CN109190700B - 一种航空延误传播的定量分析方法 - Google Patents

Abstract

本发明公开了一种航空延误传播的定量分析方法，属于民航延误分析技术领域。首先构造从机场i到机场j的到港延误时间序列和机场j的离港延误时间序列，计算第t个时间片相互间的传递熵TE(Y→X)量化广义马尔科夫条件的偏移，检验到港延误对离港延误的因果性。然后重新构造具有相同统计特性的若干到港延误时间序列和离港延误时间序列作为替代数据，并破坏每个替代数据的因果性；用替代数据计算各自的传递熵TE值，进行显著性检测。将任意两个机场之间进行成对测试来建立有权边，搭建航空延误传播网络模型，并利用网络模型来进行航班延误分析。本发明只需分析延误时间序列间的因果性，即可定量地计算出机场间延误传播的情况。

Description

一种航空延误传播的定量分析方法

技术领域

本发明属于民航延误分析技术领域，具体涉及一种航空延误传播的定量分析方法。

背景技术

延误传播是影响航班延误的主要因素；由于不同航班在一天内可能共用同一架飞机，到港航班的延误可能在该架飞机的离港航班上维持。而且，由于共用地面资源以及机组人员，到港航班的延误可以被传播到下游不同飞机的离港航班。因此，延误不断积累，让情况更加恶化。

因此，科学界对延误传播问题给予了很大的关注。延误传播的研究可以追溯到上世纪90年代，Boswell和Evans发展了估计连续航班延误的分析模型，并且发现下游延误大概是初始延误的1.8倍。Beatty等人定义了延误乘子，并分析了下游延误和初始延误的关系，发现中转时间长的大型国际运营商的延误乘子会很小，相比之下，频率高、中转时间短的运营商的延误乘子会小一点。受这些研究的启发，一些研究发现了航班延误的级联效应。如Liu等人建立了基于贝叶斯网络的航班延误传播模型，表明了到港延误到离港延误之间有明显的延误传播。AhmadBeygi等人提出了一种定量评估全网络单架航班延误后果的方法。另外Laskey等人在随机模型中应用了贝叶斯网络，并认为离港延误是造成终点站到港延误的主要影响因素。Kondo提出了用延误乘子来评估整个飞行序列的初始延误的影响，并采用它来证明初始延误的减少如何导致传播延误更大的减少。此外，Belkoura等人通过整合线性和非线性指标来改善DM，以区分不同的情况，揭示入境和出境延误之间的关系。

尽管科学界为调查航班延误的传播效应做出了努力，但仍然存在不足：上面提到的研究模拟了初始延误如何随后成为整个系统的延误；然而，到目前为止，很少有研究提出明确量化每个机场对之间传播效应的指数。此外，航班间的延误传播依赖于几个连接资源以及计划时间内的缓冲量。现有模型考虑到了主要因素的影响，即飞机，机组人员以及乘客；但是传播过程背后的动态的所有细节难以被完全考虑到。

发明内容

本发明针对延误传播过程背后有着复杂的动态过程，现有模型很难把这一复杂的过程考虑充分，因此现有模型无法给出一个准确的描述机场之间关联程度的参数；提出了一种航空延误传播的定量分析方法，从另一个角度估算机场对之间的延误传播效应，构建了机场的延误时间序列，并对不同机场的延误时间序列进行因果关系检验来研究延误传播的动态过程。

所述的航空延误传播的定量分析方法，具体步骤如下：

步骤一、根据某机场对i和j的航班历史数据，构造从机场i到机场j的到港延误时间序列和机场j的离港延误时间序列；

针对机场i和机场j，首先、将一天分成96个时间片，每一个时间片为15分钟；针对每个时间片内，将从机场i到机场j的所有航班的总到港延误时间，设置为到港延误时间序列的一个值，96个时间片的值构成从机场对i到机场j的到港延误时间序列；

针对机场j，首先、将一天分成96个时间片，每一个时间片为15分钟；针对每个时间片内，将机场j所有航班的总离港延误时间，设置为离港延误时间序列的一个值，96个时间片的值构成机场j的离港延误时间序列。

步骤二、针对第t个时间片，计算从机场i到机场j的到港延误时间序列y_t和机场j的离港延误时间序列x_t的传递熵TE(Y→X)；

计算公式如下：

Y为从机场i到机场j的到港延误标记，X为机场j的离港延误标记；d_x是X的马尔科夫过程阶数，d_y是Y对X有因果性的马尔科夫过程阶数；

表示x_t+1，

和

的联合概率，

表示已知

的条件下，x_t+1发生的概率；

步骤三、用传递熵TE(Y→X)量化广义马尔科夫条件的偏移，检验从机场i到机场j的到港延误对机场j的离港延误的因果性。

当

时，广义马尔科夫条件成立，从机场i到机场j的到港延误对机场j的离港延误没有因果性。

步骤四、针对机场对i和j，重新构造具有相同统计特性的若干到港延误时间序列和离港延误时间序列作为替代数据，并选择性的破坏每个替代数据的因果性；

步骤五、用每个替代数据计算各自的传递熵TE值，进行显著性检测；

当少于百分之五个替代数据的传递熵TE值大于步骤二计算的实际传递熵TE(Y→X)，则认为从机场i到机场j的到港延误对机场j的离港延误存在因果性。

步骤六、判断显著性检测结果是否存在因果性，如果是，用一条有向有权的边从机场i指向机场j；否则，不存在因果性，从机场i到机场j没有延误；机场i和机场j之间不设边。

边的权重为传递熵的值。

步骤七、重复步骤一到步骤六，将任意两个机场之间进行成对测试来建立有权边；

步骤八、将每个机场作为网络中的一个节点，根据任意两个机场之间搭建的有权边搭建航空延误传播网络模型，并利用网络模型来进行航班延误分析。

航班延误分析包括：分析每天参与了延误传播的机场数量，延误传播发生的机场对数量，以及根据权重找到延误传播比较严重的机场对。

本发明的优点在于：一种航空延误传播的定量分析方法，囊括了延误传播过程背后的动态的所有细节，且模型简单，只需分析延误时间序列间的因果性，即可定量地计算出机场间延误传播的情况。

附图说明

图1是本发明一种航空延误传播的定量分析方法的流程图；

图2是本发明建立的机场间航空延误因果关系网络示例。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

时间序列的因果分析不需要考虑延误传播过程背后的复杂的动态过程，并且可以反映导致传播的所有明显和潜在因素的综合影响，基于此，本发明提出一种基于航空延误传播指数的分析方法，基于传递熵的传播效应量度——传播指数，利用该量度来检测不同机场之间的相关性，并在系统层面上探索机场间传播效果的性能，量化机场之间的影响。

如图1所示，包括如下步骤：

步骤一、根据某机场对i和j的航班历史数据，构造从机场i到机场j的到港延误时间序列和机场j的离港延误时间序列；

针对机场i和机场j，首先、将一天分成96个时间片，每一个时间片为15分钟；针对每个时间片内，将从机场i到机场j的所有航班的总到港延误时间，设置为到港延误时间序列的一个值，96个时间片的值构成从机场对i到机场j的到港延误时间序列；

针对机场j，首先、将一天分成96个时间片，每一个时间片为15分钟；针对每个时间片内，将机场j所有航班的总离港延误时间，设置为离港延误时间序列的一个值，96个时间片的值构成机场j的离港延误时间序列。

步骤二、针对第t个时间片，计算从机场i到机场j的到港延误时间序列y_t和机场j的离港延误时间序列x_t的传递熵TE(Y→X)；

计算公式如下：

Y为从机场i到机场j的到港延误标记，X为机场j的离港延误标记；d_x是X的马尔科夫过程阶数，d_y是Y对X有因果性的马尔科夫过程阶数；

表示x_t+1，

和

的联合概率，

表示已知

的条件下，x_t+1发生的概率；

步骤三、用传递熵TE(Y→X)量化广义马尔科夫条件的偏移，检验从机场i到机场j的到港延误对机场j的离港延误的因果性。

当

时，广义马尔科夫条件成立，从机场i到机场j的到港延误对机场j的离港延误没有因果性。

d_y是Y对X有因果性的马尔科夫过程阶数，要找到合适的d_y，即找到延误从上游航班传播到下游航班的持续时间。假设延误航班一旦降落就开始占用机场的资源，直到起飞才停止占用这些资源。基于之前的假设，因为连接资源导致了延误传播，利用地面周转时间来设置参数d_y；航班的地面周转时间定义为：

t＝t_{r_dep}-t_{r_arr}

t_{r_dep}代表了航班实际离港时间，t_{r_arr}代表了航班实际到港时间。短于20分钟的周转时间不在正常操作条件下，并且周转时间超过200分钟对于延误传播的分析没有意义，因为在大周转时间之后的离港延误(即超过200分钟)被认为独立于之前的到港延误，因此不考虑超过200分钟或低于20分钟的周转时间，并专注于中间的周转时间。

收集机场j所有周转时间在20分钟到200分钟之间的航班信息。85％的周转时间处于185分钟到200分钟不等。这表明大多数下游航班可能受到200分钟前到达的延误的上游航班的影响。因为将一天划分为96个时间间隔以构成延误时间序列，故时间序列的值的时间间隔为15分钟。周转时间200分钟包含8个时间间隔，因此d_y应选择为8。

d_x是X的马尔科夫过程阶数，这里假设d_x等于d_y。

步骤四、针对机场对i和j，重新构造具有相同统计特性的若干到港延误时间序列和离港延误时间序列作为替代数据，并选择性的破坏每个替代数据的因果性；

步骤五、用每个替代数据计算各自的传递熵TE值，进行显著性检测；

因为使用的时间序列长度有限，计算估计的传递熵可能具有不可忽略的偏差和方差，从而导致错误检测因果关系。因此，需要对所得结果进行显著性检测。通过生成具有与原始数据相同的统计特性的替代数据，但选择性地破坏所有因果性，利用这些数据，使用排列测试(100个排列)，如果这些替代测量值大于实际TE值的概率小于0.05，则认为因果性存在；

当少于五个替代数据的传递熵TE值大于步骤二计算的实际传递熵TE(Y→X)，则认为从机场i到机场j的到港延误对机场j的离港延误存在因果性。

步骤六、判断显著性检测结果是否存在因果性，如果是，用一条有向有权的边从机场i指向机场j；否则，不存在因果性，从机场i到机场j没有延误；机场i和机场j之间不设边。

边的权重为传递熵的值，边的权重可以反映延误传播程度，因此将权重定义为本发明中的传播指数(PI)。

步骤七、重复步骤一到步骤六，将任意两个机场之间进行成对测试来建立有权边；

步骤八、将每个机场作为网络中的一个节点，根据任意两个机场之间搭建的有权边搭建航空延误传播网络模型，并利用网络模型来进行航班延误分析。

航班延误分析包括：分析每天参与了延误传播的机场数量，延误传播发生的机场对数量，以及根据权重找到延误传播比较严重的机场对。

本发明探讨不同机场延误之间相互关系的系统框架，它定义了传播指数并将其应用于量化机场之间的定向影响。该方法为分析航空运输系统中的动态相互作用模式提供了新的见解。通过分析可以揭示延误传播范围和程度，并进一步网络分析，从宏观的航空网络角度，综合分析延误传播的机理，通过网络分析能够发现，延误传播主要由哪些机场扩散，从而在源头上整治延误传播。

Claims (4)

1.一种航空延误传播的定量分析方法，其特征在于，具体步骤如下：

步骤一、根据某机场对i和j的航班历史数据，构造从机场i到机场j的到港延误时间序列和机场j的离港延误时间序列；

步骤二、针对第t个时间片，计算从机场i到机场j的到港延误时间序列y_t和机场j的离港延误时间序列x_t的传递熵TE(Y→X)；

计算公式如下：

Y为从机场i到机场j的到港延误标记，X为机场j的离港延误标记；d_x是X的马尔科夫过程阶数，d_y是Y对X有因果性的马尔科夫过程阶数；

表示x_t+1，

和

的联合概率，

表示已知

的条件下，x_t+1发生的概率；

步骤三、用传递熵TE(Y→X)量化广义马尔科夫条件的偏移，检验从机场i到机场j的到港延误对机场j的离港延误的因果性；

当

时，广义马尔科夫条件成立，从机场i到机场j的到港延误对机场j的离港延误没有因果性；

步骤四、针对机场对i和j，重新构造具有相同统计特性的若干到港延误时间序列和离港延误时间序列作为替代数据，并选择性的破坏每个替代数据的因果性；

步骤五、用每个替代数据计算各自的传递熵TE值，进行显著性检测；

当少于百分之五个替代数据的传递熵TE值大于步骤二计算的实际传递熵TE(Y→X)，则认为从机场i到机场j的到港延误对机场j的离港延误存在因果性；

步骤六、判断显著性检测结果是否存在因果性，如果是，用一条有向有权的边从机场i指向机场j；否则，不存在因果性，从机场i到机场j没有延误；机场i和机场j之间不设边；

步骤七、重复步骤一到步骤六，将任意两个机场之间进行成对测试来建立有权边；

步骤八、将每个机场作为网络中的一个节点，根据任意两个机场之间搭建的有权边搭建航空延误传播网络模型，并利用网络模型来进行航班延误分析。

2.如权利要求1所述的一种航空延误传播的定量分析方法，其特征在于，步骤一所述的构造从机场i到机场j的到港延误时间序列和机场j的离港延误时间序列，具体为：

针对机场i和机场j，首先、将一天分成96个时间片，每一个时间片为15分钟；针对每个时间片内，将从机场i到机场j的所有航班的总到港延误时间，设置为到港延误时间序列的一个值，96个时间片的值构成从机场对i到机场j的到港延误时间序列；

针对机场j，首先将一天分成96个时间片，每一个时间片为15分钟；针对每个时间片内，将机场j所有航班的总离港延误时间，设置为离港延误时间序列的一个值，96个时间片的值构成机场j的离港延误时间序列。

3.如权利要求1所述的一种航空延误传播的定量分析方法，其特征在于，步骤六所述的边的权重为传递熵的值。

4.如权利要求1所述的一种航空延误传播的定量分析方法，其特征在于，所述的航班延误分析包括：分析每天参与了延误传播的机场数量，延误传播发生的机场对数量，以及根据权重找到延误传播比较严重的机场对。

Images