[发明专利]一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法

说明书

本发明公开了一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法，包括步骤1、通过构建航班宏观时空网络拓补模型，分析并获得影响繁忙机场航空器离港滑行时间的时间、空间和环境维度的特征因素，基于所得出的特征因素与离港滑行时间的相关性进行特征因素筛选，然后分别构建时间维度特征集、空间维度特征集和环境维度特征集；步骤2、时间维度特征集、空间维度特征集和环境维度特征集构成繁忙机场航空器离港滑行时间预测模型特征集，用于繁忙机场航空器离港滑行时间预测。本发明准确识别和构建了表征航空器离港滑行时间关键因素的特征变量集合，提高了航空器离港滑行时间预测模型的精度。

技术领域

本发明属于机场场面运行优化领域，具体涉及一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法。

背景技术

2017年8月，民航局发布《关于进一步统筹推进机场协同决策(A-CDM)建设的通知》(Airport Collaborative Decision Making，A-CDM)，要求年旅客吞吐量三千万人次及一千万人次以上的机场分别要在2018年和2019年年底前完成A-CDM建设，进一步明确了在全行业推进A-CDM系统建设的时间节点。

A-CDM系统通过集成空管、航空公司、机场三个独立的子系统搭建出一个信息交互、数据共享的航空运输一体化平台，旨在保障安全的前提下，运用智能化信息系统提高飞机放行效率，从而达到提升机场运行品质的效果。实践表明A-CDM系统在减少航班总体延误、扩大机场容量等方面起到了积极作用。

然而在A-CDM系统中对于离港航班推出时刻(Calculated Off-Block Time，COBT)的计算，是将每个离港航班的计算起飞时间(Calculated Take-Off Time，CTOT)减去历史平均滑行时间。但航班离港滑行的过程具有较大的不确定性，仅凭经验预测滑行时间的传统管理模式已不能满足A-CDM系统的要求。

为使A-CDM系统充分发挥协同决策的优势，研究机场运行特点、挖掘表征场面运行的关键特征，并设计合适的算法来提高离港滑行时间预测的准确性，对优化场面运行、提高A-CDM机制下起飞时刻的执行率具有重要价值。

飞机滑行时间预测模型的特征构建研究现状：由于不同机场的场面构型不同，其运行方式和运行规则也存在较大差异，因此航空器在不同机场的离港滑行时间影响因素也有所区别。

近年来，无阻碍滑行时间作为评价机场拥挤程度和滑行效率的指标在美国和欧洲机场率先得到应用并证实了这一指标的适用性，但国内机场目前尚未建立起统一的指标，只是规定了各大型机场的平均滑行时间，这种粗放式的估计显然不适用于场面运行效率的评估。

以往的研究中对于离港滑行时间预测模型的特征构建主要围绕场面流量展开，并着重论述了流量因素对离港滑行时间的重要影响，但仅引入场面流量的特征变量构建还不够全面，诸如航站楼构型、机位间的相互影响等在实际运行中尤为关键的影响因素在以往的研究中鲜有涉及，预测模型的准确度存在较大的进步空间。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法。

为实现上述技术目的，本发明采取的技术方案为：

一种繁忙机场航空器离港滑行时间预测模型特征集的构建方法，包括：

步骤1、通过构建航班宏观时空网络拓补模型，分析并获得影响繁忙机场航空器离港滑行时间的时间、空间和环境维度的特征因素，基于所得出的特征因素与离港滑行时间的相关性进行特征因素筛选，然后分别构建时间维度特征集、空间维度特征集和环境维度特征集；

步骤2、时间维度特征集、空间维度特征集和环境维度特征集构成繁忙机场航空器离港滑行时间预测模型特征集，用于繁忙机场航空器离港滑行时间预测。

为优化上述技术方案，采取的具体措施还包括：