[發明專利]基于大數據分析的航班計劃優化方法、裝置及電子設備

有效

• 申請號: 202010675308.1
• 申請日: 2020-07-14
• 公開（公告）號: CN111985685B
• 公開（公告）日: 2023-05-02
• 發明（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: 北京鍾維聯合知識產權代理有限公司 11579
• 代理人: 安娜

本發明實施例中提供了一種基于大數據分析的航班計劃優化方法、裝置及電子設備。其中的方法包括：接收歷史航班運行數據，歷史航班運行數據包括歷史航班運行時刻表和歷史航行情報；基于主成分分析法對歷史航班運行數據進行降維，并進行基于屬性的分類；根據分類，對每一類航班的延誤、取消情況進行統計，得到每類航班的取消及延誤情況；獲得導致航班延誤及取消的主要因素，通過歷史運行數據對比提出優化策略。本發明通過大量歷史航班數據分析，提出航班計劃優化策略，避免了傳統依靠人工分析調整航班計劃的低效方式，能自動分析規律性的航班取消、延誤，通過歷史運行數據對比提出優化策略，減少航班取消、延誤現象，降低航空公司損失，提高旅客滿意度。

技術領域

本發明涉及民航技術領域，尤其涉及一種基于大數據分析的航班計劃優化方法、裝置及電子設備。

背景技術

隨著現代網絡型航空公司迅速擴張，機隊規模不斷擴大，航班量隨之增多，不正常事件發生的概率也越來越大，加上航空公司航段任務編排緊湊，不正常事件導致的航班取消、延誤對航空公司造成的影響愈加明顯，不僅造成了巨大的經濟損失，也降低了旅客的滿意度，為航空公司帶來隱性成本。為應對不正常事件，減少航班取消、延誤導致的損失，航空公司運行控制部門需要對不正常事件進行分析評估，解決航班計劃與運力匹配中出現的各種矛盾，為航班計劃匹配合適的生產運行資源，實現資源優化配置。

現有技術主要是在不正常事件發生后，通過運籌學等優化技術對航班計劃進行調整，以減少不正常航班所導致的損失，而事前主動調整航班計劃以避免不正常事件發生的運行分析則主要依靠人工經驗判斷。根據《民航行業發展統計公報》顯示，航班延誤主要原因有天氣原因、航空公司原因、機場原因、空管原因、旅客原因。航空公司對每個不正常航班的分析都需要參考大量統計報表，而且隨著航班量的逐步增多，需要分析的數據更加復雜，空管、機場、航空公司間缺乏數據分享的現狀，又進一步增加了不正常航班分析的難度。所以，僅僅依靠人工分析不能達到航空公司精細化管理的要求，同時也極大地增加了分析人員的負擔。

發明內容

有鑒于此，本發明實施例提供一種基于大數據分析的航班計劃優化方法、裝置及電子設備，至少部分解決現有技術中存在的問題。

第一方面，本發明實施例提供了一種基于大數據分析的航班計劃優化方法，包括：

步驟1，接收歷史航班運行數據，所述歷史航班運行數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，通過歷史運行數據對比提出優化策略。

進一步地，根據本發明實施例的一種具體實現方式，所述步驟2包括：

步驟21，對所述歷史航班數據進行標準化處理，獲得標準化的航班屬性參數矩陣；

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矩陣進行特征分解，得出航班參數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，并為航班屬性參數矩陣添加類別屬性。

進一步地，根據本發明實施例的一種具體實現方式，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；