基于大数据分析的机场概率交通需求预测方法

摘要

本发明公开了一种基于大数据分析的机场概率交通需求预测方法，即通过收集与整理与目标机场起降航班预测时刻和实际时刻相关历史数据，统计分析某单位时间片下飞行流量分布，利用二重划分法判定误差分布规律，并以单一定量预测为基础，实现机场交通需求概率性点估计预测和区间预测；本发明弥补了传统确定性预测方法的不足，对于提升管制运行效率、提高空域资源利用率具有重要意义。

主权项

一种基于大数据分析的机场概率交通需求预测方法，其特征在于，具体步骤如下：步骤一，在目标机场起降航班预测时刻和实际时刻的飞行数据中选取一个航季内连续的M天，M≥7，作为一个时段，包括：1.1，目标机场该时段内起降航班预测时刻的飞行数据，包括航班号、预计起飞时间和预计落地时间；1.2，目标机场该时间段内起降航班的实际飞行数据，包括航班号、实际起飞时间和实际落地时间；步骤二，统计分析15分钟时间片所选时段目标机场预计和实际航班总量，具体为：2.1，以15分钟作为一个时间片，分别统计所选时段目标机场各日一个时间片内预计/实际起飞航班量和预计/实际降落航班量，形成各日96个时间片起飞、降落预测/实际值散点，再分别将起飞与降落的航班量加和，获得目标机场各日对应时间片内预计/实际起降航班总量；2.2，将各日对应时间片起降航班总量的预测结果和实际结果进行对比，取其差值，作为绝对预测误差值，令第i日第j时间片的起降航班总量预测结果为实际结果为D_ij，则预测相对误差为步骤三，确定所选M天时段内的典型日，并判定该时段分区，具体步骤为：3.1，统计目标机场航班该时段内各日实际起降航班总量，并根据各日实际起降量的数值按照从小到大的顺序进行排序，选取序号为M·95％所对应的日期作为典型日；3.2，根据典型日的96个时间片起降量比例以及起降航班总量，将96个时间片进行时段分区，获得分区数量为K，第k个分区表示为C_k；步骤四，使用二重划分法确定起降航班总量预测误差分布规律，具体步骤为：4.1，统计各分区的时间片数量，令C_k含有的时间片数量为Q_k；4.2，设置一整数步长ΔD_k，△D_k不小于2且不大于C_k内时间片航班量最大值的五分之一，实现对Q_k个时间片起降航班总量的等间隔划分；4.3，根据步骤4.2获得的各间隔内样本数量，设置一样本个数d，从起降航班总量两侧向中间方向对步骤4.2获得的等间隔区间进行合并，使每个起降航班总量区间的样本数量不小于30，同时记录每个区间段的界值，最后获得W_k层航班量分区；4.4，统计时间分区C_k起降航班总量第层分区中样本的个数，令其为步骤五，在样本二重划分的基础上，确定误差分布概率，具体步骤为：5.1，计算时间分区C_k起降航班总量第层个样本起降航班总量的相对误差v_r5.2，根据时间分区C_k起降航班总量第层样本的相对误差，令的相对误差范围为为相对误差最大值与最小值之差，选取一误差作为区域间隔的宽度，获得预测误差区域间隔S个，第s个区域内样本个数为(s＝1,2,…,S)，且5.3，计算时间分区C_k起降航班总量第层预测误差的离散确切概率分布5.4，对K个时间分区历史起降航班总量遍历，获得Q个预测误差离散确切概率分布函数，步骤六，对机场起降航班量的点估计与区间估计进行概率预测，具体为:6.1，根据次日飞行计划制定流程，按照步骤一和步骤二中统计次日某时间片PT航班量为6.2，点估计概率预测：判定PT时间片所属时间分区C_k，并判定所属W_k中的某层，根据步骤5.3获得的预测误差的离散确切概率分布函数，判定其相对误差分布，反推航班量概率分布，令相对误差为Δv_s时概率为则航班量发生概率为时预测结果为可形成以航班量为横坐标，预测概率为纵坐标的直角坐标散点图；令此时p_max对应的相对误差定义为Δv_max，则PT时间片概率性点估计预测结果为6.3确定置信度α，α≥90％，在PT时间片概率性点估计预测结果的基础上，从概率为p_max点向两侧扩散，首选连续散点且发生概率较高的点，直至累计概率不小于α，此时对应的航班量预测结果最小的值为最大的值为则PT时间片概率性区间预测结果为