[发明专利]一种基于知识图谱的航班延误预测方法

说明书

本发明提供了一种基于知识图谱的航班延误预测方法，包括：获取基于知识图谱进行延误预测的数据，将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，将流控报文数据由非结构化文本解析为结构化文本，将解析后的结构化的流控报文加入知识图谱，再以知识图谱中航班实体的属性、航班实体与航路点实体的关系，以及航路点实体与流控报文的关系生成训练集，最终根据训练集，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。相较于现有技术，本发明的数据来源完整，可有效预测全局航班的延误情况，提升了对航班延误的预测结果准确性。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种基于知识图谱的航班延误预测方法。

背景技术

随着当前民航的发展，乘飞机已经成为人们常用的出行方式。然而，由于天气、军事活动等原因会造成容量的下降，当前航班的延误也越来越多。

延误不可避免时，提前预测延误情况有助于航空公司、旅客提前做好应对措施，减轻航班延误带来的影响。

影响航班是否延误的因素有多种，包括航班起飞时间、飞行时长、流控等。由于这些数据来自不同的数据源，如起飞时间来自飞行计划数据，流控来自流控报文，造成了各类数据间缺少关联，难以全面融合并综合利用各类数据。因此，需要一种有效的方式将多源异构的数据集有效地组织起来。

发明内容

本发明提供了一种基于知识图谱的航班延误预测方法，以解决现有航班延误预测方法因信息不完整导致预测结果不准确这一问题。

发明目的：本发明公开了一种基于空中交通管理(简称空管)领域知识图谱的航班延误预测方法，首先对当前所有生效的流控报文进行解析，将非结构化的报文转换成结构化数据，并根据限流点将流控报文加入空管知识图谱。在知识图谱中，根据航班号搜索航班的各属性，并以航班的各属性为特征，利用机器学习预测航班延误情况。具体包括如下步骤：

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。

进一步地，在一种实现方式中，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。

进一步地，在一种实现方式中，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；