CN105303896B - 航班预计到达时间精确预估方法 - Google Patents

航班预计到达时间精确预估方法 Download PDF

Info

Publication number
CN105303896B
CN105303896B CN201510563686.XA CN201510563686A CN105303896B CN 105303896 B CN105303896 B CN 105303896B CN 201510563686 A CN201510563686 A CN 201510563686A CN 105303896 B CN105303896 B CN 105303896B
Authority
CN
China
Prior art keywords
cube
data
flight
sample
difference
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.)
Active
Application number
CN201510563686.XA
Other languages
English (en)
Other versions
CN105303896A (zh
Inventor
黄文野
朱睿
程前
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Flying Friend Technology Co Ltd
Original Assignee
Flying Friend Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Flying Friend Technology Co Ltd filed Critical Flying Friend Technology Co Ltd
Priority to CN201510563686.XA priority Critical patent/CN105303896B/zh
Publication of CN105303896A publication Critical patent/CN105303896A/zh
Application granted granted Critical
Publication of CN105303896B publication Critical patent/CN105303896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了航班预计到达时间精确预估方法，集成于民航数据查询系统，包括历史数据储备，第一步建立虚拟立方体CUBE；根据历史数据储备，选取数据维度相同的数据：数据经度差小于0.25565度，纬度差小于0.11225度，高度差小于209.3米的历史样本进入模型，第二步立方体CUBE分层设置，按落地跑道维度建立各层级；在通过对立方体CUBE内部各层级数据进行处理；计算历史上与其相近的其他样本到落地的时间差t的均值，作为该样本的落地时间t的预测值。本发明输入需要获取预计时间航班‑>取航班当前数据‑>进入虚拟立方体CUBE处理‑>输出预测时间，旨在提前30分钟对航班到达时间的预测，确保航班预计到达时间与实际降落时间误差在正负5分钟内。

Description

航班预计到达时间精确预估方法
技术领域
本发明属于民航技术领域，具体为航班预计到达时间精确预估方法。
背景技术
在民航运输日益发展的过程中，民航实体对航班信息的及时获取愈加迫切。在航班临近机场时，机场若能提前获悉飞机准确的降落时间，对提前安排相应准备工作有很大帮助，例如可以帮助运控人员精准的管控航班，合理利用机位，对机场提高效率有很大的价值。并且随着航空运输业的持续发展所衍生的各项服务中，譬如在衍生的接机行业中，司机车辆调度中迫切需要提前准确获悉航班降落时间，从而可以合理安排接机时间，对车辆跟司机的利用率可以有效的提高，而又减少了车辆在机场等候时连带所产生的停车等费用。
现有技术如专利号：2012103066177为我司之前提交航班到达时间算法的专利，其只是根据航班历史飞行时间计算出平均飞行时间为参照，而未计入航班当前因素的影响，实际中航空器在飞行过程中速度高度的变化对航班实际飞行时间的影响巨大，所以所得到的预计到达时间与实际值误差较大。
发明内容
针对上述问题，本发明的目的是提供了航班预计到达时间精确预估方法，输入需要获取预计时间航班->取航班当前数据->进入虚拟立方体CUBE处理->输出预测时间，旨在提前30分钟对航班到达时间的预测，确保航班预计到达时间与实际降落时间误差在正负5分钟内。
本发明采用的技术方案如下：
航班预计到达时间精确预估方法，集成于民航数据查询系统，包括历史数据储备，第一步建立虚拟立方体CUBE；根据历史数据储备，选取数据维度相同的数据：数据经度差小于0.25565度，纬度差小于0.11225度 ，高度差小于209.3米的历史样本进入模型（三个值均为各指标标准差的0.1倍），即相当于以经度、纬度、高度建立直角坐标系，并以需预测点为中心点画了一个虚拟立方体；
第二步立方体CUBE分层设置，按落地跑道维度建立各层级；在通过对立方体CUBE内部各层级数据进行处理；分析位置相近的数据样本，提取数据样本中当前位置与航空器落地之间联系，对每条需要预测的样本，计算历史上与其相近的其他样本到落地的时间差t的均值，作为该样本的落地时间t的预测值。
所述的历史数据储备：存储所有航班在落地前40分钟，高度8000米以下的数据样本，存储信息包括：时间戳、航班编号、飞机编号、经度、纬度、高度、剩余飞行时间，落地跑道，储存周期动态调整，滚动更新。
所述的第二步立方体CUBE内部各层级数据进行处理，虚拟立方体内同一层级的航班的t值取均值，再对所有层级的t均值再次求均值，即为该立方体对应的样本的落地时间t的预测值。
与已有技术相比，本发明的有益效果如下：
本发明是在将航空器飞行过程中的因素考虑在内，旨在提前30分钟对航班到达时间的预测，确保航班预计到达时间与实际降落时间误差在正负5分钟内。
具体实施方式
航班预计到达时间精确预估方法，集成于民航数据查询系统，包括历史数据储备，第一步建立虚拟立方体CUBE；根据历史数据储备，选取数据维度相同的数据：数据经度差小于0.25565度，纬度差小于0.11225度 ，高度差小于209.3米的历史样本进入模型（三个值均为各指标标准差的0.1倍），即相当于以经度、纬度、高度建立直角坐标系，并以需预测点为中心点画了一个虚拟立方体；
第二步立方体CUBE分层设置，按落地跑道维度建立各层级；在通过对立方体CUBE内部各层级数据进行处理；分析位置相近的数据样本，提取数据样本中当前位置与航空器落地之间联系，对每条需要预测的样本，计算历史上与其相近的其他样本到落地的时间差t的均值，作为该样本的落地时间t的预测值。
所述的历史数据储备：存储所有航班在落地前40分钟，高度8000米以下的数据样本，存储信息包括：时间戳、航班编号、飞机编号、经度、纬度、高度、剩余飞行时间，落地跑道，储存周期动态调整，滚动更新；
所述的第二步立方体CUBE内部各层级数据进行处理，虚拟立方体内同一层级的航班的t值取均值，再对所有层级的t均值再次求均值，即为该立方体对应的样本的落地时间t的预测值；其中计算公式如下
其中的N是指同一层级的航班数目；M层级总数。

Claims (3)

1.航班预计到达时间精确预估方法，集成于民航数据查询系统，包括历史数据储备，其特征在于：第一步建立虚拟立方体CUBE；根据历史数据储备，选取数据维度相同的数据：数据经度差小于0.25565度，纬度差小于0.11225度，高度差小于209.3米的历史样本进入模型，即相当于以经度、纬度、高度建立直角坐标系，并以需预测点为中心点画了一个虚拟立方体；
第二步立方体CUBE分层设置，按落地跑道维度建立各层级；在通过对立方体CUBE内部各层级数据进行处理；分析位置相近的数据样本，提取数据样本中当前位置与航空器落地之间联系，对每条需要预测的样本，计算历史上与其相近的其他样本到落地的时间差t的均值，作为该样本的落地时间t的预测值。
2.根据权利要求1所述的航班预计到达时间精确预估方法，其特征在于：所述的历史数据储备：存储所有航班在落地前40分钟，高度8000米以下的数据样本，存储信息包括：时间戳、航班编号、飞机编号、经度、纬度、高度、剩余飞行时间、 落地跑道，储存周期动态调整，滚动更新。
3.根据权利要求1或2所述的航班预计到达时间精确预估方法，其特征在于：所述的第二步立方体CUBE内部各层级数据进行处理，对虚拟立方体内同一层级的航班的t值取均值，再对所有层级的t均值再次求均值，即为该立方体对应的样本的落地时间t的预测值。
CN201510563686.XA 2015-09-07 2015-09-07 航班预计到达时间精确预估方法 Active CN105303896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510563686.XA CN105303896B (zh) 2015-09-07 2015-09-07 航班预计到达时间精确预估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510563686.XA CN105303896B (zh) 2015-09-07 2015-09-07 航班预计到达时间精确预估方法

Publications (2)

Publication Number Publication Date
CN105303896A CN105303896A (zh) 2016-02-03
CN105303896B true CN105303896B (zh) 2018-08-24

Family

ID=55201086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510563686.XA Active CN105303896B (zh) 2015-09-07 2015-09-07 航班预计到达时间精确预估方法

Country Status (1)

Country Link
CN (1) CN105303896B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109711555A (zh) * 2018-12-21 2019-05-03 北京瀚海星云科技有限公司 一种预测深度学习模型单轮迭代时间的方法和系统

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109690971B (zh) * 2016-03-18 2021-09-24 比特利亚互动有限责任公司 实时多模式行程估计与选路系统
CN108615411B (zh) * 2016-12-13 2021-03-05 北京航管科技有限公司 一种实现航班信息处理的方法及装置
CN107808552B (zh) * 2017-10-27 2020-04-21 中航信移动科技有限公司 航班行为检测方法和装置
CN109711535B (zh) * 2018-12-21 2021-05-11 深圳致星科技有限公司 一种利用相似层预测深度学习模型中层计算时间的方法
CN109767134B (zh) * 2019-01-17 2023-08-25 深圳市活力天汇科技股份有限公司 一种出租车接机调度方法
CN111210179A (zh) * 2019-12-30 2020-05-29 江苏随易信息科技有限公司 快递柜制冷控制方法及装置、可读存储介质和终端
CN111626519A (zh) * 2020-06-01 2020-09-04 北京博能科技股份有限公司 一种航班到达时间预测方法、装置和电子设备
CN112687128B (zh) * 2020-11-27 2022-06-03 民航成都信息技术有限公司 航迹预估到达时刻的预测方法、装置及自动预测系统
CN112949915A (zh) * 2021-02-08 2021-06-11 南京航空航天大学 一种基于动态排序的进场航班落地时间预测方法
CN115291526B (zh) * 2022-09-30 2023-05-09 北京航天自动控制研究所 一种基于滚动时域的最优跟踪制导方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5797106A (en) * 1996-03-29 1998-08-18 The Boeing Company Method and apparatus for an improved flight management system providing for linking of an outbound course line from a predetermined position with an existing flight plan
CN101388143B (zh) * 2007-09-14 2011-04-13 同济大学 基于浮动车数据的公交到站时间预测方法
CN100483477C (zh) * 2007-12-20 2009-04-29 四川川大智胜软件股份有限公司 基于实时雷达和飞行情报的短期空中交通流量预测方法
CN104008674B (zh) * 2014-06-16 2016-01-20 中国民航大学 一种基于模式匹配的终端区进场飞行时间预测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109711555A (zh) * 2018-12-21 2019-05-03 北京瀚海星云科技有限公司 一种预测深度学习模型单轮迭代时间的方法和系统

Also Published As

Publication number Publication date
CN105303896A (zh) 2016-02-03

Similar Documents

Publication Publication Date Title
CN105303896B (zh) 航班预计到达时间精确预估方法
WO2020228228A1 (zh) 基于雷达轨迹构建机坪场面运动目标运行意图识别的方法
CN109542876B (zh) 基于Hadoop数据挖掘航空器经验轨迹模型关键因子的提取方法
CN109493644B (zh) 一种基于历史航迹数据挖掘的四维航迹推测方法
CN104077928B (zh) 适用于航路外无规律飞行的通航过点位置信息更新方法
CN102915652B (zh) 飞行器交通分离系统及方法
CN112633562B (zh) 一种机场停机位智能调度方法
CN110345951A (zh) 一种adas高精度地图的生成方法及装置
CN102509475A (zh) 基于4d航迹运行的空中交通管制系统及方法
CN104156805B (zh) 一种基于概率分布的航段运行时间计算方法
CN108615411B (zh) 一种实现航班信息处理的方法及装置
CN111508280B (zh) 一种基于4d航迹的移动时隙航空管制方法
CN110751858B (zh) 适用于连乘航班状态信息异常的多元运行信息关联方法
CN103400053A (zh) 航班准点起飞的预估方法
CN106469349A (zh) 一种多跑道系统航班容量的数学模型评估方法
CN106485456A (zh) 一种运输方法及导航方法
CN104882029B (zh) 基于4d轨迹估算的实时监视告警方法
Saifutdinov et al. Time and space discretization in the digital twin of the airport transport network
Chen et al. Autonomous planning of optimal four-dimensional trajectory for real-time en-route airspace operation with solution space visualisation
CN108263606A (zh) 一种基于垂直起降固定翼无人机及其天然气管线巡检系统、方法
CN102855775B (zh) 飞机当前位置预估方法
CN115331488B (zh) 通用航空器的数据处理方法
CN110889543A (zh) 一种基于四维航迹运行的rta序列分配方法
Liu et al. Aircraft rerouting decision-making model under severe weather
Chen et al. Travel Time Prediction for Multi-Airport Systems Via Multiclass Queuing Networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Huang Wenye

Inventor after: Zhu Rui

Inventor after: Cheng Qian

Inventor before: Huang Wenye

Inventor before: Zhu Rui

Inventor before: Cheng Qian

Inventor before: Wei Xuan

COR Change of bibliographic data
CB02 Change of applicant information

Address after: 230001 Anhui City, Hefei Province, No. 4 Suzhou Road, Xin building, room 3009

Applicant after: Flying friend Technology Co., Ltd.

Address before: 230001 Anhui City, Hefei Province, No. 4 Suzhou Road, Xin building, room 3009

Applicant before: Hefei Feiyou Network Technology Co., Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder

Address after: Room 813, Kechuang building, 860 Wangjiang West Road, hi tech Zone, Hefei City, Anhui Province

Patentee after: VARIFLIGHT TECHNOLOGY Co.,Ltd.

Address before: 3009, room 4, Xin Xin building, No. 230001, Suzhou Road, Hefei, Anhui

Patentee before: VARIFLIGHT TECHNOLOGY Co.,Ltd.

CP02 Change in the address of a patent holder