CN112396213B - 一种航班延误原因自动分析方法 - Google Patents

一种航班延误原因自动分析方法 Download PDF

Info

Publication number
CN112396213B
CN112396213B CN202010883968.9A CN202010883968A CN112396213B CN 112396213 B CN112396213 B CN 112396213B CN 202010883968 A CN202010883968 A CN 202010883968A CN 112396213 B CN112396213 B CN 112396213B
Authority
CN
China
Prior art keywords
delay
reason
ctot
flight
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.)
Active
Application number
CN202010883968.9A
Other languages
English (en)
Other versions
CN112396213A (zh
Inventor
汪明明
方海保
宣彤
郑洪峰
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.)
Variflight Technology Co ltd
Original Assignee
Variflight 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 Variflight Technology Co ltd filed Critical Variflight Technology Co ltd
Priority to CN202010883968.9A priority Critical patent/CN112396213B/zh
Publication of CN112396213A publication Critical patent/CN112396213A/zh
Application granted granted Critical
Publication of CN112396213B publication Critical patent/CN112396213B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—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
    • G06Q10/06—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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提出的一种航班延误原因自动分析方法，包括以下步骤：统计多种地面延误原因，并建立用于判断地面延误原因的自动分析模型；获取因地面原因延误的航班；采集航班相关参数并输入自动分析模型，获取对应的地面延误原因。本发明提出的一种航班延误原因自动分析方法，通过算法自动寻找航班延误的环节，并提供航班延误环节的数据依据供用户参考，提高延误原因分析效率。

Description

一种航班延误原因自动分析方法
技术领域
本发明涉及航班管理技术领域，尤其涉及一种航班延误原因自动分析方法。
背景技术
根据民航考核规定，当航班晚于计划离港时间一定时间之后起飞就会被认为是起飞延误；而当航班在未在机场规定的过站时间内正常起飞就会被认为是放行延误。当航班延误之后，机场、航司、空管等单位需要对延误航班评定延误原因并上报民航局。
目前延误原因评定大部分为人工通过会商评定，通过参考多套系统的航班进程保障数据，结合航班放行数据商定最终延误原因。
目前的延误原因分析方法一是需要花费大量时间核对商议；另一方面是对于延误原因缺乏定量的分析结果支撑，说服力较低。
发明内容
基于背景技术存在的技术问题，本发明提出了一种航班延误原因自动分析方法。
本发明提出的一种航班延误原因自动分析方法，包括以下步骤：
S1、统计多种地面延误原因，并建立用于判断地面延误原因的自动分析模型；
S2、获取因地面原因延误的航班；
S3、采集航班相关参数并输入自动分析模型，获取对应的地面延误原因。
优选的，步骤S1中，针对每一种地面延误原因均设有对应的判断条件，并结合所有判断条件组成自动分析模型。
优选的，地面延误原因及对应的判断条件至少部分如下表1所示：
Figure BDA0002654976400000021
表1中，T0、T1、T2、T3、T4、T5、T6均为预设的时间值，T0≧10min；80≦n＜100。
优选的，步骤S2具体为：
S21、统计航班相关参数以及受限情况，将延误航班分类为非受限的起飞延误航班、非受限的放行延误航班和受限变非受限延误航班；
S22、针对三种分类分别判断延误原因是地面原因还是空中原因；
S23、统计因地面原因延误的航班，包括：因地面原因延误的非受限的起飞延误航班、因地面原因延误的非受限的放行延误航班、以及因地面原因延误的受限变非受限延误航班。
优选的，步骤S21具体为：
统计延误航班，并根据延误航班的受限情况，分别统计非受限的延误航班和受限变非受限延误航班；
根据预设的起飞延误筛查模型和放行延误筛查模型，将非受限的延误航班分类为起飞延误航班和放行延误航班；
起飞延误筛查模型为：实际起飞时间＞标准滑出时长+计划离港时间；
放行延误筛查模型为：
针对始发航班：实际起飞时间＞标准滑出时长+计划离港时间；
针对过站航班：
实际起飞时间＞max{实际到达时间+最短过站时间+滑入时长+滑出时长，计划起飞时间+滑出时长}。
优选的，步骤S22中，判断非受限的放行延误航班的延误原因是地面原因还是空中原因的具体方法包括以下步骤：
SA1、获取非受限的放行延误航班作为评估对象，获取评估对象的CTOT；
SA2、判断CTOT是否变更；
SA3、是，则判断是否CTOT的每一次变更均满足预设的第一放行延误条件；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因；
第一放行延误条件为：ΔCTOTi+1＜CTOTi-VTT-Δt1，Δt1≤5min；其中，CTOTi表示经i-1次变更后的CTOT，ΔCTOTi+1表示CTOT从CTOTi变为CTOTi+1的变更时间；
SA4、如果CTOT没有变更记录，则判断是否满足：CTOT＞最晚起飞时间；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因。
优选的，步骤S22中，判断非受限的起飞延误航班的延误原因是地面原因还是空中原因的具体方法包括以下步骤：
SB1、获取非受限的起飞延误航班作为评估对象，获取评估对象的CTOT；
SB2、判断CTOT是否变更；
SB3、是，则判断是否CTOT的每一次变更均满足预设的第一起飞延误条件；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因；
第一起飞延误条件为：ΔCTOTi+1＜CTOTi-VTT-Δt2，Δt2≤5min；其中，CTOTi表示经i-1次变更后的CTOT，ΔCTOTi+1表示CTOT从CTOTi变为CTOTi+1的变更时间；
SB4、如果CTOT没有变更记录，则判断是否满足：CTOT＞STD+Δt3，Δt3≤30min；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因。
优选的，步骤S22中，判断受限变非受限延误航班的延误原因是地面原因还是空中原因的具体方法包括以下步骤：
SC1、获取受限变非受限延误航班作为评估对象，检测评估对象是否开始登机；
SC2、评估对象开始登机时，则判断评估对象是否满足第一受限延误判断模型；是，则判断评估对象的延误原因为地面原因；否，则判断评估对象的延误原因为空中原因；第一受限延误判断模型为：
开始登机时间＜限制取消后的DOBT-标准登机时长-Δt4；Δt4≥15min；
SC3、评估对象没有开始登机时，则判断评估对象是否满足第二受限延误判断模型；是，则判断评估对象的延误原因为地面原因；否，则判断评估对象的延误原因为空中原因；第二受限延误判断模型为：
限制取消时间＜限制取消后的DOBT-机型标准登机时长-Δt5；Δt5≥15min。
优选的，针对受限航班，DBOT的计算模型为：
CTOT-STD≤T7时，DOBT＝STD；
CTOT-STD＞T7时，DOBT＝CTOT-VTT；
T7≧30min；
针对非受限航班，DBOT的计算模型为：
前站已起飞或实际落地时，DOBT＝MAX{STD，实际上轮挡时间+MTTT}，当没有实际上轮挡时间时，使用预计上轮挡时间替代实际上轮挡时间。
一种航班延误原因自动分析方法，具体包括以下步骤：
S100、统计延误航班；
S200、根据航班相关参数以及受限情况，将延误航班分类为非受限的起飞延误航班、非受限的放行延误航班和受限变非受限延误航班；
S300、针对三种分类分别判断延误原因是地面原因还是空中原因。
本发明提出的一种航班延误原因自动分析方法，通过算法自动寻找航班延误的环节，并提供航班延误环节的数据依据供用户参考，提高延误原因分析效率。
本发明，通过自动分析模型根据输入的航班参数，自动判断地面延误原因并输出，从而实现对因地面原因延误的航班进行智能追溯，有利于分析出航班延误的环节及对应延误的时长，从而针对性进行优化。
附图说明
图1为实施例1提出的一种航班延误原因自动分析方法流程图；
图2为实施例2提出的获取因地面原因延误的航班的方法流程图；
图3为实施例5提出的判断非受限的放行延误航班的延误原因的方法流程图；
图4为实施例5提出的判断非受限的放行延误航班的延误原因的具体方法流程图；
图5为实施例6提出的判断非受限的起飞延误航班的延误原因的方法流程图；
图6为实施例6提出的判断非受限的起飞延误航班的延误原因的具体方法流程图；
图7为实施例7提出的判断受限变非受限延误航班的延误原因的方法流程图；
图8为实施例8提出的另一种航班延误原因自动分析方法流程图。
具体实施方式
名词定义：
受限：受到CDM发布的流量限制；
非受限：没有受到CDM发布的流量限制；
非受限的起飞延误航班，没有受限记录且延误了起飞的延误航班；
非受限的放行延误航班，没有受限记录且延误了放行的延误航班；
受限变非受限延误航班，有受限记录且已经取消受限情况的延误航班。
缩略语解释：
CTOT：计算起飞时间，由空管CDM系统发布；
DOBT：修正离港时间；
STD：计划离港时间，由航空公司航班计划制作生成；
VTT：可变滑行时间，以下实施例中的VTT可具体取值80％分位数；
MTTT：机型标准的最短过站时间；
ALDT：进港航班实际落地时间；
STA：进港航班计划到港时间。
实施例1
参照图1，本实施例提出的一种航班延误原因自动分析方法，包括以下步骤。
S1、统计多种地面延误原因，并建立用于判断地面延误原因的自动分析模型。
具体的，自动分析模型用于根据输入的航班参数，自动判断地面延误原因并输出，从而实现对因地面原因延误的航班进行智能追溯，有利于分析出航班延误的环节及对应延误的时长，从而针对性进行优化。
具体实施时，本步骤中，可针对每一种地面延误原因设置对应的判断条件，并结合所有判断条件组成自动分析模型。
具体的，
，地面延误原因及对应的判断条件至少部分如下表1所示：
Figure BDA0002654976400000071
表1中，T0、T1、T2、T3、T4、T5、T6均为预设的时间值，T0≧10min；80≦n＜100；T1、T2、T3、T4、T5和T6可在5min—30min之间取值。
具体实施时，可根据具体需求在表1的基础上对地面延误原因和对应的判断条件进行增减。
S2、获取因地面原因延误的航班。
本步骤中，滤除了因空中原因延误的航班，保证了根据自动分析模型分析地面延误原因的精确。
S3、采集航班相关参数并输入自动分析模型，获取对应的地面延误原因。
本实施方式中，航班相关参数至少包括表1统计的判断条件中所需要的参数。
具体实施，通过自动分析模型分析地面延误原因时，可采用多线程并行方式，同时执行多个判断条件，以高效判断地面延误原因。
实施例2
参照图2，在实施例1的基础上，本实施例的步骤S2具体包括以下步骤。
S21、统计航班相关参数以及受限情况，将延误航班分类为非受限的起飞延误航班、非受限的放行延误航班和受限变非受限延误航班。
S22、针对三种分类分别判断延误原因是地面原因还是空中原因。
S23、统计因地面原因延误的航班，包括：因地面原因延误的非受限的起飞延误航班、因地面原因延误的非受限的放行延误航班、以及因地面原因延误的受限变非受限延误航班。
本实施例中，通过将延误航班分类，然后针对每一类延误航班单独分析其延误原因。降低了延误原因分析过程中，不同航班实际运营差异对分析过程的影响，提高了计算精确度和可信度。
实施例3
在实施例2的基础上，本实施例的步骤S21具体为：统计延误航班，并根据延误航班的受限情况，分别统计非受限的延误航班和受限变非受限延误航班；根据预设的起飞延误筛查模型和放行延误筛查模型，将非受限的延误航班分类为起飞延误航班和放行延误航班。
起飞延误筛查模型为：实际起飞时间＞标准滑出时长+计划离港时间。
放行延误筛查模型为：
针对始发航班：实际起飞时间＞标准滑出时长+计划离港时间；
针对过站航班：
实际起飞时间＞max{实际到达时间+最短过站时间+滑入时长+滑出时长，计划起飞时间+滑出时长}。
即，本实施例中，筛选出没有受限记录的延误航班后，通过将运营参数代入起飞延误筛查模型和放行延误筛查模型，判断其是延误了起飞还是延误了放行。
本实施例中，针对筛选出没有受限记录的延误航班，判断其是否延误放行时，进一步将延误航班分类为始发航班和过站航班进行判断。
实施例4
在实施例3的基础上，本实施例中，在判断非受限的延误航班分类是起飞延误航班还是放行延误航班时，可先判断航班是否满足起飞延误筛查模型。满足，则判断其为非受限的起飞延误航班；如果不满足，则进一步判断该航班是始发航班还是过站航班，然后根据对应的判断公式判断航班是否为非受限的放行延误航班。
实施例5
参照图3，在实施例2的基础上，本实施例的步骤S22中，判断非受限的放行延误航班的延误原因是地面原因还是空中原因的具体方法包括以下步骤。
SA1、获取非受限的放行延误航班作为评估对象，获取评估对象的CTOT。
SA2、判断CTOT是否变更。具体实施时，可将最新获取的CTOT与最早获取的CTOT进行对比，两者不一致，则判断CTOT有变更。
SA3、是，则判断是否CTOT的每一次变更均满足预设的第一放行延误条件；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因。
参照图4，本步骤具体实施时，可根据CTOT的变更顺序，逐一判断每一次变更是否满足第一放行延误条件，直至找到不满足第一放行延误条件的变更，或者遍历所有的变更。
本实施例中，第一放行延误条件为：ΔCTOTi+1＜CTOTi-VTT-Δt1，Δt1≤5min；其中，CTOTi表示经i-1次变更后的CTOT，ΔCTOTi+1表示CTOT从CTOTi变为CTOTi+1的变更时间。
SA4、如果CTOT没有变更记录，则判断是否满足：CTOT＞最晚起飞时间；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因。具体的，本实施例中，最晚起飞时间为航班的标量，可从航班相关参数中直接提取。
实施例6
参照图5，在实施例2的基础上，本实施例的步骤S22中，判断非受限的起飞延误航班的延误原因是地面原因还是空中原因的具体方法包括以下步骤。
SB1、获取非受限的起飞延误航班作为评估对象，获取评估对象的CTOT。
SB2、判断CTOT是否变更。具体实施时，可将最新获取的CTOT与最早获取的CTOT进行对比，两者不一致，则判断CTOT有变更。
SB3、是，则判断是否CTOT的每一次变更均满足预设的第一起飞延误条件；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因。
参照图6，具体实施时，可根据CTOT的变更顺序，逐一判断每一次变更是否满足第一放行延误条件，直至找到不满足第一放行延误条件的变更，或者遍历所有的变更。
本实施例中，第一起飞延误条件为：ΔCTOTi+1＜CTOTi-VTT-Δt2，Δt2≤5min；其中，CTOTi表示经i-1次变更后的CTOT，ΔCTOTi+1表示CTOT从CTOTi变为CTOTi+1的变更时间。
SB4、如果CTOT没有变更记录，则判断是否满足：CTOT＞STD+Δt3，Δt3≤30min；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因。
实施例7
参照图7，在实施例2的基础上，本实施例的步骤S22中，判断受限变非受限延误航班的延误原因是地面原因还是空中原因的具体方法包括以下步骤。
SC1、获取受限变非受限延误航班作为评估对象，检测评估对象是否开始登机。
SC2、评估对象开始登机时，则判断评估对象是否满足第一受限延误判断模型；是，则判断评估对象的延误原因为地面原因；否，则判断评估对象的延误原因为空中原因。第一受限延误判断模型为：
开始登机时间＜限制取消后的DOBT-标准登机时长-Δt4；Δt4≥15min。
本实施例中，在取消限制的情况下，对于开始登机的航班，优先选用开始登机时间进行评估，实现了与结果采用最近的相关参数进行计算，有利于提高计算的精确度。
SC3、评估对象没有开始登机时，则判断评估对象是否满足第二受限延误判断模型；是，则判断评估对象的延误原因为地面原因；否，则判断评估对象的延误原因为空中原因。第二受限延误判断模型为：
限制取消时间＜限制取消后的DOBT-机型标准登机时长-Δt5；Δt5≥15min。
具体的，本实施例中，针对受限航班，DBOT的计算模型为：
CTOT-STD≤T7时，DOBT＝STD；
CTOT-STD＞T7时，DOBT＝CTOT-VTT；
T7≧30min。
针对非受限航班，DBOT的计算模型为：
前站已起飞或实际落地时，DOBT＝MAX{STD，实际上轮挡时间+MTTT}，当没有实际上轮挡时间时，使用预计上轮挡时间替代实际上轮挡时间。
前站已起飞或实际落地，指的是，评估对象的前序航班已经从前一个机场起飞或者已经到达本机场。
具体的，假设A机场在对航班进行延误评估，从A机场起飞和过站的航班中，航班甲的起飞时间与评估对象相邻，且在评估对象之前，则航班甲为评估对象的前序航班。
具体实施时，可设置，针对受限航班，DOBT在获得首次CTOT后发布；针对非受限航班，DOBT在STD前90min发布。
实施例8
参照图8，本实施例中提出了一种航班延误原因自动分析方法，具体包括以下步骤：
S100、统计延误航班。
S200、根据航班相关参数以及受限情况，将延误航班分类为非受限的起飞延误航班、非受限的放行延误航班和受限变非受限延误航班。
S300、针对三种分类分别判断延误原因是地面原因还是空中原因。
本实施例相对于实施例2，仅区分空中原因和地面原因进行统计。
具体的，本实施例中，可参照实施例5、实施例6和实施例7具体实现对非受限的起飞延误航班、非受限的放行延误航班和受限变非受限延误航班的延误原因是地面原因还是空中原因的判断。
以上所述，仅为本发明涉及的较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种航班延误原因自动分析方法，其特征在于，包括以下步骤：
S1、统计多种地面延误原因，并建立用于判断地面延误原因的自动分析模型；
S2、获取因地面原因延误的航班；
S3、采集航班相关参数并输入自动分析模型，获取对应的地面延误原因；
所述步骤S2具体为：
S21、统计航班相关参数以及受限情况，将延误航班分类为非受限的起飞延误航班、非受限的放行延误航班和受限变非受限延误航班；
S22、针对三种分类分别判断延误原因是地面原因还是空中原因；
S23、统计因地面原因延误的航班，包括：因地面原因延误的非受限的起飞延误航班、因地面原因延误的非受限的放行延误航班、以及因地面原因延误的受限变非受限延误航班；
所述步骤S21具体为：
统计延误航班，并根据延误航班的受限情况，分别统计非受限的延误航班和受限变非受限延误航班；
根据预设的起飞延误筛查模型和放行延误筛查模型，将非受限的延误航班分类为起飞延误航班和放行延误航班；
起飞延误筛查模型为：实际起飞时间＞标准滑出时长+计划离港时间；
放行延误筛查模型为：
针对始发航班：实际起飞时间＞标准滑出时长+计划离港时间；
针对过站航班：
实际起飞时间＞max{实际到达时间+最短过站时间+滑入时长+滑出时长，计划起飞时间+滑出时长}；
所述步骤S22中，判断非受限的放行延误航班的延误原因是地面原因还是空中原因的具体方法包括以下步骤：
SA1、获取非受限的放行延误航班作为评估对象，获取评估对象的CTOT；
SA2、判断CTOT是否变更；
SA3、是，则判断是否CTOT的每一次变更均满足预设的第一放行延误条件；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因；
第一放行延误条件为：ΔCTOTi+1＜CTOTi-VTT-Δt1，Δt1≤5min；其中，CTOTi表示经i-1次变更后的CTOT，ΔCTOTi+1表示CTOT从CTOTi变为CTOTi+1的变更时间；
SA4、如果CTOT没有变更记录，则判断是否满足：CTOT＞最晚起飞时间；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因，所述CTOT为计算起飞时间，由空管CDM系统发布；
所述步骤S22中，判断非受限的起飞延误航班的延误原因是地面原因还是空中原因的具体方法包括以下步骤：
SB1、获取非受限的起飞延误航班作为评估对象，获取评估对象的CTOT；
SB2、判断CTOT是否变更；
SB3、是，则判断是否CTOT的每一次变更均满足预设的第一起飞延误条件；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因；
第一起飞延误条件为：ΔCTOTi+1＜CTOTi-VTT-Δt2，Δt2≤5min；其中，CTOTi表示经i-1次变更后的CTOT，ΔCTOTi+1表示CTOT从CTOTi变为CTOTi+1的变更时间；SB4、如果CTOT没有变更记录，则判断是否满足：CTOT＞STD+Δt3，Δt3≤30min；否，则将评估对象的延误原因归纳为地面原因；是，则将评估对象的延误原因归纳为空中原因，所述STD为计划离港时间，由航空公司航班计划制作生成，所述VTT为可变滑行时间，VTT可具体取值80％分位数；
所述的步骤S22中，判断受限变非受限延误航班的延误原因是地面原因还是空中原因的具体方法包括以下步骤：
SC1、获取受限变非受限延误航班作为评估对象，检测评估对象是否开始登机；
SC2、评估对象开始登机时，则判断评估对象是否满足第一受限延误判断模型；是，则判断评估对象的延误原因为地面原因；否，则判断评估对象的延误原因为空中原因；第一受限延误判断模型为：
开始登机时间＜限制取消后的DOBT-标准登机时长-Δt4；Δt4≥15min；
SC3、评估对象没有开始登机时，则判断评估对象是否满足第二受限延误判断模型；是，则判断评估对象的延误原因为地面原因；否，则判断评估对象的延误原因为空中原因；第二受限延误判断模型为：
限制取消时间＜限制取消后的DOBT-机型标准登机时长-Δt5；Δt5≥15min，所述DOBT为修正离港时间。
2.如权利要求1所述的航班延误原因自动分析方法，其特征在于，步骤S1中，针对每一种地面延误原因均设有对应的判断条件，并结合所有判断条件组成自动分析模型。
3.如权利要求2所述的航班延误原因自动分析方法，其特征在于，地面延误原因及对应的判断条件至少部分如下表1所示：
Figure FDA0003776153720000031
Figure FDA0003776153720000041
表1中，T0、T1、T2、T3、T4、T5、T6均为预设的时间值，T0≧10min；80≦n＜100，所述MTTT为机型标准的最短过站时间，ALDT为进港航班实际落地时间，所述STA为进港航班计划到港时间。
4.如权利要求1所述的航班延误原因自动分析方法，其特征在于，针对受限航班，DBOT的计算模型为：
CTOT-STD≤T7时，DOBT＝STD；
CTOT-STD＞T7时，DOBT＝CTOT-VTT；
T7≧30min；
针对非受限航班，DBOT的计算模型为：
前站已起飞或实际落地时，DOBT＝MAX{STD，实际上轮挡时间+MTTT}，当没有实际上轮挡时间时，使用预计上轮挡时间替代实际上轮挡时间， MTTT 为机型标准的最短过站时间。
CN202010883968.9A 2020-08-28 2020-08-28 一种航班延误原因自动分析方法 Active CN112396213B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010883968.9A CN112396213B (zh) 2020-08-28 2020-08-28 一种航班延误原因自动分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010883968.9A CN112396213B (zh) 2020-08-28 2020-08-28 一种航班延误原因自动分析方法

Publications (2)

Publication Number Publication Date
CN112396213A CN112396213A (zh) 2021-02-23
CN112396213B true CN112396213B (zh) 2022-10-04

Family

ID=74596764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010883968.9A Active CN112396213B (zh) 2020-08-28 2020-08-28 一种航班延误原因自动分析方法

Country Status (1)

Country Link
CN (1) CN112396213B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855777A (zh) * 2012-08-27 2013-01-02 合肥飞友网络科技有限公司 航班延误可能性判断方法
US10748089B2 (en) * 2014-12-24 2020-08-18 General Electric Company Method and system for automatic evaluation of robustness and disruption management for commercial airline flight operations
CN106202126B (zh) * 2015-05-08 2019-11-05 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
US10229372B2 (en) * 2015-05-15 2019-03-12 Taleris Global Llp Method for rescheduling flights affected by a disruption and an airline operations control system and controller
SG10201808761UA (en) * 2017-10-06 2019-05-30 Tata Consultancy Services Ltd System and method for flight delay prediction
CN109949005B (zh) * 2019-03-07 2020-12-29 中国民用航空总局第二研究所 一种机场场面航班保障运行分析的方法、系统及终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A system for effectively predicting flight delays based on IoT data;Aljubairy, A .et;《COMPUTING》;20200311;全文 *
基于贝叶斯网络的航班延误与波及分析模型;徐涛等;《系统仿真学报》;20090805(第15期);全文 *

Also Published As

Publication number Publication date
CN112396213A (zh) 2021-02-23

Similar Documents

Publication Publication Date Title
EP3696094A1 (en) Aircraft stand recovery optimization
US7230527B2 (en) System, method, and computer program product for fault prediction in vehicle monitoring and reporting system
CN103077482B (zh) 电力作业风险控制方法及其系统
CN105469645A (zh) 飞行目标通信系统
EP3115945A1 (en) Method and system for managing personnel work disruption in safety critical industries
US9310204B2 (en) Route modeler for improving desired environmental and economic flight characteristics
CN107180461B (zh) 与飞行器发动机相关联的系统
Baspinar et al. Analysis of delay characteristics of European air traffic through a data-driven airport-centric queuing network model
Rodríguez-Díaz et al. Improving aircraft approach operations taking into account noise and fuel consumption
Bosson et al. Optimizing integrated arrival, departure and surface operations under uncertainty
US11702120B2 (en) Information processing apparatus, information processing method, and non-transitory computer readable medium
EP2993627A1 (en) Flight schedule optimization
CN112396213B (zh) 一种航班延误原因自动分析方法
CN102663262A (zh) 一种基于免疫算法下的航班波特性成本核算方法
CN110751329B (zh) 一种机场安检通道的控制方法、装置、电子设备及存储介质
Lee et al. Dynamic airline disruption management under airport operating uncertainty
Evans et al. Improving operational acceptability of dynamic weather routes through analysis of commonly use routings
US10530696B2 (en) Systems and methods for generating filtering rules
CN115759782A (zh) 一种实现舱位控制的方法和装置
JPWO2021195382A5 (zh)
JPH0765300A (ja) 交通流管理システム
Novianingsih Flight re-timing models to improve the robustness of airline schedules
CN114360299B (zh) 一种机场航空器拖行自动规划方法
Stover et al. Data-driven modeling of aircraft midair separation violation
Bazargan Flight scheduling through optimizing flight block and ground times: A case study

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An Automatic Analysis Method for Flight Delay Causes

Effective date of registration: 20231225

Granted publication date: 20221004

Pledgee: Anhui pilot Free Trade Zone Hefei area sub branch of Huishang Bank Co.,Ltd.

Pledgor: VARIFLIGHT TECHNOLOGY CO.,LTD.

Registration number: Y2023980074312

PE01 Entry into force of the registration of the contract for pledge of patent right