基于MA-BiLSTM的多时间窗航班过站时间估计方法

发生前航延误时,若能精准估计航班链后续航班的机场过站时间,可辅助航空公司适时调整航班计划,有效降低延误波及,同时为机场资源调配提供决策依据.提出了一种基于MA-BiLSTM的多时间窗航班过站时间估计方法.首先对航班过站时间多维度影响因素进行分析选择,然后采用融合双向长短时记忆网络和注意力机制的MA-BiLSTM模型学习航班上、下游过站机场数据的双向时序信息,并获得时间和多维属性的注意力权重,最后根据航班链执行状态设置不同长度的时间窗,采用加权平均方法多时间窗滑动推进动态估计.采用真实航班链数据进行实验,并与常用模型进行对比,结果表明本文方法具有较好的预测准确性.

基于贝叶斯网的航班过站时间动态估计

一架飞机每天要执行多个航班,从而形成航班链。前序航班进港后,若估计出飞机在机场的过站时间,后续航班的离港时间便可较准确给出。文中选取了对航班过站时间影响较为显著的几个因素,运用历史数据,采用最大似然估计进行贝叶斯网参数学习并获得不同情况下过站时间的估计值。同时,利用贝叶斯网增量学习的特性,运用航班增量数据基于贝叶斯估计修正贝叶斯网参数,并用新的学习结果更新过站时间估计值。实验数据表明,所提出的方法能较好地对飞机过站时间进行估计。最后,对影响过站时间的各因素进行了灵敏度分析对比。