[发明专利]一种基于纵向联邦学习的航班延误预测方法及系统

说明书

本发明公开了一种基于纵向联邦学习的航班延误预测方法及系统，属于航空信息处理技术领域，包括：联邦数据预处理，在联邦学习应用场景下，使用统一的数据预处理标准，各机场按照所述数据预处理标准对数据进行清洗；加密实体对齐阶段，使用一种基于非对称加密RSA算法和哈希函数，在此过程由航空公司方产生公钥发送给机场方，去除第三方来求双方共有的数据交集航班号ID；加密模型训练，确定共有的实体ID后，机场和航空公司利用这些共有的实体数据协同训练一个机器学习模型；选择纵向联邦学习框架融合逻辑回归算法来进行航班延误预测；输出，采用部分指标作为航班延误预测模型性能的评估。解决纵向联邦学习中参与方之间通信不安全的问题。

技术领域

本发明属于航空信息处理技术领域，具体涉及一种基于纵向联邦学习的航班延误预测方法及系统。

背景技术

近年来，民航航班延误问题日益严重，逐渐成为机场、航空公司、旅客之间关系紧张的主要原因之一。根据运输统计局(Bureau of Transportation Statistics,BTS)的数据显示，大约四分之一的航班到达目的地的时间延误15分钟以上。由于航班的连通性，一旦发生航班延误，特别是重要的枢纽机场发生航班延误，会严重影响民航业的正常安全生产和服务质量，不仅给航空公司带来经济损失，也成为制约航空公司发展的重要因素,航班延误不会被完全避免，如果能对航班即将发生的延误或者影响航班的因素进行有效的预测并进行预警工作，以有效的措施应对，便能减少延误带来的民航经济受损等影响。

国内外学者尝试将机器学习模型应用到航班延误预测场景中，将不同机场的数据收集到中央服务器进行处理。文献[1，2，3]将梯度提升决策树应用到航班延误预测中,其中文献[3]将自动相关监视广播消息和机场信息直接进行融合，探讨了更广泛的延误因素。文献[4]提出一种随机连接团簇网络航班延误预测模型，将天气数据和航班数据进行融合。文献[5]以动态贝叶斯网络推理建模，采用航班数据和天气数据融合进行预测。文献[6]基于直接融合飞行数据和机场延误信息改进Se-DenseNet算法。文献[7]提出的航班延误预测模型允许将参与方的敏感标签以明文的形式直接与其他参与方共享。文献[8]建立一种改进的支持向量机模型来预测航班起飞延误，将机场、航空公司和飞机三个主要方面直接融合，对影响航班延误因素更全面考虑。

上述文献大多基于传统的机器学习方法，虽然在信息提取上有提升，但是采用单一来源的航班数据，缺少优质数据。对于高度非结构化、异构、稀疏的复杂数据处理效果不佳，泛化能力较弱，没有打破机场的地域壁垒。同时，机场和航空公司包含极其敏感且有商业价值的数据，由于数据隐私法规[9]和机构之间的利益关系，这些数据不能直接融合。访问受到严格的限制，很难为单个参与方收集大量数据。

检索文献：

[1]MANNA S,BISWAS S,KUNDU R,et al.A statistical approach to predictflight delay using gradient boosted decision tree[C]//2017 InternationalConference on Computational Intelligence in Data Science(ICCIDS).IEEE,2018:1-5.

[2]TANG Hong,WANG Dong,SONG Bo,et al.Classification of flight delayprediction based on nonlinear weighted XGBoost[J].Journal of SystemSimulation,2021,33(09):2261-2269.[唐红,王栋,宋博,等.基于非线性赋权XGBoost算法的航班延误分类预测[J].系统仿真学报,2021,33(09):2261-2269.]

[3]LIU F,SUN J,LIU M,et al.Generalized flight delay prediction methodusing gradient boosting decision tree[C]//2020 IEEE 91st Vehicular TechnologyConference(VTC2020-Spring).IEEE,2020:1-5.