基于Prophet与LightGBM气象特征优化模型的短时机场飞行流量预测

随着经济的高速发展,地域性枢纽机场飞行流量日益增大,若短时流量过大则易产生拥塞,管制部门为解决拥塞问题会采取飞行流量管制措施,从而造成大量航班延误并增加了管制员工作负荷。针对以上问题,提出一种基于Prophet的高精度进出场流量预测模型。该模型在时间序列上充分考虑到季节性、趋势性和假期性,分别采取不同的拟合函数,在周期性较强的数据集上具有良好的预测效果。选择双流机场2019-07-27至2019-09-25之间的高精度起飞降落报文统计数据,对其进行数据清洗和Z-SCORE标准化处理后构建进出场流量数据集。依照实际流量曲线特点,选择每日固定时间段作为变点调整Prophet预测模型,再结合图像进行可视化调参,将得到的结果与基于ARIMA和LSTM的模型结果进行比较,发现所提模型相较性能最为接近的LSTM算法在MAE上有17.9%的提升,在RMSE上有52.0%的提升,在MAPE上有50.82%的提升。同时,为了解决单一特征在流量预测中的局限性,引入多种气象特征数据,并根据实际飞行情况进行特征转换,再结合LightGBM算法对Prophet预测结果进行优化修正,最终结果较原始Prophet得到进一步提升,且正确反映了气候变化对飞行流量的影响。

基于滑动时间窗的机场流量优化分配

针对机场实际运行过程中飞行流量需求以及机场容量动态变化的特点,将滑动时间窗概念应用到机场飞行流量分配问题中,提出了一种基于滑动时间窗的机场流量动态优化分配方法。对基于滑动时间窗的流量优化分配原理进行了阐述,该方法采用不断进行的动态流量分配代替静态的一次性流量分配,能够实时得到当前时间段最优化的流量分配方案,为机场战术流量管理提供决策支持。实例计算表明:基于滑动时间窗的机场流量优化分配方法在动态环境中能够较好地达到实时优化分配飞行流量目的,而静态流量分配方法不适用于动态环境,文中方法实用有效。