一种基于统计学模型的停机位分配方法

摘要

本发明公开了一种基于统计学模型的停机位分配方法，采用先验概率预测模型，根据某航班历史飞行情况产生起飞时间差值概率集合、飞行时间差值概率集合、落地时间差值概率集合，从而预测该航班的到站时间概率分布以及停机坪指廊空闲度，从而进行航班停机位分配。本发明一种基于统计学模型的停机位分配方法，基于指廊分配，有利于航班只做相近停机位的调整，缩短了旅客的步行距离，同时，方便对停机位使用情况的进行整体评估；基于概率分配，可以按照航班的计划落地时间概率进行分配，提高了停机位分配的准确性，降低了因航班延误导致的停机位调整次数，同时提高了旅客的满意度；综合提高了停机位的利用率，保证停机位资源的合理分配。

主权项

一种基于统计学习模型的停机位分配方法，其特征在于，具体包括以下步骤：步骤1，根据航班历史数据计算其他机场航班到本场的起飞时间差值概率分布Dep；步骤2，根据航班历史数据计算其他机场航班到本场的飞行时间差值概率分布Fly；步骤3，补全步骤1得到的Dep和步骤2得到的Fly，使之均成为全时刻表，其中Dep和Fly不含的时刻对应的概率均用0补全；利用补全后的Dep和Fly计算从某一机场到本场的航班落地时间差值概率分布Arr，选择Dep和Fly中起飞机场、落地机场相同的数据进行时间相加，概率相乘的方式进行计算，得到Arr；步骤4，对次日航班按本场计划落地时间进行排序，依次选择Arr中起飞机场、落地机场、机型均与其航班一致的数据，进而对其的计划到站时间进行累加，预测其到站时间的概率分布表；步骤5，将步骤4的航班到站时间的概率分布表加入各指廊的空闲机位时刻表中，相同的到站时间其概率进行累加运算，然后利用各指廊的到站时间概率计算各指廊的停机位空闲度Emp；步骤6，对比步骤5计算得到的各指廊空闲度Emp，将航班分配到Emp最大的指廊中，在指廊中将航班的机型与停机位的大小进行匹配，如果各停机位均不受此航班机型限制则进行轮流分配。