一种基于贝叶斯结构学习的航班保障Petri网构建方法及系统技术方案

本发明专利技术属于民航航空技术领域，具体涉及一种基于贝叶斯结构学习的航班保障Petri网构建方法及系统，包括以下步骤:根据贝叶斯网络的无自环Petri网描述航班保障计划流程，并得到航班保障计划流程关键点Petri网和先验节点顺序ρ；对航班历史数据进行数据处理得到矩阵形式的历史数据集D；基于先验节点顺序ρ、历史数据集D以及设置的最大父节点个数，通过贝叶斯结构学习K2算法的计算，得到更能体现航班真实流程的航班保障关键点Petri网。相比于航班保障计划流程关键点Petri网，本发明专利技术结合先验节点顺序、历史数据以及最大节点个数，通过K2算法构建的航班保障关键点Petri网，预测的结果更准确，更能准确反映航班保障关键节点的真实过程。

【技术实现步骤摘要】
一种基于贝叶斯结构学习的航班保障Petri网构建方法及系统
本专利技术属于民航航空
，具体涉及一种基于贝叶斯结构学习的航班保障Petri网构建方法及系统。
技术介绍
近几年民航运输业高速发展，截止2017年旅客吞吐量达千万级机场已有32个，以2月份全球机场放行准点率数据为例，其中国内放行准点率最高机场为大连国际机场，准点率80.89％，相比于日本伊丹机场95.13％的放行准点率有较大差距。造成放行准点率低的主要原因之一是地面服务保障低效。目前中国民航局力推建设机场协同决策支持系统A-CDM有望解决此难题。其中A-CDM通过获得精确的撤轮档时间将有助于提高地面服务保障的效率，实现机场与空管、航空公司共同规划合理的航班放行顺序，从而提升航班正常放行率。因此，机场航班保障高效运行迫切需要精细刻画服务保障过程来获得精准的撤轮档预测时间。过站航班地面服务，从上轮档到撤轮档的过程中一共包含20个业务环节。按照各业务环节的依赖关系将上轮档到撤轮档之间的业务环节分为机务巡检、客舱服务、货舱服务以及加航油四个并行的业务流程。各服务流程包含子环节，完整的航班计划保障服务工作流程如图1所示。上述保障流程是按照业务环节的先后顺序得到的计划执行过程，在实际保障过程中高峰时段因机场保障资源有限，航班保障服务的各业务环节的执行顺序会发生变化，导致航班计划保障流程不能正确的刻画实际的航班保障过程。在航班保障流程中，机务巡检和加航油的时间窗口较大，而且不影响客舱和货舱服务流程。客舱服务流程中，首先要进行廊桥对接，之后进行开客舱门和旅客下机。本专利技术将开客舱门和旅客下机视为同一环节。在完成此环节之后，在并行开展的四个环节中，只有客舱清洁开始和完成在客舱内部进行，并且影响之后的保障环节。货舱服务流程中，开货舱门完成后，其他的保障环节才能依次进行。所以，确定上轮档、廊桥对接、开货舱门、开客舱门、客舱清洁开始和完成保障环节的网络结构关系就显得尤为重要。综上所述，在航班保障流程中，本专利技术将上轮档、廊桥对接、开货舱门、开客舱门、客舱清洁开始及完成这六个保障环节定义为关键节点。其余保障环节在满足串行关系和并行关系的业务前提下，网络结构会随着六个环节的确定而确定。此六项环节的网络结构将直接决定航班保障流程的网络结构。为准确预测撤轮档时间，必须预测保障过程中各关键节点的时间。
技术实现思路
本专利技术提供了一种基于贝叶斯结构学习的航班保障Petri网构建方法及系统相比于航班保障计划流程关键点Petri网，本专利技术结合先验节点顺序、历史数据以及最大节点个数，通过K2算法构建的航班保障关键点Petri网，预测的结果更准确，更能准确反映航班保障关键节点的真实过程。此外，本专利技术没有按照多数情况下，利用Petri网的变迁表示业务环节的方法，而是采用库所表示航班保障的业务环节。原因是前者虽然便于理解，但是将造成加入时间因素后，系统的状态无法用可达图表示的情况。因此，为保证后续研究的一致性，本专利技术采用库所表示业务环节的方法。第一方面，本专利技术提供了一种基于贝叶斯结构学习的航班保障Petri网构建方法，包括以下步骤:根据贝叶斯网络的无自环Petri网描述航班保障计划流程，并得到航班保障计划流程关键点Petri网和先验节点顺序ρ；对航班历史数据进行数据处理得到矩阵形式的历史数据集D；基于先验节点顺序ρ、历史数据集D以及设置的最大父节点个数，通过贝叶斯结构学习K2算法的计算，得到更能体现航班真实流程的航班保障关键点Petri网。优选地，所述贝叶斯结构学习K2算法具体为：根据历史数据集D计算每个节点的初始评分；根据先验节点顺序ρ、历史数据集D以及最大父节点个数u，通过CH评分函数计算每个节点的结构评分，并将结构评分与初始评分进行比较，最终确定每个节点的父节点；确定每个节点的父节点后，得到基于贝叶斯结构学习的航班保障关键点Petri网。优选地，所述CH评分函数为：其中，D为历史数据集；i表示第i个节点，1≤i≤n，n为节点总数；si表示第i个节点对应的库所；π(si)表示第i个节点对应的父库所；CH(〈si,π(si)>|D)表示第i个节点的结构评分；mijk表示历史数据集D中，在父库所π(si)取值组合编号为j的条件下，节点i取值为k的样本数量；mij*表示样本中i节点在父库所取值组合编号为j时的样本总量；k表示库所si的取值，1≤k≤ri，ri是所有库所si取值状态的最大值；j表示父库所π(si)取值组合的编号，1≤j≤qi，qi是父库所π(si)取值组合的最大值，即最大取值为样本总量m。优选地，所述的基于贝叶斯结构学习的航班保障Petri网构建方法，还包括：从时间复杂度对贪心算法和贝叶斯结构学习K2算法进行分析的步骤。优选地，所述的基于贝叶斯结构学习的航班保障Petri网构建方法，还包括：从空间复杂度对贪心算法和贝叶斯结构学习K2算法进行分析的步骤。优选地，所述的基于贝叶斯结构学习的航班保障Petri网构建方法，还包括：从结构评分对航班保障计划流程关键点Petri网和航班保障关键点Petri网进行分析的步骤。第二方面，本专利技术提供了一种基于贝叶斯结构学习的航班保障Petri网构建系统，适用于第一方面所述的基于贝叶斯结构学习的航班保障Petri网构建方法，包括：计划网络单元，用于根据贝叶斯网络的无自环Petri网描述航班保障计划流程，并得到航班保障计划流程关键点Petri网和先验节点顺序ρ；数据处理单元，用于对航班历史数据进行数据处理得到矩阵形式的历史数据集D；计算网络单元，用于基于先验节点顺序ρ、历史数据集D以及设置的最大父节点个数，通过贝叶斯结构学习K2算法的计算，得到更能体现航班真实流程的航班保障关键点Petri网。本专利技术的有益效果为：相比于航班保障计划流程关键点Petri网，本专利技术结合先验节点顺序、历史数据以及最大节点个数，通过K2算法构建的航班保障关键点Petri网，预测的结果更准确，更能准确反映航班保障关键节点的真实过程。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，所述的单元或步骤仅仅是一种逻辑性的划分，也可以有其他的划分方式。图1为
技术介绍
中航班计划保障服务工作流程图；图2为本实施例中基于贝叶斯结构学习的航班保障Petri网构建方法的流程图；图3为本实施例中航班保障计划流程关键点Petri网的示意图；图4为本实施例中基于贝叶斯结构学习的航班保障关键点Petri网的网络结构；图5为本实施例中基于贝叶斯结构学习的航班保障关键点Petri网的示意图；图6为本实施例中基于贝叶斯结构学习的航班保障Petri网构建系统的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，在本专利技术说明书和所附权利要求书中，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯结构学习的航班保障Petri网构建方法，其特征在于，包括以下步骤:根据贝叶斯网络的无自环Petri网描述航班保障计划流程，并得到航班保障计划流程关键点Petri网和先验节点顺序ρ；对航班历史数据进行数据处理得到矩阵形式的历史数据集D；基于先验节点顺序ρ、历史数据集D以及设置的最大父节点个数，通过贝叶斯结构学习K2算法的计算，得到更能体现航班真实流程的航班保障关键点Petri网。

【技术特征摘要】
1.一种基于贝叶斯结构学习的航班保障Petri网构建方法，其特征在于，包括以下步骤:根据贝叶斯网络的无自环Petri网描述航班保障计划流程，并得到航班保障计划流程关键点Petri网和先验节点顺序ρ；对航班历史数据进行数据处理得到矩阵形式的历史数据集D；基于先验节点顺序ρ、历史数据集D以及设置的最大父节点个数，通过贝叶斯结构学习K2算法的计算，得到更能体现航班真实流程的航班保障关键点Petri网。2.根据权利要求1所述的基于贝叶斯结构学习的航班保障Petri网构建方法，其特征在于，所述贝叶斯结构学习K2算法具体为：根据历史数据集D计算每个节点的初始评分；根据先验节点顺序ρ、历史数据集D以及最大父节点个数u，通过CH评分函数计算每个节点的结构评分，并将结构评分与初始评分进行比较，最终确定每个节点的父节点；确定每个节点的父节点后，得到基于贝叶斯结构学习的航班保障关键点Petri网。3.根据权利要求2所述的基于贝叶斯结构学习的航班保障Petri网构建方法，其特征在于，所述CH评分函数为：其中，D为历史数据集；i表示第i个节点，1≤i≤n，n为节点总数；si表示第i个节点对应的库所；π(si)表示第i个节点对应的父库所；CH(〈si,π(si)>|D)表示第i个节点的结构评分；mijk表示历史数据集D中，在父库所π(si)取值组合编号为j的条件下，节点i取值为k的样本数量；mij*表示样本中i节点在父库所取值组合编号为j时的...

【专利技术属性】
技术研发人员：罗谦，陈哲，夏欢，丛婉，党婉丽，杜雨弦，刘洋，陈肇欣，刘畅，
申请(专利权)人：中国民用航空总局第二研究所，
类型：发明
国别省市：四川,51