[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

说明书

本发明公开了一种基于数据挖掘分析的航班到达时刻预测方法及系统，包括：S1、航班历史运行数据匹配融合及标准化处理；S2、历史运行数据特征筛选与相关性分析；3、构建预测模型；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。本发明从ADS‑B系统、ACARS系统等设备中采集航班历史数据，首先对数据进行关联、标准化处理，然后依据特征变量筛选、特征值计算进行皮尔森相关系数计算并构建基于XGBoost算法的回归预测模型，不断调参优化模型，得到最佳准确率的回归预测模型，在模型中输入被预测航班的特征变量数据后即可预测得到航班的预测到达时刻，提高了航班到达时刻的预测精度。

技术领域

本发明涉及航班运行管理领域，尤其涉及一种基于数据挖掘分析的航班到达时刻预测方法及系统。

背景技术

民航业务量的逐年增长对航班运行水平提出了更高的要求，尤其是航空公司航班准点率、机场运行效率方面。航班到达时刻的准确估计有利于提高机场和航空公司的运行效率和安全水平，对提升航班准点率、改善航班保障与运行效率、优化资源分配与任务规划具有重要而直接的意义。当前，航班到达时刻估计准确率不够理想，数据挖掘技术的发展为航班预达时刻估计提供了新方法，丰富的航班运行历史数据库也为基于数据挖掘的预测方法提供了充足的数据支撑。

发明内容

针对现有技术存在的不足之处，本发明的目的在于提供一种基于数据挖掘分析的航班到达时刻预测方法及系统，能够从ADS-B系统、ACARS系统等设备中采集航班历史数据，首先对数据进行关联、标准化处理，然后依据特征变量筛选、特征值计算通过皮尔森相关系数计算得到各特征变量与到达时刻之间相关系统，并构建基于XGBoost算法的回归预测模型，不断调参优化模型，得到最佳准确率的回归预测模型，在模型中输入被预测航班的特征变量数据后即可预测得到航班的预测到达时刻。

本发明的目的通过下述技术方案实现：

一种基于数据挖掘分析的航班到达时刻预测方法，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。

为了更好地实现本发明，本发明步骤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。

作为优选，本发明步骤S2方法包括如下：