[发明专利]一种面向智慧空管系统的航班延误智能预测框架

权利要求书

1.一种面向智慧空管系统的航班延误智能预测框架，其特征在于，所述预测框架包括：感知层、传输层、处理层、服务层、应用层；

所述感知层，用于采集与空中交通运行相关数据；所述与空中交通运行相关的数据包括至少两种属性的数据，不同属性的数据来自所述感知层中不同种类的感知设备，所述与空中交通运行相关的数据包括下述至少两种维度的数据：时间维度数据，空间维度的数据，业务维度的数据；

所述传输层，用于将所述与空中交通运行相关数据传输至所述处理层；

所述处理层，用于将所述与空中交通运行相关的数据作为实体的属性，填充至面向空中交通管理运行领域的知识图谱中，得到填充后的知识图谱，并对所述填充后的知识图谱进行知识推理，得到所述与空中交通运行相关的数据对应的初始决策信息；

所述服务层，用于在所述应用层接收到来自空中交通部门的客户端的服务请求时，基于所述初始决策信息，为所述空中交通部门提供智慧空管服务；

所述应用层，用于向所述客户端输出所述智慧空管服务对应的待执行指令；

所述服务层，具体用于基于所述服务请求、所述初始决策信息，以及，预设的协商策略，获取所述空中交通部门基于所述服务请求的待执行指令；其中，所述协商策略包括：初始决策信息与指令之间的映射关系；

所述处理层利用所述感知层获得的航班数据构建机场网络知识图谱，所述机场网络知识图谱为一个有向加权网络，所述有向加权网络表示为G^(t)＝(V，E^(t)，W^(t))，其中t表示时间，V＝{v₁，v₂，…，v_n}表示所述机场网络中的所有机场节点集合，E^(t)表示所述机场节点集合中节点之间边的集合，表示G^(t)的加权邻接矩阵，其元素表示在(t-1，t)期间机场v_i与机场v_j之间的航班数；

用于表示在时间t时n个机场的延误向量，其中，每个元素记录了(t-1，t)期间机场v_i的延误时间，其中，表示为

其中，表示在(t-1，t)期间从机场v_i离港的航班的总延误时间，和分别表示(t-1，t)期间机场v_i取消的航班数和计划起飞的航班数，ρ表示取消航班的等效延误数值；

所述处理层从一个填充后的知识图谱推理出多条初始决策信息；

在时间维度，将时刻t对应的邻接矩阵W^(t)及历史延误时间序列X^(t)定义为一个图快照，针对单个图快照，以邻接矩阵W^(t)和历史延误时间序列X^(t)

其中，Θ_F表示单个图快照中使用的参数集，σ()表示激活函数，表示一组关系类型集合，表示网络节点输入关系，为对角矩阵，且表示网络节点输出关系，M_in，M_out分别表示输入和输出关系的权重矩阵，M₀表示自连接矩阵；

将两个相邻图快照的时间图卷积操作作为当前状态和累积的历史图快照的组合；考虑时刻t-1和时刻t的两个相邻图快照，将处理后的邻接矩阵和历史延误时间序列X^(t-1)，X^(t)作为输入，然后推广时间图卷积算子处理两个相邻的图快照，处理过程如下述公式所示：

其中，Θ_B表示两个相邻图快照使用的参数集，表示在t-1时刻的时间图卷积操作，该时间图卷积操作以和X^(t-1)作为输入，其中，参数集Θ_H不随时间改变而变化；

所述处理层采用隐藏状态实现记忆累积的历史图快照，并使用隐藏状态和当前输入的组合生成新的状态，所述新的状态如下述公式所示：

其中，Θ_B包括Θ_H和Θ_F，所述处理层通过该公式以处理时变的机场网络图谱；

在空间维度，所述处理层将时间图卷积块的最后一个隐藏状态对应的邻接矩阵，和，最后隐藏状态作为空间图卷积操作的输入，以获取图卷积算子

其中，表示所述时间图卷积块的最后一个隐藏状态对应的邻接矩阵，θ表示空间图卷积块建模中的参数集，I_n表示n维单位矩阵，为对角矩阵，且Q_ii＝∑_jA_ij，Q^-1表示Q的转置矩阵；

基于一个机场网络的计划航线结构，所述处理层根据如下公式，使用参数化重要性矩阵Z和相似性矩阵S，以获取自适应图卷积算子

其中，M表示机场网络的计划航线结构，表示每个机场在机场网络中的重要性，所述处理层通过输入数据与其他参数一起训练，以更新Z中的元素，表示机场网络中每个机场的相似性；

所述处理层通过时间图卷积块和自适应图卷积块构成的深度学习模型对所述机场网络中的每个机场进行延误预测，预测结果监控整个机场网络的航班延误异常情况，对所述机场网络中的延误传播进行提前预警。