[发明专利]一种基于非负张量分解的航班延误模式分析方法

说明书

本发明公开了一种基于非负张量分解的航班延误模式分析方法，属于民航延误分析领域。首先收集某机场的所有历史航班记录数据，对每条航班的历史数据记录提取出主要变量；然后将所有主要变量构造一个四阶张量x。使用非负张量分解法对四阶张量x进行模式识别，分解成四个非负因子矩阵和一个非负核心张量的模积。将非负因子矩阵和非负核心张量的模积建模为优化问题，并使用梯度下降法进行求解，得到最优分解结果最后将最优分解结果对应到基于概率的PLSA模型中，对各潜在模式的分布情况进行统计分析；从而对延误情况进行预测和判别，进而采取针对性措施进行管控。本发明易于操作，步骤简单，且结果准确，具有创新性。

技术领域

本发明属于民航延误分析领域，具体是一种基于非负张量分解的航班延误模式分析方法。

背景技术

随着民用航空业的快速发展，航班延误成为了严重的问题，给人们造成不便。航班的延误会给乘客带来不便，导致使乘客不愿乘坐飞机出行或转向选择别的航空公司，也迫使航空公司承担了飞机维护和机队利用率不足的额外成本。此外，航班延误还会导致燃料消耗和二氧化碳排放量的增加，给环境带来危害；除了上述直接影响外，航班延误还会对整体经济的各个方面产生负面影响。总之，航班延误是一个严重而普遍的问题，具有重大的负面影响。

航班延误问题的复杂性和难解性是由许多因素共同导致的，这些因素通常被概括为异常天气和技术原因，包括空中交通管制、设施容量不足、调度能力差、程序的更改和有限的缓冲时间等。上述各种因素使得人们很难理解航班延误的潜在模式并设计出合适的策略。

最近，Han和Moutarde证明基于历史观测数据的驱动方法不受以前的约束，适合研究航班延误潜在的动态特性；因此，促进系统认知和决策的方法是充分利用和学习历史数据。例如，当遇到恶劣天气时，人们可以查找过去天气状况相似的日子，并参考空中交通管制员在那些日子采取的行动。

之前的一些研究专注于识别空中交通管理中的固定模式。Liu等人提出了一种半监督学习算法，可以将相似天数分组，作为不同的模式来确定。第一步是测量每小时天气预报之间的相似性，然后确定最为相似的天数。作者应用该方法在纽瓦克自由国际机场(EWR)进行了两个案例研究，证明了该方法的有效性。Mukherjee等人提出了一种基于恶劣天气条件影响的模式分类方法，使用气象指标作为输入，并应用因子分析来确定主要的天气模式。然后，使用Ward的最小方差法对天数进行聚类。属于同一星系团的日子有着相似的天气模式。

除了天气模式，一些研究还试图从其他角度来确定类似的日子。Grabbe等人使用k-means聚类算法来识别地面延迟程序中的相似天数，对地面延迟程序的开始时间和结束时间以及预定到达率等数据应用了期望极大化算法。Zhou等人和Sternberg等人的研究关注使用空中交通流和航班延误情况来识别相似的模式。Gorripaty等人对需求和容量数据的主成分进行了测量，但对数据进行聚类分析后发现，容量和需求均不存在自然的模式。Abdel-Aty等人通过识别国内直飞航班的周期性到达延误模式，发现一些模式无法通过统计方法检测到。

尽管人们之前做出很多努力，但在准确理解航班延误模式方面仍存在问题。如前所述，在时空历史数据中寻找聚类或模式是一种有效的方法，但是由于这些数据的高维性，很难在多个研究中发现不同的欧氏空间模式。因此，Mislevy提出，潜在分布分析、潜在特征分析和隶属度分析等方法并不直接挖掘模式，而是利用张量因子分解得到的特征形成低维的投影子空间，增强了时空交通动态模式的潜在聚类结构。因此，这些方法在交通科学领域开辟了新的领域。比如城市流动分析，交通速度预测，缺失交通数据补全以及船舶航迹恢复等。

发明内容

基于上述问题，本发明提供了一种基于非负张量分解的航班延误模式分析方法，可用来建立一个基于潜在模式的预测器，对航班延时的情况做出初步的判断，更好地为机场的航班做出安排，有利于机场做出更好的决策。

所述的航班延误模式分析方法，包括如下步骤：