基于时序数据挖掘的航班延误预测分析.docVIP

基于时序数据挖掘的航班延误预测分析 　　摘 要： 航班延误一直作为国际国内民航业的一个热点问题。通过对航班延误的相关概念进行简要介绍，建立时间序列预测模型，将数据挖掘中隐马尔可夫模型和指数平滑预测方法应用于航班延误预测分析中。通过与所采集时间点的实际航班延误数对比分析来评估预测模型，得到较为理想的预测结果。该分析为航空公司运行指挥中心提供决策支持和理论依据，对保障航班正常运行有着重要的实际意义。 　　关键词： 航班延误; 数据挖掘; 时间序列模型; 决策支持 　　中图分类号： TN911?34; V352 文献标识码： A 文章编号： 1004?373X（2014）24?0052?04 　　Forecasting analysis of flight delay based on time?sequence data mining 　　LUO Feng?e， ZHANG Cheng?wei 　　（College of Air Traffic Management， Civil Aviation Flight University of China， Guanghan 618307， China） 　　Abstract： Flight delay has been a hot issue existing in the civil aviation industries at home and abroad. The related concepts of flight delays are introduced briefly. A time?series prediction model was established to apply hidden Markov model （HMM） in data mining and exponential smoothing prediction method into the flight delay prediction analysis. The forecasting model is evaluated through comparative analysis of the actual flight delay quantity. A more satisfactory prediction result was obtained. The model provided a decision support for airport operations control center. It has important practical significance to guarantee the normal take?off and landing of flights. 　　Keywords： flight delay; data mining; time?series model; decision support 　　0 引 言 　　随着航空运输市场需求量的不断增长，国内各大航空公司均相应增大了运力的投入，特别是在航班流量比较大的机场，延误情况尤为突出。一旦发生大面积的航班延误，如果没有良好的应对机制不仅会产生旅客群体性事件，还会带来一系列延误所造成的波及效应。根据中国民用航空总局发布的《民航航班正常统计办法》所列航班延误原因就多达五大类：天气原因;空中交通原因;机场保障原因;旅客自身原因;航空公司原因等。因此解决好航班延误问题已成为民航运输业快速发展的重要决定性因素[1]。 　　在国外Paul等研究人员建立了一种分析模型用来显示空间容量、流量需求和航线规划之间的相互作用关系，并可以将延误的可控制因素随机分离出来;而我国针对航班延误问题的研究起步较晚，而且大部分研究主要都集中于流量管控方面。对比于国外航空运输业的情况来看，我国有很多不同于国外的现实状况，国内三大航空集团在运作中也是各自划分成分子公司独立运行的。 　　针对航班整体运行效率偏低这一实际情况，本文主要依据数据挖掘分类当中的预测方法，从航班延误数量的角度建立航班延误时间序列模型，进而进行时序数据挖掘。隐马尔可夫模型 （Hidden Markov Model） 是一种统计模型，用来描述一个含有隐含未知参数的马尔可夫过程，在统计学领域中不断的被学者所认可并得到广泛的应用;指数平滑法预测在实际生产预测中是被经常采纳的一种预测方法。 　　本文基于隐马尔科夫统计模型并结合指数平滑预测方法构建时间序列预测模型，数据项预处理的重点在于从已放行的航班信息表中统计出随机采样的进、离港航班延误数量。以我院航空运行控制实验室中的FOC系统数据库2012年的航班进离港信息表为原始数据