基于时间序列相似性度量的机场离港延误时间预测方法技术

本发明专利技术公开了基于时间序列相似性度量的机场离港延误时间预测方法。该方法的步骤：提取并处理机场飞行计划数据；建立并计算机场延误相关指标；基于动态时间规整方法提取机场离港延误时间序列的相似性；分析机场离港延误相关指标的关联性；利用时间序列相似性特征加权方法预测机场离港延误时间。本发明专利技术克服了现有机场离港延误预测方法的缺陷，提高了机场离港延误预测的效率和精度。

Prediction method of airport departure time delay based on similarity measurement of time series

The invention discloses a method for predicting airport departure time delay based on time series similarity measurement. The steps of this method are: extracting and processing airport flight plan data; establishing and calculating airport delay related indexes; extracting the similarity of airport departure delay time series based on dynamic time warping method; analyzing the correlation of airport departure delay related indexes; using time series similarity feature weighting method to predict Airport departure. Delay time in Hong Kong. The invention overcomes the defects of the existing airport departure delay prediction method, and improves the efficiency and accuracy of the airport departure delay prediction.

【技术实现步骤摘要】
基于时间序列相似性度量的机场离港延误时间预测方法
本专利技术属于民航
，特别涉及了一种机场离港延误时间预测方法。
技术介绍
延误是交通运输系统中最重要的性能指标之一，也一直是空中交通系统的一项重要研究课题。航班延误预测可以提升空管、机场、航空公司的战略及战术决策水平，及时告知旅客延误情况，以便其重新安排航行计划，从而有效缓解延误现状。随着我国国民经济的快速发展，日益增长的航空运输需求与实际空域及机场容量的矛盾愈加明显。航班延误已造成大量负面影响，尤其在经济方面，危及了旅客、航空公司和机场等各方利益。目前，航班延误预测都是对单航班延误时间进行预测，不同机场、不同机型、不同的航空公司都会造成预测延误时间的变化，缺乏针对机场某一时间段场面整体延误情况的预测；此外，大多数预测对于数据的选择较为简单，仅从数据完整性和有效性进行筛选，缺乏对于数据特征提取的预处理过程，忽略数据本身具备的特性，造成大量数据信息的丢失，无法得到准确的预测结果。总体而言，目前关于机场离港延误时间预测研究现状如下：(1)在依据历史延误数据，基于时间序列相似性度量预测机场离港延误时间的研究尚处于空白，对机场整体延误情况预测缺乏科学的数据分析支持；(2)在进行延误预测时，大多数研究通常只考虑数据的可获取性和完整性，缺乏对于数据进一步处理，容易受异常数据干扰；(3)目前的延误预测方法，多针对单一航班进行预测，而缺乏对于某一时间段航班延误整体情况的分析；(4)由于空中交通运输系统的复杂性、预测模型的多样性和航空系统中的数据体量，难以构建精确的航班延误预测模型，大部分研究存在考虑因素不全面的情况。
技术实现思路
为了解决上述
技术介绍
提出的技术问题，本专利技术旨在提供基于时间序列相似性度量的机场离港延误时间预测方法，提高机场离港延误预测的效率和精度。为了实现上述技术目的，本专利技术的技术方案为：基于时间序列相似性度量的机场离港延误时间预测方法，包括以下步骤：(1)提取并处理机场飞行计划数据；(2)建立并计算机场延误相关指标；(3)基于动态时间规整方法提取机场离港延误时间序列的相似性；(4)分析机场离港延误相关指标的关联性；(5)利用时间序列相似性特征加权方法预测机场离港延误时间。进一步地，步骤(1)的具体过程如下：(1a)对计划进离港时间、实际起飞机场、实际落地机场、实际起飞时间、实际落地时间、实际撤轮档时间、实际挡轮档时间、实际滑入时间、实际滑出时间缺失的历史运行记录数据进行去除，提取出有效的飞行计划数据；(1b)针对有效的飞行计划数据，进行数据字段的有效性筛选，验证数据准确性。进一步地，步骤(2)的具体过程如下：(2a)定义机场离港延误相关指标，包括实际进港架次、实际离港架次、计划进港架次、计划离港架次、离港延误时间、离港延误架次、机上延误架次、机上延误时间、前序延误时间、发生前序延误的本场离港延误架次、发生前序延误的本场离港延误时间、发生前序延误且本场发生离港延误的前序延误时间、过站冗余时间、本场根延误架次、本场根延误时间、滑入时间、滑出时间、滑入架次和滑出架次；(2b)计算上述机场离港延误相关指标，其中离港延误时间、机上延误时间、前序延误时间、发生前序延误的本场离港延误时间、发生前序延误且本场离港延误的前序延误时间、本场根延误时间、过站冗余时间、滑出时间和滑入时间的计算方法如下：离港延误时间＝实际撤轮档时间–计划离港时间；离港延误时间大于零视为有效，其它数值记为“0”；机上延误时间＝实际起飞时间–实际关舱门时间–经验滑出时间；机上延误时间大于零视为有效，其它数值记为“0”；前序延误时间＝前序计划的实际挡轮档时间–计划进港时间；前序延误时间大于零视为有效，其它数值记为“0”；发生前序延误的本场离港延误时间＝实际撤轮档时间–计划离港时间；前序延误时间大于零，且发生前序延误的本场离港延误时间大于零视为有效，其它数值记为“0”；发生前序延误且本场离港延误的前序延误时间＝前序航班撤轮档时间–前序航班计划离港时间；前序延误时间大于零视为有效，其它数值记为“0”；本场根延误时间＝实际撤轮档时间–计划离港时间；前序延误时间等于零或为首发航班，且本场根延误时间大于零视为有效，其它数值记为“0”；过站冗余时间＝(计划离港时间–计划进港时间)-(实际离港时间–实际进港时间)；滑出时间＝实际起飞时间–实际撤轮档时间；滑出时间大于零视为有效，其它数值则表明该飞行计划有误，删除本条记录；滑入时间＝实际进港时间–实际撤轮档时间；大于零视为有效，其它数值则表明该飞行计划有误，删除本条记录；基于上述指标，计算机场统计时段内所有航班的累积值，统计范围根据划设的时间粒度为准。进一步地，所述划设的时间粒度包括15分钟、30分钟、60分钟和一天。进一步地，步骤(3)的具体过程如下：(3a)指定时间粒度，统计该时间粒度下各时段机场离港延误时间，构造机场离港延误时间序列；(3b)采用动态时间规整方法度量机场离港延误时间序列距离，设时间序列X＝＜x1,x2,...,xi＞与Y＝＜y1,y2,...,yj＞，则这两个时间序列的距离计算公式如下：其中，Ddtw(X,Y)表示序列X与Y的采用动态时间规整方法得出的DTW距离；dist(x1,y1)为序列点x1和y1之间的距离；Rest(X)和Rest(Y)表示序列X和Y除去x1和y1之后的剩余序列。进一步地，步骤(4)的具体过程如下：(4a)将所研究时间范围内各时间序列之间的DTW距离由小到大排序，并设置相似阈值；(4b)根据相似阈值找出相似的时间序列，筛选其中出现频率最高的日期作为研究日期，提取与该研究日期相似度最高的7天，通过皮尔逊相关系数分析机场离港延误相关指标的关联性：上式中，X为研究日期，X＝＜x1,x2,...,xi,...,xn＞，Y为相似日期，Y＝＜y1,y2,...,yi,...,yn＞；i为该指标时间序列号，i＝1,2,3,...,n，a为时间粒度，其单位为分钟，rX,Y为X与Y的某一指标的皮尔逊系数，用于表征关联性大小；Xi为研究日期某一指标第i个值，为研究日期某指标该日平均值，sX为X的标准差，Yi为相似日期某一指标第i个值，为研究日期某指标该日平均值，sY为Y的标准差。进一步地，步骤(5)的具体过程如下：(5a)在选择预测时间序列和其余所有有效机场离港延误时间序列之后，采用DTW相似性度量方法，计算预测时序与历史数据的DTW距离：设预测时序在预测时段内的延误时间序列Y＝(y1,y2,...,ym)，m为预测时序的长度，历史样本延误时序X＝(x1,x2,...,xk)，k为历史样本延误时序长度；当计算预测时段与历史数据的DTW距离之后，通过设置相似性距离阈值distthreshold，选取小于该阈值的历史时段作为研究时段的关联时序，加入到关联时序集合中，设筛选之前的有效时序集合CX＝{X1,X2,...,Xr}，则筛选后的关联时序集合为CX'＝{X1,X2,...,Xr'|r'≤r}；(5b)构建特征加权的支持向量回归模型：首先，根据预测时段与历史数据的DTW距离distdtw(Xi,Y)建立权值公式：从而得到关联时序集合CX'＝{X1,X2,...,Xr'|r'≤r}的加权集合然后，将加权集合转化为特征加权对角矩阵：本文档来自技高网...

【技术保护点】
1.基于时间序列相似性度量的机场离港延误时间预测方法，其特征在于，包括以下步骤：(1)提取并处理机场飞行计划数据；(2)建立并计算机场延误相关指标；(3)基于动态时间规整方法提取机场离港延误时间序列的相似性；(4)分析机场离港延误相关指标的关联性；(5)利用时间序列相似性特征加权方法预测机场离港延误时间。

【技术特征摘要】
1.基于时间序列相似性度量的机场离港延误时间预测方法，其特征在于，包括以下步骤：(1)提取并处理机场飞行计划数据；(2)建立并计算机场延误相关指标；(3)基于动态时间规整方法提取机场离港延误时间序列的相似性；(4)分析机场离港延误相关指标的关联性；(5)利用时间序列相似性特征加权方法预测机场离港延误时间。2.根据权利要求1所述基于时间序列相似性度量的机场离港延误时间预测方法，其特征在于，步骤(1)的具体过程如下：(1a)对计划进离港时间、实际起飞机场、实际落地机场、实际起飞时间、实际落地时间、实际撤轮档时间、实际挡轮档时间、实际滑入时间、实际滑出时间缺失的历史运行记录数据进行去除，提取出有效的飞行计划数据；(1b)针对有效的飞行计划数据，进行数据字段的有效性筛选，验证数据准确性。3.根据权利要求1所述基于时间序列相似性度量的机场离港延误时间预测方法，其特征在于，步骤(2)的具体过程如下：(2a)定义机场离港延误相关指标，包括实际进港架次、实际离港架次、计划进港架次、计划离港架次、离港延误时间、离港延误架次、机上延误架次、机上延误时间、前序延误时间、发生前序延误的本场离港延误架次、发生前序延误的本场离港延误时间、发生前序延误且本场发生离港延误的前序延误时间、过站冗余时间、本场根延误架次、本场根延误时间、滑入时间、滑出时间、滑入架次和滑出架次；(2b)计算上述机场离港延误相关指标，其中离港延误时间、机上延误时间、前序延误时间、发生前序延误的本场离港延误时间、发生前序延误且本场离港延误的前序延误时间、本场根延误时间、过站冗余时间、滑出时间和滑入时间的计算方法如下：离港延误时间＝实际撤轮档时间–计划离港时间；离港延误时间大于零视为有效，其它数值记为“0”；机上延误时间＝实际起飞时间–实际关舱门时间–经验滑出时间；机上延误时间大于零视为有效，其它数值记为“0”；前序延误时间＝前序计划的实际挡轮档时间–计划进港时间；前序延误时间大于零视为有效，其它数值记为“0”；发生前序延误的本场离港延误时间＝实际撤轮档时间–计划离港时间；前序延误时间大于零，且发生前序延误的本场离港延误时间大于零视为有效，其它数值记为“0”；发生前序延误且本场离港延误的前序延误时间＝前序航班撤轮档时间–前序航班计划离港时间；前序延误时间大于零视为有效，其它数值记为“0”；本场根延误时间＝实际撤轮档时间–计划离港时间；前序延误时间等于零或为首发航班，且本场根延误时间大于零视为有效，其它数值记为“0”；过站冗余时间＝(计划离港时间–计划进港时间)-(实际离港时间–实际进港时间)；滑出时间＝实际起飞时间–实际撤轮档时间；滑出时间大于零视为有效，其它数值则表明该飞行计划有误，删除本条记录；滑入时间＝实际进港时间–实际撤轮档时间；大于零视为有效，其它数值则表明该飞行计划有误，删除本条记录；基于上述指标，计算机场统计时段内所有航班的累积值，统计范围根据划设的时间粒度为准。4.根据权利要求3所述基于时间序列相似性度量的机场离港延误时间预测方法，其特征在于：所述划设的时间粒度包括15分钟、30分钟、60分钟和一天。5.根据权利要求1所述基于时...

【专利技术属性】
技术研发人员：谢华，袁立罡，刘芳子，李雨吟，胡明华，陈海燕，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32