CN111275317A - 一种终端区运行效率的评估方法及装置 - Google Patents
一种终端区运行效率的评估方法及装置 Download PDFInfo
- Publication number
- CN111275317A CN111275317A CN202010055436.6A CN202010055436A CN111275317A CN 111275317 A CN111275317 A CN 111275317A CN 202010055436 A CN202010055436 A CN 202010055436A CN 111275317 A CN111275317 A CN 111275317A
- Authority
- CN
- China
- Prior art keywords
- index
- data
- indexes
- ranking
- reverse
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000012795 verification Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims description 2
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000003064 k means clustering Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种终端区运行效率的评估方法及装置,解决了指标体系分类与指标体系管理问题,不同的指标对整体起到的作用,有正向的、反向的,在应用指标体系时,抛开传统的分组模式带来的后续算法模型复杂,不确定的问题,同时又兼顾传统指标分组方式中提出的安全、流量、效率、经济等指标要素。方法包括:确定评估对象;选取评估指标;指标数据统计;指结果标标准化;求指标权重;求综合得分并做排名;聚类验证。
Description
技术领域
本发明涉及民航空域数据处理的技术领域,尤其涉及一种终端区运行效率的评估方法,还涉及一种终端区运行效率的评估装置。
背景技术
目前国内外对终端区运行效率的研究主要是,先建立空域运行相关的指标体系,主要集中在指标的选取以及指标分类,通过对每个类别的指标进行计算,然后选取合适的算法模型对最终的效率进行研究。指标体系主要以运行安全、流量、效率、经济为要素。
指标体系与评估算法模型的相结合的研究方法各有侧重,根据选取的指标可以分为投入和产出类别,通过求取单个投入量与单个产出量的比值,评估某一特定维度的运行效率;或者是多个指标类别,比如多目标决策方法,建立一组特定的目标集,求最优解。
通过指标选取结合评估模型算法进行运行效率的评估。运用当前方法在对终端区效率进行评估过程中,会出现以下问题:
1、通过投入量与产出量的比值只评估某一特定领域的效率适合机场单位,多目标决策决策方法也只适用于机场、航空公司、航空制造业领域,不适合空管领域;
2、在指标选取过程中,如果有新的指标提出,不能开展准确的分类,会对整体评估的结果造成影响,单个指标对整体的影响存在多面性的,例如指标延误架次和延误时间,运行效率和运行成本都会受到影响,分类不准确会影响到整体的评估结果;
3、指标体系的单个要素在数据分析上不好量化,同时数据获取或者采集上的难度就会加大,各要素在分类和权重分配上缺少科学的支持,指标分类越多计算过程越复杂,结果越不确定。
发明内容
为克服现有技术的缺陷,本发明要解决的技术问题是提供了一种终端区运行效率的评估方法,其解决了指标体系分类与指标体系管理问题,不同的指标对整体起到的作用,有正向的、反向的,在应用指标体系时,抛开传统的分组模式带来的后续算法模型复杂,不确定的问题,同时又兼顾传统指标分组方式中提出的安全、流量、效率、经济等指标要素。
本发明的技术方案是:这种终端区运行效率的评估方法,其包括以下步骤:
(1)确定评估对象;
(2)选取评估指标:结合指标体系兼顾安全、流量、效率、经济的空管领域重点关注指标,选取可量化的指标;
(3)指标数据统计:选取研究时间段的数据,包括:民航飞行计划报数据、ADS-B数据、ACARS数据、雷达数据;根据选取的区域,对象,结合指标,对所选时间段内的数据进行计算分析,结合计算方法对每个指标数据进行计算提取;
(4)指结果标标准化:基于正反向指标体系,对正向指标体系和反向指标体系做标准化,将标准后的两个指标体系数据合并,作为系统后期做算法模型的输入数据;
(5)求指标权重:通过赋权值来体现指标与指标的权重差异;
(6)求综合得分并做排名:采用动态指标,求出各终端区的排名;
(7)聚类验证:采用聚类算法,利用聚类结果与验证排名结果相结合,排名相近的终端区聚到一个类下。
本发明对正向指标体系和反向指标体系做标准化,将标准后的两个指标体系数据合并,作为系统后期做算法模型的输入数据;通过赋权值来体现指标与指标的权重差异;采用动态指标,求出各终端区的排名;采用聚类算法,利用聚类结果与验证排名结果相结合,排名相近的终端区聚到一个类下;因此解决了指标体系分类与指标体系管理问题,不同的指标对整体起到的作用,有正向的、反向的,在应用指标体系时,抛开传统的分组模式带来的后续算法模型复杂,不确定的问题,同时又兼顾传统指标分组方式中提出的安全、流量、效率、经济等指标要素。
还提供了一种终端区运行效率的评估装置,其包括:
确定对象模块,其配置来确定评估对象;
选取评估指标模块,其配置来结合指标体系兼顾安全、流量、效率、经济的空管领域重点关注指标,选取可量化的指标;
指标数据统计模块,其配置来选取研究时间段的数据,包括:民航飞行计划报数据、ADS-B数据、ACARS数据、雷达数据;根据选取的区域,对象,结合指标,对所选时间段内的数据进行计算分析,结合计算方法对每个指标数据进行计算提取;
指结果标标准化模块,其配置来基于正反向指标体系,对正向指标体系和反向指标体系做标准化,将标准后的两个指标体系数据合并,作为系统后期做算法模型的输入数据;
求指标权重模块,其配置来通过赋权值来体现指标与指标的权重差异;
求综合得分并做排名模块,其配置来采用动态指标,求出各终端区的排名;
聚类验证模块,其配置来利用聚类结果与验证排名结果相结合,排名相近的终端区聚到一个类下。
附图说明
图1是根据本发明的终端区运行效率的评估方法的流程图。
图2是根据本发明的终端区运行效率的评估方法的具体实施例的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本揭示内容的叙述更加详尽与完备,下文针对本发明的实施方式与具体实施例提出了说明性的描述;但这并非实施或运用本发明具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而,亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。
如图1所示,这种终端区运行效率的评估方法,其包括以下步骤:
(1)确定评估对象;
(2)选取评估指标:结合指标体系兼顾安全、流量、效率、经济的空管领域重点关注指标,选取可量化的指标;
(3)指标数据统计:选取研究时间段的数据,包括:民航飞行计划报数据(飞行计划报数据:飞行计划是指包含航空器飞行数据的重复性和非重复性飞行计划的通称,飞行计划数据基本的部分包括:日期、航班号、起始机场和目的机场,航班飞行路径、起飞时间,到达时间等基础数据)、ADS-B数据(广播式自动相关监视(英语:Automatic dependentsurveillance–broadcast,缩写ADS–B)数据:ADS-B数据的主要信息是飞机的4维位置信息(经度、纬度、高度和时间)和其它可能附加信息(冲突告警信息,飞行员输入信息,航迹角,航线拐点等信息)以及飞机的识别信息和类别信息。此外,还可能包括一些别的附加信息,如航向、空速、风速、风向和飞机外界温度等)、ACARS数据(飞机通信寻址与报告系统(Aircraft Communications Addressing and Reporting System,缩写:ACARS)数据:自动检测和报告飞机在主要飞行阶段(推出登机门-Out of the gate;离地-Off the ground;着陆-On the ground;停靠登机门-Into the Gate,工业上简称OOOI)的变化)、雷达数据;根据选取的区域,对象,结合指标,对所选时间段内的数据进行计算分析,结合计算方法对每个指标数据进行计算提取;
(4)指结果标标准化:基于正反向指标体系(正反向指标体系:正反向指标体系由正向指标体系和反向指标体系组成,其中正向指标体系由对系统起到积极作用的指标组成,指标的数值越高对系统越有利,反向指标体系由对系统起到消极作用的指标组成,指标的数值越小对系统越有利),对正向指标体系和反向指标体系做标准化,将标准后的两个指标体系数据合并,作为系统后期做算法模型的输入数据;
(5)求指标权重:通过赋权值来体现指标与指标的权重差异;
(6)求综合得分并做排名:采用动态指标,求出各终端区的排名;
(7)聚类验证:采用聚类算法,利用聚类结果与验证排名结果相结合,排名相近的终端区聚到一个类下。
本发明对正向指标体系和反向指标体系做标准化,将标准后的两个指标体系数据合并,作为系统后期做算法模型的输入数据;通过赋权值来体现指标与指标的权重差异;采用动态指标,求出各终端区的排名;采用聚类算法,利用聚类结果与验证排名结果相结合,排名相近的终端区聚到一个类下;因此解决了指标体系分类与指标体系管理问题,不同的指标对整体起到的作用,有正向的、反向的,在应用指标体系时,抛开传统的分组模式带来的后续算法模型复杂,不确定的问题,同时又兼顾传统指标分组方式中提出
表1
的安全、流量、效率、经济等指标要素。
优选地,所述步骤(1)中,以机场为中心,选取以机场附近200公里范围内的区域为分析区域;或者选取机场所在的进近管制区区域。更具体地,选取机场起降量排名前十的机场或起降量同级别的机场包括:北京首都、上海虹桥、上海浦东、西安咸阳、昆明长水、成都双流、广州白云、深圳保安、杭州萧山、重庆江北。
优选地,所述步骤(3)中,研究时间段为7天。
优选地,所述步骤(4)中,正向指标包括:日高峰、小时容量、小时高峰、日均飞越流量、日均起降流量、机场日均正常率,反向指标包括:平均飞行时间、平均上升下降次数、平均转弯次数、日均起飞延误架次、起飞平均延误时间、平均起飞燃油消耗、降落平均滑行燃油消耗。
如表1所示,根据选取的区域,对象,结合指标,对所选时间段内的数据进行计算分析,结合计算方法对每个指标数据进行计算提取。
优选地,所述步骤(4)中,基于正反向指标体系,分别运用公式(1)和公式(2)对正向指标体系、反向指标体系做标准化,其中Xij表示第i个样本的第j项指标标准化后的数值,Xj表示第j项指标的数值,Xmax表示第j项指标的最大值,Xmin表示第j项指标的最小值,
优选地,所述步骤(5)中,采用熵值法(熵值法是指用来判断某个指标的离散程度的数学方法。离散程度越大,对该指标对综合评价的影响越大。可以用熵值判断某个指标的离散程度),求出各个指标权重,再结合正反向指标体系,将正向指标体系和反向指标体系下二级指标求和,得到正向指标体系和反向指标体系的权重,从而看出这个系统受正向指标影响程度大,还是受反向指标影响程度大。
优选地,所述步骤(6)中,通过公式(3)求出各终端区的排名,其中Si表示第i个样本的加权得分,Wj表示第j项指标的权重,Xij表示第i个样本的第j项指标标准化后的数值,
优选地,所述步骤(7)中,采用k_means聚类算法,排名相近终端区会分到一个类的概率比较大。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括上述实施例方法的各步骤,而所述的存储介质可以是:ROM/RAM、磁碟、光盘、存储卡等。因此,与本发明的方法相对应的,本发明还同时包括一种终端区运行效率的评估装置,该装置通常以与方法各步骤相对应的功能模块的形式表示。该装置包括:
确定对象模块,其配置来确定评估对象;
选取评估指标模块,其配置来结合指标体系兼顾安全、流量、效率、经济的空管领域重点关注指标,选取可量化的指标;
指标数据统计模块,其配置来选取研究时间段的数据,包括:民航飞行计划报数据、ADS-B数据、ACARS数据、雷达数据;根据选取的区域,对象,结合指标,对所选时间段内的数据进行计算分析,结合计算方法对每个指标数据进行计算提取;
指结果标标准化模块,其配置来基于正反向指标体系,对正向指标体系和反向指标体系做标准化,将标准后的两个指标体系数据合并,作为系统后期做算法模型的输入数据;
求指标权重模块,其配置来通过赋权值来体现指标与指标的权重差异;
求综合得分并做排名模块,其配置来采用动态指标,求出各终端区的排名;
聚类验证模块,其配置来利用聚类结果与验证排名结果相结合,排名相近的终端区聚到一个类下。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (9)
1.一种终端区运行效率的评估方法,其特征在于:其包括以下步骤:
(1)确定评估对象;
(2)选取评估指标:结合指标体系兼顾安全、流量、效率、经济的空管领域重点关注指标,选取可量化的指标;
(3)指标数据统计:选取研究时间段的数据,包括:民航飞行计划报数据、ADS-B数据、ACARS数据、雷达数据;根据选取的区域,对象,结合指标,对所选时间段内的数据进行计算分析,结合计算方法对每个指标数据进行计算提取;
(4)指结果标标准化:基于正反向指标体系,对正向指标体系和反向指标体系做标准化,将标准后的两个指标体系数据合并,作为系统后期做算法模型的输入数据;
(5)求指标权重:通过赋权值来体现指标与指标的权重差异;
(6)求综合得分并做排名:采用动态指标,求出各终端区的排名;
(7)聚类验证:采用聚类算法,利用聚类结果与验证排名结果相结合,排名相近的终端区聚到一个类下。
2.根据权利要求1所述的终端区运行效率的评估方法,其特征在于:所述步骤(1)中,以机场为中心,选取以机场附近200公里范围内的区域为分析区域;或者选取机场所在的进近管制区区域。
3.根据权利要求2所述的终端区运行效率的评估方法,其特征在于:所述步骤(3)中,研究时间段为7天。
4.根据权利要求3所述的终端区运行效率的评估方法,其特征在于:所述步骤(4)中,正向指标包括:日高峰、小时容量、小时高峰、日均飞越流量、日均起降流量、机场日均正常率,反向指标包括:平均飞行时间、平均上升下降次数、平均转弯次数、日均起飞延误架次、起飞平均延误时间、平均起飞燃油消耗、降落平均滑行燃油消耗。
6.根据权利要求5所述的终端区运行效率的评估方法,其特征在于:所述步骤(5)中,采用熵值法,求出各个指标权重,再结合正反向指标体系,将正向指标体系和反向指标体系下二级指标求和,得到正向指标体系和反向指标体系的权重,从而看出这个系统受正向指标影响程度大,还是受反向指标影响程度大。
8.根据权利要求7所述的终端区运行效率的评估方法,其特征在于:所述步骤(7)中,采用k_means聚类算法,排名相近终端区会分到一个类的概率比较大。
9.一种终端区运行效率的评估装置,其特征在于:其包括:
确定对象模块,其配置来确定评估对象;
选取评估指标模块,其配置来结合指标体系兼顾安全、流量、效率、经济的空管领域重点关注指标,选取可量化的指标;
指标数据统计模块,其配置来选取研究时间段的数据,包括:民航飞行计划报数据、ADS-B数据、ACARS数据、雷达数据;根据选取的区域,对象,结合指标,对所选时间段内的数据进行计算分析,结合计算方法对每个指标数据进行计算提取;
指结果标标准化模块,其配置来基于正反向指标体系,对正向指标体系和反向指标体系做标准化,将标准后的两个指标体系数据合并,作为系统后期做算法模型的输入数据;
求指标权重模块,其配置来通过赋权值来体现指标与指标的权重差异;
求综合得分并做排名模块,其配置来采用动态指标,求出各终端区的排名;
聚类验证模块,其配置来利用聚类结果与验证排名结果相结合,排名相近的终端区聚到一个类下。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010055436.6A CN111275317A (zh) | 2020-01-17 | 2020-01-17 | 一种终端区运行效率的评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010055436.6A CN111275317A (zh) | 2020-01-17 | 2020-01-17 | 一种终端区运行效率的评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111275317A true CN111275317A (zh) | 2020-06-12 |
Family
ID=71003296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010055436.6A Pending CN111275317A (zh) | 2020-01-17 | 2020-01-17 | 一种终端区运行效率的评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275317A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750950A (zh) * | 2013-01-18 | 2015-07-01 | 南京航空航天大学 | 一种基于多层次状态分类的机场终端区利用率评价方法 |
CN108898890A (zh) * | 2018-08-29 | 2018-11-27 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
-
2020
- 2020-01-17 CN CN202010055436.6A patent/CN111275317A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750950A (zh) * | 2013-01-18 | 2015-07-01 | 南京航空航天大学 | 一种基于多层次状态分类的机场终端区利用率评价方法 |
CN108898890A (zh) * | 2018-08-29 | 2018-11-27 | 中国民用航空总局第二研究所 | 空管运行效率等级评估方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503245B (zh) | 一种机场航班大面积延误风险的预测方法 | |
CN109448445A (zh) | 基于长短期记忆神经网络的航班延误分级预警方法 | |
CN103530704A (zh) | 一种终端空域空中交通动态容量预测系统及其方法 | |
CN111009155B (zh) | 基于空域结构和航班流的空中交通流复杂性量化分析方法 | |
CN113284369B (zh) | 一种基于ads-b实测航路数据的预测方法 | |
CN113344408B (zh) | 民航交通管制运行多尺度态势感知流程的处理方法 | |
Achenbach et al. | Prescriptive analytics in airline operations: Arrival time prediction and cost index optimization for short-haul flights | |
CN111581780A (zh) | 复杂空域场景下机场群空域仿真建模与验证方法及装置 | |
Sridhar | Applications of machine learning techniques to aviation operations: Promises and challenges | |
Zhang et al. | Data‐driven flight time prediction for arrival aircraft within the terminal area | |
CN101465066B (zh) | 飞机垂直占有率的获取方法 | |
CN106779222A (zh) | 机场地面等待时间预测方法及装置 | |
Lu et al. | Flight delay prediction using gradient boosting machine learning classifiers | |
CN109145415B (zh) | 一种空中交通流时距分布分析方法 | |
CN112926809B (zh) | 一种基于聚类和改进的xgboost的航班流量预测方法及系统 | |
Li et al. | Using deep learning method to predict taxi time of aircraft: A case of Hong Kong airport | |
CN111275317A (zh) | 一种终端区运行效率的评估方法及装置 | |
CN115345408A (zh) | 一种基于熵权法的终端区进场效率评估方法 | |
Hu et al. | Research on Flight Delay Prediction Based on Random Forest | |
Wang et al. | Airport delay prediction method based on improved weather impacted traffic index | |
Zhao et al. | Research and comparison on identification and prediction methods of air traffic network congestion | |
CN114254250A (zh) | 一种考虑时空非平稳性的网约车出行需求预测方法 | |
Yanguo et al. | The urban road traffic state identification method based on FCM clustering | |
Zhao et al. | Research on air traffic flow management delay distribution prediction based on IV value and PSO-SVM | |
Šimić et al. | Airport delay prediction using machine learning regression models as a tool for decision making process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200612 |
|
RJ01 | Rejection of invention patent application after publication |