[发明专利]一种基于动态排序的进场航班落地时间预测方法

说明书

本发明公开了一种基于动态排序的进场航班落地时间预测方法，具体包括以下步骤：步骤1：确定使用动态排序方法的情形下影响进场航班落地时间的重要因素，作为深度神经网络模型的输入特征；步骤2：收集历史数据，从原始数据中获取步骤1确定的特征数据，并对特征数据进行预处理；步骤3：以步骤2经过预处理的各航班特征数据作为输入，以各航班进场飞行时间作为标签，建立、训练并验证深度神经网络模型，用于动态预测进场航班的进场飞行时间，进而得到预测的进场航班落地时间。本发明为实现进场航班动态排序中的落地时间预测提供一种方法，该方法可以提前并实时更新航班的落地时间，为进场航班动态排序模型提供细化的技术支持。

技术领域

本发明属于民航空中交通管理技术领域，具体涉及一种基于动态排序的进场航班落地时间预测方法。

背景技术

为构建管制辅助决策系统，国内外的专家学者对进场航班排序问题开展了大量研究，获得了较多的成果。航迹预测作为未来空中交通管理系统的核心技术，可以通过准确地预测实时流量提升对于空域容流关系的掌控。在与进场排序的结合方面，航迹预测模型可以提前并实时更新航班的落地时间，为面向协同决策的进场管理模型提供细化的技术支持。

目前，大多数关于进场飞行时间预测的研究采用机器学习方法，机器学习模型输入特征的选择对结果的优劣具有较大影响；另一方面，当前考虑的天气因素多是通过几个取值为实数的特征反映机场跑道附近的状态，缺乏对整个进近管制区域的整体气象态势把握。而进近管制区的气象状况又是影响进场航班飞行时间的重要因素，若某进场航线上出现强对流天气，预计使用该航线的航班将采用其他路线或者在管制员雷达引导下进场落地，这将对航班的进场飞行时间产生很大影响，因此不可忽略该关键因素。

发明内容

本发明的目的，在于提供一种基于动态排序的进场航班落地时间预测方法，其可精确预测进场航班落地时间，为进场航班动态排序模型提供细化的技术支持。

为了达成上述目的，本发明的解决方案是：

一种基于动态排序的进场航班落地时间预测方法，包括以下步骤：

步骤1：确定使用动态排序方法的情形下影响进场航班落地时间的重要因素，作为深度神经网络模型的输入特征；

步骤2：收集历史数据，从历史数据中获取步骤1确定的特征数据，并对特征数据进行预处理；

步骤3：以步骤2经过预处理的各航班特征数据作为输入，以各航班进场飞行时间作为标签，建立、训练并验证深度神经网络模型，用于动态预测进场航班的进场飞行时间，进而得到预测的进场航班落地时间。

上述步骤1中，动态排序方法包括如下步骤：

步骤1.1：获取航班实时ADS-B数据Data1；

步骤1.2：将Data1和进场航班飞行计划数据FP1相关，筛选出进场航班的ADS-B数据Data2；

步骤1.3：根据Data2中的航班位置信息，判断Data2中是否有航班到达更新圈，若是，则进行步骤1.4；若否，则返回步骤1.1；所述更新圈为以机场基准点为圆心半径为R₁的圆形；

步骤1.4：进一步处理Data2，筛选出此刻处于起始圈和更新圈之间的进场航班ADS-B数据Data3，并从FP1中提取出Data3中涉及到的航班的飞行计划数据FP2；将FP2从FP1中删除以完成对FP1的更新；所述起始圈为以机场基准点为圆心半径为R₂的圆形，起始圈和更新圈之间的范围作为航班排序的缓冲区域；

步骤1.5：此排序阶段数据处理完成，返回步骤1.1进行后续的数据判断及处理工作。

上述步骤1中，使用动态排序方法的情形下影响进场航班落地时间的4类重要因素和相应18个特征为：

航班静态因素：航空器机型、航空公司、航班类型；