地時間時間差、與起飛機場距離、與落機場距離；并篩選出具有顯著相關性的屬性與數據，同時去除弱相關和無相關性的的屬性與數據。

4.按照權利要求1或3所述的一種基于數據挖掘分析的航班到達時刻預測方法，其特征在于：所述步驟S2方法皮爾森相關系數計算公式如下：

5.按照權利要求1所述的一種基于數據挖掘分析的航班到達時刻預測方法，其特征在于：所述步驟S3方法包括如下：

利用歷史運行數據及其特征變量分析結果，構建基于XGBoost算法的回歸預測模型，預測函數表示為：

依據步驟二篩選的歷史運行數據特征參數，使用歷史運行數據訓練構建構建基于XGBoost算法的回歸預測模型，預測函數表示為：

并使用不同的歷史運行數據進行預測測試優化，獲取得到最佳準確率的回歸預測模型。

6.按照權利要求1所述的一種基于數據挖掘分析的航班到達時刻預測方法，其特征在于：所述步驟S4方法包括如下：

依據步驟S3得到的回歸預測模型，輸入被預測航班的當前運行特征參數，運行特征參數包括航班號、航空公司、機號、機型、起降機場、載重、所在位置、已飛時間、已飛距離、剩余距離，回歸預測模型計算得到航班的剩余飛行時間，并得到落地時間預測；在航班實際落地后，將實際運行特征變量與實際落地時間反饋至回歸預測模型，實現對回歸預測模型進行更新學習。