[发明专利]一种基于数据挖掘分析的航班到达时刻预测方法及系统

权利要求书

1.一种基于数据挖掘分析的航班到达时刻预测方法，其特征在于，包括：

S1、航班历史运行数据匹配融合及标准化处理：依据特征维度参数对航班历史数据进行关联匹配、多维分类及标准化处理与存储，所述特征维度参数包括航班号、航班日期、三字码、机号、机型、起降机场，所述航班历史数据包括航班动态、ADS-B系统中的运行轨迹、ACARS系统中的运行轨迹、飞行计划航路，处理后得到历史运行数据；

S2、历史运行数据特征筛选与相关性分析：对步骤S1中的历史运行数据进行特征变量筛选、特征值计算，并对数据中各特征变量与到达时刻之间进行皮尔森相关系数计算分析；

S3、构建预测模型：利用历史运行数据及其特征变量分析结果，构建基于XGBoost算法的回归预测模型，并使用测试数据验证模型准确性，通过不断调参优化，获取最佳准确率的回归预测模型；

S4、将被预测航班的特征变量数据输入到回归预测模型中并计算得到航班剩余飞行时间的预测值。

2.按照权利要求1所述的一种基于数据挖掘分析的航班到达时刻预测方法，其特征在于：所述步骤S1方法包括如下：

依据特征维度参数对航班历史数据进行关联匹配并构建出航班运行数据集，所述航班运行数据集包括航班号、机号、机型、起降机场、航空公司；对航班运行数据集中包括航班轨迹、航班动态在内数据进行特征计算和标准化处理，特征计算所含的特征项包括如下：航班轨迹点、与起飞机场距离D1、与目的机场距离D2、已飞行时间T1、剩余飞行时间T2、延误时间DT。

3.按照权利要求1所述的一种基于数据挖掘分析的航班到达时刻预测方法，其特征在于：所述步骤S2方法包括如下：

利用皮尔森相关系数法分析历史运行数据的特征项参数与航班到达时刻之间的相关性，所述特征项参数包括航程距离、航程时间、起飞延误时间、到达延误时间、执飞机型、载客、载重；分析计算历史运行数据各飞行轨迹中的如下数据：各个航迹点的时间、与起飞时间时间差、与落地时间时间差、与起飞机场距离、与落机场距离；并筛选出具有显著相关性的属性与数据，同时去除弱相关和无相关性的的属性与数据。

4.按照权利要求1或3所述的一种基于数据挖掘分析的航班到达时刻预测方法，其特征在于：所述步骤S2方法皮尔森相关系数计算公式如下：

5.按照权利要求1所述的一种基于数据挖掘分析的航班到达时刻预测方法，其特征在于：所述步骤S3方法包括如下：

利用历史运行数据及其特征变量分析结果，构建基于XGBoost算法的回归预测模型，预测函数表示为：

依据步骤二筛选的历史运行数据特征参数，使用历史运行数据训练构建构建基于XGBoost算法的回归预测模型，预测函数表示为：

并使用不同的历史运行数据进行预测测试优化，获取得到最佳准确率的回归预测模型。

6.按照权利要求1所述的一种基于数据挖掘分析的航班到达时刻预测方法，其特征在于：所述步骤S4方法包括如下：

依据步骤S3得到的回归预测模型，输入被预测航班的当前运行特征参数，运行特征参数包括航班号、航空公司、机号、机型、起降机场、载重、所在位置、已飞时间、已飞距离、剩余距离，回归预测模型计算得到航班的剩余飞行时间，并得到落地时间预测；在航班实际落地后，将实际运行特征变量与实际落地时间反馈至回归预测模型，实现对回归预测模型进行更新学习。