基于深度可分离注意力网络的机场网络因果时延关系探究

探究机场网络延误传播因果关系及获取因果时延效应对于剖析机场网络延误传播机理,提出机场网络延误应对措施具有重要意义。为科学、准确地挖掘机场网络延误传播因果关系,本文运用卷积神经网络的方法,提出了一种基于注意力机制的深度学习框架。该框架主要分为两个部分:基于注意力机制的深度可分离扩张因果卷积神经网络的因果关系探究和基于置换重要性方法的因果关系验证,并提出延误传播因果时延指数的概念,用以表征机场间延误传播所需要的时间步长(本文中的1个时间步长等于1h),进而构建了机场网络延误传播因果时延效应网络图。为进一步验证所提方法的有效性,选取我国2019至2020年夏秋和冬春航季的国内离港航班运行数据进行实例分析,实验结果表明,我国机场网络中存在广泛的延误传播因果关系,且夏秋航季中的因果关系多于冬春航季。在延误传播中,机场的重要程度与其规模并不完全一致,大多数延误传播因果关系中的“因”机场主要为我国中小型机场,应重点关注该类机场的延误治理能力提升。此外,针对延误传播因果时延效应,我国夏秋(冬春)航季机场对之间延误传播的平均时延指数约为4.5(5.6)个时间步长,这表明夏秋(冬春)航季中“因”机场的延误将在4.5(5.6)小时内传播至“果”机场,“果”机场可根据时延指数及时调整机场运行管理措施以应对“因”机场带来的延误,防止大面积航班延误的发生。综上,本研究可为航司、机场、管制等部门在减少延误、提高民航运行安全与效率方面提供相应的决策支持。