航班各阶段飞行时长的预测方法、电子设备及存储介质技术

本发明专利技术涉及航空技术领域，提供一种航班各阶段飞行时长的预测方法方法、装置、电子设备及存储介质，包括：确定待预测航班阶段对应的特征数据；将特征数据输入到飞行时长预测模型中，得到由飞行时长预测模型输出的对应于待预测航班阶段的飞行时长；其中，飞行时长预测模型包括为将根据样本数据中各航班阶段对应的特征数据和各航班阶段对应的飞行时长作为输入，通过机器学习训练得到的，用于对航班阶段的飞行时长进行预测的模型，通过获取航班各阶段相对应的特征数据，基于飞行时长预测模型对特征数据进行针对性的分析，确定各阶段的飞行时长，从而有效的加强民航飞行效率，提高航班预测的准确。预测的准确。预测的准确。

【技术实现步骤摘要】
航班各阶段飞行时长的预测方法、电子设备及存储介质


[0001]本专利技术涉及民航信息数据处理
，尤其涉及一种航班各阶段飞行时长的预测方法、电子设备及存储介质。

技术介绍

[0002]一个完整的航班运行过程中，目前主要是关注该航班的起飞时刻和落地时刻，但一个完整的航班运行会包括多个阶段，例如跑道滑行、飞机爬升、巡航、飞机降落等形成的不同阶段，不同的阶段在当天面临的状况不同，可能会造成不同阶段所需的时间不同，从而会影响到航班的起飞时刻和落地时刻，故目前仅仅对航班的起飞时刻和落地时刻进行预测不能够达到对航班时间预测的精准要求。

技术实现思路

[0003]针对现有技术存在的问题，本专利技术提供一种航班各阶段飞行时长的预测方法、装置、电子设备及存储介质。
[0004]第一方面，本专利技术提供一种航班各阶段飞行时长的预测方法，包括：
[0005]确定待预测航班阶段对应的特征数据；
[0006]将所述特征数据输入到飞行时长预测模型中，得到由所述飞行时长预测模型输出的对应于待预测航班阶段的飞行时长；
[0007]其中，所述飞行时长预测模型包括为将根据样本数据中各航班阶段对应的特征数据和各航班阶段对应的飞行时长作为输入，通过机器学习训练得到的，用于对航班阶段的飞行时长进行预测的模型。
[0008]在一个实施例中，所述确定待预测航班阶段对应的特征数据，包括：
[0009]确定待预测航班阶段对应的特征项；
[0010]根据所述特征项获取特征数据。
[0011]在一个实施例中，所述方法还包括获取各航班阶段对应的特征项，包括：
[0012]对航班阶段在各数据类型下的数据项进行分类，确定多个分析项；
[0013]确定各分析项之间的关联程度；
[0014]确定关联程度满足预设条件的分析项作为特征项。
[0015]在一个实施例中，所述预设条件包括：
[0016]确定关联程度位于预设阈值范围内；
[0017]或是，确定关联程度超过预设阈值。
[0018]第二方面，本专利技术提供一种航班各阶段飞行时长的预测装置，包括：
[0019]获取模块，用于确定待预测航班阶段对应的特征数据；
[0020]预测模块，用于将所述特征数据输入到飞行时长预测模型中，得到由所述飞行时长预测模型输出的对应于待预测航班阶段的飞行时长；
[0021]其中，所述飞行时长预测模型包括为将根据样本数据中各航班阶段对应的特征数
据和各航班阶段对应的飞行时长作为输入，通过机器学习训练得到的，用于对航班阶段的飞行时长进行预测的模型。
[0022]在一个实施例中，所述获取模块具体用于：
[0023]确定待预测航班阶段对应的特征项；
[0024]根据所述特征项获取特征数据。
[0025]在一个实施例中，所述装置还包括确定模块，用于：
[0026]对航班阶段在各数据类型下的数据项进行分类，确定多个分析项；
[0027]确定各分析项之间的关联程度；
[0028]确定关联程度满足预设条件的分析项作为特征项。
[0029]在一个实施例中，所述预设条件包括：
[0030]确定关联程度位于预设阈值范围内；
[0031]或是，确定关联程度超过预设阈值。
[0032]第三方面，本专利技术提供一种电子设备，包括存储器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述航班各阶段飞行时长的预测方法的步骤。
[0033]第四方面，本专利技术提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行第一方面所述航班各阶段飞行时长的预测方法的步骤。
[0034]本专利技术提供的航班各阶段飞行时长的预测方法、装置、电子设备及存储介质，通过获取航班各阶段相对应的特征数据，基于飞行时长预测模型对特征数据进行针对性的分析，确定各阶段的飞行时长，从而有效的加强民航飞行效率，提高航班预测的准确。
附图说明
[0035]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1是本专利技术提供的航班各阶段飞行时长的预测方法的流程示意图；
[0037]图2是本专利技术提供的航班各阶段飞行时长的预测装置的结构示意图；
[0038]图3是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0039]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术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作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。
[0040]图1示出了本专利技术提供的一种航班各阶段飞行时长的预测方法的流程示意图，参见图1，该方法包括：
[0041]11、确定待预测航班阶段对应的特征数据；
[0042]12、将特征数据输入到飞行时长预测模型中，得到由飞行时长预测模型输出的对
应于待预测航班阶段的飞行时长；其中，飞行时长预测模型包括为将根据样本数据中各航班阶段对应的特征数据和各航班阶段对应的飞行时长作为输入，通过机器学习训练得到的，用于对航班阶段的飞行时长进行预测的模型。
[0043]针对步骤11～步骤12，需要说明的是，在本专利技术中，一个完整的航班从起飞到落地包含多个阶段，例如飞机推出
‑‑
飞机跑道滑行
‑‑ꢀ
飞机起飞
‑‑
飞机爬升
‑‑
飞计巡航(航路点)
‑‑
飞机下降
‑‑
飞机落地
‑‑
飞机跑道滑行
‑‑
飞机推入。通常情况下，对航班只针对一个阶段的预测，比如起飞时间，到达时间等。而本专利技术中，需要对各个阶段的时长进行预测，该时长实质上包括该阶段的起始时间、时长和结束时间。
[0044]在本专利技术中，对不同的航班阶段预测时长，需要对合理的特征数据进行分析。为此，需要获取待测航班阶段对应的特征数据。该特征数据是从各类数据中筛选出的数据。对于一个完整的航班，需要采集各类数据，例如气象类数据、情报类数据和航班运行类数据，其中气象类数据主要是机场终端区附近的数据，内容包括气温、机场能见度、风速数据组(风向、风速和阵风等级)、云组数据组(云量和云层高)和气象描述数据组(雨、雾等)等；情报类数据内容包括扇区、航路、航路点和管制移交点等；航班运行类数据内容包括航班飞行时间节点(航班从推出、滑出跑道起飞、跑道降落、滑入等)和航班轨迹数据(飞行高度、飞行角度、飞行速度和经纬度数据)。为此，在本专利技术中，要从这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航班各阶段飞行时长的预测方法，其特征在于，包括：确定待预测航班阶段对应的特征数据；将所述特征数据输入到飞行时长预测模型中，得到由所述飞行时长预测模型输出的对应于待预测航班阶段的飞行时长；其中，所述飞行时长预测模型包括为将根据样本数据中各航班阶段对应的特征数据和各航班阶段对应的飞行时长作为输入，通过机器学习训练得到的，用于对航班阶段的飞行时长进行预测的模型。2.根据权利要求1所述的航班各阶段飞行时长的预测方法，其特征在于，所述确定待预测航班阶段对应的特征数据，包括：确定待预测航班阶段对应的特征项；根据所述特征项获取特征数据。3.根据权利要求1所述的航班各阶段飞行时长的预测方法，其特征在于，所述方法还包括获取各航班阶段对应的特征项，包括：对航班阶段在各数据类型下的数据项进行分类，确定多个分析项；确定各分析项之间的关联程度；确定关联程度满足预设条件的分析项作为特征项。4.根据权利要求4所述的航班各阶段飞行时长的预测方法，其特征在于，所述预设条件包括：确定关联程度位于预设阈值范围内；或是，确定关联程度超过预设阈值。5.一种航班各阶段飞行时长的预测装置，其特征在于，包括：获取模块，用于确定待预测航班阶段对应的特征数据；预测模块，用于将所述特征数据输入到飞行时长预测模型中，得到由所述飞行时长...

【专利技术属性】
技术研发人员：陈利锋，黄涛，于志，王鹏，张杰，师帅，何月娇，
申请(专利权)人：民航电信开发有限责任公司，
类型：发明
国别省市：