[发明专利]一种基于知识图谱的航班延误预测方法

权利要求书

1.一种基于知识图谱的航班延误预测方法，其特征在于，包括如下步骤：

步骤1，获取基于知识图谱进行延误预测的数据，所述数据包括航班出港数据、飞行计划数据和流控报文数据；

步骤2，将所述飞行计划数据加入知识图谱，即创建多个实体以及各实体间关系，所述多个实体包括航班实体、航路点实体、机型实体和机场实体；

步骤3，将所述流控报文数据由非结构化文本解析为结构化文本；

步骤4，将解析后的结构化的流控报文加入所述知识图谱；

步骤5，以所述知识图谱中航班实体的属性、所述航班实体与航路点实体的关系，以及所述航路点实体与流控报文的关系生成训练集；

步骤6，根据所述训练集，采用机器学习算法训练得出预测模型，输出航班延误预测结果。

2.根据权利要求1所述的一种基于空中交通管理领域知识图谱的航班延误预测方法，其特征在于，所述步骤1包括：

步骤1-1，获取所述航班出港数据，所述航班出港数据提供延误记录，所述航班出港数据的数据结构包括：航班号、机型、起飞机场、降落机场、预计起飞时间、预计降落时间和实际起飞时间；

步骤1-2，获取所述航班的飞行计划数据，所述飞行计划数据提供经过的航路点，所述飞行计划数据的数据结构包括航班号、机型、起飞机场、降落机场、巡航高度和经过的航路点；

步骤1-3，获取所述流控报文数据，所述流控报文数据提供航路点的流控信息，所述流控报文数据的数据结构包括限流的航路点、每两架飞机的飞行距离间隔、限流的高度层、生效时间和结束时间。

3.根据权利要求2所述的一种基于空中交通管理领域知识图谱的航班延误预测方法，其特征在于，所述步骤2包括：

步骤2-1，根据所有所述飞行计划数据，在所述知识图谱中为每个航班创建描述飞行计划数据的实体，即航班实体，所述航班实体的属性包括航班号、预计起飞时间、预计降落时间、实际起飞时间和巡航高度；

步骤2-2，将所有所述航路点、机型和机场加入知识图谱，即在所述知识图谱中创建航路点实体、机型实体和机场实体，所述航路点实体的属性包括航路点的名称、经度和纬度，所述机型实体用于描述飞机的类型，所述机场实体的属性包括地理位置和跑道数量；

步骤2-3，在所述知识图谱中建立所述航班实体分别与机场实体、机型实体和航路点实体之间的关系。

4.根据权利要求3所述的一种基于空中交通管理领域知识图谱的航班延误预测方法，其特征在于，所述步骤3包括：

步骤3-1，识别所述流控报文数据中包含的数据类型，所述数据类型包括限流的航路点、每两架飞机的飞行距离间隔和限流的高度层；

步骤3-2，根据所述流控报文数据中的数据类型及特征，采用基于正则表达式的方法将所述流控报文数据解析为结构化报文。

5.根据权利要求4所述的一种基于空中交通管理领域知识图谱的航班延误预测方法，其特征在于，所述步骤4包括：

步骤4-1，在所述知识图谱中为每个流控报文数据创建描述实体，即流控报文实体，所述流控报文实体的属性包括每两架飞行的距离间隔、限流的高度层、生效时间和结束时间；

步骤4-2，将流控报文解析结果中的航路点与所述知识图谱中的航路点进行名称匹配，建立航路点实体与流控报文实体之间的限流关系，将所述流控报文解析结果加入知识图谱。

6.根据权利要求5所述的一种基于空中交通管理领域知识图谱的航班延误预测方法，其特征在于，所述步骤5包括：

步骤5-1，检索所述知识图谱中的航班实体，获得所述航班实体的属性，所述航班实体的属性包括航班号、预计起飞时间、预计降落时间和实际起飞时间；

步骤5-2，检索所述知识图谱中的航班实体，将延误时长、经过的航路点时刻生效的流控报文数量、航路点竞争航班数量、流控间隔大小作为训练集的特征生成训练集；所述延误时长为预计降落时间与预计起飞时间之间的时间差，所述延误时长为训练集的标签。

7.根据权利要求6所述的一种基于空中交通管理领域知识图谱的航班延误预测方法，其特征在于，所述步骤6包括：

步骤6-1，根据场景需求，将所述延误时长转化为二分类或多分类问题，并选择机器学习算法进行训练，所述机器学习算法包括支持向量机、决策树以及或k近邻；

步骤6-2，用训练好的模型对某天的航班整体延误情况进行预测，获得航班延误预测结果，所述航班延误预测结果包括延误时长。