基於大數據分析的機場概率交通需求預測方法與流程

2023-06-12 07:11:16

本發明屬於機場空域航空器飛行安全分析領域，特別是一種基於大數據分析的機場概率交通需求預測方法。

背景技術：
隨著中國航空運輸業的飛速發展，航班增多，空中交通擁擠日益突顯，機場作為整個航空運輸網絡的起訖點，航班延誤頻發，嚴重影響居民正常出行，因此，制定科學有效的空中飛行管理計劃就顯得尤為重要。次日飛行計劃制定是空中交通管理的一個關鍵環節，直接影響當日航班執行的效率以及空域資源的使用率，也是預戰術與戰術階段飛行流量管理的主要依據和參考，是解決交通擁堵的前提和基礎。在目前空中交通流量管理的過程中，交通需求都是以確定性形式體現，即一定時間尺度下空域中所對應的交通需求預測結果是一個確定的數值。但是現有的確定性預測方法是以統計分析為主要手段，沒有考慮天氣影響、管制行為等不確定因素的影響，因此必將導致部分時隙浪費或虛耗，將加劇機場延誤程度。為了彌補傳統確定性預測方法的不足，以大量歷史運行數據分析為基礎，挖掘分析預測誤差的分布規律，開展一定時間尺度下機場交通需求的概率預測，指導擁擠管理策略的實施，對於提升管制運行效率、提高空域資源利用率具有重要意義和現實需求。

技術實現要素：
針對上述問題，本發明提出了一種基於大數據挖掘分析的機場概率交通需求預測方法，該方法以航空公司和空中交通管制單位管制運行海量數據為基礎，以統計分析為手段，挖掘預測誤差的分布規律，結合確定性固定單一預測結果，獲取概率預測結果，適用於規律性機場交通需求預測，本發明是這樣實現的：一種基於大數據分析的機場概率交通需求預測方法，具體步驟如下：步驟一，在目標機場起降航班預測時刻和實際時刻的飛行數據中選取一個航季內連續的M天，M≥7，作為一個時段，包括：1.1，目標機場該時段內起降航班預測時刻的飛行數據，包括航班號、預計起飛時間和預計落地時間；1.2，目標機場該時間段內起降航班的實際飛行數據，包括航班號、實際起飛時間和實際落地時間；步驟二，統計分析15分鐘時間片所選時段目標機場預計和實際航班總量，具體為：2.1，以15分鐘作為一個時間片，分別統計所選時段目標機場各日一個時間片內預計起飛航班量、實際起飛航班量、預計降落航班量和實際降落航班量，形成各日96個時間片起飛預測值、降落預測值、起飛實際值和降落實際值散點，再分別將起飛與降落的航班量加和，獲得目標機場各日對應時間片內預計起降航班總量和實際起降航班總量；2.2，將各日對應時間片起降航班總量的預測結果和實際結果進行對比，取其差值，作為絕對預測誤差值，令第i日第j時間片的起降航班總量預測結果為實際結果為Dij，則預測相對誤差為步驟三，確定所選M天時段內的典型日，並判定該時段分區，具體步驟為：3.1，統計目標機場航班該時段內實際起降總量，並根據各日實際起降量的數值按照從小到大的順序進行排序，選取序號為M·95％(四捨五入取整)所對應的日期作為典型日；3.2，根據典型日的96個時間片起降量比例以及起降總量，將96個時間片進行時段分區，獲得分區數量為K，第k個分區表示為Ck，具體為：依據時間順序，將一天24h劃分為4個時段分區，依次為C1-C4分區，其中，時間點0:00至C2分區之間為C1分區，為全天閒時段，航班量少；C2為早上離場高峰段，該分區離場航班較多，進離場航班比例低於0.5；C3為C2早上離場高峰結束後至傍晚，該時段分區內出現進離場高峰，且進離場航班比例位於0.4-0.7之間；C4分區為C3分區進離場高峰結束後至時間點24:00，其間出現晚間進場高峰，進離場航班比例一般大於0.4，但航班總量小於C3分區。步驟四，使用二重劃分法確定起降航班總量預測誤差分布規律，具體步驟為：4.1，統計各分區的時間片數量，令Ck含有的時間片數量為Qk；4.2，設置一整數步長ΔDk，ΔDk不小於2且不大於Ck內時間片航班量最大值的五分之一，實現對Qk個時間片起降航班總量的等間隔劃分；4.3，根據步驟4.2獲得的各間隔內樣本數量，設置一樣本個數d，從起降航班總量兩側向中間方向對步驟4.2獲得的等間隔區間進行合併，使每個起降航班總量區間的樣本數量不小於30，同時記錄每個區間段的界值，最後獲得Wk層航班量分區；4.4，統計時間分區Ck起降航班總量第層分區中樣本的個數，令其為步驟五，在樣本二重劃分的基礎上，確定誤差分布概率，具體步驟為：5.1，計算時間分區Ck起降航班總量第層個樣本起降航班總量的相對誤差vr5.2，根據時間分區Ck起降航班總量第層樣本的相對誤差，令的相對誤差範圍為為相對誤差最大值與最小值之差，選取一誤差作為區域間隔的寬度，獲得預測誤差區域間隔S個，第s個區域內樣本個數為且5.3，計算時間分區Ck起降航班總量第層預測誤差的離散確切概率分布5.4，對K個時間分區歷史起降航班總量遍歷，獲得Q個預測誤差離散確切概率分布函數，步驟六，對機場起降航班量的點估計與區間估計進行概率預測，具體為:6.1，根據次日飛行計劃制定流程，按照步驟一和步驟二中統計次日某時間片PT航班量為6.2，點估計概率預測：判定PT時間片所屬時間分區Ck，並判定所屬Wk中的某層，根據步驟5.3獲得的預測誤差的離散確切概率分布函數，判定其相對誤差分布，反推航班量概率分布，令相對誤差為Δvs時概率為則航班量發生概率為時預測結果為可形成以航班量為橫坐標，預測概率為縱坐標的直角坐標散點圖；令此時pmax對應的相對誤差定義為Δvmax，則PT時間片概率性點估計預測結果為6.3確定置信度α，α≥90％，在PT時間片概率性點估計預測結果的基礎上，從概率為pmax點向兩側擴散，首選連續散點且發生概率較高的點，直至累計概率大於等於α，此時對應的航班量預測結果最小的值為最大的值為則PT時間片概率性區間預測結果為優選的，本發明所述預測方法中，步驟1.1所述目標機場起降航班預測時刻和實際時刻的飛行數據是通過如下方法獲得的：A)由航班計劃、臨時審批計劃、補班飛行計劃中提取以目標機場為起飛機場或目的機場的航班信息，形成以目標機場為起飛機場的離場航班初始飛行計劃信息，包括航班號、預計起飛時間；以及以目標機場為目的機場的進場航班初始飛行計劃信息，包括航班號、起飛機場的預計起飛時間；B)根據空中交通管制單位收到的航空公司遞交的經批准的次日飛行計劃申請、臨時審批計劃、補班飛行計劃和航空公司拍發的飛行預報，並剔除航空公司次日不執行的航班，更新以目標機場為起飛機場的離場航班初始飛行計劃信息，形成以目標機場為起飛機場的離場航班飛行計劃信息，包括航班號、預計起飛時間；C)根據空中交通管制單位收到的領航計劃報中預計經過總時間欄位，更新以目標機場為目的機場的進場航班初始飛行計劃信息，即將起飛機場的預計起飛時間加上預計經過總時間可得在目標機場的預計降落時間，形成以目標機場為目的機場的進場航班飛行計劃信息，包括航班號、目標機場的預計降落時間。D)根據目標機場的實際飛行數據，提取目標機場所有起降航班的歷史飛行數據，包括航班號、實際起飛時間和實際落地時間。本發明中的航季是指，冬春為一個航季，夏秋為一個航季，每年兩個航季。本發明中的空中交通管制單位包括空中交通服務報告室、機場塔臺管制單位、進近管制單位、區域管制單位、民航地區空中交通管理局運行管理單位、民航局空管局運行管理單位。本發明以大量歷史運行數據分析為基礎，挖掘分析預測誤差的分布規律，結合確定性固定單一預測結果，獲取概率預測結果，開展一定時間尺度下機場交通需求的概率預測，指導擁擠管理策略的實施，對於提升管制運行效率、提高空域資源利用率具有重要意義。附圖說明圖1是本發明方法流程圖。圖2是典型日時間分區劃分結果示意圖。圖3是一重等間隔劃分示意圖。圖4是二重劃分結果示意圖。圖5是預測誤差區域間隔劃分結果示意圖。具體實施方式為方便本發明技術方案的理解，以下結合附圖以及具體實施例，對本發明進行進一步詳細說明，應當理解，此處所描述的具體實例僅用以解釋本發明，並不用於限定本發明。實施例1如圖1所示，一種基於大數據挖掘分析的機場概率交通需求預測，具體步驟如下：步驟一，收集數據，選擇國內某機場作為目標機場，收集最近的冬春、夏秋航季為時間節點完整的計劃和實際飛行數據。收集該段時間內目標機場起降航班預測時刻和實際時刻相關的歷史數據，包括航班計劃、航空公司遞交的經批准的次日飛行計劃申請、臨時審批計劃、補班飛行計劃、航空公司派發的飛行預報(PLN報)、空中交通管制單位派發的領航計劃報(FPL報)，以及目標機場實際飛行數據，根據空中交通管制單位制定次日飛行計劃的工作流程，開展數據準備工作，具體為：步驟1.1，收集該目標機場該目標時段內起降航班預測時刻和實際時刻的飛行數據，包括：A)由航班計劃、臨時審批計劃、補班飛行計劃中提取以目標機場為起飛機場或目的機場的航班信息，形成以目標機場為起飛機場的離場航班初始飛行計劃信息，包括航班號、預計起飛時間；以及以目標機場為目的機場的進場航班初始飛行計劃信息，包括航班號、起飛機場的預計起飛時間；B)根據空中交通管制單位收到的航空公司遞交的經批准的次日飛行計劃申請、臨時審批計劃、補班飛行計劃和航空公司拍發的飛行預報，並剔除航空公司次日不執行的航班，更新以目標機場為起飛機場的離場航班初始飛行計劃信息，形成以目標機場為起飛機場的離場航班飛行計劃信息，包括航班號、預計起飛時間；C)根據空中交通管制單位收到的領航計劃報中預計經過總時間欄位，更新以目標機場為目的機場的進場航班初始飛行計劃信息，形成以目標機場為目的機場的進場航班飛行計劃信息，包括航班號、目標機場的預計降落時間；步驟1.2，收集目標機場所有起降航班的實際飛行數據，包括航班號、實際起飛時間和實際落地時間。步驟二，在數據準備工作完成的基礎上，統計分析15分鐘時間片目標機場的機場預計進離場航班總量以及實際進離場航班總量，具體為：步驟2.1，以15分鐘作為一個時間片，一日(24h)可分為96個時間片；分別統計所選時段目標機場各日一個時間片內預計起飛航班量、實際起飛航班量、預計降落航班量和實際降落航班量，形成各日96個時間片起飛預測值、降落預測值、起飛實際值和降落實際值散點，再分別將預計起飛航班量和預計降落航班量加和，獲得目標機場各日對應時間片內預計起降航班總量和實際起降航班總量；步驟2.2，將各日對應時間片起降航班總量的預測結果和實際結果進行對比，取其差值，作為絕對預測誤差值，令第i日第j時間片的起降航班總量預測結果為實際結果為Dij，則預測相對誤差為步驟三，選取一個航季內的M天(本實施例中M的取值為14)作為一個時段，確定該時段內的典型日，並判定該時段分區，具體步驟為：3.1，選取2014年8月18日至2014年8月31日作為一個時段，該時段屬於夏秋航季，M＝14，統計目標機場航班該時段內實際起降總量，並根據各日實際起降量的數值按照從小到大的順序進行排序，選取序號為M·95％所對應的日期作為典型日，本實施例中選擇號為13(14*95％≈13)的飛行計劃作為典型日，即2014年8月20日為典型日；3.2，根據96個時間片起降量組合比例以及起降總量，將96個時間片進行時段分區，獲得分區數量為K，第k個分區表示為Ck；本實施例中將典型日各時間片航班總量以及進場航班的比例作為度量因素，將96個時間片進行分區，結果如圖2所示，其中，凌晨0:00到5:00屬於全天閒時段，總航班量少，為C1分區；5:00到9:00屬於離場高峰段，進離場總量少且離場比例高，進離場航班比例低於0.5，為C2分區；9:00至18:00進離場高峰，進離場比例均衡，進離場航班比例處於0.4-0.7，且下午進離場高峰結束，為C3分區；18:00至24:00，進離場總量較高且進場比例高，直至24:00晚高峰結束，航班總量低於C3分區，為C4分區；步驟四，使用二重劃分法確定起降航班總量預測誤差分布規律，具體步驟為：4.1，統計各分區的時間片數量，令Ck含有的時間片數量為Qk；本實施例中選取10點至18點所屬的第三個分區(C3)進行二重劃分，即該分區屬於全天較忙的時段，含有的時間片數量Q3＝36,使用二重劃分法對樣本分布特點進行分析；4.2，首先進行第一重劃分，C3分區各時間片航班量最小值為2架次，最大值為16架次，選擇步長ΔD3為2，進行第一重等間隔劃分，獲得第一重劃分的8個區間段，各區間段樣本數分別為1，15，63，178，182，58，6，1；一重等間隔劃分結果如圖3所示；步驟4.3，根據步驟4.2獲得的各間隔內樣本數量，設置一樣本個數d，根據中心極限定理，樣本數必須不小於30，令d＝30，從起降航班總量兩側向中間方向對步驟4.2獲得的等間隔區間進行合併，使每個起降航班總量區間的樣本數量符合樣本參考區間要求，同時記錄每個區間段的界值，最後獲得Wk層航班量分區；本實施例中，二重劃分要求樣本數不能少於30個，則將第一重劃分的前三個區間和後三個區間分別合併，形成最終的4個分層，即W3＝4；步驟4.4，統計時間分區C3起降航班總量第層分區中樣本的個數，令其為本實施例中，各層樣本數分別為L1＝79，L2＝178，L3＝182，L4＝65；二重劃分結果如圖4所示。步驟五，在樣本二重劃分的基礎上，確定誤差分布概率，具體步驟為：5.1，計算時間分區Ck起降航班總量第層個樣本起降航班總量的相對誤差vr本實施例中，第三分區(C3)第二層共有178(L2＝178)個樣本，計算各樣本的相對誤差，並統計誤差分布規律；5.2，根據第三分區起降航班總量第二層樣本的相對誤差，選取一誤差作為區域間隔的寬度，獲得預測誤差區域間隔S個，第s個區域內樣本個數為且本實施例中，誤差定義為20％，則獲得10個誤差區域間隔(S＝10)，如圖5所示；5.3，計算第三分區起降航班總量第二層預測誤差的離散確切概率分布其結果如表1所示：表1第三分區起降航班總量第二層預測誤差的概率分布結果序號誤差範圍樣本數概率分布1-60％60.0337082-40％20.0112363-20％100.0561840％280.157303520％550.308989640％290.162921760％280.157303880％110.0617989100％60.03370810120％30.0168545.4，依照相同方法，第三分區起降航班總量第一、三、四層預測誤差的概率分布結果如表2-4所示：表2第三分區起降航班總量第一層預測誤差的概率分布結果序號誤差範圍樣本數概率分布1-80％50.0641032-40％100.12820530120.153846440％210.269231580％180.2307696120％30.0384627160％50.0641038200％20.0256419240％10.01282110280％10.012821表3第三分區起降航班總量第三層預測誤差的概率分布結果序號誤差範圍樣本數概率分布1-60％20.0109892-40％200.109893-20％570.31318740％370.203297520％260.142857640％290.159341760％90.049451880％20.010989表4第三分區起降航班總量第四層預測誤差的概率分布結果步驟六，對機場起降航班量的點估計與區間估計進行概率預測，具體為:6.1，根據次日飛行計劃制定流程，按照步驟一和步驟二中統計次日某時間片PT航班量為本實施例中，假定統計次日10:00-10:15的起降航班量為10架次；6.2，點估計概率預測：判定次日10:00-10:15時間片所屬時間分區Ck為第三時間分區，起降航班量為10架次，則處於第三層，根據步驟5.3獲得的離散確切概率分布判定其相對誤差分布，反推航班量概率分布，令相對誤差為Δvs時概率為則航班量發生概率為時預測結果為可形成以航班量為橫坐標，預測概率為縱坐標的直角坐標散點圖；令此時pmax對應的相對誤差定義為Δvmax，則PT時間片概率性點估計預測結果為本實施例概率性預測結果如表5所示：表5概率預測結果序號誤差範圍概率預測結果概率分布1-60％250.0109892-40％170.109893-20％130.31318740％100.203297520％80.142857640％70.159341760％60.049451880％50.010989說明該時間片出現進離場架次13的可能性最大，發生概率為31.3％；6.3，確定置信度α＝90％，在10:00-10:15時間片概率性點估計預測結果的基礎上，從概率為pmax＝-20％點向兩側擴散，首選連續散點且發生概率較高的點，直至累計概率不小於α，此時對應的航班量預測結果最小的值為最大的值為本實施例中，從誤差-20％依次向兩邊擴展，當兩邊誤差分別為-40％和40％時，累計概率達到92.9％，大於所需置信度90％，此時則10:00-10:15時間片置信度為90％的區間預測結果為(7，17)。本實施例中，數據的獲取途徑有以下三種：1)民航局空管局每年制定的航班計劃；2)飛行動態格式電報AFTN和SITA；3)管制自動化系統。