出港航班滑行时间预测方法、电子设备和存储介质技术

本发明专利技术涉及民用航空技术领域，公开了一种出港航班滑行时间预测方法、电子设备和存储介质，出港航班滑行时间预测方法包括：获取出港航班在地面运行过程中对滑行时间产生影响的相关特征样本，划分训练样本和测试样本；将训练样本输入到LightGBM出港航班滑行时间预测的初级模型中进行训练，得到训练模型；将测试样本输入训练模型，验证训练模型的预测性能；采用贝叶斯优化算法，获取训练模型的最优超参数取值；根据最优超参数取值，获得优化后的LightGBM出港航班滑行时间预测模型；将任一机场的航班地面运行数据的相关特征数据输入出港航班滑行时间预测模型，得到出港航班滑行时间的预测值，实现了对出港航班滑行时间的快速准确预测。准确预测。准确预测。

【技术实现步骤摘要】
出港航班滑行时间预测方法、电子设备和存储介质


[0001]本专利技术涉及民用航空
，具体涉及出港航班滑行时间预测方法、电子设备和存储介质。

技术介绍

[0002]出港航班滑行时间会受到多种因素影响从而具有不确定性，对出港航班滑行时间快速准确的预测可以为航班时隙分配和制定推出控制策略提供客观有效的决策依据；而制定合理的推出控制策略从某种角度上讲可以缓解机场场面拥堵，减轻航班延误；同时，在出港航班滑行时间预测值准确的前提下可以开展对未来一段时间内的机场进出港吞吐能力的预测评估，实现机场的自主决策运行与控制。
[0003]目前机场出港航班滑行时间估计手段主要以人为经验判断为主，缺乏科学性的出港航班滑行时间预测方法。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种出港航班滑行时间预测方法、电子设备和存储介质，以解决目前方法中存在的面对大量样本数据时的计算效率不高，关于机器学习算法中超参数的设置对模型预测性能的影响考虑不足的问题。
[0005]第一方面，本专利技术提供了一种出港航班滑行时间预测方法，包括：获取出港航班在地面运行过程中对滑行时间产生影响的相关特征样本；对所述相关特征样本进行预处理，划分训练样本和测试样本；将所述训练样本输入到LightGBM出港航班滑行时间预测的初级模型中进行训练，得到训练模型；将所述测试样本输入所述训练模型，评估训练模型的预测性能；采用贝叶斯优化算法，获取所述训练模型的最优超参数取值；根据所述最优超参数取值，获得优化后的LightGBM出港航班滑行时间预测模型；将任一机场的航班地面运行数据的相关特征数据输入所述出港航班滑行时间预测模型，得到港航班滑行时间的预测值。
[0006]有益效果是，采用贝叶斯优化算法对基于LightGBM的出港航班滑行时间初级模型，通过使用贝叶斯优化算法寻找LightGBM算法的超参数的最优取值，可以实现对出港航班滑行时间的快速准确预测，进而为制定推出控制策略提供客观有效的决策依据，因此具有一定的实际应用意义。
[0007]在一种可选的实施方式中，所述地面运行过程包括机坪运行过程、滑行道运行过程和跑道运行过程。
[0008]在一种可选的实施方式中，所述机坪运行过程主要包括：撤轮档、牵引车辅助航空器推出至指定区域、航空器根据引导车指引滑行至机坪道口；所述滑行道运行过程主要包括：航空器在无滑行冲突的情况下经滑行道滑行至跑道入口、在有滑行冲突的情况下航空
器等待冲突解决后继续经滑行道滑行至跑道入口；所述跑道运行过程主要包括：航空器在无起飞队列且满足最小尾流间隔的情况下对准跑道完成起飞、航空器在存在起飞队列或不满足最小尾流间隔的情况下完成等待后对准跑道完成起飞。
[0009]在一种可选的实施方式中，训练样本和测试样本的比例为8：2。
[0010]在一种可选的实施方式中，所述相关特征样本包括进港滑行的航班数量、出港滑行的航班数量、出港航班实际撤轮档时刻前第一预设时间内的其它出港航班的平均滑行时间、停机位位置、航空公司类型和机型。
[0011]在一种可选的实施方式中，采用皮尔逊相关系数分析出港航班滑行时间与所述相关特征样本的相关性。
[0012]在一种可选的实施方式中，对所述相关特征样本进行预处理，具体包括：从机场实际地面运行的真实数据中选取与所述相关特征样本有关的时间的数据；删除关键信息为空的异常数据。
[0013]在一种可选的实施方式中，所述最优超参数取值包括LightGBM算法的学习率、叶子节点数、特征抽样率、树模型的最大深度、正则化系数、最小分裂增益样本抽样率和叶子节点上的最小样本数的超参数的最优取值。
[0014]有益效果是，针对LightGBM算法的学习率、叶子节点数、特征抽样率、树模型的最大深度、正则化系数、最小分裂增益样本抽样率和叶子节点上的最小样本数等超参数寻找最优取值，以实现对出港航班滑行时间快速准确的预测，进而为制定推出控制策略提供客观有效的决策依据。
[0015]第二方面，本专利技术还提供了一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现任一项所述方法的步骤。
[0016]有益效果是，由于上述的电子设备可实现出港航班滑行时间预测方法，因此，该电子设备具有上述的出港航班滑行时间预测方法的一切有益效果。
[0017]第三方面，本专利技术还提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现任一项所述的出港航班滑行时间预测方法的步骤。
[0018]有益效果是，由于上述的存储介质可实现上述的出港航班滑行时间预测方法，因此，使得该存储介质具有出港航班滑行时间预测方法的一切有益效果。
附图说明
[0019]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，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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。
[0020]图1为本专利技术实施例的一种出港航班滑行时间预测方法的流程图；图2为本专利技术实施例的一种出港航班滑行时间预测方法的采用贝叶斯优化算法改进的LightGBM出港航班滑行时间预测流程图；图3为本专利技术实施例的一种出港航班滑行时间预测方法的航班出港协同决策过程的流程图；
图4为本专利技术实施例的一种出港航班滑行时间预测方法的出港航班地面运行过程的流程图。
[0021]图5a为本专利技术实施例的一种出港航班滑行时间预测方法的出港航班滑行时间影响因素相关性分析之一；图5b为本专利技术实施例的一种出港航班滑行时间预测方法的出港航班滑行时间影响因素相关性分析之二；
[0022]图5c为本专利技术实施例的一种出港航班滑行时间预测方法的出港航班滑行时间影响因素相关性分析之三；图6为本专利技术实施例的一种出港航班滑行时间预测方法的按叶生长策略示意图；图7a为本实施例的一种出港航班滑行时间预测方法的不同模型的出港航班滑行时间预测值与真实值对比关系之一；图7b为本实施例的一种出港航班滑行时间预测方法的不同模型的出港航班滑行时间预测值与真实值对比关系之二；图7c为本实施例的一种出港航班滑行时间预测方法的不同模型的出港航班滑行时间预测值与真实值对比关系之三；图7d为本实施例的一种出港航班滑行时间预测方法的不同模型的出港航班滑行时间预测值与真实值对比关系之四。
具体实施方式
[0023]为使本专利技术实施例的目的、技术方案和优点更加清楚，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。
[0024]现有技术存在预测准确度低、处理大量样本数据时的计算效率低等问题。LightGBM以决策树作为基学习器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种出港航班滑行时间预测方法，其特征在于，包括：获取出港航班在地面运行过程中对滑行时间产生影响的相关特征样本；对所述相关特征样本进行预处理，划分训练样本和测试样本；将所述训练样本输入到LightGBM出港航班滑行时间预测的初级模型中进行训练，得到训练模型；将所述测试样本输入所述训练模型，评估训练模型的预测性能；采用贝叶斯优化算法，获取所述训练模型的最优超参数取值；根据所述最优超参数取值，获得优化后的LightGBM出港航班滑行时间预测模型；将任一机场的航班地面运行数据的相关特征数据输入所述出港航班滑行时间预测模型，得到港航班滑行时间的预测值。2.根据权利要求1所述的出港航班滑行时间预测方法，其特征在于，所述地面运行过程包括机坪运行过程、滑行道运行过程和跑道运行过程。3.根据权利要求2所述的出港航班滑行时间预测方法，其特征在于，所述机坪运行过程主要包括：撤轮档、牵引车辅助航空器推出至指定区域、航空器根据引导车指引滑行至机坪道口；所述滑行道运行过程主要包括：航空器在无滑行冲突的情况下经滑行道滑行至跑道入口、在有滑行冲突的情况下航空器等待冲突解决后继续经滑行道滑行至跑道入口；所述跑道运行过程主要包括：航空器在无起飞队列且满足最小尾流间隔的情况下对准跑道完成起飞、航空器在存在起飞队列或不满足最小尾流间隔的情况下完成等待后对准跑道完成起飞。4.根据权利要求1所述的出港航班滑行时间预测方法，其特...

【专利技术属性】
技术研发人员：韩晓，戴国庆，王奎，孙恪，
申请(专利权)人：中国民航工程咨询有限公司，
类型：发明
国别省市：