[发明专利]基于改进的k-prototype和灰色关联分析的机场相似日选择方法

说明书

本发明公开了一种基于改进的k‑prototype和灰色关联分析的机场相似日选择方法，包括如下步骤：收集METAR和历史航班运行数据，并将这些特征转化为数值属性指标和类别属性指标；利用CRITIC权重法对K‑prototype聚类算法进行改进，然后使用改进的K‑prototype聚类对历史日期数据进行聚类；进一步结合灰色关联分析得到与未知日相似的日期，并分析当天采用的交通流控措施。本发明使用改进的K‑prototype聚类算法克服了其他聚类算法无法度量分类属性的弊端，也充分考虑了天气特征和空中交通流量，能够帮助管制员进行决策，还可以用于事后分析，且对其他机场的相似日选择具有同样的实用性，具备很好的应用价值。

技术领域

本发明属于大数据和机场相似日领域，具体涉及一种基于改进的k-prototype和灰色关联分析的机场相似日选择方法。

背景技术

随着航空运输业的持续发展，空域资源的紧缺，机场运行效率也面临着极大的考验，而机场的效率很大程度上取决于管制人员的决策。但是管制员的决策主要依靠自己的经验和直觉，这不可避免的会造成不合理的流控措施。

由于天气的不确定性和日益增加的航班数量，使得机场的容量与需求不平衡问题变得严重，这不仅给航空公司、乘客和机场造成了经济损失，而且给管制系统提出了更高的要求与挑战。如何从过去的运行中获得经验，以支持当天的交通流控决策，从而帮助管制员更好地进行流量管理，这成为了本领域技术人员亟需解决的问题。因此，研究机场相似日可以帮助管制员从历史中吸取经验和教训，对提高流控工作效率和提高航班正常性具有重要意义。

针对传统研究所采用的聚类方式都是使用数值型指标寻找相似日集群，但是，在天气信息和航班运行数据中既有数值型特征也有分类型特征，所以直接用适用于处理数值型特征的聚类算法，得到的聚类结果会不准确。同时，之前研究并未找寻到与未知日相似的具体某一天，这就造成模型的实用价值不高。

发明内容

发明目的：本发明的目的是为了解决现有技术中存在的缺点，从而提出的一种基于改进的k-prototype和灰色关联分析的机场相似日选择方法，可以找寻未知日具体某天的相似日，展示了直观并且高准确率的相似日结果。

技术方案：本发明提供了一种基于改进的k-prototype和灰色关联分析的机场相似日选择方法，具体包括以下步骤：

S1：收集数据，包括METAR报文数据和航班运行数据；

S2：数据预处理，包括对航班数据补齐及数据归一化；

S3：使用CRITIC权重法得到数值属性的权重系数；

S4：通过改进的k-prototype对未知日和历史数据进行日属性聚类；

S5：使用误差平方和与轮廓系数曲线判断出最佳的聚类数；

S6：采用灰色关联分类法找寻未知日的相似日。

进一步地，步骤S1中所述航班运行数据包括实际进港航班数、实际离港航班数和计划进离港航班数。

进一步地，所述步骤S2包括以下步骤：

S2.1：解析METAR报，选择能见度，风向，风速，云底高，雾、雨和雷暴作为关键气象因素；

S2.2：对风向、雾、雨和雷暴进行离散化处理；

S2.3：获取的数据有数值型和属性型，其中数值型有能见度、风速、云底高、实际进港航班数、实际离港航班数和计划进离港航班数；属性型有风向、雾、雨和雷暴；采用线性插值的方式进行补全数据，对于缺失整天起降信息的日期进行删除处理；