基于時序數據挖掘的航班時刻規劃方法分析

丁蓉蓉　朱金福

摘 要： 航空運輸業的供求矛盾逐年加深，為了解決這個問題，提出基于時序數據挖掘的航班時刻規劃方法。在時序數據挖掘中，采用因果規劃方法直接關聯航班時刻規劃因素進行規劃，通過時間序列規劃方法同時關聯航班時刻規劃因素和隨機變量進行規劃。為了驗證兩種方法的實用性，構建一個分析模型，給出分析指標權重。分析結果顯示，時間序列規劃方法的規劃結果與實際情況相符，排除因果規劃方法，又通過實驗驗證出方法規劃結果對原始航班時刻改動小，既符合航線要求，又協調了供求矛盾。

關鍵詞： 時序數據挖掘； 因果規劃； 時間序列規劃； 航班時刻規劃； 分析模型

中圖分類號： TN919.6?34； F562 文獻標識碼： A 文章編號： 1004?373X（2017）16?0129?03

Abstract： In order to weaken the contradiction between supply and demand of aviation transportation industry， a flight schedule planning method based on time series data mining is put forward. For the time series data mining， the causal planning method is used to relate the flight schedule planning factors directly for planning. The time series planning method is used to relate to the flight schedule planning factors and random variable for planning. To verify the practicability of the two methods， an analysis model was constructed， and the weight of analysis index is given. The analysis results show that the planning result of the time series planning method is compatible with the actual result， which is better than the causal planning method. The experimental results show that， in comparison with the original flight schedule， the planning result of the flight schedule planning method is changed little， which conforms to the requirements of the flight course， and coordinates the contradiction between supply and demand.

Keywords： time series data mining； causal planning； time series planning； flight schedule planning； analysis model

航班時刻是指航空公司定義的飛機起飛和降落計劃。隨著航空運輸業的不斷發展，機場載客量和載貨量逐年攀升，航班供與求之間的關系變得緊張，旅客對航班延誤等現象的投訴率已成為制約航空公司未來發展的主要原因。航班時刻規劃不但決定著機場輸送效率，更影響著航空運輸安全，航班時刻規劃問題不容小覷[1]。

1 基于時序數據挖掘的航班時刻規劃方法分析

1.1 分析模型

為了分析時序數據挖掘中因果規劃和時間序列規劃哪個更適合進行航班時刻規劃，構建一個分析模型，模型結構見圖1。分析模型中分析指標的權重分配情況如表1所示。

通過圖1、表1能夠發現，航班延誤率、機場規模、新接入航班、機場疏散效率和市場潛力將對基于時序數據挖掘的航班時刻規劃方法的規劃效果造成不良影響。航班延誤率的影響最大，權重[2]為0.60，其他因素權重均未高出0.15，可見必須重點分析航班延誤率。航班延誤率的計算方式是將延誤航班班次除以規劃班次，理想的航班延誤率計算結果應最大限度地貼近實際情況。

1.2 實例規劃與分析

取北京航空公司2016年國慶節期間的航班時刻，在SQL數據庫的運行環境中進行規劃，統計產品與服務解決方案軟件（SPSS）對時序挖掘數據進行統計和解釋[3]。因果規劃方法和時間序列規劃方法共同就5項航班時刻規劃因素進行規劃，規劃結果受分析指標的干擾情況見表2、表3，航班延誤率干擾情況見圖2。

通過各圖表內容能夠發現，與實際情況最接近的是時間序列規劃方法提出的航班時刻規劃結果，因果規劃方法漏掉了很大一部分的干擾比例，根據這個結論，排除因果規劃方法，時序數據挖掘選擇時間序列規劃方法規劃航班時刻。

2 實驗結果與討論

對本文提出的基于時序數據挖掘的航班時刻規劃方法進行實驗驗證，仍然規劃北京航空公司2016年國慶節期間的航班時刻。本文方法與專家規劃系統以及遺傳算法[4]的航班延誤率干擾對比如圖3所示，能夠發現本文方法依舊與實際情況最接近。專家系統的規劃結果也與實際情況相差不大，但需要一個規劃時間來調整系統狀態，所以前兩天的規劃結果與實際情況嚴重不符，最好應用在長周期的航班時刻規劃中。

除了通過分析模型的分析指標衡量航班時刻規劃方法外，原始航班時刻改動程度同樣起到重要的衡量作用，原因是對航空公司的固定旅客而言，當航班時刻出現大變動，旅客慣性乘機計劃受到影響，有可能改乘其他航空公司航班[5]。以目前北京航空公司使用的夏季航班時刻為例，下午2點20分擁有飛行任務的飛機有8架，規劃情況見表4，航班時刻規劃結果見表5～表7。

通過表4～表7能夠發現，專家規劃系統規劃提出，為保證最大限度飛行安全，保留重要城市航班，刪除到達時間鄰近的航班，將原來的8架飛機改為4架。遺傳算法刪除了到達時間鄰近的航班，剩余6架。對于沒有改動飛機數量的本文方法，通過改變機型提高飛行效率，既符合航線要求，又協調了航班時刻與旅客需求間的供求矛盾。

3 結 論

本文從旅客需求、飛行能力、航線要求、機場營業時間和特殊航班安排角度提出航班規劃問題，介紹了時序數據挖掘中因果規劃和時間序列規劃兩個定量規劃方法的規劃步驟。利用分析模型闡述了航班延誤率、機場規模、新接入航班、機場疏散效率和市場潛力5個分析指標，給出分析指標的權重分配情況，進行因果規劃方法和時間序列規劃方法的實例計算，最后選擇時間序列規劃方法為最優方法。實驗將時間序列規劃方法同專家規劃系統、遺傳算法進行了對比，顯示出時間序列規劃方法的規劃結果與實際情況相似程度高，對原始航班時刻改動程度小。

參考文獻

[1] 董兵.空中交通復雜度測度分析及航班監測預警研究[J].科學技術與工程，2015，15（16）：175?180.

[2] 鄧芳.大型物聯網電子設備的海量數據高效挖掘方法研究[J].現代電子技術，2016，39（4）：159?162.

[3] 張軍.衰落噪聲干擾下網絡攻擊數據散布特征挖掘算法[J].科技通報，2015，31（12）：260?262.

[4] 鄭一鳴，孫翔.基于多源監測數據挖掘的電力設備狀態診斷[J].浙江電力，2016，35（5）：1?6.

[5] 甘楊蘭，趙梅，牛森，等.基于云仿真環境數據挖掘的服務分類方法[J].計算機仿真，2014，31（10）：460?465.

[6] 隆忠華，王祥.基于模糊時間序列的車輛檢測器數據修補方法研究[J].物聯網技術，2016，6（6）：21?24.endprint