[發(fā)明專利]基于大數(shù)據分析的航班計劃優(yōu)化方法、裝置及電子設備

有效

• 申請?zhí)枺?/td>: 202010675308.1
• 申請日: 2020-07-14
• 公開（公告）號: CN111985685B
• 公開（公告）日: 2023-05-02
• 發(fā)明（設計）人: 彭禎珍;李靜;劉翱;何龍
• 申請（專利權）人: 中國民用航空總局第二研究所
• 主分類號: G06Q10/047
• 分類號: G06Q10/047;G06F18/23213;G06F18/2411;G06F18/2135;G06Q50/30
• 代理公司: 北京鍾維聯(lián)合知識產權代理有限公司 11579
• 代理人: 安娜

1.一種基于大數(shù)據分析的航班計劃優(yōu)化方法，其特征在于，包括：

步驟1，接收歷史航班運行數(shù)據，所述歷史航班運行數(shù)據包括歷史航班運行時刻表和歷史航行情報；

步驟2，基于主成分分析法對所述歷史航班運行數(shù)據進行降維，并基于聚類算法對航班進行基于屬性的分類；

步驟3，根據所述分類，對每一類航班的延誤、取消情況進行統(tǒng)計，得到每類航班的取消及延誤情況；

步驟4，對于延誤/取消頻次超過設定頻次，和/或，延誤時間超過的設定時長的航班數(shù)據進行分析，獲得導致航班延誤及取消的主要因素，通過歷史運行數(shù)據對比提出優(yōu)化策略；

所述步驟2包括：

步驟21，對所述歷史航班運行數(shù)據進行標準化處理，獲得標準化的航班屬性參數(shù)矩陣；

步驟22，利用主成分分析算法，對所述標準化的航班屬性參數(shù)矩陣進行特征分解，得出航班參數(shù)屬性的主成分屬性與其對應的特征值，通過所述特征值選擇保留的主成分屬性，消除參數(shù)矩陣中多個維度間的線性相關性；

步驟23，利用kmeans算法對僅保留主成分的屬性數(shù)據進行聚類分析，根據航班屬性對航班分群聚類，并為航班屬性參數(shù)矩陣添加類別屬性；

所述步驟22包括：

步驟221，獲取標準化的航班屬性參數(shù)矩陣所對應的協(xié)方差矩陣C；

步驟222，設定每一屬性參數(shù)對應的特征單位向量為V，求解協(xié)方差矩陣C對應特征單位向量的特征值D：

D＝V^-1CV

步驟223，將得到的特征值進行排序，取排序靠前的特征值所對應的特征向量來獲得航班分類主要的影響屬性。

2.根據權利要求1所述的基于大數(shù)據分析的航班計劃優(yōu)化方法，其特征在于，所述步驟21包括：

步驟211，對接收的所述歷史航班運行時刻表和歷史航行情報進行整合，并抽取航班信息；

步驟212，對所述航班信息進行數(shù)值轉化，構建航班對應的多個屬性的參數(shù)數(shù)值，并獲得多個航班對應的屬性參數(shù)矩陣；

步驟213，按照下列公式，對所述屬性參數(shù)矩陣進行標準化處理，獲得標準化的航班屬性參數(shù)矩陣：

其中是屬性參數(shù)矩陣標準化后第i列屬性參數(shù)，X_i是屬性參數(shù)矩陣第i列屬性參數(shù)，E(X_i)是第i列屬性參數(shù)X_i的平均值，var(X_i)是第i列屬性參數(shù)X_i的方差。

3.根據權利要求2所述的基于大數(shù)據分析的航班計劃優(yōu)化方法，其特征在于，所述步驟23中，所述利用kmeans算法對僅保留主成分的屬性數(shù)據進行聚類分析包括：

步驟231，對僅保留主成分的屬性數(shù)據中隨機選擇k個對象作為初始聚類中心；

步驟232，根據距離優(yōu)先原則，將航班劃分到距離最近的聚類中；

步驟233，重新計劃聚類后的中心，如果中心發(fā)生變化則轉到步驟232重新聚類，否則輸出聚類結果。

4.根據權利要求3所述的基于大數(shù)據分析的航班計劃優(yōu)化方法，其特征在于，所述步驟3中，每類航班的取消及延誤情況包括：取消頻次、延誤頻次和平均延誤時長。

5.根據權利要求4所述的基于大數(shù)據分析的航班計劃優(yōu)化方法，其特征在于，所述步驟4包括：

步驟41，基于延誤或取消頻次超過給定頻次，以及，延誤時長超過給定的航班數(shù)據進行分析，通過包括時間集中性、地域性、機型、氣候的角度進行分析，得到航班延誤/取消的原因；

步驟42，根據航班延誤/取消的原因選取相應的對應策略，參考對比歷史航班運行數(shù)據，判斷是否存在更優(yōu)策略以減少取消/延誤，如有，則輸出航班計劃優(yōu)化策略。