[发明专利]航班事件发生时间预测方法、装置、设备及存储介质

权利要求书

1.一种航班事件发生时间预测方法，其特征在于，所述方法包括：

获取航班固定信息和时序报文信息的历史数据，所述时序报文信息中包含航班事件发生的真实时间；所述时序报文信息是在航班整个生命周期中由各种航班事件触发而产生，是时间序列数据，随时间变化而改变；

对所有所述历史数据进行预处理得到训练数据集，所述训练数据集包含特征训练集、目标训练集，所述目标训练集为航班事件发生的真实时间的数据集；

通过所述训练数据集进行深度学习神经网络训练得到航班事件发生时间预测模型；

从键值数据库中获取目标航班标识对应的数据列表，所述数据列表中包含按照时间先后顺序插入的特征数据；

从所述数据列表中获取先后顺序插入的最近N个连续的特征数据作为时序特征数据，所述特征数据包含目标航班标识对应的航班固定信息和时序报文信息；

若所述数据列表中不存在N个连续的特征数据，则复制第一条插入的特征数据补充所述时序特征数据，使得所述时序特征数据的个数满足N；

将时序特征数据的列表转换为一个二维张量（N，M），N为输入的时序特征的长度， M为特征的维度；

将所述二维张量（N，M）输入到所述航班事件发生时间预测模型预测航班事件发生的时间。

2.根据权利要求1所述的航班事件发生时间预测方法，其特征在于，所述对所有所述历史数据进行预处理得到训练数据集，包括：

对所述航班固定信息和时序报文信息的历史数据进行清洗、特征提取、映射形成所述训练数据集；

根据预置条件对所述训练数据集进行过滤。

3.根据权利要求1所述的航班事件发生时间预测方法，其特征在于，从键值数据库中获取目标航班标识对应的数据列表之前，所述方法还包括：

从消息队列中逐条获取航班的时序报文信息；

根据所述时序报文信息中的起飞日期、起飞机场、到达机场和航班号查询对应的航班固定信息；

对相同航班的时序报文信息和航班固定信息进行关联整合并按照预置条件进行过滤得到特征数据；

将所述特征数据存储到所述键值数据库中与所述目标航班标识对应的数据列表内，所述目标航班标识为所述起飞日期、所述起飞机场、所述到达机场和所述航班号。

4.根据权利要求1-3任一所述的航班事件发生时间预测方法，其特征在于，所述航班事件为关舱门，所述航班固定信息为起飞日期、起飞机场、到达机场、航班号、航司、计划起飞时间和计划到达时间；所述时序报文信息包含：事件类型、事件信息、更新时间和航班状态。

5.一种航班事件发生时间预测装置，其特征在于，所述装置包括：

获取模块，用于获取航班固定信息和时序报文信息的历史数据，所述时序报文信息中包含航班事件发生的真实时间；所述时序报文信息是在航班整个生命周期中由各种航班事件触发而产生，是时间序列数据，随时间变化而改变；

处理模块，用于对所有所述历史数据进行预处理得到训练数据集，所述训练数据集包含特征训练集、目标训练集，所述目标训练集为航班事件发生的真实时间的数据集；

训练模块，用于通过所述训练数据集进行深度学习神经网络训练得到航班事件发生时间预测模型；

预测模块，用于从键值数据库中获取目标航班标识对应的数据列表，所述数据列表中包含按照时间先后顺序插入的特征数据；

从所述数据列表中获取先后顺序插入的最近N个连续的特征数据作为时序特征数据，所述特征数据包含目标航班标识对应的航班固定信息和时序报文信息；

若所述数据列表中不存在N个连续的特征数据，则复制第一条插入的特征数据补充所述时序特征数据，使得所述时序特征数据的个数满足N；

将时序特征数据的列表转换为一个二维张量（N，M），N为输入的时序特征的长度，M为特征的维度；

将所述二维张量（N，M）输入到所述航班事件发生时间预测模型预测航班事件发生的时间。

6.根据权利要求5所述的航班事件发生时间预测装置，其特征在于，所述处理模块，用于对所述航班固定信息和时序报文信息的历史数据进行清洗、特征提取、映射形成所述训练数据集；根据预置条件对所述训练数据集进行过滤。