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。     

基于贝叶斯网的离港航班滑行时间动态估计

为提升离港航班运行效率,根据机场协同决策规范（A-CDM）中关于离港航班可变滑行时间（EXOT）的有关规定,分析了相关影响因素。根据数据分析处理和民航专家知识建立了一种基于贝叶斯网的离港航班滑行时间动态估计模型。贝叶斯网是一种将概率统计应用于复杂领域、进行不确定性推理和数据分析的工具。应用其增量学习特点对模型进行动态调整,实现了对场面实时变化的把控。以国内某大型枢纽机场为例,使用期望优化（EM）算法实现了对随机缺失数据的处理,并验证了模型的有效性。对实验结果与该机场实际运行数据对比表明,所建模型能有效地估计离港航班滑行时间且具有较高的置信度。     

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。     

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。     

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。     

基于数据挖掘的航班延误预警管理分析

目前国内对航空公司航班延误状态的描述缺乏统一的计算模型,对航班延误结果的评价也不是很明确。基于航空公司大量历史运行数据,结合数据挖掘中的预测模型建立方法,采用层次分析法(Analytic Hierarchy Proces,AHP)提出了以延误率、平均延误时间、延误旅客人数为评价指标的航班延误状态描述方法,并运用马尔可夫(Markov)链对评价指标进行预测。利用模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)得到各指标权重,结合模糊综合评判法对航班延误状况进行综合评价,建立航班延误预警指标体系。仿真实验与结果分析表明:预警指标能较准确地反映航班延误状况,评价结果客观,可为航空公司航班延误预警管理提供理论与方法支持。     

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。     

离港航班延误的动态预测研究

现有航班延误预测方法大多是对航班延误进行非动态预测,不能随着航班数据的不断增加而有效更新,进而使得预测结果的实时性较差.因此,提出一种基于时间序列的航班延误动态预测方法.首先,利用小波分解技术对延误时间序列进行平稳化处理;然后,采用自回归滑动平均(ARMA)模型对离港航班延误进行预测;最后,利用支持向量机模型对预测结果...     

基于双曲线模型的车道识别与偏离预警

针对车道识别与偏离预警算法在准确性、可靠性和计算效率方面存在的问题,提出一种基于双曲线模型的车道识别与偏离预警算法。首先,在图像预处理基础上通过特征点搜索筛选道路边缘点,采用双曲线构建道路模型,利用最小二乘原理拟合道路参数,再根据拟合车道线及邻近点信息构建车道置信度函数,将置信度大于设定阈值的车道线作为最终检测结果;然后,根据相邻帧车道线连续变化的特点,在前帧拟合道路线附近使用粒子滤波算法进行道路边缘点筛选、拟合以及置信度计算,实现对车道线的跟踪;最后,在图像坐标系中建立时空联合预警模型,对车道偏离行为进行预警。在PC平台上进行的算法实现与道路实验结果表明:所提方法在一般路况下,具有92%的车道识别和偏离识别正确率和40ms/帧的平均处理速度,满足车道偏离预警应用要求。     

Applying fuzzy method to vision-based lane detection and departure warning system

As the high growth of population of vehicles, the traffic accidents are becoming more and more serious in recent years. Most occurrences of the car accidents results from the distraction, inattention and driving fatigue of the driver. Hence, in order to avoid the driver being in danger as much as possible. In the lane detection, in order to enhance lane boundary information and to suitable for various light conditions all day, we combine the self-clustering algorithm (SCA), fuzzy C-mean and fuzzy rules to process the spatial information and Canny algorithms to get good edge detection. In the lane departure warning, the system uses instantaneous information from the lane detection to calculate angle relations of the boundaries. The system sends a suitable warning signal to drivers, according to degree different of the departure. These experiments have been successfully evaluated on the PC platform of 3.2-GHz CPU and the average frame rate is up to 14 fps.     

Location-centric storage for safety warning based on roadway sensor networks

We propose a novel vision for roadway safety warning based on sensor networks, aiming at providing user-friendly zero-delay safety warnings to motorists. Our idea leverages the advanced sensing, networking and storage technologies. Roadway sensors detect events and store event records at multiple designated locations along the against traffic direction, such that the passing-by drivers can be alerted to potential dangers or traffic delays through the wireless communication between roadway sensors and the vehicle. We design a location-centric storage (LCS) protocol, which manages the propagation and storage of event records based on the time needed to clear the road. In LCS, the density of the sensors storing an event record decreases logarithmically with respect to the distance to the event location. Thus, the closer to the event position, the more number of warnings a driver may obtain. LCS is further tailored for the case of “highway” sensor networks when all sensors are deployed along a straight line mimicking a highway, and the more complex case when two roads intersect at some place. We conduct both theoretic analysis and simulation study to verify the performance of LCS when applied to roadway sensor networks for safety warning. The results indicate that LCS is fair to all sensors. We conclude that roadway safety warning based on sensor networks is a promising idea for realizing ITS's “Zero Fatality, Zero Delay” roadway safety philosophy.     

基于预测关系的贝叶斯网络学习算法

在介绍有代表性的贝叶斯网络结构学习算法基础上,给出了变量之间预测能力的概念及估计方法,并证明了预测能力就是预测正确率,在此基础上建立了基于变量之间预测关系的贝叶斯网络结构学习方法,并使用模拟数据进行了对比实验,实验结果显示该算法能够有效地进行贝叶斯网络结构学习。     

基于贝叶斯网络的计算机硬件保修成本分析

提出了一种基于贝叶斯网络的计算机硬件保修成本分析模型。随着计算机硬件厂商保修过程的进行,该保修成本分析模型能够利用不断更新的数据对保修成本进行动态分析,确定故障源并采取适当的应对措施降低保修成本。经实践检验,在厂家保修过程中引入该分析模型能够及时地发现硬件质量问题,达到降低保修成本提高利润的目的。     

基于Bayes与多层Bayes估计的WSN链路选择算法

无线传感器网络（WSN）节点能量有限,采用传统的链路选择的方法（经验法）进行链路选择,需要发送大量的数据包作为测试样本,这在WSN中是不合适的。设计了两种基于Bayes估计与一种基于多层Bayes估计的WSN链路选择算法,分别记为BLSP-B1、BLSP-B2、BLSP-HE。仿真实验发现,在小样本的条件下,BLSP-B1、BLSP-B2、BLSP-HE选择高质量的链路的概率比经验法要高出10%～20%,其中BLSP-HE算法最稳健,性能较好。