馮耀　梅曉　呂燕賓　丁沂

摘要：航班延誤預測在航空領域有著廣泛的應用，不僅可以減少航空公司在經(jīng)濟和信譽等方面的損失，而且可以給旅客提供更多的便利和更好的服務。利用線性回歸方法設計一個Web服務，用來預測航班是否延誤。用戶輸入航班號、出發(fā)時間、出發(fā)機場和到達機場，系統(tǒng)利用航班的歷史記錄和天氣等信息預測航班到港時間。

關(guān)鍵詞：航班延誤預測；線性回歸模型；Web服務；訓練；測試

隨著社會和經(jīng)濟發(fā)展以及人們生活水平的提高，越來越多的人開始去國內(nèi)外發(fā)展生意或旅游。為了更加便利、省時，在選擇出行工具時，多數(shù)人都會選擇搭乘航旅工具。近年來隨著空中航班航行次數(shù)的增加，航班延誤成為航旅中不可避免的一個問題。如果能夠提前預知航班的延誤，那么必然可以采取應對措施來減少由于延誤影響帶來的經(jīng)濟和信譽的損失，從而提高用戶的滿意度。

影響航班延誤的因素很多，比如出發(fā)機場、出發(fā)機場的天氣、飛機機型、出發(fā)時間、飛行過程中的天氣情況、到達機場、到達機場的天氣等等，其原因很復雜，且多屬不確定因素，航班延誤問題一直不能有效解決。航班延誤主要分為出發(fā)延誤和到達延誤，通過對航班測試數(shù)據(jù)集的分析發(fā)現(xiàn)，航班的出發(fā)延誤時間和到達延誤時間之間有明顯的線性相關(guān)性，而且出發(fā)延誤比到達延誤受到的影響因素要少得多。因此，只要能合理預測出航班的出發(fā)延誤，就能根據(jù)這種關(guān)系推理出航班的到達延誤。

1 線性回歸分析

在統(tǒng)計學中，線性回歸是利用線性回歸方程的最小平方函數(shù)對一個或多個自變量和因變量之間關(guān)系進行建模的一種回歸分析。這種函數(shù)是一個或多個回歸系數(shù)的模型參數(shù)的線性組合?；貧w分析中，只包括一個自變量和一個因變量，且二者的關(guān)系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變量，且因變量和自變量之間是線性關(guān)系，則稱為多元線性回歸分析。在線性回歸中，數(shù)據(jù)使用線性預測函數(shù)來建模，并且未知的模型參數(shù)也是通過數(shù)據(jù)來估計，這些模型被叫作線性模型。最常用的線性回歸建模是給定x值的Y的條件均值是x的仿射函數(shù)。不太一般的情況，線性回歸模型可以是一個中位數(shù)或一些其他的給定X的條件下Y的條件分布的分位數(shù)作為x的線性函數(shù)表示。像所有形式的回歸分析一樣，線性回歸也把焦點放在給定X值的Y的條件概率分布，而不是X和Y的聯(lián)合概率分布（多元分析領域）。

2 基于線性回歸的航班延誤預測模型

2.1 線性回歸模型的建立

通過對數(shù)據(jù)集的分析發(fā)現(xiàn)，航班的出發(fā)延誤與到達延誤之間有明顯的線性相關(guān)性（見圖1），可以使用線性回歸模型來預測航班的到達延誤，具體的公式為：航班到達延誤=參數(shù)1×航班出發(fā)延誤+參數(shù)2，可以通過最小二乘法來估計模型的參數(shù)。一旦利用測試數(shù)據(jù)估計出最優(yōu)的參數(shù)1和參數(shù)2，就可以將航班出發(fā)延誤帶入公式計算出航班到達延誤。

2.2 航班延誤預測算法

（1）輸入航班號、出發(fā)時間、出發(fā)機場、到達機場，在測試數(shù)據(jù)中找到要預測的航班。

（2）根據(jù)該航班記錄的出發(fā)天氣，機型和機場等信息在訓練數(shù)據(jù)中找到相近的數(shù)據(jù)并計算這些記錄的出發(fā)延誤時間。

（3）將這些相近數(shù)據(jù)的出發(fā)延誤時間的平均值作為要預測的航班的出發(fā)延誤時間。

（4）將出發(fā)延誤時間帶入線性回歸方程計算航班的到達延誤時間。

（5）如果航班到達延誤時間大于30分鐘，判斷該航班延誤。

3 實驗分析

3.1 數(shù)據(jù)說明及數(shù)據(jù)預處理

數(shù)據(jù)采用的是國內(nèi)多個機場的航班數(shù)據(jù)，其中數(shù)據(jù)的時間是自2015年11月03日至2016年02月26日的119432條航班信息，每條航班包括航班號，航空公司，出發(fā)機場，出發(fā)城市，目的機場，目的城市，航班日期，計劃起降時間與實際起降時間，經(jīng)停次數(shù)，航線，機型，距離，最高溫度，最低溫度，天氣描述，風向，風力，空氣指數(shù)，空氣質(zhì)量描述，空氣質(zhì)量級別等21個因素。

對航班原始數(shù)據(jù)進行了幾步預處理操作：

（1）去除航班取消的情況。原始數(shù)據(jù)中存在實際到達時間為空的航班，即航班因故取消，或者未知等情況，對此就對包含該因素的數(shù)據(jù)不進行考慮，于是把這些航班數(shù)據(jù)進行了去除。

（2）選擇因素。在航班預測方面，希望這個數(shù)據(jù)是能夠?qū)︻A測的影響是比較大的，因素與航班延誤之間的相關(guān)性越大，對于預測幫助也就更大。刪除因素包括刪除原始數(shù)據(jù)中的重復因素和無關(guān)因素兩種，其中有些因素的性質(zhì)重復，將其歸結(jié)到了重復因素；有些通過以往的數(shù)據(jù)和經(jīng)驗判斷發(fā)現(xiàn)于航班延誤無關(guān)或者關(guān)聯(lián)不大，就將其分為無關(guān)因素。對原始數(shù)據(jù)的21個因素，我們進行了篩選，最終發(fā)現(xiàn)航班的出發(fā)延誤時間和到達延誤時間之間有明顯的線性相關(guān)性，而且出發(fā)延誤比到達延誤受到的影響因素要少得多。因此，只要能合理預測出航班的出發(fā)延誤，就能根據(jù)這種關(guān)系推理出航班的到達延誤。

3.2 實驗結(jié)果分析

測試數(shù)據(jù)總共82366條，均誤差為29.7分鐘。其中無延誤的數(shù)據(jù)（到達延誤時間小于30分鐘）69157條，延誤數(shù)據(jù)（到達延誤時間大于30分鐘）13209條，延誤數(shù)據(jù)占整個數(shù)據(jù)量的16%。對于沒有發(fā)生延誤的數(shù)據(jù)，預測的數(shù)據(jù)準確數(shù)為68093條，預測準確率高達98%；對于延誤了的數(shù)據(jù)，預測的準確數(shù)為603條，預測準確率4.6%；最終預測正確的數(shù)據(jù)為68696條，其中預測錯誤的條數(shù)為13670條，錯誤率為16.5%。

另外，預測值和實際值相差絕對值在30分鐘內(nèi)的有61985條；預測值和實際值相差絕對值在50分鐘內(nèi)的有9888條；預測值和實際值相差絕對值在100分鐘內(nèi)有6253條；預測值和實際值相差絕對值在100分鐘以上有4240條。

4 Web服務開發(fā)

4.1 開發(fā)工具和環(huán)境

處理器：Inter（R）Core（TM） i7-4710MQ CPU@2.5GHz

內(nèi)存：4.00GB

系統(tǒng)類型：64位

硬盤：500G

操作系統(tǒng)：Windows 10

開發(fā)及運行環(huán)境：Visual Studio 2015、Microsoft.NETFramework 4.0

4.2 系統(tǒng)功能及運行

（1）輸入接口：http GET請求形：http：//[hostname]/query？flightno=[航班號]&depairport=[出發(fā)機場三字碼]&arrairport=[到達機場三字碼]&date=[計劃日期，形如"YYYY-MM-DD"]。

（2）輸出接口：返回結(jié)果為json格式，包含請求的航班號、計劃起飛日期和時刻、計劃到達日期和時刻、預測起飛日期和時刻、預測到達日期和時刻、是否延誤。系統(tǒng)運行界面如圖2所示。

5 結(jié)語

對于國內(nèi)航班到港延誤預測問題，我們提出了一個線性回歸模型，開發(fā)了一個Web服務對航班延誤進行預測，并在一個國內(nèi)真實的航班歷史記錄數(shù)據(jù)集上對方法和系統(tǒng)的有效性和可用性進行了驗證。將在今后的工作中進一步優(yōu)化系統(tǒng)，提高系統(tǒng)預測的準確率，降低預測平均誤差。