CN101339700A - 一种基于免疫算法的机场航班延误预警系统 - Google Patents
一种基于免疫算法的机场航班延误预警系统 Download PDFInfo
- Publication number
- CN101339700A CN101339700A CN 200810054125 CN200810054125A CN101339700A CN 101339700 A CN101339700 A CN 101339700A CN 200810054125 CN200810054125 CN 200810054125 CN 200810054125 A CN200810054125 A CN 200810054125A CN 101339700 A CN101339700 A CN 101339700A
- Authority
- CN
- China
- Prior art keywords
- airport
- flight
- delay
- database server
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于免疫算法的机场航班延误预警系统。本发明属于民航技术领域。本发明有服务器端设备和客户端设备,其机场有数据库服务器和数据传输网络,机场数据库服务器连接信息数据输入装置,接受航班延误预警信息数据,机场数据库服务器通过数据传输网络连接空管数据库服务器和航班数据库服务器,采集信息数据并实时更新;客户端设备有计算机、数据传输网络和LCD显示屏幕,计算机通过数据传输网络与机场数据库服务器连接并采集信息,处理信息数据,并将航班延误信息数据显示在LCD屏幕上。本发明能在较小的时间段内发出相应预警信号,减小航班延误波及影响,保障了信息的准确性和实时性,提高了工作效率和航班运行质量。
Description
技术领域
本发明属于民航技术领域,特别是涉及一种基于免疫算法的机场航班延误预警系统。
背景技术
目前,航班延误一直都是困扰航空公司和旅客的一大难题。航班运行往往受天气、航空管制、机械故障、飞机调配、飞行计划等多种因素的影响,因而航班延误难以避免和难以预测。至今尚未有航班延误预测系统,有的只是对较长时间段内的局部航班运行统计,时效性差,当航班延误发生时,航班延误的累积会形成延误波及效应,造成更大规模的延误。因此,航班延误的问题急待研究和解决。
发明内容
本发明为解决公知技术中存在的技术问题,而提供一种基于免疫算法的机场航班延误预警系统。
本发明的目的是提供一种基于免疫算法的机场航班延误预警系统,以便在更小的时间段内对机场航班状态进行预测,然后根据制定的航班预警等级标准,判断各时间内的延误程度,发出相应得预警信号,使机场可以制定应急与联动预案,减小航班延误波及影响,更好地服务于乘客。
研究表明,航班延误状态检测和免疫系统区分自体与非自体有极大的相似性。免疫系统的主要功能就是保护组织免受传染疾病的威胁,并且消除细胞残骸和发生功能异样的细胞。为了实现这些功能,免疫系统首先要解决的就是如何对自身的细胞(自体)和那些不属于自身的元素(非自体)进行区分。而受生物免疫系统启发而产生的人工免疫系统,以其强大的信息处理能力和独特的问题求解模式越来越广泛地应用于计算机网络安全和计算机入侵检测等领域。基于上述分析,尝试把免疫算法中运用到航班延误状态的诊断检测与预测中,将生物免疫系统机制与机场航班运行机制联系起来,建立相应的自体集合、检测细胞、抗原信息及它们之间的匹配模型,为机场航班延误应急处理提供决策技术支持。
本发明采取的技术方案是:
一种基于免疫算法的机场航班延误预警系统,有服务器端设备和客户端设备,其特点是:机场有数据库服务器和数据传输网络,机场数据库服务器连接信息数据输入装置,接受航班延误预警信息数据,机场数据库服务器通过数据传输网络连接空管数据库服务器和航班数据库服务器,采集信息数据并实时更新;客户端设备有计算机、数据传输网络和LCD显示屏幕,计算机通过数据传输网络与机场数据库服务器连接并采集信息,处理信息数据,并将航班延误信息数据显示在LCD屏幕上。
本发明还可以采用如下技术措施:
所述的基于免疫算法的机场航班延误预警系统,其特点是:机场数据库服务器数据通过防火墙、路由器和数据传输网络连接空管的数据库服务器、中航信数据库服务器和航空公司的数据库服务器。
所述的基于免疫算法的机场航班延误预警系统,其特点是:计算机连接音箱设备,发出航班延误预警信息数据声音。
所述的基于免疫算法的机场航班延误预警系统,其特点是:输入装置接受预警信息数据的输入,计算机利用生物免疫机制进行航班延误预警信息数据处理,预警信息数据传送给音箱设备或LCD显示屏幕。
本发明特征:
建立机场航班延误预警系统使用的数据是通过访问机场数据库服务器所得到的。而机场的数据库中的数据是动态变化的,它需要数据库服务器提供数据技术。如附图1所示:
(1)因为从机场数据库服务器访问得到的数据可能不是系统需要的格式,这要求必须对其处理以满足我们的需要,因此在客户端建立系统自己的数据库,数据库中的表和字段如下:
航班运行数据表:含有航班的航班号、进离港标记、和航班的实际时间;
航班预警系统中的自体集合数据库字段同航班运行数据库的字段;
航班检测器数据表:含有的属性有检测器对应的航班号、进离港标记、航班的计划时间、检测器的年龄、检测器总的年龄、累计匹配数、航班延误率以及对应航班的平均延误时间;
而航班记忆检测器数据表,成熟检测器数据库和未成熟检测器数据库同航班检测器数据库的字段是一样的;
(2)建立航班检测器过程中的参数,含有:
①成熟检测器进化记忆检测器的航班延误率进化阈值,在检测器的训练过程中,成熟检测器的延误率这个属性值超过这个阈值的话,就要进化为记忆检测器;
②成熟检测器的生命阈值;
③成熟检测器的延误率死亡阈值,在训练过程中,当成熟检测器到达生命阈值之前,延误率还没有超过延误率死亡阈值,就丢弃该成熟检测器;
④记忆检测器的生命阈值,它是为了防止在初始阶段划分的记忆检测器所对应的航班在训练阶段中所对应的航班延误的比较少,造成对航班状态进行预测时出现不准确的情况下而设置的参数;
⑤记忆检测器的延误率放弃阈值,当记忆检测器到达生命阈值之前,延误率还没有超过延误率阈值,就把该记忆检测器放入成熟检测器中继续训练;
⑥未成熟检测器产生的延误率阈值,在初始阶段中,总检测器的属性延误率小于这个阈值时就把它归于未成熟检测器集合中;
⑦航班的延误阈值,在对航班状态进行预测时使用到;
⑧离港航班的延误时间阈值,进行规定:对于离港航班来说,在班期时刻表公布的离站时间后15分钟或25分钟,还没有正常起飞的航班为延误航班;
⑨进港航班的延误时间阈值,而对于进港航班来说,在班期时刻表公布的到达时间还没有开客舱门的为延误航班;
⑩预警的时间间隔。
(3)航班延误预警标准的产生
为了更好为机场的决策人员服务,针对每天每隔一小时的预测某时间段的航班累计延误的程度发出相应预警信号。我们提出航班延误预警等级的划分标准,即附表1所示;
(4)预警日期和时间段输入单元接受用户预警的日期和时间段,并产生对应的初始统计航班数据和训练航班数据;
(5)初始航班检测器产生单元,见附图2;
(6)检测器训练单元,采用生物免疫中的一些机制去训练初始检测器,方法如下:训练航班中的数据是在数据库表中是按各航班的计划时间从早到晚存储的。
Do Begin
提呈抗原集合中的第一个抗原;
Do Begin
记忆检测器中的第一个检测细胞与抗原进行匹配;
if(匹配成功)
对应的检测器匹配数加1,年龄加1,延误率为匹配属和年龄的比值,平均延误时间为该检测器检测到的对应所有延误航班的延误时间平均值
else if(航班号相同但不匹配)
对应的检测器年龄加1,延误率随之改变
if(记忆检测器的延误率<记忆检测器的延误率放弃阈值)&&(年龄/总的年龄>=记忆检测器的生命阈值)从记忆检测器集合中删除该检测器放入成熟检测器里继续训练
下一个检测器检测;
End while(记忆检测器检测完毕)
Do Begin
成熟检测器中的第一个检测细胞与抗原进行匹配;
If(匹配成功)该检测细胞的对应的检测器匹配数加1,年龄加1,延误率为匹配属和年龄的比值,平均延误时间为该检测器检测到的对应所有延误航班的延误时间平均值
Else if(航班号相同但不匹配)
对应的检测器年龄加1,延误率随之改变
If(成熟检测细胞的延误率>=成熟检测器延误率进化阈值)
从成熟检测器集合中删除该检测器,加入到记忆检测器集合中;
If(成熟检测器的延误率<成熟检测器的延误率死亡阈值)&&(年龄/总的年龄>=成熟检测器的生命阈值)
Then把符合条件的成熟检测器从成熟检测器集合中删除掉,然后从未成熟检测器集合中随机选取经过自体耐受后加入到成熟检测器集合中;
下一个检测器检测;
End while(成熟检测器集合检测完毕)
提呈抗原集合中的下一个抗原;
End while(抗原集合提呈完毕)
(7)预警显示单元,
步骤1.针对一天每隔一小时的航班,若待测航班中的航班号有与航班记忆检测器集合中检测器航班号相同的,预测该航班在检测器属性计划时间所属的时间段内延误,该时间段内的航班延误值加1,并且根据平均延误时间的值确定该航班的延误是否波及到后面几个时间段内,如果波及到,那后面的几个时间段的航班延误值也加1;
步骤2.航班中的航班号有与成熟检测器集合中检测器航班号相同的,并且检测器的延误率属性值大于航班的延误阈值,预测该航班在检测器属性计划时间所属的时间段内延误,该时间段内的航班延误值加1,并且根据平均延误时间的值确定该航班的延误是否波及到后面几个时间段内,如果波及到,那后面的几个时间段的航班延误值也加1;
步骤3.根据各时间段的累积航班延误数预测值和制定的航班延误预警等级标准,通过音响设备和LCD大屏幕发出对应的声音和色彩。
本发明具有的优点和积极效果:
基于免疫算法的机场航班延误预警系统是一种能实时跟踪航班信息技术方案,能在较小的时间段内对机场航班状态进行预测,然后根据制定的航班预警等级标准,判断各时间内的延误程度,发出相应得预警信号,使机场可以制定应急与联动预案,减小航班延误波及影响,保障了信息的准确性和实时性,信息传递顺畅,更好地进行服务预警,为机场航班服务,提高了航班运行质量。
附图说明
图1是本发明连接结构示意框图;
图2是初始航班检测器产生单元流程图;
图3是机场航班延误预警系统使用流程图;
图4各时间段的预测平均误差变化曲线;
图5各时间段的预测平均准确率变化曲线;
图6连续一月的预警准确率变化曲线;
图1中,1-计算机,2-路由器,3-防火墙,4-交换机,5-机场数据库服务器,6-防火墙,7-路由器,8-空管数据库服务器,9-中航信数据库服务器,10-航空公司数据库服务器。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下:
请参阅图1、图2、图3、图4、图5和图6。
实施例1
一种基于免疫算法的机场航班延误预警系统,有服务器端设备和客户端设备,其机场有数据库服务器和数据传输网络,机场数据库服务器连接信息数据输入装置,输入装置接受航班延误预警信息数据输入,机场数据库服务器数据通过防火墙6、路由器7和数据传输网络连接空管的数据库服务器8、中航信数据库服务器9和航空公司的数据库服务器10,采集信息数据并实时更新;客户端设备有计算机1、数据传输网络、音箱和LCD显示屏幕,计算机1通过路由器2、防火墙3、交换机4、数据传输网络与机场数据库服务器5连接并采集信息,计算机1利用生物免疫机制进行航班延误预警信息数据处理,并将航班延误信息数据传送给音箱设备或显示在LCD屏幕上。
以仿真实例做进一步说明:
参数设置:
成熟检测器进化记忆检测器的航班延误率进化阈值为0.7;
成熟检测器的生命阈值为0.8;
成熟检测器的延误率死亡阈值0.45;
记忆检测器的生命阈值0.7;
记忆检测器的延误率放弃阈值0.6;
未成熟检测器产生的延误率阈值0.4;
航班的延误阈值0.5;
离港航班的延误时间阈值25分钟;
进港航班的延误时间阈值0分钟;
预警的时间间隔为1小时。
在仿真过程中,采用的实验数据来自某大型机场06年夏秋航班的运行数据。4、5月份的数据作为算法统计数据,6、7月的数据作为检测器的基本训练数据,而对8、9月份的各时间段的累积延误航班数进行预测。
为了尽可能地检测和预测到所有航班,在初始阶段产生检测器时,检测器属性中的航班号是通过对4月到9月航班数据中的所有航班的航班号统计获得的。
附表2给出在统计阶段形成的初始检测器集合
在附表2中,航班号为XX8881的检测器的属性延误率值0.98大于α,所以划分入记忆检测器集合中;航班XX1109则不是每天运行,但它的延误率达到0.79,也属于记忆检测器。从表中还可以看到,航班XX388所属的检测器中的属性值年龄、总的年龄、匹配数、延误率、平均延误时间都为0,因为该航班号产生于6、7、8、9月中的航班运行数据中;航班XX1131是临时航班。
统计总的检测器产生意味着生成记忆检测器、成熟检测器和未成熟检测器,可以利用训练数据对检测器训练。例如:对9月1日的航班预测时,因为当天是周5,训练数据包括基本的训练数据即6、7月的运行数据、6、7月中的周5的数据、8月4日数据、8月11日数据、8月18日数据和8月25日数据。
附表3和附表4分别代表9月1日训练后的记忆检测器集合和成熟检测器集合。
在附表3中,航班号为XX8881的检测器的属性延误率值一贯比较高,它一直在记忆检测器集合中;航班号XX4572的检测器本来在成熟检测器中,随着延误率超过成熟检测器进化记忆检测器的航班延误率进化阈值就进化成记忆检测器。
在附表4中,航班号为XX1109的检测器初始在记忆检测器中,但随航班数据中该航班延误减少,逐渐退化为成熟检测器;检测器XX5458的航班延误稳定,在成熟检测器集合中,而检测器XX1225,本来属于未成熟检测器,但在检测器训练的过程中,经历自体耐受后进入成熟检测器集合中。
对9月份每天7点到22点每隔1小时进行航班预测,,各时间段的累计延误数预测值与实际值的误差有正有负,附图4给出了9月1日到9月30日中各时间段累计延误航班数预测值与实际值的平均误差情况。
从图4中的平均误差曲线可以看出,各时间段累计延误航班数的预测值和实际值相差不大,尤其是时间段[15:00-16:00]和[19:00-20:00]的预测值误差趋向于0,说明预测效果比较好。
附图5给出了9月1日到9月30日中各时间段累计延误航班数预测的平均准确率情况。
从图5中可知,各时间段预测的平均准确率都比较高,一般在80%以上,最好的达到92%,说明在预测某时间段内的累计延误航班数量方面,该算法具有很高的实用性和参考性。
根据本文制定的航班延误预警等级标准,针对各时间段内的累计延误实际数和预测数分别预警,可知预警的准确程度。
从附图6中的一个月预警准确率的变化曲线来看,有24天的预警准确率在80%以上,而在80%以下的只有6天,表明在预警方面表现出较高的准确性。因此本系统制定的航班延误预警等级标准可以服务于机场决策人员,便于发出相应的预警信号,使机场各部门采取相应的措施,让航班延误程度达到最小化,更好的服务于乘客,提高了航班运行质量。
表1延误预警等级划分标准
表2初始统计产生的总的检测器
表3训练后的记忆检测器集合
表4训练后的成熟检测器集合
Claims (4)
1.一种基于免疫算法的机场航班延误预警系统,有服务器端设备和客户端设备,其特征是:机场有数据库服务器和数据传输网络,机场数据库服务器连接信息数据输入装置,接受航班延误预警信息数据,机场数据库服务器通过数据传输网络连接空管数据库服务器和航班数据库服务器,采集信息数据并实时更新;客户端设备有计算机、数据传输网络和LCD显示屏幕,计算机通过数据传输网络与机场数据库服务器连接并采集信息,处理信息数据,并将航班延误信息数据显示在LCD屏幕上。
2.根据权利要求1所述的基于免疫算法的机场航班延误预警系统,其特征是:机场数据库服务器数据通过防火墙、路由器和数据传输网络连接空管的数据库服务器、中航信数据库服务器和航空公司的数据库服务器。
3.根据权利要求1所述的基于免疫算法的机场航班延误预警系统,其特征是:计算机连接音箱设备,发出航班延误预警信息数据声音。
4.根据权利要求1或3所述的基于免疫算法的机场航班延误预警系统,其特征是:输入装置接受预警信息数据的输入,计算机利用生物免疫机制进行航班延误预警信息数据处理,预警信息数据传送给音箱设备或LCD显示屏幕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810054125 CN101339700A (zh) | 2008-08-14 | 2008-08-14 | 一种基于免疫算法的机场航班延误预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810054125 CN101339700A (zh) | 2008-08-14 | 2008-08-14 | 一种基于免疫算法的机场航班延误预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101339700A true CN101339700A (zh) | 2009-01-07 |
Family
ID=40213759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200810054125 Pending CN101339700A (zh) | 2008-08-14 | 2008-08-14 | 一种基于免疫算法的机场航班延误预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101339700A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465065B (zh) * | 2009-01-15 | 2010-10-13 | 北京航空航天大学 | 飞行流样本数据的获取方法 |
CN102867223A (zh) * | 2012-08-27 | 2013-01-09 | 合肥飞友网络科技有限公司 | 机场流量指数预估方法 |
CN106251708A (zh) * | 2016-08-24 | 2016-12-21 | 桂林信通科技有限公司 | 一种航班延误预警系统 |
US20180165608A1 (en) * | 2012-09-07 | 2018-06-14 | Concur Technologies, Inc. | Methods and systems for processing schedule data |
CN109887344A (zh) * | 2019-04-19 | 2019-06-14 | 鄂尔多斯应用技术学院 | 一种确定机场航班延误程度的方法 |
CN110164187A (zh) * | 2014-09-30 | 2019-08-23 | 波音公司 | 实时生成飞行信息的方法和实时管理飞行信息的计算设备 |
CN112308285A (zh) * | 2020-09-16 | 2021-02-02 | 北京中兵数字科技集团有限公司 | 信息处理方法、装置、电子设备和计算机可读存储介质 |
CN113610282A (zh) * | 2021-07-23 | 2021-11-05 | 北京首都国际机场股份有限公司 | 航班滑行时间预测方法 |
US11361281B2 (en) | 2004-06-23 | 2022-06-14 | Sap Se | Methods and systems for expense management |
-
2008
- 2008-08-14 CN CN 200810054125 patent/CN101339700A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11361281B2 (en) | 2004-06-23 | 2022-06-14 | Sap Se | Methods and systems for expense management |
CN101465065B (zh) * | 2009-01-15 | 2010-10-13 | 北京航空航天大学 | 飞行流样本数据的获取方法 |
CN102867223A (zh) * | 2012-08-27 | 2013-01-09 | 合肥飞友网络科技有限公司 | 机场流量指数预估方法 |
US20180165608A1 (en) * | 2012-09-07 | 2018-06-14 | Concur Technologies, Inc. | Methods and systems for processing schedule data |
CN110164187A (zh) * | 2014-09-30 | 2019-08-23 | 波音公司 | 实时生成飞行信息的方法和实时管理飞行信息的计算设备 |
CN106251708A (zh) * | 2016-08-24 | 2016-12-21 | 桂林信通科技有限公司 | 一种航班延误预警系统 |
CN109887344A (zh) * | 2019-04-19 | 2019-06-14 | 鄂尔多斯应用技术学院 | 一种确定机场航班延误程度的方法 |
CN112308285A (zh) * | 2020-09-16 | 2021-02-02 | 北京中兵数字科技集团有限公司 | 信息处理方法、装置、电子设备和计算机可读存储介质 |
CN113610282A (zh) * | 2021-07-23 | 2021-11-05 | 北京首都国际机场股份有限公司 | 航班滑行时间预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101339700A (zh) | 一种基于免疫算法的机场航班延误预警系统 | |
CN103926459B (zh) | 一种两级集中部署的供电电压自动采集系统及其方法 | |
CN102882969B (zh) | 一种工矿企业的安全生产云服务平台 | |
CN102932419B (zh) | 一种用于面向工矿企业的安全生产云服务平台的数据存储系统 | |
CN104777813A (zh) | 综合气象观测运行监控系统及其监控方法 | |
CN105469645A (zh) | 飞行目标通信系统 | |
CN105262210A (zh) | 一种变电站网络安全性分析预警系统和方法 | |
CN102903011A (zh) | 一种用于面向工矿企业的安全生产云服务平台的海量数据处理系统 | |
CN106156913A (zh) | 用于飞机部附件的健康管理方法 | |
CN102929827A (zh) | 一种用于面向工矿企业的安全生产云服务平台的无线传感器数据采集集群 | |
CN102917032A (zh) | 一种工矿企业的安全生产云服务平台 | |
CN111007433A (zh) | 基于物联网的智慧用电安全监管系统 | |
CN102903010A (zh) | 一种用于面向工矿企业的安全生产云服务平台的基于支持向量机的异常判断方法 | |
CN112423225B (zh) | 基于uwb技术的铁路客站内目标对象的定位方法 | |
CN102930372A (zh) | 一种用于面向工矿企业安全生产云服务平台系统的关联规则的数据分析方法 | |
CN102917031A (zh) | 一种用于面向工矿企业的安全生产云服务平台的数据计算系统 | |
CN103731480A (zh) | 大坝观测数据传输系统及方法 | |
CN102903009A (zh) | 一种用于面向工矿企业的安全生产云服务平台的基于广义规则推理的异常诊断方法 | |
CN102915482A (zh) | 一种用于面向工矿企业云服务平台安全生产过程控制与管理方法 | |
CN101393691B (zh) | 机场到场流量告警的实现方法与系统 | |
CN101359430A (zh) | 一种开放式航班延误预警系统及其处理方法 | |
CN109587161A (zh) | 智能电网遥控命令传送全过程信息的监测方法 | |
CN109359785A (zh) | 基于大数据的强制隔离戒毒解除人员复吸预测分析系统 | |
CN202939660U (zh) | 轨道交通自动售检票系统车站控制中心客流监控系统 | |
CN110713090A (zh) | 一种实现多目标电梯异常状态实时监测的系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090107 |