基于贝叶斯网络的航班延误波及研究

在民航业内,航班延误波及问题一直是影响航班延误的一个主要因素。基于贝叶斯网络（BN）,讨论了在繁忙的枢纽机场,其航班延误的波及问题。在实验中使用的数据,皆来自国内某大型航空公司的真实记录。通过建立延误波及模型和贝叶斯网络模型,探讨了相关航班中,进港延误和航班取消对离港延误的影响。学习的结果显示了进港延误（Arrival-delay）对离港延误（Departure-Delay）的波及现象的存在;以及波及现象在不同情况下的程度不同;相应的可采取的应对方式亦不相同。其中航班取消是一种釜底抽薪的应对方法,可以在一定程度上削弱上述条件下的延误波及,其削弱程度与航班取消的架次有关。基于该研究可以在机场发生大规模延误时,提供一个基本的参考。     

基于贝叶斯网络的航班串运行脆弱性研究

为研究航班串中某一关键航班发生进离港延误对该航班串中其它航班进离港准点率造成的影响,采用贝叶斯网络对航班串运行进行建模,识别并评价关键航班的脆弱性,并提出降低航班串运行脆弱性的建议。在受到管制、天气、军事活动、航班在机场异常过站以及其它异常情况等不确定因素影响下,研究航班串进离港准点率关系,并找出航班串运行时的脆弱节点以及评价关键航班的延误状态。通过对比分析增加关键航班过站时间航班串运行前后的进离港准点率,结果表明,增加关键航班过站时间可以降低航空公司航班串运行脆弱性。     

航班延误分布式检测与仿真

关于航班延误问题,已成为是困扰民航部门和广大旅客的热点,涉及多个环节和多种影响因素的航班延误状态检测是难点.针对某天某时刻航班实际运行发生的情况,将生物免疫系统机制与机场航班运行机制联系起来,为提高检测准确率,提出了一种分布式人工免疫模型的机场航班延误实时检测方法,采用分布式检测模型的特点,用各周次训练出来的检测器联合实时对下一时刻的机场离港航班延误状态进行检测,仿真结果表明方法不仅能够实时准确地检测机场离港航班状态,而且能够准确预测下一时间段累计延误航班数量,为航班延误预警提供决策支持.     

大型枢纽机场大面积航班延误预警方法研究

航班延误问题是近年来大型枢纽机场运行管理的一个难题,为了对航班延误波及情况做出较准确的预测,提出了带有权值调整的马尔可夫模型,给出了一种动态状态转移概率矩阵的计算方法.针对首都机场航班延误4个预警等级,以一小时为预警间隔预测了离港航班的延误率,仿真实验结果表明,在出现大面积航班延误的情况下,航班延误预测准确率平均在90%以上,为大型枢纽机场实施及时的航班延误预警管理提供了良好的方法支持.     

连续航班延误与波及的贝叶斯网络分析

针对空运系统日益严重的航班延误,尝试将贝叶斯方法应用于航班数据分析,重点考虑同一飞机飞行连续航班的情况。借助Netica软件包,建立贝叶斯网络模型。通过贝叶斯网络推理进行连续航班延误波及分析,并用实际航班数据进行测试。结果表明,概率统计意义下,模型能够清晰反映连续航班延误原因分布、过站时间差分布和按时间段的延误波及情况。     

基于贝叶斯网络的航班过站时间分析与延误预测

从航班延误链式波及的角度出发,分析了影响航班过站时间的多种因素,建立了贝叶斯网络模型,模型能够清晰地反映多种因素对下游航班过站时间的影响。提出了基于贝叶斯网络参数估计的航班延误预测算法,当航班发生起飞延误时能够预测下游航班的起飞时间和延误状况。对算法进行了实现,并利用实际航班数据进行仿真,结果表明了该算法有比较高的预测准确率。     

基于SOA的民航航班延误波及分析与预警系统

为了对航班延误预警提供软件支撑,基于SOA思想设计并实现了航班延误波及分析与预警系统.服务端采用Web服务封装核心延误波及分析和预警算法,以图形组件包自动生成航班延误波及DAG、高级Petri网、贝叶斯网络和元胞自动机等数学模型的仿真视图以及棒图等统计图.客户端采用自主设计的Magix AJAX框架实现.模块之间以XML作为数据交换媒介,提高了互操作性.系统支持对单航班计划、多航班计划、机场、航空公司等的延误波及分析和预警功能.仿真实验表明,该系统可以有效地辅助完成航班延误波及分析和预警.     

基于GATS贝叶斯网络结构学习的航班延误模型

对遗传算法（GA）贝叶斯网络（BN）结构学习和禁忌搜索算法（TS）进行分析,提出遗传禁忌搜索贝叶斯网络结构学习算法GATS_BNSL。把禁忌搜索思想引入到遗传算法BN结构学习由父代种群产生后代种群的演化过程中,以禁忌搜索交叉和禁忌搜索变异改进传统的遗传算子,对比实验分析表明了GATS_BNSL的学习优势。应用此方法,基于真实数据,建立了大型枢纽机场航班离港延误模型。该模型切实反映了导致航班延误的多因素之间的因果关系,而且建模时间少,学习正确率高。     

航班延误传播分析方法研究

为避免以往主要针对局部机场网络开展航班延误传播分布和现实数据观察等表象研究,发掘大面积航班延误的要素影响规律,提出了基于航班频率偏好的航空演化网络模型,并将经典传染病SIS传播分析方法与航班延误传播过程相结合,构建基于航空演化网络的延误传播模型,以及延误传播概率及其与影响要素之间的分析方法.基于东航实际运营数据,得到延误传播概率与航线距离、航班频率、实际缓冲时间、进离港总延误时间4个影响因素之间的回归量化关系,并由此给出了控制航班频率、避免频繁起落、降低航线繁忙程度、增大缓冲时间的结论.     

航班延误预警Web服务的设计与实现

针对航班延误预警缺乏软件支撑的现状,分析关键飞行资源对航班波及延误的影响并建立波及延误模型,设计并实现航班延误预警Web服务的接口与算法,并利用前端系统调用Web服务给出仿真计算实例。实验表明,该Web服务为航班延误预警提供了有效的定量分析工具。     

基于遗传禁忌算法的贝叶斯网边定向方法

针对贝叶斯网边定向过程中存在的问题,提出一种基于遗传禁忌算法的贝叶斯网边定向方法,该方法将禁忌搜索的＂多样化＂引入遗传算法的交叉算子和变异算子中,生成禁忌交叉算子和禁忌变异算子,并对航班离港延误骨架模型进行定向,仿真实验结果表明,该方法是有效可行的。     

时间有色佩特里网在航班进离港中应用

为了解决目前和以后越来越严重的空中交通拥挤问题,文中对终端区空中交通流量管理中航班进离港部分连续航班动态飞机排序问题进行研究.提出了基于时间有色佩特里网(TCPN)的航班进离港的调度方法,用MATLAB软件中的M函数编写了算法程序,然后进行了仿真.仿真结果表明,该方法选用的算法是合理的,而且可以明显的减少航班总的延误,优化效率高,算法简单可行,而且更符合实际的要求.该方法在一定程度上可以帮助空管人员进行调度决策,从而更加快速有序地对飞机进离港进行调度,对目前空管优化调度,减少延误等情况的处理具有一定的参考研究价值.     

航班延误预警图形组件包的设计与实现

为了给航班延误预警平台提供图形生成服务,设计并实现航班延误预警图形组件包,用于自动生成航班延误波及DAG、高级Petri网、贝叶斯网络和元胞自动机等数学模型的仿真视图,以及棒图等统计图。图形组件包包括外层服务和核心引擎两部分。外层服务生成图形XML文档,核心引擎解析该文档并渲染生成图形。图形组件包以Web服务暴露接口,以XML作为数据交换媒介,提高了互操作性和通用性。实验表明,该图形组件包可以有效满足航班延误预警平台的图形生成和表现需求。     

基于深度全连接神经网络的离港航班延误预测模型

针对提升离港航班延误预测精确度困难的问题,提出一种基于深度全连接神经网络（DFCNN）的离港航班延误预测模型。首先,在考虑航班信息、机场气象与航班延误历史的基础上,考虑航班网络结构对预测模型的影响;然后,从激活函数、输入数据项及延误时间阈值三个维度进行实验,以对模型抑制梯度弥散与提升学习表现能力的能力进行了优化与验证;最后,通过调控神经网络层数的纵向拓展方式与随机丢失层的Dropout参数,提升模型的泛化能力。实验结果表明：所提模型使用tanh、指数线性函数（ELU）,预测精确度比使用线性整流函数（ReLU）分别提升了1.26、1.28个百分点;考虑航班网络结构后,所提模型采用ELU函数计算时,预测精确度比未考虑航班网络结构时提升了3.12个百分点;在时间阈值为60 min时,通过调控Dropout参数,模型的损失值不断降低;在5层隐含层网络和Dropout参数为0.3时,所提模型可以取得92.39%的预测精确度。因此,所提模型能够对国内航班延误做出较为准确的判断。     

基于团簇随机连接的CliqueNet航班延误预测模型

针对目前民航运输业延误率较高,而传统算法难以解决高精度延误预测的问题,提出一种基于随机连接团簇网络（CliqueNet）航班延误预测模型。该模型首先对航班数据和相关气象数据进行融合;然后,充分利用改进后的网络模型对融合后的数据集进行特征提取;最后,使用Softmax分类器进行航班离港延误各等级的高精度预测。模型的主要特点是：在团簇特征层的随机连接,以及在转换层引入通道和空间注意力残差（CSAR）模块。前者以更为有效的连接方式传递特征信息;后者则对特征信息进行通道和空间维度的双重标定,以提高准确率。实验结果表明,对融合数据进行预测,引入随机连接和CSAR模块后,新模型的准确率分别提高了0.5%、1.3%,最终准确率能达到93.40%。