CN111476401A - 航班时刻表优化方法及系统 - Google Patents
航班时刻表优化方法及系统 Download PDFInfo
- Publication number
- CN111476401A CN111476401A CN202010178342.8A CN202010178342A CN111476401A CN 111476401 A CN111476401 A CN 111476401A CN 202010178342 A CN202010178342 A CN 202010178342A CN 111476401 A CN111476401 A CN 111476401A
- Authority
- CN
- China
- Prior art keywords
- flight
- delay
- target
- historical
- time
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 52
- 230000010006 flight Effects 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000003066 decision tree Methods 0.000 description 8
- 230000003111 delayed effect Effects 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- 238000007637 random forest analysis Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000012508 change request Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000233805 Phoenix Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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
- G06Q50/14—Travel agencies
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了航班时刻表优化方法及系统，涉及航空信息化管理技术领域。该方法包括：读取单元从数据库中读取目标航班的历史延误信息；第一处理单元根据预设的预测算法和历史延误信息预测目标航班在目标日的延误概率，并根据历史延误信息计算目标航班的历史延误时长的平均值；第二处理单元根据延误概率和历史延误时长的平均值计算目标航班在目标日的预期延误时长；写入单元根据预期延误时长调整航班时刻表。本发明对航班延误情况进行预测，提前针对航班时刻表进行调整，合理优化航班时刻表，从而避免因航班时刻优化和调整的时间滞后现象而导致的后续航班出现大面积延误的问题，进而从根本上降低航班延误率。
Description
技术领域
本发明涉及航空信息化管理技术领域，尤其涉及航班时刻表优化方法及系统。
背景技术
航班时刻包括航班起飞和到达的时刻，航班起飞时刻，通常需要在综合考虑具体航线适飞机型的充分利用和航班之间的衔接，以及机场的流量管制要素等因素的基础上进行合理安排。
机场调度塔台通过机场航班调度系统根据航班时刻表进行航班的调度，而当出现例如极端天气、临时故障或空域管制等因素时，机场航班调度系统才会被动、临时地调整和优化机场的航班时刻表，以便应对由此导致的航班延误问题，但被动、临时地调整和优化机场的航班时刻表往往存在时间滞后的现象，容易导致后续航班出现大面积的延误，因而无法从根本上降低航班的延误率。
发明内容
本发明提供一种航班时刻表优化方法及系统，旨在解决现有技术中航班时刻优化和调整存在的时间滞后问题，本发明通过航班的历史延误信息预测航班在目标日，即起飞当天的延误时长，根据预测的延误时长提前调整航班时刻表，从而降低航班延误率。
本发明解决上述技术问题的技术方案如下：
一种航班时刻表优化方法，包括：
读取单元从数据库中读取目标航班的历史延误信息，并将读取的目标航班的历史延误信息发送至第一处理单元；
所述第一处理单元根据预设的预测算法和所述历史延误信息预测所述目标航班在目标日的延误概率，并根据所述目标航班的历史延误信息计算所述目标航班的历史延误时长的平均值；
第二处理单元接收所述第一处理单元发送的所述延误概率和所述历史延误时长的平均值，并根据所述延误概率和所述历史延误时长的平均值计算所述目标航班在所述目标日的预期延误时长；
写入单元接收所述第二处理单元发送的所述目标航班在目标日的预期延误时长，并根据所述预期延误时长调整航班时刻表中所述目标航班的起飞时刻。
本发明解决上述技术问题的另一种技术方案如下：
一种航班时刻表优化系统，包括：
读取单元，用于从数据库中读取目标航班的历史延误信息，并将读取的目标航班的历史延误信息发送至第一处理单元；
所述第一处理单元，用于根据预设的预测算法和所述历史延误信息预测所述目标航班在目标日的延误概率，并根据所述目标航班的历史延误信息计算所述目标航班的历史延误时长的平均值；
第二处理单元，用于接收所述第一处理单元发送的所述延误概率和所述历史延误时长的平均值，并根据所述延误概率和所述历史延误时长的平均值计算所述目标航班在所述目标日的预期延误时长；
写入单元，用于接收所述第二处理单元发送的所述目标航班在目标日的预期延误时长，并根据所述预期延误时长调整航班时刻表中所述目标航班的起飞时刻。
本发明的有益效果是：本发明提供的航班时刻表优化方法及系统，通过从数据库中读取航班的历史延误信息，然后根据历史延误信息预测目标日当天的延误时长，从而根据预测的延误时长提前调整航班时刻表，提前对可能出现延误的航班的起飞时刻进行调整，本发明不关注出现延误的具体原因，仅关注目标日的预期延误概率，通过挖掘目标航班历史延误情况之间的联系，并对航班时刻表进行针对调整，合理优化航班时刻表，从而避免了因航班时刻优化和调整存在的时间滞后现象而导致的后续航班出现大面积延误的问题，进而从根本上降低航班延误率。
附图说明
图1为本发明航班时刻表优化方法的实施例提供的流程示意图；
图2为本发明航班时刻表优化方法的实施例提供的时序交互示意图；
图3为本发明航班时刻表优化系统的实施例提供的结构框架图；
图4为本发明航班时刻表优化系统的实施例提供的网络拓扑图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。
需要说明的是，本发明提供的航班时刻表优化方法依托于航班时刻优化系统实现，可以接入机场的管理系统，例如，机场的航班调度系统等，航班调度系统是机场的调度塔台及控制室使用的软件控制系统，基于硬件的服务器集群实现，承载了航班的起飞时刻管理、航班调度和航班信息整合等功能，机场管理和调度人员可以通过计算机等终端接入航班调度系统，访问航班调度系统的航班时刻表，根据航班时刻表对航班进行放行和调度。
例如，目前，三亚的凤凰国际机场使用的航班调度系统为站坪调度系统V2.0，可以实现任务调度、站坪监控、保障监控、数据交互、报表统计、系统管理保障记录追溯等功能。
如图4所示，提供了一种航班时刻表优化系统的示例性的网络连接拓扑图，其中，本发明提供的航班时刻表优化系统可以与多个机场的调度系统连接，航班时刻表优化系统的物理硬件设备可以包括终端设备21和服务器22，终端设备21与服务器22之间通信连接，例如，可以通过以太网等进行通信，在终端设备21与服务器22之间可以通过互联网接入网关23和互联网服务网关24连接，终端设备21发出的对航班时刻表的写入请求依次通过互联网接入网关23和互联网服务网关24传输给服务器22，再由服务器22转发给各个机场的调度系统。
具体的，终端设备21先向互联网接入网关23发送接入互联网请求，互联网接入网关23将该接入请求发送至互联网服务网关24中，互联网服务网关24对接入请求进行认证。当认证成功后，向互联网接入网关23发送认证成功的消息，并和互联网接入网关23建立网络通信传输通道。互联网接入网关23将认证成功的消息发送给终端设备21，终端设备21在接收到认证成功的消息后，与服务器22进行数据传输。
服务器22通过路由器等网络设备将更改请求分发至各个调度系统的服务器25中，从而对更改请求进行处理，根据更改请求对数据库中的航班时刻表进行优化和调整。
如图1所示，为本发明航班时刻表优化方法的实施例提供的流程示意图，该方法应用于航班时刻优化系统，如图3所示，所述系统至少包括读取单元11、第一处理单元12、第二处理单元13和写入单元14，应理解，这些功能单元都依托于物理硬件实现，如CPU处理器、GPU处理、通信设备和相应的接口等，通过执行软件程序实现相应的方法流程，并结合图2所示，航班时刻表优化系统与航班调度系统之间的时序交互图，下面结合图1-3对该航班时刻表优化方法的具体实现步骤进行说明：
S1，读取单元11从数据库中读取目标航班的历史延误信息，并将读取的目标航班的历史延误信息发送至第一处理单元12。
需要说明的是，各个航班的历史延误信息都存储在服务器的数据库中，可以通过库表的形式存储，历史延误信息包括了延误时长、延误起止时刻、航点、延误原因和经济损失等信息，在每次航班延误后，可以由航班时刻优化系统记录，通过4G或5G网络等上传到云端服务器，存储在数据库中，从而形成每个航班的历史延误信息。
S2，第一处理单元12根据预设的预测算法和历史延误信息预测目标航班在目标日的延误概率，并根据所述目标航班的历史延误信息计算目标航班的历史延误时长的平均值。
需要说明的是，具体使用何种预测算法进行，本领域技术人员可以根据实际需求进行选择，例如，可以使用支持向量机、随机森林或模型融合算法等进行预测。
以随机森林算法为例，则根据预设的预测算法和历史延误信息预测目标航班在目标日的延误概率的具体实施方式可包括：根据每个历史日的延误时长、延误起止时刻、延误的航点、延误原因、天气因素、航空管制因素和突发事件等构建决策树，通过Boostrap抽样在历史延误信息中随机选择以上延误信息作为特征变量，由于每一颗决策树模型的训练是通过自助采样法抽出来的，所以每一个子模型的训练样本并不是完全相同的，每一个子模型都存在一些样本不在该模型的训练集中，那些没有被该子模型抽中的样本可作为这个子模型的测试集。
每一颗决策树模型在构建的时候并没有使用所有的特征变量，而是随机的从所有特征中抽取一个子集来训练模型，这样保证了子模型不但训练样本不完全一样，连特征变量也不完全一样，这样就很好的保证了多个子模型的随机性。
例如，假设有N个延误信息样本，则有回放的随机选择N个样本(每次随机选择一个样本，然后返回继续选择)。这选择好了的N个样本用来训练一个决策树，作为决策树根节点处的样本。
当每个样本有M个属性时，在决策树的每个节点需要分裂时，随机从这M个属性中选取出m个属性，满足条件m<<M。然后从这m个属性中采用信息增益策略来选择一个属性，作为该节点的分裂属性。
在决策树形成过程中，每个节点都要按照上述步骤来分裂，一直到不能再分裂为止，如果下一次该节点选出来的那一个属性是刚刚父节点分裂时用过的属性，则该节点已经达到了叶子节点，无需继续分裂。
按以上步骤建立大量决策树，如此形成随机森林。
在训练完成后，就可以通过随机森林对目标航班的历史延误信息进行回归预测，通过每个决策树进行相应的属性决策，从而得到目标航班在目标日的延误概率。因此，通过随机森林进行预测，由于引入了随机性，因此使得随机森林模型不容易陷入过拟合，具有很好的抗噪能力，而且保证了各子模型间的多样性。
其他算法也为本领域技术人员能够实现的预测算法，在此不再赘述。
S3，第二处理单元13接收第一处理单元12发送的所述延误概率和所述历史延误时长的平均值，并根据延误概率和历史延误时长的平均值计算目标航班在目标日的预期延误时长。
需要说明的是，延误概率表明了目标航班在目标日延误的可能性大小，因此，可以考虑将其作为变量，结合历史延误时长的平均值计算延误时长的预期值，即预期延误时长。具体的计算实施方式可包括：将延误概率与历史延误时长的平均值相乘，得到预期延误时长，具体的，假设目标航班在目标日的延误概率为0.8，历史延误时长的平均值为30min，则预期延误时长为：0.8*30＝24min，即为24min。
也可以根据目标航班在目标日的延误概率将历史延误时长的平均值确定为预期延误时长。
例如，假设延误概率小于0.5，那么可以将预期延误时长确定为0，即不认为目标航班会延误，假设延误概率大于0.5，那么可以将预期延误时长确定为历史延误时长的平均值，或者将历史延误时长的平均值乘以一个预设的系数作为预期延误时长。
本领域技术人员还可以通过其他数学方法挖掘延误概率与历史延误时长的平均值之间的关系，都属于本领域技术人员能够实现的方案，在此不再赘述。
可选的，根据延误概率和历史延误时长的平均值计算目标航班在目标日的预期延误时长的具体实施方式可为:
第二处理单元13将延误概率按照延误程度划分为n级，并确定与n级延误概率一一对应的n级调整比例，确定目标航班在目标日的目标调整比例的级别，将目标调整比例与历史延误时长的平均值相乘，得到目标航班在目标日的预期延误时长。
例如，可以将延误概率按照延误程度划分为3级，其中，延误概率在99.9％～80％为第一级，延误概率在79.9％～50％为第二级，延误概率在49.9％～0％为第三级，具体的调整比例可以根据实际需求设置，例如，第一级延误概率对应的第一级调整比例可以为80％，第二级延误概率对应的第二级调整比例可以为70％，第三级延误概率对应的第三级调整比例可以为60％。
那么在知道目标航班在目标日的延误概率后，就能够确定其延误概率的级别，进而确定与其对应的调整比例的级别。例如，假设目标航班在目标日的延误概率为76％，那么其延误概率为第二级，对应的调整比例的级别为第二级，按照上述示例，其调整比例可以为70％。
假设历史延误时长的平均值为30min，那么目标航班在目标日的预期延误时长为：30*70％＝21min，那么可以确定预期延误时长为21min。
应理解，以上仅为便于说明而提供的各项参数的简便计算方式，实际本领域技术人员可以为了实际需求选择合适的数学模型进行计算，以使计算结果贴合实际，更加准确。
S4，写入单元14接收所述第二处理单元13发送的所述目标航班在目标日的预期延误时长，并根据预期延误时长调整航班时刻表中所述目标航班的起飞时刻。
需要说明的是，本实施例提供的航班时刻表优化系统可以与机场的航班调度系统连接，因此，可以通过数据访问技术，直接更改航班调度系统中的航班时刻表，也可以在航班时刻表优化系统中对航班时刻表进行优化，再将优化后的航班时刻表通过数据传输链路发送给航班调度系统。
需要说明的是，本领域技术人员可以根据实际需求选择对航班时刻表的具体优化方法，例如，可以将目标航班的起飞时刻加上预期延误时长作为目标航班优化调整后的起飞时刻。
具体地，假设航班时刻表中有3个航班，航班A的起飞时刻为11:00，航班B的起飞时刻为12:00，航班C的起飞时刻为13:00，现在对航班B进行优化，航班B的预期延误时长为30分钟，那么可以将航班B的起飞时刻加上30分钟，优化调整后的航班B的起飞时刻为12:30。
优选地，当优化后的航班的起飞时刻与其他航班的起飞时刻冲突时，可以根据每个航班的起飞优先级重新安排起飞时刻，例如，假设航班B的预期延误时长为1小时，那么可以将航班B的起飞时刻加上1小时，优化调整后的航班B的起飞时刻为13:00，优化调整后的航班B的起飞时刻与航班C冲突，假设航班C具有更高的优先级，那么可以先安排航班C在原定起飞时刻为13:00起飞，航班B安排在稍晚的时刻起飞，例如往后顺延一个预设的标准放飞间隔时间，根据民航领域的惯例，通常可以设定为15分钟，则此时航班B的起飞时刻可为13:15，标准放飞间隔时间根据各个机场的实际运营情况而定，不作具体限定。
又例如，还可以将目标航班与其他航班的起飞时刻进行调换。
具体地，假设航班A的起飞时刻为11:00，航班B的起飞时刻为12:00，航班A的预期延误时间为1小时，那么航班A的预期起飞时刻为12:00，那么可以将航班B的起飞时刻提前，与航班A的起飞时刻交换，从而保证机场跑道的使用效率，避免因一个航班延误导致其他航班大规模延误。
如图2所示，提供了一种示例性的航班时刻表优化系统与航班调度系统之间的时序交互图，航班时刻表优化系统在根据目标航班的历史延误信息计算得到目标航班的预期延误时长后，根据预期延误时长调整航班调度系统中的航班时刻表，航班调度系统再根据航班时刻表进行航班起飞时刻的管理和调度。
本实施例提供的航班时刻表优化方法，通过从数据库中读取航班的历史延误信息，然后根据历史延误信息预测目标日当天的延误时长，从而根据预测的延误时长提前调整航班时刻表，提前对可能出现延误的航班的起飞时刻进行调整，本发明不关注出现延误的具体原因，仅关注目标日的预期延误概率，通过挖掘目标航班历史延误情况之间的联系，并对航班时刻表进行针对调整，合理优化航班时刻表，从而避免了因航班时刻优化和调整存在的时间滞后现象而导致的后续航班出现大面积延误的问题，进而从根本上降低航班延误率。
可选地，在一些实施例中，根据所述目标航班的历史延误信息计算目标航班的历史延误时长的平均值之前，还包括：
第一处理单元12遍历所述目标航班的历史延误信息中包含的历史延误时长，查找全部历史延误时长中是否存在奇异点，如果存在奇异点，则判断奇异点对应的延误原因是否为预设原因，如果是，则去除奇异点。
需要说明的是，奇异点指的是全部历史延误时长中，数值明显偏高的时长，具体的实施方式可为：预先设定一个标准延误时长t0，将目标航班的历史延误时长与标准延误时长t0对比，得到差值，将差值大于阈值的历史延误时长作为奇异点，标准延误时长t0的值例如可取1个小时。
应理解，对于航班的延误而言，导致其延误的原因有很多，如天气、机械故障和临时空域管制等，可以分为周期性因素和非周期性因素，周期性因素如天气等，天气在一定时间内呈周期性规律变化，例如南方在雨季时多发暴雨；非周期性因素为偶然发送不具规律性的因素，如机械故障等，只是偶然发生且无规律可循，那么可以将预设原因设置为非周期性因素，从而当奇异点对应的历史延误时长为非周期性因素导致的时候，去掉该奇异点，从而提高数据的可用性，进而提高预测目标航班延误时长的准确性。
可选地，在一些实施例中，所述第一处理单元12遍历所述目标航班的历史延误信息中包含的历史延误时长，查找全部历史延误时长中是否存在奇异点，还可以具体包括：
第一处理单元12以历史日为横轴，以历史延误时长为纵轴，建立历史延误信息中目标航班的全部历史延误时长的延误时长曲线，对延误时长曲线上的全部峰值点进行遍历检测，并将数值大于预设阈值的峰值点作为奇异点。
需要说明的是，可以通过图形处理软件对延误时长曲线进行检测，也可以通过matlab等软件进行峰值点的检测，预设阈值可以根据实际需求设置。通过曲线图的方式查找奇异点，能够直观地展示延误时长的变化情况，从而辅助使用者人工判断目标航班的延误走向，及时地对目标航班进行调整和优化，并且相比于数值检测，峰值点的检测效率更高，速度更快，不必比较前后数值之间的关系，能够提高整体预测效率。
可选地，在一些实施例中，写入单元14根据预期延误时长调整航班时刻表中航班的起飞时刻，具体包括：
写入单元14将航班时刻表中的目标航班的原定起飞时刻加上预期延误时长，得到调整后的新起飞时刻，以原定起飞时刻为起始时刻并以新起飞时刻为终止时刻确定查找范围，判断查找范围内是否存在起飞时刻可调换的第一航班，如果存在，则将第一航班的起飞时刻与目标航班的原定起飞时刻调换。
例如，假设在航班时刻表中，共有3个航班，航班A的起飞时刻为11:00，航班B的起飞时刻为12:00，航班C的起飞时刻为13:00，航班B的预期延误时长为2小时，那么可以将航班B的起飞时刻加上30分钟，优化调整后的航班B的起飞时刻为14:00，那么对应的查找范围为12:00到14:00，其中，航班C在该查找范围内，判断航班C是否可调换，如果可以调换，那么就将航班C与航班B的12:00起飞时刻调换，于是，新的航班时刻表为：航班A的起飞时刻为11:00，航班C的起飞时刻为12:00，航班B的起飞时刻为13:00。
优选地，当查找范围内存在多个可调换的第一航班时，可以将起飞时刻与目标航班的新起飞时刻最接近的第一航班进行调换。
例如，假设航班D的起飞时刻为14:00，那么相比于航班C，航班D的起飞时刻更加接近于航班B的新起飞时刻14:00，那么可以将航班D与航班B进行调换，得到新的航班时刻表。
需要说明的是，航班是否可调换，可以由人工进行标注，例如，当使用者上传航班信息时，可以标记该航班是否可以被调换，以供软件识别。
通过上述方式调换航班，不仅实现了延误航班的灵活自动调换，还能够使延误航班在合理的范围内进行调换，对其他航班影响较小，能够最大的保障航班时刻表的稳定，防止出现航班时刻表大规模变动，给乘客带来不便。
应理解，在一些可能的实施例中，可以包括上述实施例中任意实施方式的组合或全部实施方式的组合。
如图3所示，为本发明航班时刻表优化系统10的实施例提供的结构框架图，该航班时刻表优化系统10向各个机场的航班调度系统20发送更改调整航班时刻表的写入请求，具体的，航班时刻表优化系统10包括：
读取单元11，用于从数据库中读取目标航班的历史延误信息，并将读取的目标航班的历史延误信息发送至第一处理单元；
第一处理单元12，用于根据预设的预测算法和历史延误信息预测目标航班在目标日的延误概率，并根据目标航班的历史延误信息计算目标航班的历史延误时长的平均值；
第二处理单元13，用于接收所述第一处理单元发送的所述延误概率和所述历史延误时长的平均值，并根据延误概率和历史延误时长的平均值计算目标航班在目标日的预期延误时长；
写入单元14，用于接收所述第二处理单元发送的所述目标航班在目标日的预期延误时长，并根据预期延误时长调整航班时刻表中所述目标航班的起飞时刻。
本实施例提供的航班时刻表优化系统10，通过读取单元11从数据库中读取航班的历史延误信息，并将读取的目标航班的历史延误信息发送至第一处理单元，然后第一处理单元12和第二处理单元13根据历史延误信息预测目标日的延误时长，从而通过写入单元14根据预测的延误时长提前调整航班时刻表，主动地对目标日的航班时刻表进行优化与调整，本发明不关注出现延误的具体原因，仅关注目标日的预期延误概率，通过挖掘目标航班历史延误情况之间的联系，并对航班时刻表进行针对调整，合理优化航班时刻表，从而避免了因航班时刻优化和调整存在的时间滞后现象而导致的后续航班出现大面积延误的问题，进而从根本上降低航班延误率。
可选地，在一些实施例中，第一处理单元12还用于遍历所述目标航班的历史延误信息中包含的历史延误时长，查找是否存在奇异点，如果存在奇异点，则判断奇异点对应的延误原因是否为预设原因，如果是，则去除奇异点。
可选地，在一些实施例中，第一处理单元12具体用于以历史日为横轴，以历史延误时长为纵轴，建立历史延误信息中目标航班的全部历史延误时长的延误时长曲线，对延误时长曲线上的全部峰值点进行遍历检测，并将数值大于预设阈值的峰值点作为奇异点。
可选地，在一些实施例中，第二处理单元13具体用于将延误概率按照延误程度划分为n级，并确定与n级延误概率一一对应的n级调整比例，确定目标航班在目标日的目标调整比例的级别，将目标调整比例与历史延误时长的平均值相乘，得到目标航班在目标日的预期延误时长。
可选地，在一些实施例中，写入单元14具体用于将航班时刻表中的目标航班的原定起飞时刻加上预期延误时长，得到调整后的新起飞时刻，以原定起飞时刻为起始时刻并以新起飞时刻为终止时刻确定查找范围，判断查找范围内是否存在起飞时刻可调换的第一航班，如果存在，则将第一航班的起飞时刻与目标航班的原定起飞时刻调换。
应理解，在一些可能的实施例中，可以包括上述实施例中任意实施方式的组合或全部实施方式的组合。
上述各实施例为与在先方法实施例对应产品实施例，因此关于产品实施例的各可选实施方式的说明及相应的技术效果可以参照在先各方法实施例，在此不再赘述。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，步骤的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个步骤可以结合或者可以集成到另一个步骤，或一些特征可以忽略，或不执行。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种航班时刻表优化方法，其特征在于，包括：
读取单元从数据库中读取目标航班的历史延误信息，并将读取的目标航班的历史延误信息发送至第一处理单元；
所述第一处理单元根据预设的预测算法和所述历史延误信息预测所述目标航班在目标日的延误概率，并根据所述目标航班的历史延误信息计算所述目标航班的历史延误时长的平均值；
第二处理单元接收所述第一处理单元发送的所述延误概率和所述历史延误时长的平均值，并根据所述延误概率和所述历史延误时长的平均值计算所述目标航班在目标日的预期延误时长；
写入单元接收所述第二处理单元发送的所述目标航班在目标日的预期延误时长，并根据所述预期延误时长调整航班时刻表中所述目标航班的起飞时刻。
2.根据权利要求1所述的航班时刻表优化方法，其特征在于，根据所述目标航班的历史延误信息计算所述目标航班的历史延误时长的平均值之前，还包括：
所述第一处理单元遍历所述目标航班的历史延误信息中包含的历史延误时长，查找是否存在奇异点，如果存在奇异点，则判断所述奇异点对应的延误原因是否为预设原因，如果是，则去除所述奇异点。
3.根据权利要求2所述的航班时刻表优化方法，其特征在于，所述第一处理单元遍历所述目标航班的历史延误信息中包含的历史延误时长，查找是否存在奇异点，具体包括：
所述第一处理单元以历史日为横轴，以历史延误时长为纵轴，建立所述历史延误信息中所述目标航班的全部历史延误时长的延误时长曲线，对所述延误时长曲线上的全部峰值点进行遍历检测，并将数值大于预设阈值的峰值点作为奇异点。
4.根据权利要求1至3中任一项所述的航班时刻表优化方法，其特征在于，第二处理单元根据所述延误概率和所述历史延误时长的平均值计算所述目标航班在所述目标日的预期延误时长，具体包括：
所述第二处理单元将延误概率按照延误程度划分为n级，并确定与n级延误概率一一对应的n级调整比例，确定所述目标航班在所述目标日的目标调整比例的级别，将所述目标调整比例与所述历史延误时长的平均值相乘，得到所述目标航班在所述目标日的预期延误时长。
5.根据权利要求4所述的航班时刻表优化方法，其特征在于，写入单元根据所述预期延误时长调整航班时刻表中所述目标航班的起飞时刻，具体包括：
所述写入单元将所述航班时刻表中的目标航班的原定起飞时刻加上预期延误时长，得到调整后的新起飞时刻，以所述原定起飞时刻为起始时刻并以所述新起飞时刻为终止时刻确定查找范围，判断所述查找范围内是否存在起飞时刻可调换的第一航班，如果存在，则将所述第一航班的起飞时刻与所述目标航班的原定起飞时刻调换。
6.一种航班时刻表优化系统，其特征在于，包括：
读取单元，用于从数据库中读取目标航班的历史延误信息，并将读取的目标航班的历史延误信息发送至第一处理单元；
所述第一处理单元，用于根据预设的预测算法和所述历史延误信息预测所述目标航班在目标日的延误概率，并根据所述目标航班的历史延误信息计算所述目标航班的历史延误时长的平均值；
第二处理单元，用于接收所述第一处理单元发送的所述延误概率和所述历史延误时长的平均值，并根据所述延误概率和所述历史延误时长的平均值计算所述目标航班在所述目标日的预期延误时长；
写入单元，用于接收所述第二处理单元发送的所述目标航班在目标日的预期延误时长，并根据所述预期延误时长调整航班时刻表中目标航班的起飞时刻。
7.根据权利要求6所述的航班时刻表优化系统，其特征在于，所述第一处理单元还用于遍历所述目标航班的历史延误信息中包含的历史延误时长，查找是否存在奇异点，如果存在奇异点，则判断所述奇异点对应的延误原因是否为预设原因，如果是，则去除所述奇异点。
8.根据权利要求7所述的航班时刻表优化系统，其特征在于，所述第一处理单元具体用于以历史日为横轴，以历史延误时长为纵轴，建立所述历史延误信息中所述目标航班的全部历史延误时长的延误时长曲线，对所述延误时长曲线上的全部峰值点进行遍历检测，并将数值大于预设阈值的峰值点作为奇异点。
9.根据权利要求6至8中任一项所述的航班时刻表优化系统，其特征在于，所述第二处理单元具体用于将延误概率按照延误程度划分为n级，并确定与n级延误概率一一对应的n级调整比例，确定所述目标航班在所述目标日的目标调整比例的级别，将所述目标调整比例与所述历史延误时长的平均值相乘，得到所述目标航班在所述目标日的预期延误时长。
10.根据权利要求9所述的航班时刻表优化系统，其特征在于，所述写入单元具体用于将所述航班时刻表中的目标航班的原定起飞时刻加上预期延误时长，得到调整后的新起飞时刻，以所述原定起飞时刻为起始时刻并以所述新起飞时刻为终止时刻确定查找范围，判断所述查找范围内是否存在起飞时刻可调换的第一航班，如果存在，则将所述第一航班的起飞时刻与所述目标航班的原定起飞时刻调换。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010178342.8A CN111476401A (zh) | 2020-03-13 | 2020-03-13 | 航班时刻表优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010178342.8A CN111476401A (zh) | 2020-03-13 | 2020-03-13 | 航班时刻表优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111476401A true CN111476401A (zh) | 2020-07-31 |
Family
ID=71747434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010178342.8A Pending CN111476401A (zh) | 2020-03-13 | 2020-03-13 | 航班时刻表优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111476401A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112308286A (zh) * | 2020-09-16 | 2021-02-02 | 北京中兵数字科技集团有限公司 | 航班计划调整方法、装置及计算机可读存储介质 |
| CN112348378A (zh) * | 2020-10-21 | 2021-02-09 | 北京航空航天大学 | 机场与空管运行计划协同调配方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184729A (zh) * | 2015-09-18 | 2015-12-23 | 黑龙江大学 | 基于概率论的飞机调度模块及方法 |
| CN108038508A (zh) * | 2017-12-12 | 2018-05-15 | 携程旅游网络技术（上海）有限公司 | 中转航班的推送方法、系统、存储介质和电子设备 |
| US20190108758A1 (en) * | 2017-10-06 | 2019-04-11 | Tata Consultancy Services Limited | System and method for flight delay prediction |
-
2020
- 2020-03-13 CN CN202010178342.8A patent/CN111476401A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184729A (zh) * | 2015-09-18 | 2015-12-23 | 黑龙江大学 | 基于概率论的飞机调度模块及方法 |
| US20190108758A1 (en) * | 2017-10-06 | 2019-04-11 | Tata Consultancy Services Limited | System and method for flight delay prediction |
| CN108038508A (zh) * | 2017-12-12 | 2018-05-15 | 携程旅游网络技术（上海）有限公司 | 中转航班的推送方法、系统、存储介质和电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 石磊，陈伟: "基于大数据的航班调度优化模型与算法初探", 《智能计算机与应用》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112308286A (zh) * | 2020-09-16 | 2021-02-02 | 北京中兵数字科技集团有限公司 | 航班计划调整方法、装置及计算机可读存储介质 |
| CN112308286B (zh) * | 2020-09-16 | 2021-12-14 | 北京中兵数字科技集团有限公司 | 航班计划调整方法、装置及计算机可读存储介质 |
| CN112348378A (zh) * | 2020-10-21 | 2021-02-09 | 北京航空航天大学 | 机场与空管运行计划协同调配方法及装置 |
| CN112348378B (zh) * | 2020-10-21 | 2023-03-24 | 北京航空航天大学 | 机场与空管运行计划协同调配方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111741073B (zh) | 基于5g通信网络的电力数据传输系统 | |
| CN105471759A (zh) | 数据中心的网络流量调度方法和装置 | |
| CN103036974A (zh) | 基于隐马尔可夫模型的云计算资源调度方法和系统 | |
| CN111476401A (zh) | 航班时刻表优化方法及系统 | |
| CN114664119B (zh) | 一种航班跑道排序与优化调度方法 | |
| CN104156594A (zh) | 一种基于贝叶斯网的航班过站时间动态估计方法 | |
| CN112308332A (zh) | 轨道交通平行推演系统及方法 | |
| CN116755867B (zh) | 一种面向卫星云的计算资源调度系统、方法及存储介质 | |
| CN116361377A (zh) | 基于工业物联网服务平台的负载预测系统、方法及介质 | |
| CN117221088A (zh) | 一种计算机网络强度检测系统及装置 | |
| CN118098024A (zh) | 基于大数据航空互联网航班流量及带宽监控方法和装置 | |
| CN112965795B (zh) | 集群调度方法、电子设备及存储介质 | |
| CN107104956A (zh) | 一种基于用户优先度的遥感分发方法及系统 | |
| CN115883392B (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
| CN115115064B (zh) | 一种半异步联邦学习方法及系统 | |
| CN116719787A (zh) | 轨道系统中设备日志的上传方法、装置、介质及电子设备 | |
| CN111786979B (zh) | 一种基于多模态学习的电力攻击识别方法 | |
| CN113409619B (zh) | 一种基于元胞自动机的航班调度方法、系统及存储介质 | |
| CN115529351A (zh) | 一种基于区块链的智慧城市管理系统 | |
| CN113269339A (zh) | 一种网约车任务自动创建和分发的方法及系统 | |
| CN100587760C (zh) | 机场离场流量告警的实现方法与系统 | |
| CN110633259A (zh) | 基于hdfs的故障推送系统 | |
| CN115640878B (zh) | 用于机场航班时刻优化的树型防火墙容量配置方法 | |
| CN114896856B (zh) | 基于仿真的近距跑道容量评估方法 | |
| CN118139088B (zh) | 一种基于5g网络的设备管理平台 |
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: 20200731 |
|
| RJ01 | Rejection of invention patent application after publication |