航路流量预测方法、装置及计算机存储介质制造方法及图纸

一种航路流量预测方法、装置及计算机存储介质。所述方法包括：获取航路流量预测数据集，其中，预测数据集至少包括以下之一：经纬度、高度、航班号、航向、垂直速度，对地速度、航班控制号；对所述预测数据集进行预处理；采用处理过的预测数据集对循环神经网络模型进行训练；使用训练过的循环神经网络进行航路流量预测。本方法提高了航路流量预测的准确率。通过本方法得到的飞机流量统计数据以及预测模型能很好的服务于空中交通流量管制系统。

Method, device and computer storage medium of route flow prediction

【技术实现步骤摘要】
航路流量预测方法、装置及计算机存储介质
本专利技术属于大数据挖掘和机器学习领域，具体涉及一种航路流量预测方法、装置及计算机存储介质。
技术介绍
近些年越来越对的人们选择更加舒适快捷的飞机出行，这给民航产业带来了巨大的发展，但同时也带来了很多问题。在中国仅占全国空域五分之一民航空域越来越难以满足日益增长的飞机数量的需求。空域的拥挤让飞机的运行变得低效，导致了包括航班延误、取消等一系列问题。更是不可避免的给飞机出行带来了安全的隐患。ADS-B技术的广泛应用让人们看到了整个空中交通管制系统在技术上的变革的可能性。比二次雷达技术更精准的位置信息以及更加详细的在航飞机信息让我们能够挖掘更多有价值有意义的数据。空域流量管控一直以来都是空中交通管制系统的重要组成部分，准确的空域飞机流量数据对空域的合理划分和飞行航路的优化有着重要的意义。
技术实现思路
针对于上述现有技术的不足，本专利技术的目的之一提供一种能够提高航路流量预测准确率的方法、装置及计算机存储介质。本专利技术实施例公开了一种航路流量预测方法，包括：获取航路流量预测数据集，其中，预测数据集至少包括以下之一：经纬度、高度、航班号、航向、垂直速度，对地速度、航班控制号；对所述预测数据集进行预处理；采用处理过的预测数据集对循环神经网络模型进行训练；使用训练过的循环神经网络进行航路流量预测。在一个可能的实施例中，获取航路流量预测数据集包括通过广播式自动相关监视ADS-B接收设备收集ADS-B报文数据。在一个可能的实施例中，对所述预测数据集进行预处理包括：对所述ADS-B报文数据进行清洗；对清洗后的数据进行筛选，获得与航路飞机流量统计相关的有效信息，至少包括经纬度、高度、航班号之一；对筛选后的数据进行时间切片并存储；将筛选后的数据和从网络获取的机场数据融合，得到飞机航路信息。在一个可能的实施例中，根据所述飞机航路信息进行以小时为粒度的航路飞机流量统计。在一个可能的实施例中，所述预处理过的预测数据集至少包括以下之一：飞机流量、航路信息、包括小时段、星期、月、日的时间向量、包括季节、节假日、对应航路平均流量的指标向量。在一个可能的实施例中，所述循环神经网络模型是长短记忆神经网络模型，包括4层神经网路层。本专利技术实施例还公开了一种航路流量预测装置，包括：获取单元，用于获取航路流量预测数据集，其中，预测数据集至少包括以下之一：经纬度、高度、航班号、航向、垂直速度，对地速度、航班控制号；预处理单元，用于对所述预测数据集进行预处理；训练单元，用于采用处理过的预测数据集对循环神经网络模型进行训练；预测单元，用于使用训练过的循环神经网络进行航路流量预测。在一个可能的实施例中，所述获取单元，还用于通过广播式自动相关监视ADS-B接收设备收集ADS-B报文数据。在一个可能的实施例中，所述预处理单元包括：清洗模块，用于对所述ADS-B报文数据进行清洗；筛选模块，用于对清洗后的数据进行筛选，获得与航路飞机流量统计相关的有效信息，至少包括经纬度、高度、航班号之一；存储模块，用于对筛选后的数据进行时间切片并存储；统计模块，用于将筛选后的数据和从网络获取的机场数据融合，得到飞机航路信息。在一个可能的实施例中，统计单元还用于根据所述飞机航路信息进行以小时为粒度的航路飞机流量统计。在一个可能的实施例中，所述预处理过的预测数据集至少包括以下之一：飞机流量、航路信息、包括小时段、星期、月、日的时间向量、包括季节、节假日、对应航路平均流量的指标向量。在一个可能的实施例中，所述循环神经网络模型是长短记忆神经网络模型，包括4层神经网路层。本专利技术实施例还公开一种计算机存储介质，其存储计算机程序，在所述计算机程序被执行时，实施根据前述任一项所述的方法。本专利技术的有益效果：本专利技术所提出的基于地面接收设备接收的飞机ADS-B报文数据，融合互联网的相关机场的数据，构建多条航路数据并以小时为时间粒度统计航路的飞机流量，并在航路流量数据的基础之上，整合一些特征作为输入，运用了长短期记忆神经网络模型进行航路流量的预测，提高了预测精度。流量的统计和预测工作对空中交通管制部门包括对监管和未来航行的调度都提供了重要的数据支撑。附图说明图1为本专利技术实施例的一种方法流程图；图2为本专利技术实施例的又一方法流程示意图；图3为本专利技术实施例的一种装置结构示意图。具体实施方式为了便于本领域技术人员的理解，下面结合实施例与附图对本专利技术作进一步的说明，实施方式提及的内容并非对本专利技术的限定。参照图1，一种航路流量预测方法，包括：S101,获取航路流量预测数据集，其中，预测数据集至少包括以下之一：经纬度、高度、航班号、航向、垂直速度，对地速度、航班控制号。在一个实施例中，获取航路流量预测数据集可以通过广播式自动相关监视ADS-B接收设备收集ADS-B报文数据。具体的，ADS-B是广播式自动相关监视的英文缩写，装备这种设备的飞机无需进行人工操作或者像二次雷达一样需要询问，飞机可以自动的不间断的向其他飞机和地面接收站广播自己的位置、高度、航向、识别号等信息。这些广播发送出去的整合重组的飞机信息就是ADS-B数据报文。地面接收设备通过解析接收到的ADS-B报文获取飞机的相关信息，ADS-B报文的内容可以包括：经纬度、高度、航班号、航向、垂直速度，对地速度、航班控制号等。S102,对所述预测数据集进行预处理。在一个实施例中，对所述预测数据集进行预处理包括：清洗、筛选、存储、统计流量步骤。具体的，对ADS-B报文数据进行清洗；对清洗后的数据进行筛选，获得与航路飞机流量统计相关的有效信息，至少包括经纬度、高度、航班号之一；对筛选后的数据进行时间切片并存储；将筛选后的数据和从网络获取的机场数据融合，得到飞机航路信息。例如，把互联网获取的机场经纬度信息存放到字典数据结构，两两机场的位置信息加上航路的宽度信息构成一条航路的基本信息。加载某个时间切片的数据，读取其中每一架在航飞机的相关数据并验证其是否在某一条航路内。统计每一条航路在每个时间段的飞机的数量。在一个实施例中，根据所述飞机航路信息进行以小时为粒度的航路飞机流量统计。在一个实施例中，所述预处理过的预测数据集至少包括以下之一：飞机流量，航路信息，包括小时段、星期、月、日的时间向量，包括季节、节假日，对应航路平均流量的指标向量。例如，对前述得到的航路流量数据进行整理和格式统一，再加上航路编号、日期、星期、节假日、季节等特征信息，为后续的流量预测模型作输入。具体的可以通过如下方式定义输入数据格式。输入数据可以是数据向量，包括时间向量t和指标向量p。对时间向量t和指标向量p做如下的定义：(1)式中，,,和分别是小时段、星期、月份、某月的哪一天。(2)式中，,和分别是季节指标，节假日指标和该航路的平均流量指标。输入数据向量定义如下本文档来自技高网...

【技术保护点】
1.一种航路流量预测方法，其特征在于，包括：/n获取航路流量预测数据集，其中，预测数据集至少包括以下之一：经纬度、高度、航班号、航向、垂直速度，对地速度、航班控制号；/n对所述预测数据集进行预处理；/n采用处理过的预测数据集对循环神经网络模型进行训练；/n使用训练过的循环神经网络进行航路流量预测。/n

【技术特征摘要】
1.一种航路流量预测方法，其特征在于，包括：
获取航路流量预测数据集，其中，预测数据集至少包括以下之一：经纬度、高度、航班号、航向、垂直速度，对地速度、航班控制号；
对所述预测数据集进行预处理；
采用处理过的预测数据集对循环神经网络模型进行训练；
使用训练过的循环神经网络进行航路流量预测。


2.如权利要求1所述的方法，其特征在于，获取航路流量预测数据集包括通过广播式自动相关监视ADS-B接收设备收集ADS-B报文数据。


3.如权利要求2所述的方法，其特征在于，对所述预测数据集进行预处理包括：对所述ADS-B报文数据进行清洗；对清洗后的数据进行筛选，获得与航路飞机流量统计相关的有效信息，至少包括经纬度、高度、航班号之一；对筛选后的数据进行时间切片并存储；将筛选后的数据和从网络获取的机场数据融合，得到飞机航路信息。


4.如权利要求3所述的方法，其特征在于，根据所述飞机航路信息进行以小时为粒度的航路飞机流量统计。


5.如权利要求1所述的方法，其特征在于，所述预处理过的预测数据集至少包括以下之一：飞机流量、航路信息、包括小时段、星期、月、日的时间向量、包括季节、节假日、对应航路平均流量的指标向量。


6.如权利要求1所述的方法，其特征在于，所述循环神经网络模型是长短记忆神经网络模型，包括4层神经网路层。


7.一种航路流量预测装置，其特征在于，包括：获取单元，用于获取航路流量预测数据集，其中，预测数据集至少包括...

【专利技术属性】
技术研发人员：桂冠，周子琦，
申请(专利权)人：南京萨利智能科技有限公司，
类型：发明
国别省市：江苏;32