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。     

基于关键飞行资源的航班延误波及DAG模型的研究

由于一架飞机和一个机组在一天中通常要执行多个前后衔接的航班,因此一个航班延误可能会导致下游多个航班发生延误.本文重点研究飞机、驾驶员机组和乘务员机组等关键飞行资源对航班延误波及的影响.首先根据航班计划和机组计划构建以一个初始延误航班为根顶点的全体下游航班DAG,然后给出算法以求解各顶点属性值,通过对初始DAG的顶点进行"染色"构造出航班延误波及DAG,得到完整的下游航班波及延误情况,结合提供的延误航班指数、延误时间指数等综合指标,为航班延误问题提供了有效的定量分析手段.最后,通过仿真计算和分析,提出预防和处理航班延误的建议.     

航班延误树的构造与波及分析

由于一架飞机在一天中要执行多个航班,各航班之间存在前后衔接关系,因此,一个航班的延误会波及到下游许多其它航班。重点研究飞机和机组资源对于航班延误与波及的影响,给出延误树的生成过程,通过初始航班延误的触发,动态建立以该航班为根结点的航班延误树,并根据统计结果给出相关量值。实例分析了初始航班延误发生的时刻、持续时间与波及的程度,以期辅助优化飞机与机组排班,减少航班延误。     

基于贝叶斯网络的航班离港延误预警分析*

贝叶斯网络是一种有效的概率预测方法,尝试将其应用于航班数据分析预警,应用Netica软件工具构建实际航班及其关联的贝叶斯网络,特别是针对航班延误的最主要环节——离港延误,分时间段对国内某航空公司在某机场的离港数据进行了延误原因分析和延误预警分析。     

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.     

基于免疫进化算法的航班过站时间优化模型

针对当前航班延误在航班链中的波及的特性,通过研究航班过站时间对航班延误的影响的内在机理,在基于免疫进化算法基础上,没有增加过站时间的总数,调整过站时间来减少航班的延误波及的优化模型.在保持航班的飞行任务和机组安排不变的情况下,只对航班时刻做出了轻微的修改.根据国内某大型枢纽机场的数据进行仿真实验,调整后的计划可以很好的改善延误的情况.     

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。     

基于高斯分布的进出港航班延误免疫检测方法

为了对机场航班延误情况做出较准确的检测,提出了一种基于高斯分布的进出港航班延误免疫检测模型。该模型利用生物免疫机制与航班运行机制的联系,建立了相应的自体集合、检测细胞及它们之间的匹配模型,同时针对每一架飞机每天要执行多个航班,机场进港航班与出港航班形成的前序后继关系,采用高斯分布进行拟合航班链延误波及影响。对国内某机场仿真实验结果表明,该模型有较好的效果。     

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。     

基于延误波及的航班延误状态空间模型

为了将动态数据驱动的方法用于航班延误实时预测,在对单机多任务延误事件中的航班延误波及影响进行分析的基础上,创建了一种航班延误状态空间模型来表示延误状态之间、延误状态与随机延误之间的关系,并对其中的随机延误变量进行了重点建模.在历史航班运行数据集上,采用最大期望算法对模型参数进行了最大似然估计,并在不同概率区间上对模型实例进行了检验.检验结果表明,所提出的航班延误状态空间模型具有较好的泛化能力.     

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。