CN112183972A - 航班延误分析方法及装置、处理器、电子装置 - Google Patents

航班延误分析方法及装置、处理器、电子装置 Download PDF

Info

Publication number
CN112183972A
CN112183972A CN202010978667.4A CN202010978667A CN112183972A CN 112183972 A CN112183972 A CN 112183972A CN 202010978667 A CN202010978667 A CN 202010978667A CN 112183972 A CN112183972 A CN 112183972A
Authority
CN
China
Prior art keywords
delay
flight
historical
type
types
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
Application number
CN202010978667.4A
Other languages
English (en)
Inventor
黄鹤
肖震
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.)
Beijing Zhongbing Zhihang Software Technology Co ltd
Original Assignee
Beijing Zhongbing Zhihang Software 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 Beijing Zhongbing Zhihang Software Technology Co ltd filed Critical Beijing Zhongbing Zhihang Software Technology Co ltd
Priority to CN202010978667.4A priority Critical patent/CN112183972A/zh
Publication of CN112183972A publication Critical patent/CN112183972A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种航班延误分析方法及装置、处理器、电子装置。其中，该方法包括：检测当前航班在运行过程中是否发生航班延误；在检测结果为是时，获取上述当前航班的航班运行数据，其中，上述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；将上述航班运行数据作为航班延误分析模型的输入，识别上述当前航班的航班延误原因，其中，上述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，上述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因。本发明解决了相关技术中依靠人工分析航班延误原因，分析准确性和分析效率低下的技术问题。

Description

航班延误分析方法及装置、处理器、电子装置
技术领域
本发明涉及数据分析领域，具体而言，涉及一种航班延误分析方法及装置、处理器、电子装置。
背景技术
由于近些年全国民航航班正常率持续成下降趋势，航班正常管理工作作为事关民生的重要项目被提升至国家层面，民航局、各地区民航管理机构将航班正常作为长期工作重点来抓，采取了一系列严格的措施，并且民航各地区管理局也开展了航班正常专项整治工作，制定了多项考核指标，还有各地民航监管局甚至机场管理部门都随之出台了各自的航班正常性考核规则，因此对于航空公司而言，为了从整体上提升运营效率和航班正常性水平，需要对航班历史数据进行分析，找到影响航班正常性的关键原因，以便对分析当前航班出现延误的原因，对航空公司运行来说，航班不正常主要指航班延误。
目前各航空公司运控部门采用的分析航班延误原因方法主要有两种，第一种：采用一事一议的方式，针对某些非常明显的，长期延误严重的航班，由人工来进行分析，这种方式完全依赖于人的经验，工作量大，速度慢，只有当问题十分严重时才能够发现问题。第二种：依据人工的经验制定的分析报表分析航班不正常的关键原因，这种方式只能按照预先固定好的步骤和逻辑进行分析，如果有新的情况出现则难以处理。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种航班延误分析方法及装置、处理器、电子装置，以至少解决相关技术中依靠人工分析航班延误原因，分析准确性和分析效率低下的技术问题。
根据本发明实施例的一个方面，提供了一种航班延误分析方法，包括：检测当前航班在运行过程中是否发生航班延误；在检测结果为是时，获取上述当前航班的航班运行数据，其中，上述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；将上述航班运行数据作为航班延误分析模型的输入，识别上述当前航班的航班延误原因，其中，上述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，上述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因。
可选的，在检测航班在运行过程中是否发生航班延误之前，上述方法还包括：获取历史航班的历史延误类型和历史延误原因，其中，上述历史延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；依据上述每个历史延误类型的不同延误级别，将每个上述历史延误类型划分为不同延误级别的子延误类型；基于上述不同延误级别的子延误类型和上述历史延误原因之间的关联关系，生成上述航班延误分析模型。
可选的，依据上述每个历史延误类型的不同延误级别，将每个上述历史延误类型划分为不同延误级别的子延误类型，包括：获取与每个上述延误级别对应的延误时长；基于上述延误时长，将每个上述历史延误类型划分为上述不同延误级别的子延误类型。
可选的，获取上述当前航班的航班运行数据，包括：获取上述当前航班的航班延误类型，其中，上述航班延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；获取与每个上述航班延误类型中的每个延误级别对应的延误时长；基于上述延误时长，将每个上述航班延误类型划分为不同延误级别的子延误类型。
根据本发明实施例的另一方面，还提供了一种航班延误分析装置，包括：检测模块，用于检测当前航班在运行过程中是否发生航班延误；获取模块，用于在检测结果为是时，获取上述当前航班的航班运行数据，其中，上述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；识别模块，用于将上述航班运行数据作为航班延误分析模型的输入，识别上述当前航班的航班延误原因，其中，上述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，上述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因。
可选的，上述装置还用于获取历史航班的历史延误类型和历史延误原因，其中，上述历史延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；依据上述每个历史延误类型的不同延误级别，将每个上述历史延误类型划分为不同延误级别的子延误类型；基于上述不同延误级别的子延误类型和上述历史延误原因之间的关联关系，生成上述航班延误分析模型。
可选的，上述装置还用于获取与每个上述延误级别对应的延误时长；基于上述延误时长，将每个上述历史延误类型划分为上述不同延误级别的子延误类型。
可选的，上述获取模块还用于获取上述当前航班的航班延误类型，其中，上述航班延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；获取与每个上述航班延误类型中的每个延误级别对应的延误时长；基于上述延误时长，将每个上述航班延误类型划分为不同延误级别的子延误类型。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项的航班延误分析方法。
根据本发明实施例的另一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序被设置为运行时执行任意一项的航班延误分析方法。
根据本发明实施例的另一方面，还提供了一种电子装置，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项的航班延误分析方法。
在本发明实施例中，通过检测当前航班在运行过程中是否发生航班延误；在检测结果为是时，获取上述当前航班的航班运行数据，其中，上述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；将上述航班运行数据作为航班延误分析模型的输入，识别上述当前航班的航班延误原因，其中，上述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，上述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因，达到了提高分析航班延误原因的分析准确性和分析效率的目的，从而实现了针对航班延误原因解决航班延误问题的技术效果，进而解决了相关技术中依靠人工分析航班延误原因，分析准确性和分析效率低下的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种航班延误分析方法的流程图；
图2是根据本发明实施例的一种可选的航班延误分析方法的流程图；
图3是根据本发明实施例的一种航班延误分析装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种航班延误分析方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种航班延误分析方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，检测当前航班在运行过程中是否发生航班延误；
步骤S104，在检测结果为是时，获取上述当前航班的航班运行数据，其中，上述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；
步骤S106，将上述航班运行数据作为航班延误分析模型的输入，识别上述当前航班的航班延误原因，其中，上述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，上述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因。
在本发明实施例中，通过检测当前航班在运行过程中是否发生航班延误；在检测结果为是时，获取上述当前航班的航班运行数据，其中，上述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；将上述航班运行数据作为航班延误分析模型的输入，识别上述当前航班的航班延误原因，其中，上述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，上述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因，达到了提高分析航班延误原因的分析准确性和分析效率的目的，从而实现了针对航班延误原因解决航班延误问题的技术效果，进而解决了相关技术中依靠人工分析航班延误原因，分析准确性和分析效率低下的技术问题。
可选的，上述当前航班为飞机航班，本发明实施例提供了一种分析航班延误原因的实现方法，该方法首先根据航班完整运行过程中可能出现航班不正常的不同阶段，划分出多个航班延误类型：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误，然后对每个航班延误类型继续划分成若干个延误级别。
例如，获取与每个上述延误级别对应的延误时长；基于上述延误时长，将每个上述历史延误类型划分为上述不同延误级别的子延误类型。
作为一种可选的实施例，将所有可能造成航班延误的原因列举如下：离港机场，离港机场级别(1000万以下、1000万至2000万、2000万至3000万、3000万以上)，离港机场所在管理局(分7个管理局)，离港机场所在国家(欧洲、美洲、亚洲、俄罗斯、大洋洲、其他)，离港点(离港机场的离港点)，计划离港时段(1～2点……23～24点)，撤轮挡延误(AOBT>SOBT)，离港滑行时间(<15分钟、15～30分钟、>30分钟)，离港是否靠桥(如有廊桥机位表)，离港是否二次拖飞机(如有二次拖飞机标志)，班期(1～7)，途径航路点(领航计划途径的所有航路点(航路要打开))，短机型，航段时间(2小时以内，2-4小时，4-7小时，7小时以上)，机长(姓名)，进港机场，进港机场级别，进港机场所在管理局，进港机场所在国家，进港点(同离港机场)，计划进港时段(同计划离港时段)，进港是否靠桥(如有廊桥机位表)，前序航班离港机场，前序航班离港点，前序航班离港机场级别，前序航班离港机场所在地区管理局，前序航班离港机场所在国家，第2前序航班离港机场，第3前序航班离港机场，等等。
通过本申请实施例，由于上述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，上述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因，通过将上述航班运行数据作为航班延误分析模型的输入，识别上述当前航班的航班延误原因。
在一种可选的实施例中，图2是根据本发明实施例的一种可选的航班延误分析方法的流程图，如图2所示，在检测航班在运行过程中是否发生航班延误之前，上述方法还包括：
步骤S202，获取历史航班的历史延误类型和历史延误原因，其中，上述历史延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；
步骤S204，依据上述每个历史延误类型的不同延误级别，将每个上述历史延误类型划分为不同延误级别的子延误类型；
步骤S206，基于上述不同延误级别的子延误类型和上述历史延误原因之间的关联关系，生成上述航班延误分析模型。
通过本申请实施例，根据导致的延误时间对历史延误类型进行划分，并总结出可能导致航班不正常的各种历史延误原因，然后对历史航班数据根据将历史延误类型，对导致航班延误的历史延误原因进行彻底分析，并确定上述不同延误级别的子延误类型和上述历史延误原因之间的关联关系，建立航班延误分析模型，然后将要分析当前航班的航班运行数据输入值该航班延误分析模型进行分析计算，确定导致该当前航班延误最有可能的航班延误原因或者航班延误原因组合。
可选的，本申请实施例根据航班延误类型，对每个不同延误级别下的不同延误级别进行划分，以及所有的历史延误原因项，在全行业的航班样本集中进行频繁项集的挖掘，确定哪些历史延误原因项是引起航班延误的频繁历史延误原因项，然后通过频繁历史延误原因项集产生关联规则，发现频繁历史延误原因项与上述不同延误级别的子延误类型之间的关联关系。
在获得关联关系并建立航班延误分析模型之后，任意输入至该航班延误分析模型一个具体航班运行数据，基于该航班运行数据确定航班延误类型，航班延误类型下的不同延误级别以及航班延误原因项的值，将上述数据进行关联规则的匹配，可以得到造成当前航班延误的关键原因，并为该当前航班记录下该航班延误类型对应的原因，通过本申请实施例采用预先建立的航班延误分析模型，可以自动对延误航班进行通用的延误原因分析，不需要预先确定分析方向的延误特征分析，可以提升分析速率提高分析准确性，发现人工分析难以发现的关联关系。
在另一种可选的实施例中，依据上述每个历史延误类型的不同延误级别，将每个上述历史延误类型划分为不同延误级别的子延误类型，包括：
步骤S302，获取与每个上述延误级别对应的延误时长；
步骤S304，基于上述延误时长，将每个上述历史延误类型划分为上述不同延误级别的子延误类型。
在上述可选的实施例中，通过获取历史延误类型下的不同延误级别对应的延误时长，将每个历史延误类型划分为上述不同延误级别的子延误类型。
例如，针对起飞延误可以划分出：4小时以上的起飞延误，2-4小时的起飞延误，30分钟-2小时的起飞延误，5分钟以内的起飞延误；针对到达延误可以划分出：30分钟以内的到达延误，30分钟以上的到达延误；针对过站时间延误可以划分出：30分钟以内的过站时间延误，30分钟以上的过站时间延误；针对始发延误可以划分出：30分钟以内的始发延误，30分钟以上的始发延误；针对航段延误可以划分出：30分钟以内的航段延误，30分钟以上的航段延误；针对关舱门等待延误可以划分出：2小时以上的关舱门等待延误，30分钟-2小时的关舱门等待延误，5分钟以内的关舱门等待延误。
在一种可选的实施例中，获取上述当前航班的航班运行数据，包括：
步骤S402，获取上述当前航班的航班延误类型，其中，上述航班延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；
步骤S404，获取与每个上述航班延误类型中的每个延误级别对应的延误时长；
步骤S406，基于上述延误时长，将每个上述航班延误类型划分为不同延误级别的子延误类型。
在上述可选的实施例中，在获取上述当前航班的航班延误类型之后，通过获取与每个上述航班延误类型中的每个延误级别对应的延误时长，基于上述延误时长，可以将每个上述航班延误类型划分为不同延误级别的子延误类型，具体实现方法可以与上述历史延误类型划分为不同延误级别的子延误类型的实现方法相同或相似。
实施例2
根据本发明实施例，还提供了一种用于实施上述航班延误分析方法的装置实施例，图3是根据本发明实施例的一种航班延误分析装置的结构示意图，如图3所示，上述航班延误分析装置，包括：检测模块30、获取模块32和识别模块34，其中：
检测模块30，用于检测当前航班在运行过程中是否发生航班延误；获取模块32，用于在检测结果为是时，获取上述当前航班的航班运行数据，其中，上述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；识别模块34，用于将上述航班运行数据作为航班延误分析模型的输入，识别上述当前航班的航班延误原因，其中，上述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，上述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因。
在一种可选的实施例中，上述装置还用于获取历史航班的历史延误类型和历史延误原因，其中，上述历史延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；依据上述每个历史延误类型的不同延误级别，将每个上述历史延误类型划分为不同延误级别的子延误类型；基于上述不同延误级别的子延误类型和上述历史延误原因之间的关联关系，生成上述航班延误分析模型。
在一种可选的实施例中，上述装置还用于获取与每个上述延误级别对应的延误时长；基于上述延误时长，将每个上述历史延误类型划分为上述不同延误级别的子延误类型。
在一种可选的实施例中，上述获取模块还用于获取上述当前航班的航班延误类型，其中，上述航班延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；获取与每个上述航班延误类型中的每个延误级别对应的延误时长；基于上述延误时长，将每个上述航班延误类型划分为不同延误级别的子延误类型。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是，上述检测模块30、获取模块32和识别模块34对应于实施例1的步骤S102至步骤S106，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。
需要说明的是，本实施例的可选或优选实施方式可以参见实施例1的相关描述，此处不再赘述。
上述的航班延误分析装置还可以包括处理器和存储器，上述检测模块30、获取模块32和识别模块34等均作为程序单元存储在存储器中，由处理器执行存储在存储器的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。存储器可能包括计算机可读介质的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
根据本申请实施例，还提供了一种非易失性存储介质实施例。可选地，在本实施例中，上述非易失性存储介质包括存储的程序，其中，在上述程序运行时控制上述非易失性存储介质所在设备执行上述任意一种航班延误分析方法。
可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群的任意一个计算机终端中，或者位于移动终端群的任意一个移动终端中，上述非易失性存储介质包括存储的程序。
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：检测当前航班在运行过程中是否发生航班延误；在检测结果为是时，获取上述当前航班的航班运行数据，其中，上述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；将上述航班运行数据作为航班延误分析模型的输入，识别上述当前航班的航班延误原因，其中，上述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，上述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因。
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：获取历史航班的历史延误类型和历史延误原因，其中，上述历史延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；依据上述每个历史延误类型的不同延误级别，将每个上述历史延误类型划分为不同延误级别的子延误类型；基于上述不同延误级别的子延误类型和上述历史延误原因之间的关联关系，生成上述航班延误分析模型。
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：获取与每个上述延误级别对应的延误时长；基于上述延误时长，将每个上述历史延误类型划分为上述不同延误级别的子延误类型。
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：获取上述当前航班的航班延误类型，其中，上述航班延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；获取与每个上述航班延误类型中的每个延误级别对应的延误时长；基于上述延误时长，将每个上述航班延误类型划分为不同延误级别的子延误类型。
根据本申请实施例，还提供了一种处理器实施例。可选地，在本实施例中，上述处理器用于运行程序，其中，上述程序运行时执行上述任意一种航班延误分析方法。
本申请实施例提供了一种电子装置，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行上述任意一种的航班延误分析方法。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有上述任意一种的航班延误分析方法步骤的程序。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取非易失性存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个非易失性存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的非易失性存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上上述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种航班延误分析方法，其特征在于，包括：
检测当前航班在运行过程中是否发生航班延误；
在检测结果为是时，获取所述当前航班的航班运行数据，其中，所述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；
将所述航班运行数据作为航班延误分析模型的输入，识别所述当前航班的航班延误原因，其中，所述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，所述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因。
2.根据权利要求1所述的方法，其特征在于，在检测航班在运行过程中是否发生航班延误之前，所述方法还包括：
获取历史航班的历史延误类型和历史延误原因，其中，所述历史延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；
依据所述每个历史延误类型的不同延误级别，将每个所述历史延误类型划分为不同延误级别的子延误类型；
基于所述不同延误级别的子延误类型和所述历史延误原因之间的关联关系，生成所述航班延误分析模型。
3.根据权利要求2所述的方法，其特征在于，依据所述每个历史延误类型的不同延误级别，将每个所述历史延误类型划分为不同延误级别的子延误类型，包括：
获取与每个所述延误级别对应的延误时长；
基于所述延误时长，将每个所述历史延误类型划分为所述不同延误级别的子延误类型。
4.根据权利要求1所述的方法，其特征在于，获取所述当前航班的航班运行数据，包括：
获取所述当前航班的航班延误类型，其中，所述航班延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；
获取与每个所述航班延误类型中的每个延误级别对应的延误时长；
基于所述延误时长，将每个所述航班延误类型划分为不同延误级别的子延误类型。
5.一种航班延误分析装置，其特征在于，包括：
检测模块，用于检测当前航班在运行过程中是否发生航班延误；
获取模块，用于在检测结果为是时，获取所述当前航班的航班运行数据，其中，所述航班运行数据包括以下至少之一：航班延误类型、每个航班延误类型的不同延误级别；
识别模块，用于将所述航班运行数据作为航班延误分析模型的输入，识别所述当前航班的航班延误原因，其中，所述航班延误分析模型是使用多组历史航班数据通过机器学习训练出来的，所述多组历史航班数据的每组历史航班数据均包括：历史延误类型、每个历史延误类型的不同延误级别、历史延误原因。
6.根据权利要求5所述的装置，其特征在于，所述装置还用于获取历史航班的历史延误类型和历史延误原因，其中，所述历史延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；依据所述每个历史延误类型的不同延误级别，将每个所述历史延误类型划分为不同延误级别的子延误类型；基于所述不同延误级别的子延误类型和所述历史延误原因之间的关联关系，生成所述航班延误分析模型。
7.根据权利要求6所述的装置，其特征在于，所述装置还用于获取与每个所述延误级别对应的延误时长；基于所述延误时长，将每个所述历史延误类型划分为所述不同延误级别的子延误类型。
8.根据权利要求5所述的装置，其特征在于，所述获取模块还用于获取所述当前航班的航班延误类型，其中，所述航班延误类型包括以下至少之一：起飞延误，到达延误，过站时间延误，始发延误，航段延误，关舱门等待延误；获取与每个所述航班延误类型中的每个延误级别对应的延误时长；基于所述延误时长，将每个所述航班延误类型划分为不同延误级别的子延误类型。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行所述权利要求1至4中任意一项的航班延误分析方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至4中任意一项的航班延误分析方法。
11.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4中任意一项的航班延误分析方法。
CN202010978667.4A 2020-09-17 2020-09-17 航班延误分析方法及装置、处理器、电子装置 Pending CN112183972A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010978667.4A CN112183972A (zh) 2020-09-17 2020-09-17 航班延误分析方法及装置、处理器、电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010978667.4A CN112183972A (zh) 2020-09-17 2020-09-17 航班延误分析方法及装置、处理器、电子装置

Publications (1)

Publication Number Publication Date
CN112183972A true CN112183972A (zh) 2021-01-05

Family

ID=73921590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010978667.4A Pending CN112183972A (zh) 2020-09-17 2020-09-17 航班延误分析方法及装置、处理器、电子装置

Country Status (1)

Country Link
CN (1) CN112183972A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114613196A (zh) * 2022-01-24 2022-06-10 中国民用航空中南地区空中交通管理局海南分局 多重流量管理策略对同一航班延误分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202126A (zh) * 2015-05-08 2016-12-07 阿里巴巴集团控股有限公司 一种用于物流监控的数据分析方法和装置
CN108492063A (zh) * 2018-03-06 2018-09-04 中国邮政集团公司广州市分公司 一种gps精准定位物流轨迹系统
US20190108758A1 (en) * 2017-10-06 2019-04-11 Tata Consultancy Services Limited System and method for flight delay prediction

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202126A (zh) * 2015-05-08 2016-12-07 阿里巴巴集团控股有限公司 一种用于物流监控的数据分析方法和装置
US20190108758A1 (en) * 2017-10-06 2019-04-11 Tata Consultancy Services Limited System and method for flight delay prediction
CN108492063A (zh) * 2018-03-06 2018-09-04 中国邮政集团公司广州市分公司 一种gps精准定位物流轨迹系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114613196A (zh) * 2022-01-24 2022-06-10 中国民用航空中南地区空中交通管理局海南分局 多重流量管理策略对同一航班延误分析方法
CN114613196B (zh) * 2022-01-24 2023-06-06 中国民用航空中南地区空中交通管理局海南分局 多重流量管理策略对同一航班延误分析方法

Similar Documents

Publication Publication Date Title
CN107086935B (zh) 基于wifi ap的人流量分布预测方法
CN104156594B (zh) 一种基于贝叶斯网的航班过站时间动态估计方法
CN107679683B (zh) 软件开发进度预警方法和装置
CN106657057A (zh) 反爬虫系统及方法
US10607496B2 (en) System and method to assist pilots in determining aircraft phase transition time based on monitored clearance information
CN107240302B (zh) 机场航班放行状态监控方法
CN112835769A (zh) 一种业务数据异常诊断方法、装置、设备及存储介质
CN112101692B (zh) 移动互联网质差用户的识别方法及装置
CN110493806A (zh) 移动网络投诉溯源方法及装置
CN107577793A (zh) 一种基于航线准点率大数据的终端显示系统
CN110634330A (zh) 用于空中管理的训练和/或辅助平台、相关方法
KR20190143832A (ko) 항공 교통 관리 전자 시스템 테스트 방법, 해당 전자 장치 및 플랫폼
CN101465066B (zh) 飞机垂直占有率的获取方法
CN112183972A (zh) 航班延误分析方法及装置、处理器、电子装置
Lukáčová et al. Building the prediction model from the aviation incident data
Takacs Predicting flight arrival times with a multistage model
CN102595345A (zh) 一种基于短信的民航旅客登机口通知系统及其方法
CN116343385A (zh) 一种门禁的通行监控方法、装置、电子设备及存储介质
CN115758269A (zh) 液压支架安全阀开启状态的确定方法及系统
Dalmau et al. On the Causes and Environmental Impact of Airborne Holdings at Major European Airports
US11636768B2 (en) System and method for predicting ownship clearance and timing by modelling controller pilot conversations
CN109614460A (zh) 法条数据处理方法、装置、存储介质及电子设备
CN110866037B (zh) 一种报文的过滤方法及装置
CN114356781A (zh) 软件功能测试方法和装置
CN104182540B (zh) 数据仓库中的索引统计信息处理方法及装置

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: 20210105

RJ01 Rejection of invention patent application after publication