CN117789538B - 一种基于规则引擎的航班动态连班方法 - Google Patents

Abstract

本发明公开了一种基于规则引擎的航班动态连班方法，包括：创建航班计划表；创建历史飞行航线表；创建飞行时长记录表；建立航班连班规则引擎，航班连班规则引擎包含航班连班筛选条件及航班连班；构建航班连班权重模型；实时接收民航电报，更新航班计划信息，并创建航班连班资源池；计算连班资源池中航班的连班权重，并进行航班连班。本发明能够根据接收到的航班变更信息，自动进行航班的拆班和连班；减少人工操作，避免人工操作过程中的产生的人为差错。

Description

一种基于规则引擎的航班动态连班方法

技术领域

本发明属于民用航空机场信息系统技术领域，具体涉及一种基于规则引擎的航班动态连班方法。

背景技术

随着民用航空业的飞速发展，日益增长的航班数量及客流量，为机场自动化系统带来了巨大的挑战，对系统自动化、智能化具有更高的要求。航班保障是机场的核心工作，航班从前站起飞，降落到本场机场，经由本场的地服保障人员进行航班保障工作，保障作业完成后，航班离场，完成本场的飞行任务。自动化系统中通过连班的概念将执行同一飞行任务的航班进行连接绑定，为航班降落后的航班保障提供完整的飞行数据。

目前机场自动化系统中的连班操作，主要是通过航空公司、执飞的机号进行连班处理，在航班的机号发生变更时，用户根据航空公司发布的航班计划，人工识别对应的进港和离港航班，进行手动拆班及连班。大型机场航班信息更新频次高、更新速度快，人工调整的方式会大大增加用户的工作负荷，且在操作过程中可能存在操作不当的情况；在实际运行中，会出现临时更换飞机、飞机调机、航班延误等特殊情况，造成连班不准确、航班前序后续航班不连续、保障时间不够等情况，影响机场运行。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于规则引擎的航班动态连班方法，以解决现有技术中航班信息更新频繁，人工连班工作负荷大，运行过程中调机、临时变更机号造成的连班更新不及时的问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于规则引擎的航班动态连班方法，步骤如下：

1）创建航班计划表DB_FLIGHT，用于存储航班计划信息，以及接收民航电报，实时更新航班动态信息；

2）创建历史飞行航线表DB_AIRWAY_HIS，统计航司的航班从始发站飞往目的站机场的飞行次数，用于计算该航班执行从始发站飞往目的站飞行任务的经验数据；

3）创建飞行时长记录表DB_FT，用于统计以某机型执行从起飞机场到降落机场的飞行任务所需要的飞行时长，并根据该飞行时长值预测航班起飞后到达降落机场的时间；

4）建立航班连班规则引擎，航班连班规则引擎包含航班连班筛选条件及航班连班；

5）构建航班连班权重模型；

6）实时接收民航电报，更新航班计划信息，并创建航班连班资源池；

7）计算连班资源池中航班的连班权重，并进行航班连班。

进一步地，所述步骤1）中的航班计划表的具体字段信息包括：航班号、所属航空公司、执行日、航班状态、起飞机场、计划起飞时间、预计起飞时间、实际起飞时间、降落机场、计划降落时间、预计降落时间、实际降落时间、机型、机号、航班性质、任务类型、客货属性。

进一步地，所述步骤2）中的历史飞行航线表的具体字段信息包括：航班号、所属航空公司、执行日、始发站、前站、下一站、目的站、飞行次数。

进一步地，所述步骤3）中的飞行时长记录表的具体字段信息包含：起飞机场、降落机场、机型、历史飞行时长。

进一步地，所述步骤3）中飞行时长的统计方法为：航班计划表中相同机型、起飞机场以及降落机场的航班数据的实际降落时间与实际起飞时间/>的差值的中位数：

；

式中，表示同一机型、同一起飞机场、同一降落机场的航班飞行时长的统计结果，/>表示相同机型、起飞机场、降落机场的飞行时长的中位数。

进一步地，所述步骤4）具体包括：

基于航班进港时间和离港时间的差值需满足航班的最短过站时间要求及航班执行进离港飞行任务的相关要求，提取出7个特征，建立航班连班规则引擎，特征包含：所属航空公司、航班过站时间、机号、航班性质、任务类型、客货属性、航线，（考虑到在航班实际运行时会产生各种特殊情况，如临时换飞机执行飞行任务、调机飞行等，部分进港和离港的特征不完全一致）将所属航空公司、航班过站时间作为连班筛选条件；机号、航班性质、任务类型、客货属性、航线作为连班特征；

航班连班规则引擎中连班筛选条件如下：

进港航班与离港航班的所属航空公司相同；

进港航班与离港航班的机号相同；

进港航班的降落时间与离港航班的起飞时间的差值大于最短过站时间；

（1）；

其中，式（1）为判断连班的筛选条件，用于初步筛选符合基本要求的连班航班；表示进港航班；/>表示离港航班；/>表示航班的所属航空公司；/>表示航班的过站时间；/>表示最短过站时间要求，设置为/> ；/> 为离港航班的起飞时间；/>为进港航班的降落时间。

航班连班规则引擎中航班连班规则知识库如下：

进港航班与离港航班的航班性质相同；

进港航班与离港航班的任务类型相同；

进港航班与离港航班的客货属性相同；

进港航班与离港航班构成的飞行航线参照历史飞行航线表中的经验数据；

（2）；

其中，式（2）为判断连班的筛选条件，用于初步筛选符合基本要求的连班航班；表示进港航班；/>表示离港航班；/>表示航班的机号；/>（missionProperty）表示航班的航班性质；/>（missionType）表示航班的任务类型；/>表示航班的客货属性；/>表示/>的起飞机场与/>的降落机场以及/>的降落机场构成的飞行航线；表示历史飞行航线表；

根据进港航班和离港航班的特征，与建立的连班规则进行比对，得到航班连班特征矩阵，该矩阵为/>矩阵，满足取值为1，否则为0；

；

；

其中，表示机号特征值，/>表示航班性质特征值，/>表示任务类型特征值，/>表示客货属性特征值，/>表示航线特征值。

进一步地，所述步骤5）具体包括：

51）建立航班连班特征权重判断矩阵；

基于历史飞行航线表中的历史飞行航线数据，将已正确连班的数据作为样本数据，统计连班进港航班与离港航班各特征值满足连班规则知识库中的连班条件的数量，满足则该特征样本数加1，基于统计数据利用层次分析法中的标度方法，将统计好的特征样本数量进行两两比对，以此构建特征权重判断矩阵；

52）一致性指标校验；

521）根据构建的航班连班特征权重判断矩阵计算一致性指标值：

；

其中，为特征的数量，即/>，/>为最大特征值；

522）根据特征的数量n在平均随机一致性指标表中查找对应的平均随机一致性指标；

523）根据计算一致性比例，如果/>，则一致性校验通过，航班连班特征权重判断矩阵的一致性可接受；如果/>，则调整统计样本数据，对判断矩阵进行重新计算；一致性比例/>的计算表达式如下：

；

53）利用算术平均法计算航班每个特征值的特征权重值：

；

其中，为第/>个特征的特征权重，/>为特征值的数量5，/>和/>表示特征权重；

54）构建航班连班权重模型：将计算得到的特征权重值与航班连班特征值进行加权求和，得到航班连班的权重值：

；

其中，表示航班的第/>个特征值。

进一步地，所述步骤6）具体包括：

61）接收计划电报，在航班计划表中创建航班计划；接收动态电报，更新航班计划表中的字段数据，判断航班变更信息是否满足动态连班触发条件，若满足，则进入步骤62）；若不满足，则结束；

62）根据步骤4）中建立的连班规则知识库中的连班筛选条件，从航班计划表中筛选出符合连班筛选条件的连班资源池：

；

其中，下标为连班资源池中航班的数量，/>表示连班资源池中的第/>个航班；

当航班计划为进港航班时，连班资源池由离港航班构成；当航班计划为离港航班时，连班资源池由进港航班构成；

在连班筛选条件中，计算进港航班与离港航班的过站时间，确定进港航班的降落时间以及离港航班的起飞时间；针对航班的不同阶段，获取进港航班的降落时间与离港航班的起飞时间，获取规则如下：

621）进港航班降落时间获取；

若航班接收到FPL民航电报，并更新了预计降落时间，则进港航班降落时间为预计降落时间；

若航班未接收到FPL民航电报，且航班状态为计划状态，则进港航班降落时间为计划降落时间；

若航班状态为起飞状态，根据进港航班的机型、起飞机场、降落机场，在飞行时长记录表中查找对应的预计飞行时长，进港航班降落时间为实际起飞时间加上预计飞行时长；

；

其中，ldt为进港航班的降落时间，表示航班状态，PLN表示计划状态，DEP表示起飞状态，eldt表示预计降落时间，sldt表示计划降落时间，atot表示实际起飞时间；

622）离港航班起飞时间获取；

若航班接收到FPL民航电报，并更新了预计起飞时间，则离港航班起飞时间为预计起飞时间；

若航班未接收到FPL民航电报，且航班状态为计划状态，则离港航班起飞时间为计划起飞时间：

；

其中，tot为离港航班的起飞时间，etot为预计起飞时间，stot为计划起飞时间。

进一步地，所述步骤61）中的动态连班触发条件具体为：新增航班计划、更新航班的机号信息及更新进港航班的降落时间或者更新离港航班的起飞时间。

进一步地，所述步骤7）具体包括：

71）利用步骤5）中构建的航班连班权重模型，根据航班计划与连班资源池中各航班的特征值/>及特征对应的权重值，计算连班权重矩阵/>：

；

其中，表示连班资源池中第/>个航班的连班权重；

72）根据连班权重矩阵进行动态拆连班；权重值最大的航班作为连班最优解，当出现权重值相同的情况，选取过站时间最短的航班进行连班，当已经存在连班时，对原有连班进行拆班，并将航班计划/>与权重最大的航班，完成航班动态连班；

；

其中，表示/>与连班资源池中的某个航班进行连班；表示连班资源池中第/>个航班；/>表示连班资源池中第/>个航班的连班权重；/>表示连班资源池中第/>个航班的连班权重，/>表示连班权重矩阵中的最大值；/>表示连班资源池中第/>个航班的过站时间；/>表示连班资源池中第/>个航班的过站时间；

73）连班航班中，离港航班起飞完成后，更新航班计划表，同时根据进港和离港航班的飞行航线，同步更新历史飞行航线表中的数据，以及飞行时长记录表对应起降机场的预计飞行时长。

本发明的有益效果：

本发明中构建动态连班权重模型，能够根据接收到的航班变更信息，自动进行航班的拆班和连班；减少人工操作，避免人工操作过程中的产生的人为差错；同时，连班权重可根据航空公司、机场条件进行灵活配置，能够更适应实际运行当中的调机飞行、临时变更机号等特殊情况，提高自动化系统的智能化处理能力。

附图说明

图1为本发明方法的流程图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

参照图1所示，本发明的一种基于规则引擎的航班动态连班方法，步骤如下：

1）创建航班计划表DB_FLIGHT，用于存储航班计划信息，以及接收民航电报，实时更新航班动态信息；

其中，所述步骤1）中的航班计划表的具体字段信息包括：航班号、所属航空公司、执行日、航班状态、起飞机场、计划起飞时间、预计起飞时间、实际起飞时间、降落机场、计划降落时间、预计降落时间、实际降落时间、机型、机号、航班性质、任务类型、客货属性。

2）创建历史飞行航线表DB_AIRWAY_HIS，统计航司的航班从始发站飞往目的站机场的飞行次数，用于计算该航班执行从始发站飞往目的站飞行任务的经验数据；

历史飞行航线表的具体字段信息包括：航班号、所属航空公司、执行日、始发站、前站、下一站、目的站、飞行次数。

3）创建飞行时长记录表DB_FT，用于统计以某机型执行从起飞机场到降落机场的飞行任务所需要的飞行时长，并根据该飞行时长值预测航班起飞后到达降落机场的时间；

飞行时长记录表的具体字段信息包含：起飞机场、降落机场、机型、历史飞行时长。

飞行时长的统计方法为：航班计划表中相同机型、起飞机场以及降落机场的航班数据的实际降落时间与实际起飞时间/>的差值的中位数：

；

式中，表示同一机型、同一起飞机场、同一降落机场的航班飞行时长的统计结果，/>表示相同机型、起飞机场、降落机场的飞行时长的中位数。

4）建立航班连班规则引擎，航班连班规则引擎包含航班连班筛选条件及航班连班；具体包括：

基于航班进港时间和离港时间的差值需满足航班的最短过站时间要求及航班执行进离港飞行任务的相关要求，提取出7个特征，建立航班连班规则引擎，特征包含：所属航空公司、航班过站时间、机号、航班性质、任务类型、客货属性、航线，（考虑到在航班实际运行时会产生各种特殊情况，如临时换飞机执行飞行任务、调机飞行等，部分进港和离港的特征不完全一致）将所属航空公司、航班过站时间作为连班筛选条件；机号、航班性质、任务类型、客货属性、航线作为连班特征；

航班连班规则引擎中连班筛选条件如下：

进港航班与离港航班的所属航空公司相同；

进港航班与离港航班的机号相同；

进港航班的降落时间与离港航班的起飞时间的差值大于最短过站时间；

（1）；

其中，式（1）为判断连班的筛选条件，用于初步筛选符合基本要求的连班航班；表示进港航班；/>表示离港航班；/>表示航班的所属航空公司；/>表示航班的过站时间；/>表示最短过站时间要求，设置为/> ；/> 为离港航班的起飞时间；/>为进港航班的降落时间。

航班连班规则引擎中航班连班规则知识库如下：

进港航班与离港航班的航班性质相同；

进港航班与离港航班的任务类型相同；

进港航班与离港航班的客货属性相同；

进港航班与离港航班构成的飞行航线参照历史飞行航线表中的经验数据；

（2）；

其中，式（2）为判断连班的筛选条件，用于初步筛选符合基本要求的连班航班；表示进港航班；/>表示离港航班；/>表示航班的机号；/>（missionProperty）表示航班的航班性质；/>（missionType）表示航班的任务类型；/>表示航班的客货属性；/>表示/>的起飞机场与/>的降落机场以及/>的降落机场构成的飞行航线；表示历史飞行航线表；

根据进港航班和离港航班的特征，与建立的连班规则进行比对，得到航班连班特征矩阵，该矩阵为/>矩阵，满足取值为1，否则为0；

；

；

其中，表示机号特征值，/>表示航班性质特征值，/>表示任务类型特征值，/>表示客货属性特征值，/>表示航线特征值。

5）构建航班连班权重模型；具体包括：

51）建立航班连班特征权重判断矩阵；

基于历史飞行航线表中的历史飞行航线数据，将已正确连班的数据作为样本数据，统计连班进港航班与离港航班各特征值满足连班规则知识库中的连班条件的数量，满足则该特征样本数加1，基于统计数据利用层次分析法中的标度方法，将统计好的特征样本数量进行两两比对，以此构建特征权重判断矩阵；如表1所示，其中表格中的数据代表两个特征之间相比的重要程度，如航线-机号权重为2，表示航线特征的重要程度是机号的2倍。

表1

。

52）一致性指标校验；

521）根据构建的航班连班特征权重判断矩阵计算一致性指标值：

；

其中，为特征的数量，即/>，/>为最大特征值；

522）根据特征的数量n在平均随机一致性指标表中查找对应的平均随机一致性指标，查询表如表2所示；

表2

。

523）根据计算一致性比例，如果/>，则一致性校验通过，航班连班特征权重判断矩阵的一致性可接受；如果/>，则调整统计样本数据，对判断矩阵进行重新计算；一致性比例/>的计算表达式如下：

；

53）利用算术平均法计算航班每个特征值的特征权重值：

；

其中，为第/>个特征的特征权重，/>为特征值的数量5，/>和/>表示特征权重；

54）构建航班连班权重模型：将计算得到的特征权重值与航班连班特征值进行加权求和，得到航班连班的权重值：

；

其中，表示航班的第/>个特征值。

6）实时接收民航电报，更新航班计划信息，并创建航班连班资源池；具体包括：

61）接收计划电报，在航班计划表中创建航班计划；接收动态电报，更新航班计划表中的字段数据，判断航班变更信息是否满足动态连班触发条件，若满足，则进入步骤62）；若不满足，则结束；

62）根据步骤4）中建立的连班规则知识库中的连班筛选条件，从航班计划表中筛选出符合连班筛选条件的连班资源池：

；

其中，下标为连班资源池中航班的数量，/>表示连班资源池中的第/>个航班；

当航班计划为进港航班时，连班资源池由离港航班构成；当航班计划为离港航班时，连班资源池由进港航班构成；

在连班筛选条件中，计算进港航班与离港航班的过站时间，确定进港航班的降落时间以及离港航班的起飞时间；针对航班的不同阶段，获取进港航班的降落时间与离港航班的起飞时间，获取规则如下：

621）进港航班降落时间获取；

若航班接收到FPL民航电报，并更新了预计降落时间，则进港航班降落时间为预计降落时间；

若航班未接收到FPL民航电报，且航班状态为计划状态，则进港航班降落时间为计划降落时间；

若航班状态为起飞状态，根据进港航班的机型、起飞机场、降落机场，在飞行时长记录表中查找对应的预计飞行时长，进港航班降落时间为实际起飞时间加上预计飞行时长；

；

其中，ldt为进港航班的降落时间，表示航班状态，PLN表示计划状态，DEP表示起飞状态，eldt表示预计降落时间，sldt表示计划降落时间，atot表示实际起飞时间；

622）离港航班起飞时间获取；

若航班接收到FPL民航电报，并更新了预计起飞时间，则离港航班起飞时间为预计起飞时间；

若航班未接收到FPL民航电报，且航班状态为计划状态，则离港航班起飞时间为计划起飞时间：

；

其中，tot为离港航班的起飞时间，etot为预计起飞时间，stot为计划起飞时间。

进一步地，所述步骤61）中的动态连班触发条件具体为：新增航班计划、更新航班的机号信息及更新进港航班的降落时间或者更新离港航班的起飞时间。

7）计算连班资源池中航班的连班权重，并进行航班连班；具体包括：

71）利用步骤5）中构建的航班连班权重模型，根据航班计划与连班资源池中各航班的特征值/>及特征对应的权重值，计算连班权重矩阵/>：

；

其中，表示连班资源池中第/>个航班的连班权重；

72）根据连班权重矩阵进行动态拆连班；权重值最大的航班作为连班最优解，当出现权重值相同的情况，选取过站时间最短的航班进行连班，当已经存在连班时，对原有连班进行拆班，并将航班计划/>与权重最大的航班，完成航班动态连班；

；

其中，表示/>与连班资源池中的某个航班进行连班；表示连班资源池中第/>个航班；/>表示连班资源池中第/>个航班的连班权重；/>表示连班资源池中第/>个航班的连班权重，/>表示连班权重矩阵中的最大值；/>表示连班资源池中第/>个航班的过站时间；/>表示连班资源池中第/>个航班的过站时间；

73）连班航班中，离港航班起飞完成后，更新航班计划表，同时根据进港和离港航班的飞行航线，同步更新历史飞行航线表中的数据，以及飞行时长记录表对应起降机场的预计飞行时长。

本发明具体应用途径很多，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，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (8)

1.一种基于规则引擎的航班动态连班方法，其特征在于，步骤如下：

1)创建航班计划表，用于存储航班计划信息，以及接收民航电报，实时更新航班动态信息；

2)创建历史飞行航线表，统计航司的航班从始发站飞往目的站机场的飞行次数，用于计算该航班执行从始发站飞往目的站飞行任务的经验数据；

3)创建飞行时长记录表，用于统计以某机型执行从起飞机场到降落机场的飞行任务所需要的飞行时长，并根据该飞行时长值预测航班起飞后到达降落机场的时间；

4)建立航班连班规则引擎，航班连班规则引擎包含航班连班筛选条件及航班连班；

5)构建航班连班权重模型；

6)实时接收民航电报，更新航班计划信息，并创建航班连班资源池；

7)计算连班资源池中航班的连班权重，并进行航班连班；

所述步骤4)具体包括：

基于航班进港时间和离港时间的差值需满足航班的最短过站时间要求及航班执行进离港飞行任务的相关要求，提取出7个特征，建立航班连班规则引擎，特征包含：所属航空公司、航班过站时间、机号、航班性质、任务类型、客货属性、航线，将所属航空公司、航班过站时间作为连班筛选条件；机号、航班性质、任务类型、客货属性、航线作为连班特征；

航班连班规则引擎中连班筛选条件如下：

进港航班与离港航班的所属航空公司相同；

进港航班与离港航班的机号相同；

进港航班的降落时间与离港航班的起飞时间的差值大于最短过站时间；

其中，式(1)为判断连班的筛选条件，用于初步筛选符合基本要求的连班航班；flight₁表示进港航班；flight₂离港航班；airline表示航班的所属航空公司；tt表示航班的过站时间；MTT表示最短过站时间要求，设置为MTT＝45min；tot为离港航班的起飞时间；ldt为进港航班的降落时间；

航班连班规则引擎中航班连班规则知识库如下：

进港航班与离港航班的航班性质相同；

进港航班与离港航班的任务类型相同；

进港航班与离港航班的客货属性相同；

进港航班与离港航班构成的飞行航线参照历史飞行航线表中的经验数据；

其中，式(2)为判断连班的筛选条件，用于初步筛选符合基本要求的连班航班；flight₁表示进港航班；flight₂离港航班；reg表示航班的机号；mp表示航班的航班性质；mt表示航班的任务类型；GJ表示航班的客货属性；flight₁.adep-flight₁.ades-flight₂.adep表示flight₁的起飞机场与flight₁的降落机场以及flight₂的降落机场构成的飞行航线；DB_AIRWAY_HIS表示历史飞行航线表；

根据进港航班和离港航班的特征，与建立的连班规则进行比对，得到航班连班特征矩阵λ，该矩阵为{0,1}矩阵，满足取值为1，否则为0；

λ＝{λ_reg,λ_mp,λ_mt,λ_gj,λ_air}

其中，λ_reg表示机号特征值，λ_mp表示航班性质特征值，λ_mt表示任务类型特征值，λ_gj表示客货属性特征值，λ_air表示航线特征值；

所述步骤5)具体包括：

51)建立航班连班特征权重判断矩阵；

基于历史飞行航线表中的历史飞行航线数据，将已正确连班的数据作为样本数据，统计连班进港航班与离港航班各特征值满足连班规则知识库中的连班条件的数量，满足则该特征样本数加1，基于统计数据利用层次分析法中的标度方法，将统计好的特征样本数量进行两两比对，以此构建特征权重判断矩阵；

52)一致性指标校验；

521)根据构建的航班连班特征权重判断矩阵计算一致性指标值CI：

其中，n为特征的数量，即n＝5，λ_max为最大特征值；

522)根据特征的数量n在平均随机一致性指标表中查找对应的平均随机一致性指标RI；

523)根据计算一致性比例CR，如果CR<0.1，则一致性校验通过，航班连班特征权重判断矩阵的一致性可接受；如果CR≥0.1，则调整统计样本数据，对判断矩阵进行重新计算；一致性比例CR的计算表达式如下：

53)利用算术平均法计算航班每个特征值的特征权重值w_i：

其中，w_i为第i个特征的特征权重，n为特征值的数量5，a_ij和a_kj表示特征权重；

54)构建航班连班权重模型：将计算得到的特征权重值与航班连班特征值进行加权求和，得到航班连班的权重值W：

其中，λ_i表示航班的第i个特征值。

2.根据权利要求1所述的基于规则引擎的航班动态连班方法，其特征在于，所述步骤1)中的航班计划表的具体字段信息包括：航班号、所属航空公司、执行日、航班状态、起飞机场、计划起飞时间、预计起飞时间、实际起飞时间、降落机场、计划降落时间、预计降落时间、实际降落时间、机型、机号、航班性质、任务类型、客货属性。

3.根据权利要求1所述的基于规则引擎的航班动态连班方法，其特征在于，所述步骤2)中的历史飞行航线表的具体字段信息包括：航班号、所属航空公司、执行日、始发站、前站、下一站、目的站、飞行次数。

4.根据权利要求1所述的基于规则引擎的航班动态连班方法，其特征在于，所述步骤3)中的飞行时长记录表的具体字段信息包含：起飞机场、降落机场、机型、历史飞行时长。

5.根据权利要求1所述的基于规则引擎的航班动态连班方法，其特征在于，所述步骤3)中飞行时长的统计方法为：航班计划表中相同机型、起飞机场以及降落机场的航班数据的实际降落时间ALDT与实际起飞时间ATOT的差值的中位数：

FT_{type,adep,ades}＝MEDIAN(ft_{type,adep,ades})

式中，FT_{type,adep,ades}表示同一机型、同一起飞机场、同一降落机场的航班飞行时长的统计结果，MEDIAN(ft_{type,adep,ades})表示相同机型、起飞机场、降落机场的飞行时长的中位数。

6.根据权利要求1所述的基于规则引擎的航班动态连班方法，其特征在于，所述步骤6)具体包括：

61)接收计划电报，在航班计划表中创建航班计划flight；接收动态电报，更新航班计划表中的字段数据，判断航班变更信息是否满足动态连班触发条件，若满足，则进入步骤62)；若不满足，则结束；

62)根据步骤4)中建立的连班规则知识库中的连班筛选条件，从航班计划表中筛选出符合连班筛选条件的连班资源池：

F＝{flight′₁,flight'₂,flight'₃,...,flight'_m}

其中，下标m为连班资源池中航班的数量，flight'_m表示连班资源池中的第m个航班；

当航班计划flight为进港航班时，连班资源池由离港航班构成；当航班计划flight为离港航班时，连班资源池由进港航班构成；

在连班筛选条件中，计算进港航班与离港航班的过站时间，确定进港航班的降落时间以及离港航班的起飞时间；针对航班的不同阶段，获取进港航班的降落时间与离港航班的起飞时间，获取规则如下：

621)进港航班降落时间获取；

若航班接收到FPL民航电报，并更新了预计降落时间，则进港航班降落时间为预计降落时间；

若航班未接收到FPL民航电报，且航班状态为计划状态，则进港航班降落时间为计划降落时间；

若航班状态为起飞状态，根据进港航班的机型、起飞机场、降落机场，在飞行时长记录表中查找对应的预计飞行时长ft，进港航班降落时间为实际起飞时间加上预计飞行时长；

其中，ldt为进港航班的降落时间，status表示航班状态，PLN表示计划状态，DEP表示起飞状态，eldt表示预计降落时间，sldt表示计划降落时间，atot表示实际起飞时间；

622)离港航班起飞时间获取；

若航班接收到FPL民航电报，并更新了预计起飞时间，则离港航班起飞时间为预计起飞时间；

若航班未接收到FPL民航电报，且航班状态为计划状态，则离港航班起飞时间为计划起飞时间：

其中，tot为离港航班的起飞时间，etot为预计起飞时间，stot为计划起飞时间。

7.根据权利要求6所述的基于规则引擎的航班动态连班方法，其特征在于，所述步骤61)中的动态连班触发条件具体为：新增航班计划、更新航班的机号信息及更新进港航班的降落时间或者更新离港航班的起飞时间。

8.根据权利要求1所述的基于规则引擎的航班动态连班方法，其特征在于，所述步骤7)具体包括：

71)利用步骤5)中构建的航班连班权重模型，根据航班计划flight与连班资源池中各航班的特征值λ及特征对应的权重值，计算连班权重矩阵W：

W＝{W₁,W₂,...,W_m}

其中，W_m表示连班资源池中第m个航班的连班权重；

72)根据连班权重矩阵进行动态拆连班；权重值最大的航班作为连班最优解，当出现权重值相同的情况，选取过站时间最短的航班进行连班，当flight已经存在连班时，对原有连班进行拆班，并将航班计划flight与权重最大的航班，完成航班动态连班；

其中，flight connect表示flight与连班资源池中的某个航班进行连班；flight_i'表示连班资源池中第i个航班；W_i表示连班资源池中第i个航班的连班权重；W_j表示连班资源池中第j个航班的连班权重，max(W)表示连班权重矩阵中的最大值；tt_i表示连班资源池中第i个航班的过站时间；tt_j表示连班资源池中第j个航班的过站时间；

73)连班航班中，离港航班起飞完成后，更新航班计划表，同时根据进港和离港航班的飞行航线，同步更新历史飞行航线表中的数据，以及飞行时长记录表对应起降机场的预计飞行时长。