基于遗传EM算法的航班延误状态空间模型(英文)

航班运行过程的高度动态性和随机性,航班延误因素的复杂性和不确定性导致航班延误实时预测成为难题。控制领域的动态数据驱动方法为该问题提供了一种解决方案。然而,要想运用动态数据驱动方法,首先必须建立航班延误状态空间模型来表示系统状态之间、状态与系统输入输出之间的关系。本文对单机延误事件序列进行了分析,创建了一种航班延误状态空间模型,并对其中的输入控制量进行了重点建模。在历史航班运行数据集上,采用遗传EM算法对模型参数进行了极大似然估计,并同时验证了遗传EM算法在优化参数估计和提高计算效率方面的优势。最后,采用Kol-mogorov-Smirnov方法对模型实例进行了假设检验,检验结果表明,所选模型具有较好的拟合优度。     

基于传递闭包法的航班分类模型及在航班排序中的应用

提出了一种基于传递闭包法的进/离场航班分类方法.首先对模糊集合理论和传递闭包算法作了简要的介绍,然后在考虑4种不同因素的条件下建立了航班分类模型,并给出了各类航班单位时间延误成本的计算公式.最后以终端区航班排序模型为例,对该方法进行了仿真,并与传统航班延误成本分类方法进行了比较.仿真结果表明,该方法有助于减少航班延误损失,优化进/离场航班队列,提高空中交通管理效率.     

空管系统延误效能的模糊层次综合评价

空管系统中的航班延误发生在飞行过程的不同阶段,各个阶段的延误程度也不一样.本文通过对空管系统延误的属性分析,建立了二级评价指标体系,运用模糊层次综合评价方法,对空管系统延误效能进行了综合评价,得出了空管系统延误效能的评价结果.     

基于深度学习的离港航班延误预测模型研究

为了对离港航班延误进行有效预测,在融合航班数据和气象数据的基础之上,提出一种基于深度学习的离港航班延误预测模型。针对航班延误数据集的非平衡特性,提出利用焦点损失函数来减轻非平衡数据集对模型的影响;针对小数据集时模型预测效果不佳问题,提出了一种简单的数据集增强方法,在一定程度上提高了模型的预测精度。以成都双流机场的相关数据对模型进行仿真实验,结果表明模型可以达到85%以上预测精度,具有一定的实际价值。     

两岸承运人航班延误的比较研究及立法建议

由于政治、经济和历史背景的差异,海峡两岸承运人航班延误制度既有差异,又有相同之处。通过比较分析发现,两岸航班延误内涵模糊、承运人责任限额不明确、两岸在航空延误险方面存在立法空白。在完善承运人航班延误立法时,两岸应统一航班延误的认定标准,明确承运人责任限额,还可增加航班延误险的规定。     

基于数字孪生的航班链延误动态预测模型

针对复杂多变的航班运行环境，提出一种基于数字孪生的航班链延误动态预测模型，以改善传统预测方法的精度及自适应性。模型基于数字孪生航班链系统构建，采用滑动窗口下的多通道特征建模完成单元级航班延误预测，并提出一种混合优化策略进行模型参数的动态优化，最后通过孪生数据驱动的链式分析方法实现了全航班链的延误分析与修正。采用国内航班数据进行实验，得到在各个窗口下的航班延误平均绝对误差（Mean absolute error, MAE）为11.79 min，低于其他基线模型和静态模型；且引入孪生数据驱动分析和修正后，紧随其后的航班预测误差比此前进一步降低了6.44%。结果表明，模型有利于数字孪生航班链系统实现虚实交互，并具有优良的预测精度和自适应性。     

基于LightGBM的航班延误多分类预测

航班延误是民航业的一大难题,提前对航班的延误情况进行预测,以采取合理的应对措施,对缓解航班延误产生的负面影响有着重要意义。为提升预测性能,提出一种基于轻量级梯度提升机（Light gradient boosting machine,LightGBM）的航班延误多分类预测模型。该模型结合航班信息与天气信息,运用方差过滤与递归特征消除进行特征筛选,并采用合成少数过采样技术（Synthetic minority oversampling technique,SMOTE）与Tomek Link对数据进行不平衡处理,最后使用LightGBM进行建模,实现对航班延误时长的多分类预测。为验证模型的合理性,将所提模型与其他先进算法构建的模型进行对比。实验结果表明,所提模型在各种预测性能指标上结果更优,将预测精度提升至90%以上,同时大幅度降低了训练时间成本。     

基于天气干扰的航班延误风险分级研究

航班过站衔接时间是一把"双刃剑",宽松的过站时间,有助于吸收航班延误,降低不正常航班成本,但是影响飞机平均日利用率及运营效率。因此,为设置合理的航班衔接时间,从影响航班运营的天气因素出发,建立相应的季节性指标体系,按照冬春和夏秋季分别确定各项指标权重,并运用模糊综合评价法对天气因素导致的航班延误进行分级。最后,以国内某航空公司航班串进行实例分析。结果表明,基于天气干扰的季节性指标来评估航班延误并以此为依据设置航班过站衔接时间,可以缓解航班延误的传播,从而降低航班延误。     

基于UKDE和XGBoost的航班过站时间动态预测

为了提高机场运行高峰时航班过站时间预测的精度及可靠性,研究了一种结合无偏核密度估计（Unbiased kernel density estimation, UKDE）和极端梯度提升决策树（Extreme gradient boosting, XGBoost）模型的航班过站时间动态预测方法。首先,考虑模型输入变量航班密度的连续性和不确定性变化,利用UKDE法估计机场航班密度,将其作为动态指标输入模型。其次,引入量子粒子群（Quantum particle swarm optimization, QPSO）法优化XGBoost模型。最后,考虑前序航班延误发生前后输入特征的变化,利用初始预测结果对航班密度进行修正,得到二阶段预测结果。研究结果表明：本文方法在高峰时段的预测平均绝对误差为7.365 min,效果优于随机森林（Random forest, RF）、粒子群（Particle swarm optimization, PSO）-XGBoost和XGBoost,修正后的预测结果平均绝对误差减少了3.373 min;模型输入参数按敏感性程度由高到低依次为航班密度、前序航班提前到港时间和延误...     

容量受叠限的航班时刻规划算法的设计和实现

航班时刻规划是战略时期空中交通管制的主要方法.针对起降容量受限和航班延误耗损的变化趋势,提出基于时隙分配的航班时刻规划算法.该算法以调整时间最小和延误耗损总和最小为准则,对进离港航班统一分配时隙.算法考虑了对航班的前提调整,从而得到总延误损失费用与总延误时间值都较小的分配结果.同时,该算法也能处理有后继任务的航班.结合实际数据,用计算机仿真实验对该算法进行了验证,证明了算法的优化性和有效性.