[发明专利]一种基于平均延误时间序列的机场日延误特征分类方法

说明书

本发明公开了一种基于平均延误时间序列的机场日延误特征分类方法，属于民航延误分析技术领域。首先使用每个机场的平均到达延误时间序列来构造其日常延误网络，将异常延误日视为网络中的一个顶点，利用皮尔逊相关系数来度量一对异常延迟日的相似性，将延误时间序列相似的两个顶点连线。然后对构建好的网络进行网络密度分析，孤立顶点分析比例及模块分析，将相互间连边密度大的顶点聚合成一个社区，社区内的顶点就共享了相似的延误模式。本发明根据平均延误时间序列的相似性，使用复杂网络分析的方法提供了新的识别机场延误相似天的方式，易于操作，步骤简单，且结果准确。

技术领域

本发明属于民航延误分析技术领域，具体是一种基于平均延误时间序列的机场日延误特征分类方法。

背景技术

航班延误是一个严重而普遍的问题，不仅影响乘客体验和航空运营，还影响环境的可持续性和经济发展。一方面，严重的航班延误往往给乘客带来极大的不便，这种经历可能会降低乘客选择乘坐飞机或再次乘坐同一家航空公司的信心。另一方面，航班延误导致增加燃料消耗和二氧化碳排放，为环境带来伤害。同时，航空公司不得不花更多的钱在飞行娱乐和员工工资中，并支付飞机维护和车队管理的额外成本。除了上面的直接影响，航班延误对整体经济的多个方面都有负面的影响。

由于对航空业等造成的严重影响，越来越多的研究致力于努力探索航班延误的原因。航班延误的原因很多，其中“天气”起着最重要的作用。造成延误的天气条件包括雾、雷暴、暴风雪和对流天气。其他因素可以归纳为技术原因，如空中交通管制、设施容量不足、调度不畅、程序变更以及缓冲时间有限等。

由于航班延误的复杂性，空中交通管理人员在不同的场景下做出有效的决策变得非常具有挑战性。帮助做出更好的决策的一个方法是充分利用和学习历史数据。例如，当天气不好的时候，人们可以查看过去天气状况相似的日子，并参考在那些日子里采取的行动。以往的一些研究集中在确定类似的日子，以有效地管理交通。

由于天气是造成航班延误的关键因素，这些研究主要是寻找天气条件相似的日子。Liu等人提出了一种能够确定相似天数的半监督学习算法。作者应用该方法在纽瓦克自由国际机场(EWR)进行了两个案例研究，证明了该方法的有效性。Avijit Mukherjee等人提出了一种基于恶劣天气条件影响对天进行分类的方法。作者使用天气指数作为输入，并应用因子分析来确定这些主要的天气模式。然后，使用沃德的最小方差法对天数进行聚类。属于同一星系团的天具有相似的天气条件。

除了天气状况，一些研究还试图从其他角度确定类似的日子。Sreeta Corripaty等人使用容量和需求数据来识别类似的日模式。容量相似性是根据需求和容量数据中的主要成分来度量的。在对数据进行聚类分析后发现，无论是容量还是需求都不存在自然的聚类。Shon Grabbe等人针对地面延迟程序，采用k-means聚类算法来识别相似的天。针对气象预报数据、地面延迟程序的启动和结束时间以及预定到达率数据，提出了一种期望极大化(EM)算法。

但是，上述各种研究都具有一定的缺陷。对天气的模式识别分类方式虽然对大多数由于天气原因而造成的延误日能进行有效的分类，但是对于一些其他场景，如外界干扰，前序航班延误导致的航班延误等，并不能涵盖在内，全面性有所欠缺。Sreeta Corripaty等人的容量和需求模式分析已经在其研究中被证明不可行。而Shon Grabbe等人提出的期望最大化算法因为所需处理的数据量过于繁多，计算复杂度高。

发明内容

结合中国航空系统的特殊情况，针对上述问题，本发明构建了一种基于平均延误时间序列的机场日延误特征分类方法，该方法根据相似天的思路设计了一种新的归类，对航空延误进行分析、寻找延误源以及挖掘延误传播关系，有利于机场做出更好的决策，既能包含到更多的延误日分类，也大大降低了计算的复杂度。

基于平均延误时间序列的机场日延误特征分类方法，包括如下步骤：