[發(fā)明專利]一種基于數(shù)據(jù)挖掘分析的航班到達(dá)時(shí)刻預(yù)測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010475290.0
• 申請(qǐng)日: 2020-05-29
• 公開（公告）號(hào): CN111652427A
• 公開（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 王廣超;王冠宇;王鐵林
• 申請(qǐng)（專利權(quán)）人: 航科院中宇（北京）新技術(shù)發(fā)展有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/30;G06N20/00
• 代理公司: 成都華辰智合知識(shí)產(chǎn)權(quán)代理有限公司 51302
• 代理人: 秦華云

本發(fā)明公開了一種基于數(shù)據(jù)挖掘分析的航班到達(dá)時(shí)刻預(yù)測(cè)方法及系統(tǒng)，包括：S1、航班歷史運(yùn)行數(shù)據(jù)匹配融合及標(biāo)準(zhǔn)化處理；S2、歷史運(yùn)行數(shù)據(jù)特征篩選與相關(guān)性分析；3、構(gòu)建預(yù)測(cè)模型；S4、將被預(yù)測(cè)航班的特征變量數(shù)據(jù)輸入到回歸預(yù)測(cè)模型中并計(jì)算得到航班剩余飛行時(shí)間的預(yù)測(cè)值。本發(fā)明從ADS?B系統(tǒng)、ACARS系統(tǒng)等設(shè)備中采集航班歷史數(shù)據(jù)，首先對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)、標(biāo)準(zhǔn)化處理，然后依據(jù)特征變量篩選、特征值計(jì)算進(jìn)行皮爾森相關(guān)系數(shù)計(jì)算并構(gòu)建基于XGBoost算法的回歸預(yù)測(cè)模型，不斷調(diào)參優(yōu)化模型，得到最佳準(zhǔn)確率的回歸預(yù)測(cè)模型，在模型中輸入被預(yù)測(cè)航班的特征變量數(shù)據(jù)后即可預(yù)測(cè)得到航班的預(yù)測(cè)到達(dá)時(shí)刻，提高了航班到達(dá)時(shí)刻的預(yù)測(cè)精度。

技術(shù)領(lǐng)域

本發(fā)明涉及航班運(yùn)行管理領(lǐng)域，尤其涉及一種基于數(shù)據(jù)挖掘分析的航班到達(dá)時(shí)刻預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)

民航業(yè)務(wù)量的逐年增長對(duì)航班運(yùn)行水平提出了更高的要求，尤其是航空公司航班準(zhǔn)點(diǎn)率、機(jī)場(chǎng)運(yùn)行效率方面。航班到達(dá)時(shí)刻的準(zhǔn)確估計(jì)有利于提高機(jī)場(chǎng)和航空公司的運(yùn)行效率和安全水平，對(duì)提升航班準(zhǔn)點(diǎn)率、改善航班保障與運(yùn)行效率、優(yōu)化資源分配與任務(wù)規(guī)劃具有重要而直接的意義。當(dāng)前，航班到達(dá)時(shí)刻估計(jì)準(zhǔn)確率不夠理想，數(shù)據(jù)挖掘技術(shù)的發(fā)展為航班預(yù)達(dá)時(shí)刻估計(jì)提供了新方法，豐富的航班運(yùn)行歷史數(shù)據(jù)庫也為基于數(shù)據(jù)挖掘的預(yù)測(cè)方法提供了充足的數(shù)據(jù)支撐。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的不足之處，本發(fā)明的目的在于提供一種基于數(shù)據(jù)挖掘分析的航班到達(dá)時(shí)刻預(yù)測(cè)方法及系統(tǒng)，能夠從ADS-B系統(tǒng)、ACARS系統(tǒng)等設(shè)備中采集航班歷史數(shù)據(jù)，首先對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)、標(biāo)準(zhǔn)化處理，然后依據(jù)特征變量篩選、特征值計(jì)算通過皮爾森相關(guān)系數(shù)計(jì)算得到各特征變量與到達(dá)時(shí)刻之間相關(guān)系統(tǒng)，并構(gòu)建基于XGBoost算法的回歸預(yù)測(cè)模型，不斷調(diào)參優(yōu)化模型，得到最佳準(zhǔn)確率的回歸預(yù)測(cè)模型，在模型中輸入被預(yù)測(cè)航班的特征變量數(shù)據(jù)后即可預(yù)測(cè)得到航班的預(yù)測(cè)到達(dá)時(shí)刻。

本發(fā)明的目的通過下述技術(shù)方案實(shí)現(xiàn)：

一種基于數(shù)據(jù)挖掘分析的航班到達(dá)時(shí)刻預(yù)測(cè)方法，包括：

S1、航班歷史運(yùn)行數(shù)據(jù)匹配融合及標(biāo)準(zhǔn)化處理：依據(jù)特征維度參數(shù)對(duì)航班歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)匹配、多維分類及標(biāo)準(zhǔn)化處理與存儲(chǔ)，所述特征維度參數(shù)包括航班號(hào)、航班日期、三字碼、機(jī)號(hào)、機(jī)型、起降機(jī)場(chǎng)，所述航班歷史數(shù)據(jù)包括航班動(dòng)態(tài)、ADS-B系統(tǒng)中的運(yùn)行軌跡、ACARS系統(tǒng)中的運(yùn)行軌跡、飛行計(jì)劃航路，處理后得到歷史運(yùn)行數(shù)據(jù)；

S2、歷史運(yùn)行數(shù)據(jù)特征篩選與相關(guān)性分析：對(duì)步驟S1中的歷史運(yùn)行數(shù)據(jù)進(jìn)行特征變量篩選、特征值計(jì)算，并對(duì)數(shù)據(jù)中各特征變量與到達(dá)時(shí)刻之間進(jìn)行皮爾森相關(guān)系數(shù)計(jì)算分析；

S3、構(gòu)建預(yù)測(cè)模型：利用歷史運(yùn)行數(shù)據(jù)及其特征變量分析結(jié)果，構(gòu)建基于XGBoost算法的回歸預(yù)測(cè)模型，并使用測(cè)試數(shù)據(jù)驗(yàn)證模型準(zhǔn)確性，通過不斷調(diào)參優(yōu)化，獲取最佳準(zhǔn)確率的回歸預(yù)測(cè)模型；

S4、將被預(yù)測(cè)航班的特征變量數(shù)據(jù)輸入到回歸預(yù)測(cè)模型中并計(jì)算得到航班剩余飛行時(shí)間的預(yù)測(cè)值。

為了更好地實(shí)現(xiàn)本發(fā)明，本發(fā)明步驟S1方法包括如下：

依據(jù)特征維度參數(shù)對(duì)航班歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)匹配并構(gòu)建出航班運(yùn)行數(shù)據(jù)集，所述航班運(yùn)行數(shù)據(jù)集包括航班號(hào)、機(jī)號(hào)、機(jī)型、起降機(jī)場(chǎng)、航空公司；對(duì)航班運(yùn)行數(shù)據(jù)集中包括航班軌跡、航班動(dòng)態(tài)在內(nèi)數(shù)據(jù)進(jìn)行特征計(jì)算和標(biāo)準(zhǔn)化處理，特征計(jì)算所含的特征項(xiàng)包括如下：航班軌跡點(diǎn)、與起飛機(jī)場(chǎng)距離D1、與目的機(jī)場(chǎng)距離D2、已飛行時(shí)間T1、剩余飛行時(shí)間T2、延誤時(shí)間DT。

作為優(yōu)選，本發(fā)明步驟S2方法包括如下：