[发明专利]航班延误预警方法、系统、电子设备和介质

说明书

本发明公开了一种航班延误预警方法、系统、电子设备和介质，其中航班延误预警方法，包括以下步骤：构建航班延误数据集；根据航班延误数据集构造特征数据；根据特征数据采用梯度提升决策树和逻辑回归模型融合的方式生成预警模型；根据预警模型生成预警信息。本发明实现了对未来较长时间航班的延误情况进行预测。

技术领域

本发明属于航班延误预警技术领域，尤其涉及一种航班延误预警方法、系统、电子设备和介质。

背景技术

随着大数据技术的飞速发展，航班延误预测已经成为了民航领域的一个研究热点。2014年，L.Belcastro基于随机森林算法(Random Forest)构建了一个航班延误预测系统，该系统主要用于预测因天气因素而导致的航班延误。同年，Rebollo等人利用数据挖掘技术开发了一个延误预警模型，该模型可以对美国国内未来2-24小时内起飞航班的起飞延误进行预测。2016年，Kim等人基于LSTM(Long Short-Term Memory)提出了一种航班延误预测方法。在工业界，目前也有一些公司在做航班延误预测，比如Google公司的“GoogleFlights”、飞友科技的“飞常准”等都可以为用户提供航班延误预测服务。

但是目前的延误预警模型绝大部分都只能在航班起飞前数小时给出预测结果，而大部分飞行旅客通常会选择提前数天、甚至数十天订购机票，只在航班起飞前数小时做延误预测对用户来说是远远不够的。

发明内容

本发明要解决的技术问题是为了克服现有技术中的航班延误预警只能在航班起飞前数小时给出预测结果的缺陷，提供一种航班延误预警方法、系统、电子设备和介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种航班延误预警方法，包括以下步骤：

构建航班延误数据集；

根据航班延误数据集构造特征数据；

根据特征数据采用梯度提升决策树(Gradient Boosting Decision Tree，GBDT)和逻辑回归(Logistic Regression，LR)模型融合的方式生成预警模型；

根据预警模型生成预警信息。

较佳地，构建航班延误数据集的步骤包括：

构建航班延误原始数据集，对航班延误原始数据集进行数据清洗以生成航班延误数据集。

较佳地，根据航班延误数据集构造特征数据的步骤包括：

根据航班延误数据集提取航班基本属性、预设期限内的延误信息、前序航班、天气特征以构造特征数据。

较佳地，梯度提升决策树采用XGBoost系统框架，根据特征数据采用梯度提升决策树和逻辑回归模型融合的方式生成预警模型的步骤包括：

XGBoost系统框架根据特征数据构造二元向量，二元向量的每一个元素对应XGBoost系统框架中树的叶子结点，逻辑回归模型根据特征数据和二元向量训练得到预警模型。

本发明还提供一种航班延误预警系统，包括数据集构造单元、特征构造单元、模型生成单元、预警信息生成单元；

数据集构造单元用于构建航班延误数据集；

特征构造单元用于根据航班延误数据集构造特征数据；

模型生成单元用于根据特征数据采用梯度提升决策树和逻辑回归模型融合的方式生成预警模型；

预警信息生成单元用于根据预警模型生成预警信息。

较佳地，数据集构造单元还用于构建航班延误原始数据集，对航班延误原始数据集进行数据清洗以生成航班延误数据集。