[發明專利]基于機器學習的機場群體性事件預測及預警方法

在審

• 申請號: 202011063333.0
• 申請日: 2020-09-30
• 公開（公告）號: CN112365023A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 張繼勇;葛作鵬
• 申請（專利權）人: 浙江漢德瑞智能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06F16/215;G06F16/2458;G06N5/00;G06N20/00;G08B5/36;G08B21/18
• 代理公司: 杭州昱呈專利代理事務所(普通合伙) 33303
• 代理人: 雷仕榮

1.基于機器學習的機場群體性事件預測及預警方法，其特征在于，包括以下步驟：

S10，數據預處理：將數據中不合理的數據剔除；

S20，對原始數據中乘機原因進行獨熱編碼，轉化成數值類型特征，并將數據劃分成訓練集和測試集；

S30，對一個航班的數據進行高斯混合聚類：聚類數量分為兩類，一類是沒有參與群體性事件的乘客數據，另一類是參與群體性事件的乘客數據，統計每類內的真正標簽，如果該類內參與群體性事件的乘客多，則該類設為群體性事件類，如果該類內沒有參與群體性事件的乘客多，則該類設為沒有參與群體性事件類；

S40，設置隨機森林中樹的個數和學習率的大小，對訓練集進行自助采樣，用于訓練隨機森林回歸算法；

S50，對于一個航班的乘客進行預測，對隨機森林和高斯混合聚類的預測值進行線性加權，隨機森林的權重設為0.6，高斯混合聚類的權重設為0.4，將每一個乘客的數據輸入進行預測，得到一個0-1之間的數，如果得到0-1之外的數，就近取舍，對所有的預測值相加，得到該航班群體性事件的預測人數；

S60，對該預測人數進行事件等級評估，劃分為無警、輕警、中警、巨警4個等級來表示，同時用藍、綠、黃、紅4種顏色來做警示。

2.根據權利要求1所述的方法，其特征在于，所述不合理的數據包括空缺的數據、超范圍的數據和不符合類型的數據。

3.根據權利要求1所述的方法，其特征在于，所述對原始數據中乘機原因進行獨熱編碼，轉化成數值類型特征：由航班預定起飛時間、航班真正起飛時間計算航班起飛延誤時間，將時間戳轉化為float類型；由航班預定降落時間、航班真正降落時間計算航班降落延誤時間，將時間戳轉化為float類型。

4.根據權利要求1所述的方法，其特征在于，所述S30中還對于測試集計算測試數據和兩類的高斯均值向量的歐式距離，距離哪類近，該測試樣本的預測類就是該均值向量對應的類。

5.根據權利要求1所述的方法，其特征在于，所述S40中，改進隨機森林訓練過程中隨機屬性的選擇問題，采用一個指數衰減的方法來選擇隨機屬性的數量，假設該節點有k個屬性，則選擇的隨機屬性數量為并選擇出最有的屬性劃分，對測試集并進行預測，評估算法性能。