[發明專利]一種航班延誤特性的高階分析方法

有效

• 申請號: 202010844144.0
• 申請日: 2020-08-20
• 公開（公告）號: CN112182059B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 杜文博;曹先彬;張明遠;李思遠
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F17/18;G06Q50/30
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 周長琪

1.一種航班延誤特性的高階分析方法，其特征在于：步驟如下：

步驟1：根據機場航班歷史數據，識別數據中的高階依賴關系，完成數據規則提取：

數據規則提取方法為：

A、對原始航班數據中航班序列出現次數做統計；

B、新建航班序列表，對航班序列概率分布做統計，統計一階節點概率分布；

C、添航班序列并檢查后續節點概率分布變化，統計二階節點概率分布；

D、使用Kullback-Leibler散度衡量新添高階依賴項前后概率分布間的距離，進而判斷新添航班序列是否有效；

步驟2：在步驟1的基礎上邊線重構，確保高階節點有傳入邊：

邊線重構方法為：

步驟a：將所有一階序列按照傳統一階網絡方法轉換為邊，每個一階序列都對應一個加權邊；

步驟b：將高階序列同樣轉化為邊，在需要的時候，給網絡添加高階節點；

步驟c：航班序列重定向， 為高階節點重新布線，將一階節點按照規則提取得到的航班序列重新定向，從而讓高階序列節點和低階序列節點滿足相同的規則；即含有相同機場節點的邊線不會和來自同一機場節點的傳入邊直接相連；

步驟d：高階序列修正；在根據規則提取連接機場節點后，根據規則提取得到的航班序列構建的邊優先指向具有最高序列長度的節點；

步驟3：高階網絡模型融合航班延誤信息與天氣信息；

步驟4：將連續的含有延誤信息以及天氣信息的預測集輸入高階模型，高階模型給出未來節點的延誤情況。

2.如權利要求1所述一種航班延誤特性的高階分析方法，其特征在于：步驟B中一階節點與二階節點概率分布統計方法為：

一階節點概率分布統計：

式(1)表示航班序列在t時刻到達某一機場m_i時，t+1時刻到達機場m_j、m_k、m_l其余機場的概率分別為a％、b％、c％、……；

二階節點概率分布統計：

其中，X_t-1為航班序列在t-1時刻到達的機場，式(2)、式(3)分別表示航班序列在t-1時刻到達機場m_a和m_b，且在t時刻到達m_i時，t+1時刻到達m_j、m_k其余機場的概率。

3.如權利要求1所述一種航班延誤特性的高階分析方法，其特征在于：步驟D中散度計算公式如下：

其中，P(x)、Q(x)是隨機變量x的兩個概率分布，KL(P||Q)為概率分布P和概率分布Q的相對熵。

4.如權利要求1所述一種航班延誤特性的高階分析方法，其特征在于：步驟3的具體方法為：

步驟1)：將原本的機場節點末尾增加H(High)與L(Low)來表現機場的延誤輕重程度，將含有延誤的節點輸入高階網絡，構成帶有延誤信息的高階網絡模型；

步驟2)：將航班數據的(Weather Impacted Traffic Index)WITI天氣影響交通因子分等，分為四等與原有機場節點結合，進而輸入高階網絡模型，構建含有天氣信息的高階網絡模型；

步驟3)：高階網絡模型預測航班延誤情況。

5.如權利要求4所述一種航班延誤特性的高階分析方法，其特征在于：步驟3)的具體方法為：將天氣類別劃分為以下七類，從1到6，分別表示為小雨、小雨到中雨、中到大雨、大雨，特大暴雨，特大暴雨及冰雹，0表示無降雨；將七類天氣類別作為權值對飛機流量做加權，最終可以得到任一格點的WITI，顯然WITI越大，航班受到天氣的影響越大，因此可以在已知始末機場的基礎上，統計沿途WITI并取平均值，隨后可以此航線受天氣的影響，在完成WITI統計并做歸一化處理后，將天氣類別以0.00、0.25、0.50、0.75、1.00為閾值分為Ⅰ、Ⅱ、Ⅲ、Ⅳ四等；最后含有WITI信息的節點輸入高階網絡，重新構建帶有天氣數據的高階網絡模型。