CN113537599B - 航班事件环节检测方法、装置及电子设备 - Google Patents
航班事件环节检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113537599B CN113537599B CN202110811309.9A CN202110811309A CN113537599B CN 113537599 B CN113537599 B CN 113537599B CN 202110811309 A CN202110811309 A CN 202110811309A CN 113537599 B CN113537599 B CN 113537599B
- Authority
- CN
- China
- Prior art keywords
- node
- preset
- frame structure
- nodes
- event
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000001364 causal effect Effects 0.000 claims abstract description 65
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 230000010006 flight Effects 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 230000002776 aggregation Effects 0.000 claims description 40
- 238000004220 aggregation Methods 0.000 claims description 40
- 230000004931 aggregating effect Effects 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 230000001934 delay Effects 0.000 claims description 6
- 238000006116 polymerization reaction Methods 0.000 claims description 4
- 230000000379 polymerizing effect Effects 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012047 cause and effect analysis Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种航班事件环节检测方法、装置及电子设备,涉及计算机数据处理领域。方法包括:获取机场航班的第一数据集,第一数据集包括N个航班中的每个航班在多个事件环节的时间信息;根据第一数据集中的多个事件环节的时间信息,以预设创建策略生成多个事件环节的第一框架结构,第一框架结构中的每个节点对应一个事件环节;通过预设优化策略,对第一框架结构进行优化,得到目标框架结构;基于预设因果检测算法,从目标框架结构中确定因果网络结构,用于展示事件环节的因果关系,如此,可以在考虑潜在变量的情况下进行节点的因果关系发现,实现因果关系分析的自动确定,提高因果关系确定的效率。
Description
技术领域
本申请涉及计算机数据处理领域,具体而言,涉及一种航班事件环节检测方法、装置及电子设备。
背景技术
在现有航班地面保障体系下,地面保障体系包括下客、飞机清洁、加航油等多个事件环节。在地面保障体系中,可以通过人工或检测设备,将环节开始和/或结束的时间戳上传至系统,以形成航班保障体系的日志。目前,通常是由有经验的工程师,从日志数据中人工分析事件环节之间的因果关系,以便于进行航班延误或其他故障的分析,由于需要人工分析处理的数据量大、导致因果分析的效率低。
发明内容
本申请实施例的目的在于提供一种航班事件环节检测方法、装置及电子设备,能够改善在航班保障体系中进行因果分析的效率低的问题。
为了实现上述目的,本申请的实施例通过如下方式实现:
第一方面,本申请实施例提供一种航班事件环节检测方法,所述方法包括:
获取机场航班的第一数据集,所述第一数据集包括N个航班中的每个航班在多个事件环节的时间信息,N为大于1的整数;
根据所述第一数据集中的所述多个事件环节的时间信息,以预设创建策略生成所述多个事件环节的第一框架结构,所述第一框架结构中的每个节点对应一个事件环节,相连接的任意两个节点之间的连线的方向表征事件环节被执行时的优先级顺序;
通过预设优化策略,对所述第一框架结构进行优化,得到目标框架结构;
基于预设因果检测算法,从所述目标框架结构中确定因果网络结构,用于展示事件环节的因果关系。
在上述的实施方式中,通过利用航班在不同事件环节的时间信息,生成第一框架结构,然后对第一框架结构进行优化,并在优化后得到的目标框架结构中确定因果网络结构,如此,可以在考虑潜在变量的情况下进行节点的因果关系发现,实现因果关系分析的自动确定,提高因果关系确定的效率。
结合第一方面,在一些可选的实施方式,通过预设优化策略,对所述第一框架结构进行优化,得到目标框架结构,包括:
在所述第一框架结构中,通过预设冲突检测策略确定是否存在相连接且存在冲突的节点;
从所述第一框架结构中,删除存在冲突的节点之间的连线,得到第二框架结构;
在所述第二框架结构中,通过预设效用公式确定与目标节点连接的每条连线的效用值,所述目标节点为所述第二框架结构中的任一节点;
在所述目标节点的连线中,在除去效用值最大的连线的其余连线中,删除效用值低于第一预设阈值的连线,得到第三框架结构;
基于预设节点聚合算法,对所述第三框架结构中满足对应预设聚合条件的节点聚合成群集节点,以形成所述目标框架结构;
其中,所述预设效用公式为:
Util(A,B)=ur·sign(A,B)+(1-ur)·corr(A,B)
其中,Util(A,B)指节点A和节点B之间的连线的效用值;
A指目标节点;
B指与所述目标节点连接的任一节点;
ur指预设权重;
sign(A,B)指节点A和节点B的重要性系数;
corr(A,B)指节点A和节点B的相关性系数。
结合第一方面,在一些可选的实施方式,在所述第一框架结构中,通过预设冲突检测策略确定是否存在相连接且存在冲突的节点,包括:
在所述第一框架结构中,判断是否存在通过双向的边连接的任意两个节点;
当存在通过双向的边连接的两个节点,且相连的所述两个节点不属于指定循环的事件环节时,确定所述两个节点为所述存在冲突的节点。
结合第一方面,在一些可选的实施方式,基于预设节点聚合算法,对所述第三框架结构中满足对应预设聚合条件的节点聚合成群集节点,以形成所述目标框架结构,包括:
在所述第三框架结构中,当相连接的两个节点的相关性系数大于或等于第二预设阈值,且重要性系数小于或等于第三预设阈值,确定所述两个节点满足所述预设聚合条件;
在所述第三框架结构中,根据所述预设节点聚合算法将满足所述预设聚合条件的任意两个节点聚合成群集节点,以形成所述目标框架结构。
结合第一方面,在一些可选的实施方式,在所述第三框架结构中,根据所述预设节点聚合算法将满足所述预设聚合条件的任意两个节点聚合成群集节点,以形成所述目标框架结构,包括:
将满足预设聚合条件的所有节点分别进行聚合,得到所述目标框架结构;
其中,当在满足所述预设聚合条件的任意两个节点中,每个节点均未在群集节点中时,将所述两个节点聚合成群集节点;
当在满足所述预设聚合条件的两个节点中,其中一个节点在第一群集节点中时,将另一节点聚合于所述第一群集节点。
结合第一方面,在一些可选的实施方式,根据所述第一数据集中的所述多个事件环节的时间信息,以预设创建策略生成所述多个事件环节的第一框架结构,包括:
根据所述第一数据集中每个航班中的多个事件环节的时间信息,以时间先后顺序生成与所述每个航班对应的事件序列;
基于所述N个航班的事件序列,生成所述第一框架结构。
结合第一方面,在一些可选的实施方式,基于预设因果检测算法,从所述目标框架结构中确定因果网络结构,包括:
通过RFCI算法,从所述目标框架结构中确定最大定向的局部祖先图为所述因果网络结构,所述局部祖先图表征影响航班延误的事件环节形成的结构图。
第二方面,本申请还提供一种航班事件环节检测装置,所述装置包括:
数据获取单元,用于获取机场航班的第一数据集,所述第一数据集包括N个航班中的每个航班在多个事件环节的时间信息,N为大于1的整数;
框架生成单元,用于根据所述第一数据集中的所述多个事件环节的时间信息,以预设创建策略生成所述多个事件环节的第一框架结构,所述第一框架结构中的每个节点对应一个事件环节,相连接的任意两个节点之间的连线的方向表征事件环节被执行时的优先级顺序;
框架优化单元,用于通过预设优化策略,对所述第一框架结构进行优化,得到目标框架结构;
因果检测单元,用于基于预设因果检测算法,从所述目标框架结构中确定因果网络结构,用于展示事件环节的因果关系。
第三方面,本申请还提供一种电子设备,所述电子设备包括相互耦合的处理器及存储器,所述存储器内存储计算机程序,当所述计算机程序被所述处理器执行时,使得所述电子设备执行上述的方法。
第四方面,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行上述的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的电子设备的结构示意图。
图2为本申请实施例提供的航班事件环节检测方法的流程示意图。
图3为本申请实施例提供的航班事件环节的框架结构的示意图。
图4为本申请实施例提供的航班事件环节检测装置的框图。
图标:10-电子设备;11-处理模块;12-存储模块;13-通信模块;200-航班事件环节检测装置;210-数据获取单元;220-框架生成单元;230-框架优化单元;240-因果检测单元。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。需要说明的是,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,本申请提供一种电子设备10,可以用于对机场航班保障环节的时间信息进行分析,以得到事件环节之间的因果关系,有利于提高因果分析的效率。
其中,一个航班可以包括多个事件环节,事件环节可以简称为“事件”,事件可以是但不限于上轮挡、航油、客梯车、机务巡检、客舱清洁、航食、污水处理、垃圾处理、机组登机等,这里不作具体限定。
在本实施例中,电子设备10可以包括处理模块11及存储模块12。存储模块12内存储计算机程序,当计算机程序被所述处理模块11执行时,使得电子设备10能够执行下述航班事件环节检测方法中的各步骤。
电子设备10还可以包括其他模块。例如,电子设备10还可以包括通信模块13,通信模块13用于建立电子设备10与其他设备之间的通信,以进行数据交互。
电子设备10中的处理模块11、存储模块12及通信模块13等各个元件之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。电子设备10可以是但不限于个人电脑、服务器等设备。
请参照图2,本申请还提供一种航班事件检测方法,可以应用于上述的电子设备10,由电子设备10执行或实现方法的各步骤。方法可以包括如下步骤:
步骤S110,获取机场航班的第一数据集,所述第一数据集包括N个航班中的每个航班在多个事件环节的时间信息,N为大于1的整数;
步骤S120,根据所述第一数据集中的所述多个事件环节的时间信息,以预设创建策略生成所述多个事件环节的第一框架结构,所述第一框架结构中的每个节点对应一个事件环节,相连接的任意两个节点之间的连线的方向表征事件环节被执行时的优先级顺序;
步骤S130,通过预设优化策略,对所述第一框架结构进行优化,得到目标框架结构;
步骤S140,基于预设因果检测算法,从所述目标框架结构中确定因果网络结构,用于展示事件环节的因果关系。
在上述的实施方式中,通过利用航班在不同事件环节的时间信息,生成第一框架结构,然后对第一框架结构进行优化,并在优化后得到的目标框架结构中确定因果网络结构,如此,可以在考虑潜在变量的情况下进行节点的因果关系发现,实现因果关系分析的自动确定,提高因果关系确定的效率。
下面将对方法的各步骤进行详细阐述,如下:
在步骤S110中,电子设备10可以从存储历史航班的地面保障日志的服务器或设备获取机场航班的第一数据集。可理解地,在航班的各个保障环节中,可以通过人工或设备,将事件环节的开始、结束的时间戳,上传至存储日志的设备,以作为地面保障日志。
在第一数据集中,可以包括与一个机场中的N个航班的飞机编号及飞行班次所对应的相应的事件环节的时间信息。该时间信息可以包括事件环节的开始时间戳、结束时间戳。即,每个事件环节的时间信息,对应有一个飞机编号及飞行班次。航班的数量N可以根据实际情况进行灵活确定,这里不作具体限定。
各个航班在地面保障体系下所包括的事件环节可以相同或不同,可以根据实际情况进行灵活确定。每个航班的班次具有相应的日期与飞机编号,可以根据实际情况进行灵活确定。单个航班的地面保障体系的流程包括但不限于上轮挡、加航油、机务巡检、开舱门、客舱清洁、航食、污水处理、垃圾处理、机组登机、关舱门、撤轮档等环节。
在步骤S120中,电子设备10可以基于每个航班在各个事件环节的时间信息,创建框架结构,该框架结构可理解为节点拓扑图。其中,节点之间可以通过单向箭头或双向箭头的连线连接(双向箭头的连线可以通过箭头方向不同的两条连线替代),每个节点对应一个事件环节。相连接的任意两个节点之间的连线的方向表征事件环节被执行时的优先级顺序。即,在相连接的两个节点中,连线的箭头方向为优先级高的节点(事件环节)指向优先级低的节点(事件环节)。如此,可以将各航班事件环节的时间戳进行可视化转换,以得到框架结构图,便于因果关系的发现。
在本实施例中,步骤S120可以包括:
根据所述第一数据集中每个航班中的多个事件环节的时间信息,以时间先后顺序生成与所述每个航班对应的事件序列;
基于所述N个航班的事件序列,生成所述第一框架结构。
可理解地,针对每一个航班,各个事件环节可以按照发生时间戳的先后顺序形成一个事件序列。在一段时长内(比如为预设时长,该预设时长可以根据实际情况进行灵活确定)的航班保障的事件日志中,通过将各航班保障事件序列汇聚到一起构成保障的初始框架(即为第一框架结构)。航班保障序列出现的事件环节作为节点,事件环节之间的优先级关系以有向边的形式反映在初始框架中。节点的名称即为事件环节(比如为加航油)的名称。
在步骤S130中,预设优化策略可以根据实际情况进行灵活确定。通过对第一框架结构进行优化,可以删除框架结构中不必要的连接关系,简化框架结构,从而有利于在因果检测的过程中减少运算量,快速实现因果检测。
作为一种可选的实施方式,步骤S130可以包括子步骤S131至子步骤S135,如下:
子步骤S131,在所述第一框架结构中,通过预设冲突检测策略确定是否存在相连接且存在冲突的节点;
子步骤S132,从所述第一框架结构中,删除存在冲突的节点之间的连线,得到第二框架结构;
子步骤S133,在所述第二框架结构中,通过预设效用公式确定与目标节点连接的每条连线的效用值,所述目标节点为所述第二框架结构中的任一节点;
子步骤S134,在所述目标节点的连线中,在除去效用值最大的连线的其余连线中,删除效用值低于第一预设阈值的连线,得到第三框架结构;
子步骤S135,基于预设节点聚合算法,对所述第三框架结构中满足对应预设聚合条件的节点聚合成群集节点,以形成所述目标框架结构;
其中,所述预设效用公式为:
Util(A,B)=ur·sign(A,B)+(1-ur)·corr(A,B) (1)
其中,Util(A,B)指节点A和节点B之间的连线的效用值;
A指目标节点;
B指与所述目标节点连接的任一节点;
ur指预设权重,可以根据实际情况进行灵活确定;
sign(A,B)指节点A和节点B的重要性系数,可以根据实际情况进行灵活确定;
corr(A,B)指节点A和节点B的相关性系数,可以根据实际情况进行灵活确定。
电子设备10可以基于公式(1),计算任意两个节点之间的效用值。效用值可以用于评估两节点之间连线在框架结构中的优先级或重要性。
在进行冲突节点判断时,子步骤S131可以包括:
在所述第一框架结构中,判断是否存在通过双向的边连接的任意两个节点;
当存在通过双向边连接的两个节点,且相连的所述两个节点不属于指定循环的事件环节时,确定所述两个节点为所述存在冲突的节点。
可理解地,指定循环的事件环节可以根据实际情况进行灵活确定。另外,节点冲突的初步判断方式可以为:两个节点通过两个方向的边(或双向边)连接时,这两节点就被定义为冲突。冲突可以分为三类:
第一类,多个事件循环,且循环被准许。例如,事件A、事件B构成一个二元循环(即,循环的事件为二类),即,在航班地面保障系统中,依次执行事件A、事件B之后,会再次回到事件A后,需要再次执行事件A、事件B。该循环关系在航班地面保障系统中若是准许的(即循环是被准许的),则需要保留,无需删除循环事件之间的连线。
第二类,事件执行顺序中存在例外的情况。例如,在航班地面保障系统中,依次执行事件A、事件B之后,会再次回到事件A。比如,事件执行流程按照A→B,而之后出现的B→A属于例外情况,在此种情况下需要放弃较弱的的关系,以专注于主要行为,即放弃例外的情况,从第一框架结构删除现B→A的连线,保留B←A的连接关系。
第三类,事件存在并发的情况。例如,事件A和事件B可以以任何顺序执行(即:他们在两个不同的并行的路径上)。表示航班日志中可能会记录两种情况,即A→B和B→A,且“A→B”和“B→A”发生的时段存在重叠,这会产生冲突,需要从第一框架结构中移除两个冲突的排序关系,删除两节点之间的连线。
在本实施例中,电子设备10可以通过公式(2)计算相连接的两节点之间的重要程度值(或称为重要性),公式如下:
在公式(2)中,rel(A,B)表示节点A、节点B之间连线的重要程度值;
η为框架结构中的节点集;
sign()指重要性系数的函数。
可理解地,sign(A,B)为分配给每对节点A,B∈η的优先级关系,rel(A,B)为每对节点A,B之间的相对重要性。
如果两个冲突关系rel(A,B)和rel(B,A)的相对重要性超过预设重要性阈值(可以根据实际情况进行灵活确定),则表示节点A和B形成一个长度为2的循环。
如果至少一个冲突关系的相对重要性低于该阈值,则确定两个关系的相对重要性之间的偏移量,即s(A,B)=|rel(A,B)–rel(B,A)|。该偏移值越大,两个冲突关系的相对重要性差异越大,即其中一个显然更重要。因此,如果偏移值超过指定的比率阈值(可以根据实际情况进行灵活确定),则表示两节点双向连接关系中的其中一个连接关系实际上是一个例外,此时,可以将重要性低的连接关系从第一框架模型中移除。
如果至少一个关系的相对重要性低于保留阈值,并且相对重要性的偏移小于比率阈值,这表示A→B和B→A是对节点A、B的源活动和目标活动都没有更大重要性的关系。这种相对重要性均较低的冲突关系,表示A和B同时执行,即节点A和B的事件在两个独立路线中执行。因此,节点A、B之间的两个边(或双向边)都需要从第一框架结构中移除,即节点A、B之间的有向边不对应于实际的排序关系。
在子步骤S133中,可以对第二框架结构中的部分连线或连接关系进行过滤(或删除),以简化框架结构。可理解地,删除冲突的连线可以从第一框架结构中移除部分连线,而在第一框架结构中仍然包含大量的次要优先关系,因此有必要通过边缘过滤移除次要连线。
在子步骤S133中,通过预设效用公式,可以计算得到任意两个相连接的节点的效用值,以作为评估连线的优先关系或重要性。
在计算得到效用值之后,可以将效用值进行归一化处理,即,将效用值转换为0~1之间的值。最小的效用值可以被指定为0,最大的效用值被指定为1,在最小值与最大值之间的值,可以转换为0至1之间的值。此时,第一预设阈值可以为0~1之间的一个数值,可以根据实际情况进行灵活确定,比如为0.4。基于此,当与目标节点连接的边有多条时,至少可以保留效用值最大的一条连线,然后在其余连线中删除效用值低于第一预设阈值的连线,如此,可以简化节点之间的连线关系。
在上述的实施方式中,在第二框架结构中,基于效用值过滤节点之间的连线,而不是与第二框架结构中的其他部分节点进行全局比较,如此,可以简化运算量。
作为一种可选的实施方式,子步骤S135可以包括:
在所述第三框架结构中,当相连接的两个节点的相关性系数大于或等于第二预设阈值,且重要性系数小于或等于第三预设阈值时,确定所述两个节点满足所述预设聚合条件;
在所述第三框架结构中,根据所述预设节点聚合算法将满足所述预设聚合条件的任意两个节点聚合成群集节点,以形成所述目标框架结构。
在本实施例中,在所述第三框架结构中,根据所述预设节点聚合算法将满足所述预设聚合条件的任意两个节点聚合成群集节点,以形成所述目标框架结构,包括:
将满足预设聚合条件的所有节点分别进行聚合,得到所述目标框架结构;
其中,当在满足所述预设聚合条件的任意两个节点中,每个节点均未在群集节点中时,将所述两个节点聚合成群集节点;
当在满足所述预设聚合条件的两个节点中,其中一个节点在第一群集节点中时,将另一节点聚合于所述第一群集节点。
可理解地,通过子步骤S135,可以将相连接且高度相关的不太重要的节点组聚合成群集节点。另外,可以删除孤立的不重要的节点。
示例性地,对于每个一元重要性低于节点截止参数(截止参数可以根据实际情况进行灵活确定)的节点,找到相关性最高的邻居(即连接节点);如果该邻居是群集节点,则将一元重要性低于节点截止参数的节点添加到此群集,其中,一元重要性指节点的事件环节所出现的频率。否则,创建一个新的群集节点,并添加一元重要性低于节点截止参数的节点作为新的群集节点的第一个元素。
每当一个节点被添加到一个群集时,该群集将“继承”该节点的排序关系,即该节点的输入和输出的连线继续维持,而实际的节点将被隐藏。第二阶段是合并群集。可理解地,在第二阶段,大多数群集通常由一个一元重要性低于节点截止参数的节点组成。电子设备10可以执行以下步骤来聚合更大的群集并减少节点的数量。
第一步,对于每个群集,检查所有前置节点或所有后续节点也是否为群集,后续节点即为连线箭头指向的节点,前置节点即为连线箭头尾部的节点。
第二步,如果所有的前置节点是群集,则与相关性最高的群集节点合并,并继续下一个群集。
第三步,如果所有后续节点均是群集,则与相关性最高的一个群集节点合并。
第四步,如果所有后续节点不是群集,即如果群集的前置集和后置集都包含常规节点,群集将保持不变。
需要说明的是,如果一元重要性低于节点截止参数的节点,在该节点的前置集或后置集中只有群集,则合并群集。图3显示了聚类第一阶段之后的框架结构的一个示例。每个节点中的参数表示该节点在网络结构中的重要性。例如,群集节点A的重要性为0.169,节点X的重要性为0.507,群集节点B的重要性为0.127,群集节点C的重要性为0.156,节点Y的重要性为0.927。由于群集节点A与群集节点B都连接到节点X,即,群集节点A不能与群集节点B合并。
节点X在两个方向上连接到已合并的群集,即,分别连接群集节点A和群集节点B,使模型的信息量减少。由于群集节点B的后续集只由群集节点C组成,因此,群集节点B和群集节点C可以合并,其中,框架结构的这种简化并没有减少信息量,只是将聚合的节点进行了隐藏。
在构成抽象的最后一个阶段,移除孤立和单一的群集。孤立的群集是过程中分离的部分,为不重要且高度相关的群集,因此被折叠成单个孤立的群集节点。可理解地,这种孤立的节点对框架结构没有贡献,可以被移除。单个群集仅由一个活动节点组成,表示为不重要的事件行为,与相邻的事件行为没有较高的相关性,因此,可以从框架结构中移除该节点,而框架结构中其他节点的优先关系继续保留(即,节点被删除后,该节点之前向上所连接的节点和向下所连接的节点将会跳过被移除的节点,而直接连在一起)。
在步骤S140中,预设因果检测算法可以根据实际情况进行灵活确定。预设因果检测算法可以为RFCI(Really Fast Causal Inference,快速因果推断)算法。
在本实施例中,步骤S140可以包括:通过RFCI算法,从所述目标框架结构中确定最大定向的局部祖先图为所述因果网络结构,所述局部祖先图表征影响航班延误的事件环节形成的结构图。
示例性地,算法的实现过程可以如下:
第一步,RFCI算法可以将目标框架结构,从包含节点关系的完全图(完全图即为完整的框架结构图)出发,通过增加条件集的规模判断任意两节点是否独立。若条件独立性成立,则删掉X与Y之间的边,且保存这一分割集为SXY或SYX。SXY或SYX表示使得变量X和Y相互独立的条件集。X和Y指就是航班保障中两个不同事件环节的作业持续时长,Z为不同于X和Y的事件环节。
第二步,基于引理非屏蔽三重法则(Unshielded triple rule)为Unshieldedtriples定向为V-结构或非V-结构,同时移去错误连接的边。Unshielded triple的含义为:若三个变量<X,Z,Y>称为Unshielded triple,则X,Y均与Z相邻,且X与Y不相邻。V-结构可理解为:节点X和节点Y存在公共邻居环节Z,且X和Z的连线、Y和Z的连线箭头均指向Z,即可以确定环节X、Z、Y为V型结构(X→W←Y)。Unshielded triple rule的实现过程为:
假设(1)SXY是X与Y的最小分割集;
(2)在SXY\Z下,X与Z以及Y与Z都是条件依赖的,则Z属于an(G,{X,Y}∪S)的祖先集,当且仅当Z∈SXY。an(G,{X,Y}∪S)指的是在框架结构图G中,集合{X,Y}∪S的祖先节点。
从所有的Unshielded triples组成的集合ζ出发,ρ用于存储满足引理Unshieldedtriple rule条件的法则(triples)。对每个triple<Xk,Xi,Xm>∈ζ,判断给定SXkXm\Xi下,Xk与Xi以及Xm与Xi是否为条件依赖,若两者均成立,则这个triple<Xk,Xi,Xm>满足引理Unshielded triple rule的条件,并被添加到ρ中。此时,可能存在一种情形,即在给定Xk的邻居节点集或Xi的邻居节点集时,Xk与Xi不是m-分割的,但是成立。此时,便从图中移除边Xk*-*Xi,同时产生新的Unshielded triples,并添加到ρ中。如此,可以找到满足Xk与Xi条件独立的最小分割集,并将其保存在SXkXi或SXiXk中。在第二步之后,图中所有的Unshielded triples被确定为V-结构或非V-结构。Xk*-*Xi表示Xk与Xi间的相关关系的总称,比如可以是/>或Xk←Xi、或Xk→Xi。
第三步,使用AFCI定向规则确定尽可能多的边的方向,返回最大定向的部分祖先图。
其中,返回的最大定向祖先图即为用户需要的重要程度最大的因果网络结构图,可以用来展示影响航班延误的原因链,通过这个祖先图,方便用户了解当前机场中哪些因素容易导致航班延误,或导致出现航班故障。
基于上述设计,电子设备10能够基于航班保障日志,构建与事件对应的节点框架结构,并在考虑潜在变量的情况下进行节点指标的因果关系发现,从而得到因果网络结构。因果网络结构可以为航班保障的业务过程的管理、分析及故障查询提供数字化的依据,有利于机场航班保障的精细化管理。
请参照图4,本申请实施例还提供一种航班事件环节检测装置200,可以应用于上述的电子设备10中,用于执行方法中的各步骤。航班事件环节检测装置200包括至少一个可以软件或固件(Firmware)的形式存储于存储模块12中或固化在电子设备10操作系统(Operating System,OS)中的软件功能模块。处理模块11用于执行存储模块12中存储的可执行模块,例如航班事件环节检测装置200所包括的软件功能模块及计算机程序等。
航班事件环节检测装置200可以包括数据获取单元210、框架生成单元220、框架优化单元230及因果检测单元240,可以执行的操作步骤如下:
数据获取单元210,用于获取机场航班的第一数据集,所述第一数据集包括N个航班中的每个航班在多个事件环节的时间信息,N为大于1的整数;
框架生成单元220,用于根据所述第一数据集中的所述多个事件环节的时间信息,以预设创建策略生成所述多个事件环节的第一框架结构,所述第一框架结构中的每个节点对应一个事件环节,相连接的任意两个节点之间的连线的方向表征事件环节被执行时的优先级顺序;
框架优化单元230,用于通过预设优化策略,对所述第一框架结构进行优化,得到目标框架结构;
因果检测单元240,用于基于预设因果检测算法,从所述目标框架结构中确定因果网络结构,用于展示事件环节的因果关系。
可选地,框架优化单元230可以用于:
在所述第一框架结构中,通过预设冲突检测策略确定是否存在相连接且存在冲突的节点;
从所述第一框架结构中,删除存在冲突的节点之间的连线,得到第二框架结构;
在所述第二框架结构中,通过预设效用公式确定与目标节点连接的每条连线的效用值,所述目标节点为所述第二框架结构中的任一节点;
在所述目标节点的连线中,在除去效用值最大的连线的其余连线中,删除效用值低于第一预设阈值的连线,得到第三框架结构;
基于预设节点聚合算法,对所述第三框架结构中满足对应预设聚合条件的节点聚合成群集节点,以形成所述目标框架结构。
可选地,框架优化单元230可以用于:
在所述第一框架结构中,判断是否存在通过双向的边连接的任意两个节点;
当存在通过双向的边连接的两个节点,且相连的所述两个节点不属于指定循环的事件环节时,确定所述两个节点为所述存在冲突的节点。
可选地,框架优化单元230可以用于:
在所述第三框架结构中,当相连接的两个节点的相关性系数大于或等于第二预设阈值,且重要性系数小于或等于第三预设阈值时,确定所述两个节点满足所述预设聚合条件;
在所述第三框架结构中,根据所述预设节点聚合算法将满足所述预设聚合条件的任意两个节点聚合成群集节点,以形成所述目标框架结构。
可选地,框架优化单元230可以用于:
将满足预设聚合条件的所有节点分别进行聚合,得到所述目标框架结构;
其中,当在满足所述预设聚合条件的任意两个节点中,每个节点均未在群集节点中时,将所述两个节点聚合成群集节点;
当在满足所述预设聚合条件的两个节点中,其中一个节点在第一群集节点中时,将另一节点聚合于所述第一群集节点。
可选地,框架生成单元220可以用于:
根据所述第一数据集中每个航班中的多个事件环节的时间信息,以时间先后顺序生成与所述每个航班对应的事件序列;
基于所述N个航班的事件序列,生成所述第一框架结构。
可选地,因果检测单元240可以用于:通过RFCI算法,从所述目标框架结构中确定最大定向的局部祖先图为所述因果网络结构,所述局部祖先图表征影响航班延误的事件环节形成的结构图。
在本实施例中,处理模块11可以是一种集成电路芯片,具有信号的处理能力。上述处理模块11可以是通用处理器。例如,该处理器可以是中央处理器(Central ProcessingUnit,CPU)、数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
存储模块12可以是,但不限于,随机存取存储器,只读存储器,可编程只读存储器,可擦除可编程只读存储器,电可擦除可编程只读存储器等。在本实施例中,存储模块12可以用于存储待检测图像等。当然,存储模块12还可以用于存储程序,处理模块11在接收到执行指令后,执行该程序。
通信模块13用于通过网络建立电子设备10与其他设备的通信连接,并通过网络收发数据。
可以理解的是,图1所示的结构仅为电子设备10的一种结构示意图,电子设备10还可以包括比图1所示更多的组件。图1中所示的各组件可以采用硬件、软件或其组合实现。
需要说明的是,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的电子设备10的具体工作过程,可以参考前述方法中的各步骤对应过程,在此不再过多赘述。
本申请实施例还提供一种计算机可读存储介质。计算机可读存储介质中存储有计算机程序,当计算机程序在计算机上运行时,使得计算机执行如上述实施例中所述的航班事件环节检测方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现,基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景所述的方法。
综上所述,本申请提供一种航班事件环节检测方法、装置及电子设备。方法包括:获取机场航班的第一数据集,第一数据集包括N个航班中的每个航班在多个事件环节的时间信息,N为大于1的整数;根据第一数据集中的多个事件环节的时间信息,以预设创建策略生成多个事件环节的第一框架结构,第一框架结构中的每个节点对应一个事件环节,相连接的任意两个节点之间的连线的方向表征事件环节被执行时的优先级顺序;通过预设优化策略,对第一框架结构进行优化,得到目标框架结构;基于预设因果检测算法,从目标框架结构中确定因果网络结构,用于展示事件环节的因果关系。在本方案中,通过利用航班在不同事件环节的时间信息,生成第一框架结构,然后对第一框架结构进行优化,并在优化后得到的目标框架结构中确定因果网络结构,如此,可以在考虑潜在变量的情况下进行节点的因果关系发现,实现因果关系分析的自动确定,提高因果关系确定的效率。
在本申请所提供的实施例中,应该理解到,所揭露的装置、系统和方法,也可以通过其它的方式实现。以上所描述的装置、系统和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (7)
1.一种航班事件环节检测方法,其特征在于,所述方法包括:
获取机场航班的第一数据集,所述第一数据集包括N个航班中的每个航班在多个事件环节的时间信息,N为大于1的整数;
根据所述第一数据集中的所述多个事件环节的时间信息,以预设创建策略生成所述多个事件环节的第一框架结构,所述第一框架结构中的每个节点对应一个事件环节,相连接的任意两个节点之间的连线的方向表征事件环节被执行时的优先级顺序;
通过预设优化策略,对所述第一框架结构进行优化,得到目标框架结构;
基于预设因果检测算法,从所述目标框架结构中确定因果网络结构,用于展示事件环节的因果关系;
通过预设优化策略,对所述第一框架结构进行优化,得到目标框架结构,包括:在所述第一框架结构中,通过预设冲突检测策略确定是否存在相连接且存在冲突的节点;从所述第一框架结构中,删除存在冲突的节点之间的连线,得到第二框架结构;在所述第二框架结构中,通过预设效用公式确定与目标节点连接的每条连线的效用值,所述目标节点为所述第二框架结构中的任一节点;在所述目标节点的连线中,在除去效用值最大的连线的其余连线中,删除效用值低于第一预设阈值的连线,得到第三框架结构;基于预设节点聚合算法,对所述第三框架结构中满足对应预设聚合条件的节点聚合成群集节点,以形成所述目标框架结构;
其中,所述预设效用公式为:
Util(A,B)=ur·sign(A,B)+(1-ur)·corr(A,B)
其中,Util(A,B)指节点A和节点B之间的连线的效用值;A指目标节点;B指与所述目标节点连接的任一节点;ur指预设权重;sign(A,B)指节点A和节点B的重要性系数;corr(A,B)指节点A和节点B的相关性系数;
所述根据所述第一数据集中的所述多个事件环节的时间信息,以预设创建策略生成所述多个事件环节的第一框架结构,包括:根据所述第一数据集中每个航班中的多个事件环节的时间信息,以时间先后顺序生成与所述每个航班对应的事件序列;基于所述N个航班的事件序列,生成所述第一框架结构;
所述基于预设因果检测算法,从所述目标框架结构中确定因果网络结构,包括:通过RFCI算法,从所述目标框架结构中确定最大定向的局部祖先图为所述因果网络结构,所述局部祖先图表征影响航班延误的事件环节形成的结构图。
2.根据权利要求1所述的方法,其特征在于,在所述第一框架结构中,通过预设冲突检测策略确定是否存在相连接且存在冲突的节点,包括:
在所述第一框架结构中,判断是否存在通过双向的边连接的任意两个节点;
当存在通过双向的边连接的两个节点,且相连的所述两个节点不属于指定循环的事件环节时,确定所述两个节点为所述存在冲突的节点。
3.根据权利要求1所述的方法,其特征在于,基于预设节点聚合算法,对所述第三框架结构中满足对应预设聚合条件的节点聚合成群集节点,以形成所述目标框架结构,包括:
在所述第三框架结构中,当相连接的两个节点的相关性系数大于或等于第二预设阈值,且重要性系数小于或等于第三预设阈值时,确定所述两个节点满足所述预设聚合条件;
在所述第三框架结构中,根据所述预设节点聚合算法将满足所述预设聚合条件的任意两个节点聚合成群集节点,以形成所述目标框架结构。
4.根据权利要求3所述的方法,其特征在于,在所述第三框架结构中,根据所述预设节点聚合算法将满足所述预设聚合条件的任意两个节点聚合成群集节点,以形成所述目标框架结构,包括:
将满足预设聚合条件的所有节点分别进行聚合,得到所述目标框架结构;
其中,当在满足所述预设聚合条件的任意两个节点中,每个节点均未在群集节点中时,将所述两个节点聚合成群集节点;
当在满足所述预设聚合条件的两个节点中,其中一个节点在第一群集节点中时,将另一节点聚合于所述第一群集节点。
5.一种航班事件环节检测装置,其特征在于,所述装置包括:
数据获取单元,用于获取机场航班的第一数据集,所述第一数据集包括N个航班中的每个航班在多个事件环节的时间信息,N为大于1的整数;
框架生成单元,用于根据所述第一数据集中的所述多个事件环节的时间信息,以预设创建策略生成所述多个事件环节的第一框架结构,所述第一框架结构中的每个节点对应一个事件环节,相连接的任意两个节点之间的连线的方向表征事件环节被执行时的优先级顺序;
框架优化单元,用于通过预设优化策略,对所述第一框架结构进行优化,得到目标框架结构;
因果检测单元,用于基于预设因果检测算法,从所述目标框架结构中确定因果网络结构,用于展示事件环节的因果关系;
所述框架优化单元还用于在所述第一框架结构中,通过预设冲突检测策略确定是否存在相连接且存在冲突的节点;从所述第一框架结构中,删除存在冲突的节点之间的连线,得到第二框架结构;在所述第二框架结构中,通过预设效用公式确定与目标节点连接的每条连线的效用值,所述目标节点为所述第二框架结构中的任一节点;在所述目标节点的连线中,在除去效用值最大的连线的其余连线中,删除效用值低于第一预设阈值的连线,得到第三框架结构;基于预设节点聚合算法,对所述第三框架结构中满足对应预设聚合条件的节点聚合成群集节点,以形成所述目标框架结构;
其中,所述预设效用公式为:
Util(A,B)=ur·sign(A,B)+(1-ur)·corr(A,B)
其中,Util(A,B)指节点A和节点B之间的连线的效用值;A指目标节点;B指与所述目标节点连接的任一节点;ur指预设权重;sign(A,B)指节点A和节点B的重要性系数;corr(A,B)指节点A和节点B的相关性系数;
所述框架生成单元还用于基于所述N个航班的事件序列,生成所述第一框架结构;
所述因果检测单元还用于通过RFCI算法,从所述目标框架结构中确定最大定向的局部祖先图为所述因果网络结构,所述局部祖先图表征影响航班延误的事件环节形成的结构图。
6.一种电子设备,其特征在于,所述电子设备包括相互耦合的处理器及存储器,所述存储器内存储计算机程序,当所述计算机程序被所述处理器执行时,使得所述电子设备执行如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110811309.9A CN113537599B (zh) | 2021-07-19 | 2021-07-19 | 航班事件环节检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110811309.9A CN113537599B (zh) | 2021-07-19 | 2021-07-19 | 航班事件环节检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113537599A CN113537599A (zh) | 2021-10-22 |
CN113537599B true CN113537599B (zh) | 2024-03-15 |
Family
ID=78100034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110811309.9A Active CN113537599B (zh) | 2021-07-19 | 2021-07-19 | 航班事件环节检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537599B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258354B (zh) * | 2023-05-15 | 2023-09-19 | 中国民用航空总局第二研究所 | 航班地勤节点的执行方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741008A (zh) * | 2014-12-24 | 2016-07-06 | 通用电气公司 | 用于对于商业航线航班运营的中断管理和鲁棒性的自动评价的方法和系统 |
CN108519988A (zh) * | 2018-02-27 | 2018-09-11 | 北京航空航天大学 | 基于格兰杰检验的航空延误因果关系网络构建方法 |
CN110766314A (zh) * | 2019-10-21 | 2020-02-07 | 中国民航信息网络股份有限公司 | 一种因果关系分析方法及装置 |
CN112069227A (zh) * | 2020-08-18 | 2020-12-11 | 之江实验室 | 一种面向事件序列的因果建模方法及装置 |
CN112990683A (zh) * | 2021-03-09 | 2021-06-18 | 中国民航信息网络股份有限公司 | 一种航班保障流程节点的预警方法及相关设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070094219A1 (en) * | 2005-07-14 | 2007-04-26 | The Boeing Company | System, method, and computer program to predict the likelihood, the extent, and the time of an event or change occurrence using a combination of cognitive causal models with reasoning and text processing for knowledge driven decision support |
US20100153875A1 (en) * | 2008-12-16 | 2010-06-17 | O'flynn Mark James | Air traffic control apparatus and air traffic control information processing method |
US10699450B2 (en) * | 2017-09-28 | 2020-06-30 | International Business Machines Corporation | Interactive tool for causal graph construction |
SG10201808761UA (en) * | 2017-10-06 | 2019-05-30 | Tata Consultancy Services Ltd | System and method for flight delay prediction |
-
2021
- 2021-07-19 CN CN202110811309.9A patent/CN113537599B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741008A (zh) * | 2014-12-24 | 2016-07-06 | 通用电气公司 | 用于对于商业航线航班运营的中断管理和鲁棒性的自动评价的方法和系统 |
CN108519988A (zh) * | 2018-02-27 | 2018-09-11 | 北京航空航天大学 | 基于格兰杰检验的航空延误因果关系网络构建方法 |
CN110766314A (zh) * | 2019-10-21 | 2020-02-07 | 中国民航信息网络股份有限公司 | 一种因果关系分析方法及装置 |
CN112069227A (zh) * | 2020-08-18 | 2020-12-11 | 之江实验室 | 一种面向事件序列的因果建模方法及装置 |
CN112990683A (zh) * | 2021-03-09 | 2021-06-18 | 中国民航信息网络股份有限公司 | 一种航班保障流程节点的预警方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113537599A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7774293B2 (en) | System and methods for assessing risk using hybrid causal logic | |
EP3691189A1 (en) | Method, apparatus and device for predicting fault of optical module | |
US8490108B2 (en) | Method of estimating a processing time of each of a plurality of jobs and apparatus thereof | |
US8505023B2 (en) | Method and system for analyzing a sequence relation between a plurality of jobs across a plurality of time segments | |
CN102281290A (zh) | 一种PaaS云平台的仿真系统及方法 | |
CN110290021B (zh) | 基于动态规划算法的跨链共识时延优化方法 | |
CN111585799A (zh) | 网络故障预测模型建立方法及装置 | |
CN109189572B (zh) | 一种资源预估方法及系统、电子设备和存储介质 | |
CN111385142B (zh) | 基于Kubernetes的自适应伸缩web容器的方法 | |
CN113537599B (zh) | 航班事件环节检测方法、装置及电子设备 | |
US20220138012A1 (en) | Computing Resource Scheduling Method, Scheduler, Internet of Things System, and Computer Readable Medium | |
CN111784488B (zh) | 企业资金风险预测方法及装置 | |
CN111626338B (zh) | 基于融合分类模型的云环境匹配方法、装置、设备和介质 | |
JP2017069895A (ja) | 障害切り分け方法および障害切り分けを行う管理サーバ | |
CN112532625B (zh) | 网络态势感知评估数据更新方法、装置及可读存储介质 | |
CN112805984A (zh) | 用于部署增量网络更新的系统 | |
CN116841753B (zh) | 一种流处理和批处理的切换方法及切换装置 | |
US20150134584A1 (en) | Information processing apparatus and load reduction method | |
CN116974805A (zh) | 根因确定方法、设备和存储介质 | |
CN109961085B (zh) | 基于贝叶斯估计的航班延误预测模型的建立方法及装置 | |
CN116668264A (zh) | 一种告警聚类的根因分析方法、装置、设备及存储介质 | |
CN114757448B (zh) | 一种基于数据空间模型的制造环节间最优价值链构建方法 | |
CN115022153A (zh) | 故障根因分析方法、装置、设备和存储介质 | |
CN114296872A (zh) | 用于容器集群管理系统的调度方法及装置 | |
CN114760190A (zh) | 一种面向服务的融合网络性能异常检测方法 |
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 |