CN116109212B - 一种机场运行效率评价指标设计及监测方法 - Google Patents
一种机场运行效率评价指标设计及监测方法 Download PDFInfo
- Publication number
- CN116109212B CN116109212B CN202310381002.9A CN202310381002A CN116109212B CN 116109212 B CN116109212 B CN 116109212B CN 202310381002 A CN202310381002 A CN 202310381002A CN 116109212 B CN116109212 B CN 116109212B
- Authority
- CN
- China
- Prior art keywords
- index
- airport
- weight
- evaluation index
- indexes
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 112
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000013461 design Methods 0.000 title claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 51
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 19
- 239000006185 dispersion Substances 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 230000007306 turnover Effects 0.000 claims description 6
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000010006 flight Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000219492 Quercus Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
- 230000002195 synergetic effect Effects 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种机场运行效率评价指标设计及监测方法，包括构建机场运行效率评价指标体系，包含5个一级指标和14个二级指标，覆盖机场航班运行全流程；以机场协同决策系统为输入，采集各项指标运行数据建立决策矩阵并进行规范化处理；根据博弈论层次分析主观赋权模型和G1法主观赋权模型，计算各项指标主观权重并融合得到指标主观权重；根据决策矩阵计算指标客观权重；以最小化主客观加权属性偏离度为优化目标建立组合权重求解模型，实现权重融合并获得指标综合权重；根据指标等级区间和综合权重，计算机场运行效率评价分级标准；对机场运行效率进行监测，获取机场运行效率实时值和预测值。
Description
技术领域
本发明涉及一种效率评价指标设计及监测方法，一种机场运行效率评价指标设计及监测方法。
背景技术
近年来，我国民航持续高质量发展，民航运输总周转量、旅客周转量、货邮周转量均已位居世界第二。快速增长的运输量给民航业发展带来了巨大压力，主要表现在大型机场运行压力日益增大，航班延误问题日益突出。为此，国内各大机场在日常运营中采取了一系列信息化举措提高生产运行能力，如：机场协同决策系统和信息集成系统的建设、旅客自助值机、无纸化登机等。虽然这些新技术在一定程度上提高了机场运行效率，但是从整体上看，一方面我国机场在运行效率提升方面的信息化建设水平参差不齐，急需一套科学、全面的标准体系进行引导；另一方面由于缺乏一套可量化的机场运行效率评价指标体系和方法，难以对机场的信息化建设效益准确评估，不能为机场运行效率的持续提升提供有效依据。因此，建立一套科学、全面的机场运行效率评价指标体系，对机场运行效率进行定量分析评价，发掘机场运行问题和效率短板是未来智慧机场建设过程中亟需解决的问题之一。
发明内容
发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种机场运行效率评价指标设计及监测方法。
为了解决上述技术问题，本发明公开了一种机场运行效率评价指标设计及监测方法，包括如下步骤：
步骤1，围绕机场航班运行全流程，建立包含五个一级指标和十四个二级指标的机场运行效率评价指标体系，并确定各项指标的评价等级区间；
所述的五个一级指标，包括：机位运行效率、旅客登机效率、飞机滑行效率、正常率和协同效率。
所述的十四个二级指标，包括：航班靠桥率、廊桥周转率、机位变更比例、机位变更提前时长、登机口变更比例、登机口变更提前时长、单位旅客登机时长、旅客登机等待时长、航班滑入时长、航班滑出时长、航班正常率、平均进场延误时长、平均离港延误时长和预计到达时间准确度。
步骤2，依据建立的机场运行效率评价指标体系，以机场协同决策系统为输入，采集各项指标的历史运行数据，建立决策矩阵，并进行规范化处理；
所述的建立决策矩阵，具体方法如下：
其中，
表示决策矩阵，
表示评价指标等级区间数，
表示待评价对象数，
表示评价指标数，
表示决策矩阵元素，并采用如下方法对决策矩阵进行规范化处理：
对于正向指标，其规范化处理式为：
对于负向指标，其规范化处理式为：
其中，
表示规范化处理后的矩阵元素，机场运行效率评价规范化矩阵
表示如下：
所述机场运行效率评价指标体系通过上述矩阵
表示。
步骤3，根据建立的机场运行效率评价指标体系，利用层次分析法并融合博弈论计算各项指标主观权重，具体方法如下：
设有
个决策者利用层次分析法确定得到
个评价指标的权重，则第
个决策者确定的权重向量表示为
，其中，
，因此，由
个权重向量经线性组合后的主观融合权重向量
为：
其中，
表示决策矩阵，
表示评价指标等级区间数，
表示待评价对象数，
表示评价指标数，
表示决策矩阵元素，并采用如下方法对决策矩阵进行规范化处理：
对于正向指标，其规范化处理式为：
对于负向指标，其规范化处理式为：
其中，
表示规范化处理后的矩阵元素，机场运行效率评价规范化矩阵
表示如下：
所述机场运行效率评价指标体系通过上述矩阵
表示。
步骤3，根据建立的机场运行效率评价指标体系，利用层次分析法并融合博弈论计算各项指标主观权重，具体方法如下：
设有
个决策者利用层次分析法确定得到
个评价指标的权重，则第
个决策者确定的权重向量表示为
，其中，
，因此，由
个权重向量经线性组合后的主观融合权重向量
为：
步骤4-2：相邻指标间的重要程度定量分析，对相邻评价指标
和
之间的重要程度进行量化，可表示为：
其中，
表示相邻评价指标
和
之间的相对重要程度比值；
取值范围为
；
和
表示相邻评价指标
和
的权重；
步骤4-3：指标权重计算，根据给定的
赋值，评价指标
的权重计算式为：
其中，
为评价指标
的权重；
进而得到机场运行效率评价指标集的主观权重向量
为：
其中，
表示对应原始评价指标集的主观权重向量；
对
位专家确定得到的评价指标权重值求平均，并检验其离散度，具体方法如下：
设
位参评专家确定得到的评价指标
的权重向量为
，则指标
的权重平均值为：
其中，
，
表示指标
的权重平均值，
表示参评专家人数，
表示第
位专家确定得到的指标
权重；
由
位参评专家确定得到的评价指标
的权重值的离散度为：
其中，
表示指标
的权重值离散度，若
大于设定的阈值，则重新确定评价指标序关系，并重新执行步骤4。
步骤5，根据建立的机场运行效率评价指标体系，利用步骤2中确定的决策矩阵计算各项指标客观权重，具体方法如下：
步骤5-1：由机场协同决策系统采集到的待评价对象各项指标规范化矩阵
为：
步骤5-2：确定规范化矩阵的理想解
，方法如下：
其中，
表示第
个指标的理想解；
步骤5-3：设客观权重向量为
，
表示第
个指标的客观权重，则最优的权重向量满足：
其中，
，
表示各评价对象到理想点距离的加权平方和；
步骤5-4：利用Lagrange乘数法求解客观权重
，方法如下：
首先，建立Lagrange函数
，如下：
其中，
表示Lagrange乘子，则：
最后，联立方程求解得到客观权重
为：
其中，
。
步骤6，以最小化主客观加权属性偏离度为优化目标建立组合权重求解模型，利用Lagrange乘数法，计算各项指标综合权重，具体方法如下：
步骤6-1：对主客观权重向量线性组合得到各项指标综合权重为：
其中，
表示第
个评价指标的综合权重值，
表示由层次分析法得到的主观评价指标权重，
表示由G1法得到的主观评价指标权重，
表示评价指标客观权重，
和
为常数，且满足
；
步骤6-2：对于第
个评价对象，其主客观加权属性的偏离程度表示为：
其中，
，
表示第
个评价对象主客观加权属性偏离程度；
步骤6-3：以最小化主客观加权属性偏离程度为目标函数建立权重组合优化模型：
其中，
表示最小化
个评价对象的主客观加权属性偏离度；
步骤6-4：利用Lagrange乘数法求解待定常数：
首先，建立Lagrange函数：
其中，
表示Lagrange乘子，则有：
最后，联立方程求解得到待定常数a和b分别为：
步骤6-5：将常数
和
带入
中，得到第
个指标综合权重为：
其中，
。
步骤7，根据步骤1中确定的各项指标等级区间及其综合权重，计算机场运行效率评价分级标准，具体方法如下：
步骤7-1：根据各项指标等级区间确定的规范化矩阵
为：
步骤7-2：根据规范化矩阵
和综合权重建立加权判别矩阵
：
其中，
表示加权判别矩阵元素，
；
步骤7-3：确定正理想解
、负理想解
和虚拟负理想解
：
其中，
，
、
和
分别表示第
个评价指标的正理想解、负理想解和虚拟负理想解；
步骤7-4：计算各项指标等级区间、各评价对象与正理想解和虚拟负理想解的欧式空间距离
、
：
其中，
；
步骤7-5：计算相对接近度
：
其中，
，根据相对接近度
确定机场运行效率评价分级标准。
步骤8，以机场协同决策系统为数据输入，采集各项指标实时运行数据，计算出实时指标值，根据实时指标值及其综合权重确定机场实时运行效率等级；
步骤9，机场运行效率预测，根据本场航班数据、天气、行李数据以及各项指标的历史数据，利用XGBoost预测模型得到下一时间段的指标值，并利用预测的指标值对运行效率进行预测，具体步骤如下：
步骤9-1：从预建立的基础信息数据库采集机场运行基础信息，包括：本场航班数据、资源使用时间数据、历史资源保障效率、本场天气数据、机场旅客流数据、行李流数据和陆侧交通数据；
步骤9-2：计算机场在指定历史时间段内的各项评价指标值，构建各项评价指标历史时序数据集，并将历史时序数据集拆分成训练集和测试集；
步骤9-3：利用训练集对XGBoost预测模型进行训练，采用测试集对XGBoost预测模型进行验证，确定XGBoost预测模型最终的一般参数、弱评估器参数和任务参数；
步骤9-4：采用网格搜索法确定XGBoost预测模型的最优超参数；
步骤9-5：根据XGBoost预测模型预测未来一段时间内的各项指标值，并利用预测的指标值对机场运行效率进行预测。
有益效果：
1、建立了覆盖机场航班运行全流程的运行效率评价指标体系，该评价体系包括5个一级指标和14个二级指标，且二级指标均可量化统计。
2、根据决策者信息利用层次分析法计算各项指标主观权重，并引入博弈论实现L个决策者信息融合处理。
3、根据决策矩阵计算各项指标客观权重，并以最小化主客观加权属性偏离度为优化目标求得各项指标综合权重，提高了指标权重计算科学性。
4、利用XGBoost预测模型预测未来一段时间内的各项指标值，并以此预测值实现机场运行效率预测分析。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本发明方法的流程图。
图2为本发明建立的机场运行效率评价指标体系示意图。
图3为主观权重、客观权重以及综合权重对比曲线示意图。
具体实施方式
如图1所示，本发明提供了一种机场运行效率评价指标设计及监测方法，包括以下步骤：
S1：围绕机场航班运行全流程，建立包含5个一级指标和14个二级指标的机场运行效率评价指标体系，并确定各项指标评价等级区间；
本发明中，5个一级指标包括机位运行效率、旅客登机效率、飞机滑行效率、正常率和协同效率，14个二级指标包括航班靠桥率、廊桥周转率、机位变更比例、机位变更提前时长、登机口变更比例、登机口变更提前时长、单位旅客登机时长、旅客登机等待时长、航班滑入时长、航班滑出时长、航班正常率、平均进场延误时长、平均离港延误时长和预计到达时间准确度，见图2；
本发明中，根据机场日常运行将二级指标细分为5个等级，分别为优I、良II、一般III、较差IV和差V，各项指标等级区间见表1：
表1指标等级区间表
S2：依据建立的机场运行效率评价指标体系，以机场协同决策系统为输入，采集各项指标运行数据建立决策矩阵，并进行规范化处理，具体过程：
根据步骤S1中确定的各项指标等级区间和机场协同决策系统采集到的待评价对象各项指标原始数据建立决策矩阵
：
其中，
表示决策矩阵，
表示评价指标等级区间数，
表示待评价对象数，n表示评价指标数，
表示决策矩阵元素，本发明
取值为6，
取值为14，并采用如下方法对决策矩阵进行规范化处理：
对于正向指标，其规范化处理式为：
对于负向指标，其规范化处理式为：
其中，
表示规范化处理后的矩阵元素，由此机场运行效率评价规范化矩阵
可表示为：
S3：根据建立的机场运行效率评价指标体系，利用层次分析法并融合博弈论计算各项指标主观权重，主观权重融合计算过程：
设有
个决策者利用层次分析法确定得到
个指标的权重，则第
个决策者确定的权重向量可表示为
，其中，
，因此，由
个权重向量经线性组合后的主观融合权重向量
为：
其中，
表示主观融合权重向量，
表示线性组合系数；
按照博弈论组合原理，主观融合权重向量应满足：
其中，
，
表示2范数；
按照微分原理求导，可得到最优化一阶导数的条件为：
进而可以求得线性组合系数方程为：
求解该方程组，并将
带入
中可得到主观融合权重向量
；
进一步，本发明
取值为5，因此可得线性组合系数方程为：
求解该方程组，并将
带入
中可得到主观融合权重向量
。
S4：根据建立的机场运行效率评价指标体系，利用G1法计算各项指标主观权重具体过程：
步骤4-1：确定序关系，设评价指标集
为机场运行效率评价指标体系中同一级的
个指标，且
，结合专家建议按照以下步骤确定指标序关系：
步骤4-1-1：专家在评价指标集
中选择最重要的一个评价指标，记作
；
步骤4-1-2：在评价指标集剩余的
个评价指标中选择次重要的一个评价指标，记作
，经过
次选择后，最后一个评价指标记为
；
步骤4-1-3：从而可以确定得到评价指标集
的序关系为：
将重新组成的集合
称为确定序关系后的评价指标集，进而可以得到相邻指标间的重要程度排序；
步骤4-2：相邻指标间的重要程度定量分析，根据表2对相邻评价指标
和
之间的重要程度进行量化，可表示为：
其中，
表示相邻评价指标
和
之间的相对重要程度比值；
取值范围为
；
和
表示相邻评价指标
和
的权重，根据常用文化用语，
赋值如表2所示；
表2 
赋值参考表
步骤4-3：指标权重计算，根据给定的
赋值，评价指标
的权重计算式为：
其中，
为评价指标
的权重；
进而得到机场运行效率评价指标集的主观权重向量
为：
其中，
表示对应原始评价指标集的主观权重向量；
由于专家认知存在差异，给出的评价指标序关系也不尽相同，向量
为根据任意一位专家给定的评价指标序关系计算得到的权重值，为减小主观因素差异对权重值的计算影响，需要对
位专家确定得到的评价指标权重值求平均，并检验其离散度，具体方法如下：
设
位参评专家确定得到的评价指标
的权重向量为
，则指标
的权重平均值为：
其中，
，
表示指标
的权重平均值，
表示参评专家人数，
表示第
位专家确定得到的指标
权重；
由多位专家确定得到的指标权重离散度越小，则评价指标权重越可靠，由
位参评专家确定得到的评价指标
的权重值的离散度为：
其中，
表示指标
的权重值离散度，若
大于设定的阈值，则重新确定评价指标序关系，并按照步骤S4重新计算指标权重；
进一步，本发明
设定的阈值为0.18。
S5：根据建立的机场运行效率评价指标体系，利用S2中确定的决策矩阵计算各项指标客观权重，具体过程：
步骤5-1：由机场协同决策系统采集到的待评价对象各项指标规范化矩阵Y¢为：
步骤5-2：确定规范化矩阵的理想解：
步骤5-3：设客观权重向量为
，则最优的权重向量应满足：
其中，
，
表示各评价对象到理想点距离的加权平方和；
步骤5-4：利用Lagrange乘数法求解客观权重
为：
首先，建立Lagrange函数：
其中，
表示Lagrange乘子，则有：
最后，联立方程可求解得到客观权重
为：
其中，
。
S6：以最小化主客观加权属性偏离度为优化目标建立组合权重求解模型，利用Lagrange乘数法求得各项指标综合权重，具体过程：
步骤6-1：对主客观权重向量线性组合可得到各项指标综合权重为：
其中，
表示第
个指标综合权重值，
表示由层次分析法得到的主观权重，
表示由G1法得到的主观权重，
表示评价指标客观权重，
和
为待定常数，且满足
，
；
步骤6-2：对于第
个评价对象，其主客观加权属性的偏离程度可表示为：
其中，
，
表示第
个评价对象主客观加权属性偏离程度；
步骤6-3：以最小化主客观加权属性偏离程度为目标函数建立权重组合优化模型：
其中，minZ表示最小化m个评价对象的主客观加权属性偏离度；
步骤6-4：利用Lagrange乘数法求解待定常数：
首先，建立Lagrange函数：
其中，
表示Lagrange乘子，则有：
最后，联立方程可求解得到待定常数
和
分别为：
步骤6-5：将常数
和
带入
中，得到第
个指标综合权重为：
其中，
。
S7：根据步骤S1中确定的各项指标等级区间及其综合权重，计算机场运行效率评价分级标准，具体过程：
步骤7-1：根据各项指标等级区间确定的规范化矩阵
为：
步骤7-2：根据规范化矩阵
和综合权重建立加权判别矩阵
：
其中，
表示加权判别矩阵元素，
；
步骤7-3：确定正理想解
、负理想解
和虚拟负理想解
：
其中，
，
、
和
分别表示第
个评价指标的正理想解、负理想解和虚拟负理想解；
步骤7-4：计算各项指标等级区间、各评价对象与正理想解和虚拟负理想解的欧式空间距离
、
：
其中，
；
步骤7-5：计算相对接近度
：
其中，
，根据相对接近度
确定机场运行效率评价分级标准。
S8：以机场协同决策系统为数据输入，采集各项指标实时运行数据，计算出实时指标值，根据实时指标值及其综合权重确定机场实时运行效率等级。
S9：根据本场航班数据、天气、行李数据以及各项指标历史数据等，利用XGBoost预测模型得到下一时间段的指标值，并利用预测的指标值对运行效率进行预测，具体过程：
步骤9-1：从预建立的基础信息数据库采集机场运行基础信息，包括：本场航班数据（运行和计划）、资源使用时间数据、历史资源保障效率、本场天气数据、机场旅客流数据、行李流数据和陆侧交通数据；
步骤9-2：计算机场在指定历史时间段内的各项评价指标值，构建各项评价指标历史时序数据集，并将历史时序数据集拆分成训练集和测试集；
步骤9-3：利用训练集对XGBoost预测模型进行训练，采用测试集对XGBoost预测模型进行验证，确定XGBoost预测模型最终的一般参数、弱评估器参数和任务参数；
步骤9-4：采用网格搜索法确定XGBoost预测模型的最优超参数；
步骤9-5：根据XGBoost预测模型预测未来一段时间内的各项指标值，并利用预测的指标值对机场运行效率进行预测。
实施例
选择我国8家典型机场为研究对象，包括：昆明长水国际机场(KMG)、南京禄口国际机场(NKG)、贵阳龙洞堡国际机场(KWE)、宁波栎社国际机场(NGB)、合肥新桥国际机场(HFE)、泉州晋江国际机场(JJN)、德宏芒市国际机场(LUM)、大理国际机场(DLU)，对本发明提出的方法进行有效性说明。按照旅客吞吐量将8家机场分为3类，其中年吞吐量超过1000万的视为第一类，包括：昆明长水、南京禄口、贵阳龙洞堡3家机场；年吞吐量在200~1000万之间的视为第二类，包括：宁波栎社、合肥新桥、泉州晋江3家机场；年吞吐量在200万以下的视为第三类，包括：德宏芒市、大理2家机场。按照本发明建立的机场运行效率评价指标体系进行实地调研，并查阅相关资料，获取机场实际运行数据。本发明基于2018年6月份的机场实际运行数据，8家机场运行效率指标原始数据和评价指标正负性见如表3。
表3 机场运行效率指标原始数据和评价指标正负性表
（1）确定各项指标权重
表4为根据本发明方法分别确定得到的主观权重、客观权重以及综合权重，图3为主观权重、客观权重以及综合权重对比曲线。
表4 主观权重、客观权重以及综合权重表
由于客观权重法计算指标权重时缺少实际运行经验的衡量，将两种方法得到的权重进行融合，不仅能够体现决策者对不同指标的经验，也充分利用了数据本身提供的信息量特征，得到更加符合实际运行的指标权重值。
（2）计算机场运行效率评价等级标准
表5为根据本发明方法获得的机场运行效率评价等级标准。
表5 机场运行效率评价等级标准表
（3）机场运行效率监测
采集机场协同决策系统实时数据，利用本发明提出的方法对该机场的运行效率进行评价分析，表6为该机场某日8:00、11:00以及15:00不同时刻实时运行数据统计值，表中同时给出了不同时刻的运行效率等级。
表6 不同时刻实时运行数据统计表
具体实现中，本申请提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的一种机场运行效率评价指标设计及监测方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体（read-only memory，ROM）或随机存储记忆体（random access memory，RAM）等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备（可以是个人计算机，服务器，单片机，MUU或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了一种机场运行效率评价指标设计及监测方法的思路及方法，具体实现该技术方案的方法和途径很多，以上所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。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (5)
1.一种机场运行效率评价指标设计及监测方法，其特征在于，包括如下步骤：
步骤1，围绕机场航班运行全流程，建立包含五个一级指标和与其对应的十四个二级指标的机场运行效率评价指标体系，其中所述的五个一级指标，包括：机位运行效率、旅客登机效率、飞机滑行效率、正常率和协同效率，并确定各项指标的评价等级区间；
步骤2，依据建立的机场运行效率评价指标体系，以机场协同决策系统为输入，采集各项指标的历史运行数据，建立决策矩阵，并进行规范化处理；
步骤3，根据建立的机场运行效率评价指标体系，利用层次分析法并融合博弈论计算各项指标主观权重；
步骤4，根据建立的机场运行效率评价指标体系，利用G1法计算各项指标主观权重；
步骤5，根据建立的机场运行效率评价指标体系，利用步骤2中确定的决策矩阵计算各项指标客观权重；
步骤6，以最小化主客观加权属性偏离度为优化目标建立组合权重求解模型，利用Lagrange乘数法，计算各项指标综合权重；
步骤7，根据步骤1中确定的各项指标等级区间及其综合权重，计算机场运行效率评价分级标准；
步骤8，以机场协同决策系统为数据输入，采集各项指标实时运行数据，计算出实时指标值，根据实时指标值及其综合权重确定机场实时运行效率等级；
步骤9，机场运行效率预测，根据本场航班数据、天气、行李数据以及各项指标的历史数据，利用XGBoost预测模型得到下一时间段的指标值，并利用预测的指标值对运行效率进行预测；
步骤2中所述的建立决策矩阵，具体方法如下：
其中，X表示决策矩阵，h表示评价指标等级区间数，m表示待评价对象数，n表示评价指标数，xij表示决策矩阵元素，并采用如下方法对决策矩阵进行规范化处理：
对于正向指标，其规范化处理式为：
对于负向指标，其规范化处理式为：
其中，yij表示规范化处理后的矩阵元素，机场运行效率评价规范化矩阵Y表示如下：
所述机场运行效率评价指标体系通过上述矩阵Y表示；
步骤3中所述的利用层次分析法并融合博弈论计算各项指标主观权重，具体方法如下：
设有L个决策者利用层次分析法确定得到n个评价指标的权重，则第k个决策者确定的权重向量表示为Wk＝(wk1,wk2,…,wkn)，其中，k＝(1,2,…,L)，因此，由L个权重向量经线性组合后的主观融合权重向量W为：
其中，W表示主观融合权重向量，ak表示第k个线性组合系数；
按照博弈论组合原理，主观融合权重向量满足：
其中，l＝(1,2,…,L)，‖ ‖2表示2范数；
按照微分原理求导，得到最优化一阶导数的条件为：
进而求得线性组合系数方程为：
求解该方程组，并将(a1,a2,…,aL)带入
中得到主观融合权重向量W；
步骤6中所述的计算各项指标综合权重，具体方法如下：
步骤6-1：对主客观权重向量线性组合得到各项指标综合权重为：
其中，μj表示第j个评价指标的综合权重值，wj表示由层次分析法得到的主观评价指标权重，vj表示由G1法得到的主观评价指标权重，ωj表示评价指标客观权重，α和β为常数，且满足α+β＝1，αβ≥0；
步骤6-2：对于第i个评价对象，其主客观加权属性的偏离程度表示为：
其中，i＝(1,2,…,m)，Zi表示第i个评价对象主客观加权属性偏离程度；
步骤6-3：以最小化主客观加权属性偏离程度为目标函数建立权重组合优化模型：
其中，min Z表示最小化m个评价对象的主客观加权属性偏离度；
步骤6-4：利用Lagrange乘数法求解待定常数：
首先，建立Lagrange函数：
其中，λ表示Lagrange乘子，则有：
最后，联立方程求解得到待定常数α和β分别为：
步骤6-5：将常数α和β带入
中，得到第j个指标综合权重为：
其中，j＝(1,2,…,n)；
步骤7中所述的计算机场运行效率评价分级标准，具体方法如下：
步骤7-1：根据各项指标等级区间确定的规范化矩阵Y″为：
步骤7-2：根据规范化矩阵Y″和综合权重建立加权判别矩阵S：
其中，sij表示加权判别矩阵元素，i＝(1,2,…,h)，j＝(1,2,…,n)；
步骤7-3：确定正理想解S+、负理想解S-和虚拟负理想解S*：
其中，j＝(1,2,…,n)，
和
分别表示第j个评价指标的正理想解、负理想解和虚拟负理想解；
步骤7-4：计算各项指标等级区间、各评价对象与正理想解和虚拟负理想解的欧式空间距离
和
其中，i＝(1,2,…,h)；
步骤7-5：计算相对接近度Ci：
其中，i＝(1,2,…,h)，根据相对接近度Ci确定机场运行效率评价分级标准。
2.根据权利要求1所述的一种机场运行效率评价指标设计及监测方法，其特征在于，步骤1中所述的十四个二级指标，包括：航班靠桥率、廊桥周转率、机位变更比例、机位变更提前时长、登机口变更比例、登机口变更提前时长、单位旅客登机时长、旅客登机等待时长、航班滑入时长、航班滑出时长、航班正常率、平均进场延误时长、平均离港延误时长和预计到达时间准确度。
3.根据权利要求2所述的一种机场运行效率评价指标设计及监测方法，其特征在于，步骤4中所述的利用G1法计算各项指标主观权重，具体方法包括：
步骤4-1：确定序关系，设评价指标集
为机场运行效率评价指标体系中同一级的n1个指标，且n1≥2，结合专家建议按照以下步骤确定指标序关系：
步骤4-1-1：专家在评价指标集
中选择最重要的一个评价指标，记作
步骤4-1-2：在评价指标集剩余的n1-1个评价指标中选择次重要的一个评价指标，记作
经过n1-1次选择后，最后一个评价指标记为
步骤4-1-3：从而确定得到评价指标集
的序关系为：
将重新组成的集合
称为确定序关系后的评价指标集，进而得到相邻指标间的重要程度排序；
步骤4-2：相邻指标间的重要程度定量分析，对相邻评价指标
和
之间的重要程度进行量化，表示为：
其中，
表示相邻评价指标
和
之间的相对重要程度比值；k1取值范围为[2,n1]；
和
表示相邻评价指标
和
的权重；
步骤4-3：指标权重计算，根据给定的
赋值，评价指标
的权重计算式为：
其中，
为评价指标
的权重；
进而得到机场运行效率评价指标集的主观权重向量v为：
其中，v表示对应原始评价指标集的主观权重向量；
对P位专家确定得到的评价指标权重值求平均，并检验其离散度，具体方法如下：
设P位参评专家确定得到的评价指标j′的权重向量为vj′＝(vj′1,vj′2,…,vj′P)，则指标j′的权重平均值为：
其中，j′＝(1,2,…,n1)，
表示指标j′的权重平均值，P表示参评专家人数，vj′p表示第p位专家确定得到的指标j′权重；
由P位参评专家确定得到的评价指标j′的权重值的离散度为：
其中，Vj′表示指标j′的权重值离散度，若Vj′大于设定的阈值，则重新确定评价指标序关系，并重新执行步骤4。
4.根据权利要求3所述的一种机场运行效率评价指标设计及监测方法，其特征在于，步骤5中所述的利用步骤2中确定的决策矩阵计算各项指标客观权重，具体方法如下：
步骤5-1：由机场协同决策系统采集到的待评价对象各项指标规范化矩阵Y′为：
步骤5-2：确定规范化矩阵的理想解Y*，方法如下：
其中，
表示第n个指标的理想解；
步骤5-3：设客观权重向量为ω＝(ω1,ω2,…,ωn)，ωn表示第n个指标的客观权重，则最优的权重向量满足：
其中，j＝(1,2,…,n)，T表示各评价对象到理想点距离的加权平方和；
步骤5-4：利用Lagrange乘数法求解客观权重ωj，方法如下：
首先，建立Lagrange函数L(ω,λ)，如下：
其中，λ表示Lagrange乘子，则：
最后，联立方程求解得到客观权重ωj为：
其中，j＝(1,2,…,n)。
5.根据权利要求4所述的一种机场运行效率评价指标设计及监测方法，其特征在于，步骤9中所述的机场运行效率预测，具体步骤如下：
步骤9-1：从预建立的基础信息数据库采集机场运行基础信息，包括：本场航班数据、资源使用时间数据、历史资源保障效率、本场天气数据、机场旅客流数据、行李流数据和陆侧交通数据；
步骤9-2：计算机场在指定历史时间段内的各项评价指标值，构建各项评价指标历史时序数据集，并将历史时序数据集拆分成训练集和测试集；
步骤9-3：利用训练集对XGBoost预测模型进行训练，采用测试集对XGBoost预测模型进行验证，确定XGBoost预测模型最终的一般参数、弱评估器参数和任务参数；
步骤9-4：采用网格搜索法确定XGBoost预测模型的最优超参数；
步骤9-5：根据XGBoost预测模型预测未来一段时间内的各项指标值，并利用预测的指标值对机场运行效率进行预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310381002.9A CN116109212B (zh) | 2023-04-11 | 2023-04-11 | 一种机场运行效率评价指标设计及监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310381002.9A CN116109212B (zh) | 2023-04-11 | 2023-04-11 | 一种机场运行效率评价指标设计及监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116109212A CN116109212A (zh) | 2023-05-12 |
| CN116109212B true CN116109212B (zh) | 2023-06-27 |
Family
ID=86256492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310381002.9A Active CN116109212B (zh) | 2023-04-11 | 2023-04-11 | 一种机场运行效率评价指标设计及监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116109212B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116757554A (zh) * | 2023-08-14 | 2023-09-15 | 青岛民航凯亚系统集成有限公司 | 一种机场飞行区效能评价方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160719A (zh) * | 2019-12-10 | 2020-05-15 | 国网浙江省电力有限公司杭州供电公司 | 两网融合的多指标评估方法 |
| CN113570186A (zh) * | 2021-06-11 | 2021-10-29 | 飞友科技有限公司 | 一种基于多维指标的机场运行效率评价方法及装置 |
| CN113837621A (zh) * | 2021-09-27 | 2021-12-24 | 中国电子科技集团公司第二十八研究所 | 一种机场飞行区安全风险综合评价方法 |
| CN114331176A (zh) * | 2021-12-31 | 2022-04-12 | 国网湖北省电力有限公司经济技术研究院 | 基于最小交叉熵准则融合主客观评价的评价方法及其应用 |
| CN114757392A (zh) * | 2022-03-17 | 2022-07-15 | 国网浙江省电力有限公司杭州供电公司 | 基于博弈权重法的电网系统综合评价指标体系优化方法 |
| CN114820078A (zh) * | 2022-05-20 | 2022-07-29 | 大连大学 | 一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法 |
| CN114880828A (zh) * | 2021-09-17 | 2022-08-09 | 中国电力科学研究院有限公司 | 一种电缆质量的评分方法及系统 |
| CN115456343A (zh) * | 2022-08-11 | 2022-12-09 | 中国电子科技集团公司第二十八研究所 | 一种智慧机场评价指标体系构建与评价方法 |
| CN115564334A (zh) * | 2022-08-11 | 2023-01-03 | 国网物资有限公司 | 一种电力物资智慧供应链发展指数评价方法 |
-
2023
- 2023-04-11 CN CN202310381002.9A patent/CN116109212B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160719A (zh) * | 2019-12-10 | 2020-05-15 | 国网浙江省电力有限公司杭州供电公司 | 两网融合的多指标评估方法 |
| CN113570186A (zh) * | 2021-06-11 | 2021-10-29 | 飞友科技有限公司 | 一种基于多维指标的机场运行效率评价方法及装置 |
| CN114880828A (zh) * | 2021-09-17 | 2022-08-09 | 中国电力科学研究院有限公司 | 一种电缆质量的评分方法及系统 |
| CN113837621A (zh) * | 2021-09-27 | 2021-12-24 | 中国电子科技集团公司第二十八研究所 | 一种机场飞行区安全风险综合评价方法 |
| CN114331176A (zh) * | 2021-12-31 | 2022-04-12 | 国网湖北省电力有限公司经济技术研究院 | 基于最小交叉熵准则融合主客观评价的评价方法及其应用 |
| CN114757392A (zh) * | 2022-03-17 | 2022-07-15 | 国网浙江省电力有限公司杭州供电公司 | 基于博弈权重法的电网系统综合评价指标体系优化方法 |
| CN114820078A (zh) * | 2022-05-20 | 2022-07-29 | 大连大学 | 一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法 |
| CN115456343A (zh) * | 2022-08-11 | 2022-12-09 | 中国电子科技集团公司第二十八研究所 | 一种智慧机场评价指标体系构建与评价方法 |
| CN115564334A (zh) * | 2022-08-11 | 2023-01-03 | 国网物资有限公司 | 一种电力物资智慧供应链发展指数评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| Intelligent Analysis of Line Loss Based on Game Theory Combined with Weighting - TOPSIS Method;Le Wei 等;《2021 the 7th International Conference on Computer and Communications》;第1389-1393页 * |
| 基于组合赋权-TOPSIS 模型的机场运行效率评价;胡杰 等;《系统仿真学报》;第1-13页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116109212A (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021082393A1 (zh) | 基于大数据深度学习的机场场面可变滑出时间预测方法 | |
| CN106096830B (zh) | 基于广义证据理论的继电保护状态评价方法及系统 | |
| WO2021082394A1 (zh) | 基于大数据深度学习的场面可变滑出时间预测系统 | |
| WO2020248228A1 (zh) | 一种Hadoop平台计算节点负载预测方法 | |
| CN111401601B (zh) | 一种面向延误传播的航班起降时间预测方法 | |
| CN104881609A (zh) | 一种复杂软件系统软件单元可信性评估方法 | |
| CN116109212B (zh) | 一种机场运行效率评价指标设计及监测方法 | |
| CN106339358B (zh) | 基于多元回归分析的航空器场面滑行时间预测方法 | |
| CN108133090B (zh) | 一种可靠性敏感度驱动的高端复杂装备可靠性分析方法 | |
| CN110210648A (zh) | 基于灰色长短期记忆网络的管制空域战略流量预测方法 | |
| CN105809280A (zh) | 一种机场容量需求预测方法 | |
| WO2017071369A1 (zh) | 一种预测用户离网的方法和设备 | |
| CN114881396A (zh) | 一种基于ahp和topsis的隧道坍塌风险评估方法 | |
| CN112668822A (zh) | 科技成果转化平台共享系统、方法、存储介质、手机app | |
| CN114119110A (zh) | 一种工程造价清单归集系统及其方法 | |
| CN114611781A (zh) | 一种面向航班计划的离港旅客聚集信息预测方法及系统 | |
| CN112149976A (zh) | 一种基于人工智能的电网精准投资项目决策方法 | |
| CN105224801B (zh) | 一种多因子水库入库流量短期预报评价方法 | |
| CN105933138A (zh) | 一种时空维度相结合的云服务可信态势评估与预测方法 | |
| CN117273786A (zh) | 民用客机市场直接运营成本的估计方法 | |
| CN114626655A (zh) | 一种区域综合能源系统多标准综合评价方法 | |
| CN116384807A (zh) | 基于模糊综合评价模型的航路网络拥挤态势评估方法 | |
| Wang | Application of fuzzy math in cost estimation of construction project | |
| Songbin et al. | Flight safety system evaluation and optimal linear prediction | |
| CN114065624A (zh) | 一种炼化装置管网完整性管理水平智能评估方法 |
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 |