丁蓉蓉　朱金福

摘 要： 航空運(yùn)輸業(yè)的供求矛盾逐年加深，為了解決這個問題，提出基于時序數(shù)據(jù)挖掘的航班時刻規(guī)劃方法。在時序數(shù)據(jù)挖掘中，采用因果規(guī)劃方法直接關(guān)聯(lián)航班時刻規(guī)劃因素進(jìn)行規(guī)劃，通過時間序列規(guī)劃方法同時關(guān)聯(lián)航班時刻規(guī)劃因素和隨機(jī)變量進(jìn)行規(guī)劃。為了驗(yàn)證兩種方法的實(shí)用性，構(gòu)建一個分析模型，給出分析指標(biāo)權(quán)重。分析結(jié)果顯示，時間序列規(guī)劃方法的規(guī)劃結(jié)果與實(shí)際情況相符，排除因果規(guī)劃方法，又通過實(shí)驗(yàn)驗(yàn)證出方法規(guī)劃結(jié)果對原始航班時刻改動小，既符合航線要求，又協(xié)調(diào)了供求矛盾。

關(guān)鍵詞： 時序數(shù)據(jù)挖掘； 因果規(guī)劃； 時間序列規(guī)劃； 航班時刻規(guī)劃； 分析模型

中圖分類號： TN919.6?34； F562 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）16?0129?03

Abstract： In order to weaken the contradiction between supply and demand of aviation transportation industry， a flight schedule planning method based on time series data mining is put forward. For the time series data mining， the causal planning method is used to relate the flight schedule planning factors directly for planning. The time series planning method is used to relate to the flight schedule planning factors and random variable for planning. To verify the practicability of the two methods， an analysis model was constructed， and the weight of analysis index is given. The analysis results show that the planning result of the time series planning method is compatible with the actual result， which is better than the causal planning method. The experimental results show that， in comparison with the original flight schedule， the planning result of the flight schedule planning method is changed little， which conforms to the requirements of the flight course， and coordinates the contradiction between supply and demand.

Keywords： time series data mining； causal planning； time series planning； flight schedule planning； analysis model

航班時刻是指航空公司定義的飛機(jī)起飛和降落計(jì)劃。隨著航空運(yùn)輸業(yè)的不斷發(fā)展，機(jī)場載客量和載貨量逐年攀升，航班供與求之間的關(guān)系變得緊張，旅客對航班延誤等現(xiàn)象的投訴率已成為制約航空公司未來發(fā)展的主要原因。航班時刻規(guī)劃不但決定著機(jī)場輸送效率，更影響著航空運(yùn)輸安全，航班時刻規(guī)劃問題不容小覷[1]。

1 基于時序數(shù)據(jù)挖掘的航班時刻規(guī)劃方法分析

1.1 分析模型

為了分析時序數(shù)據(jù)挖掘中因果規(guī)劃和時間序列規(guī)劃哪個更適合進(jìn)行航班時刻規(guī)劃，構(gòu)建一個分析模型，模型結(jié)構(gòu)見圖1。分析模型中分析指標(biāo)的權(quán)重分配情況如表1所示。

通過圖1、表1能夠發(fā)現(xiàn)，航班延誤率、機(jī)場規(guī)模、新接入航班、機(jī)場疏散效率和市場潛力將對基于時序數(shù)據(jù)挖掘的航班時刻規(guī)劃方法的規(guī)劃效果造成不良影響。航班延誤率的影響最大，權(quán)重[2]為0.60，其他因素權(quán)重均未高出0.15，可見必須重點(diǎn)分析航班延誤率。航班延誤率的計(jì)算方式是將延誤航班班次除以規(guī)劃班次，理想的航班延誤率計(jì)算結(jié)果應(yīng)最大限度地貼近實(shí)際情況。

1.2 實(shí)例規(guī)劃與分析

取北京航空公司2016年國慶節(jié)期間的航班時刻，在SQL數(shù)據(jù)庫的運(yùn)行環(huán)境中進(jìn)行規(guī)劃，統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案軟件（SPSS）對時序挖掘數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和解釋[3]。因果規(guī)劃方法和時間序列規(guī)劃方法共同就5項(xiàng)航班時刻規(guī)劃因素進(jìn)行規(guī)劃，規(guī)劃結(jié)果受分析指標(biāo)的干擾情況見表2、表3，航班延誤率干擾情況見圖2。

通過各圖表內(nèi)容能夠發(fā)現(xiàn)，與實(shí)際情況最接近的是時間序列規(guī)劃方法提出的航班時刻規(guī)劃結(jié)果，因果規(guī)劃方法漏掉了很大一部分的干擾比例，根據(jù)這個結(jié)論，排除因果規(guī)劃方法，時序數(shù)據(jù)挖掘選擇時間序列規(guī)劃方法規(guī)劃航班時刻。

2 實(shí)驗(yàn)結(jié)果與討論

對本文提出的基于時序數(shù)據(jù)挖掘的航班時刻規(guī)劃方法進(jìn)行實(shí)驗(yàn)驗(yàn)證，仍然規(guī)劃北京航空公司2016年國慶節(jié)期間的航班時刻。本文方法與專家規(guī)劃系統(tǒng)以及遺傳算法[4]的航班延誤率干擾對比如圖3所示，能夠發(fā)現(xiàn)本文方法依舊與實(shí)際情況最接近。專家系統(tǒng)的規(guī)劃結(jié)果也與實(shí)際情況相差不大，但需要一個規(guī)劃時間來調(diào)整系統(tǒng)狀態(tài)，所以前兩天的規(guī)劃結(jié)果與實(shí)際情況嚴(yán)重不符，最好應(yīng)用在長周期的航班時刻規(guī)劃中。

除了通過分析模型的分析指標(biāo)衡量航班時刻規(guī)劃方法外，原始航班時刻改動程度同樣起到重要的衡量作用，原因是對航空公司的固定旅客而言，當(dāng)航班時刻出現(xiàn)大變動，旅客慣性乘機(jī)計(jì)劃受到影響，有可能改乘其他航空公司航班[5]。以目前北京航空公司使用的夏季航班時刻為例，下午2點(diǎn)20分擁有飛行任務(wù)的飛機(jī)有8架，規(guī)劃情況見表4，航班時刻規(guī)劃結(jié)果見表5～表7。

通過表4～表7能夠發(fā)現(xiàn)，專家規(guī)劃系統(tǒng)規(guī)劃提出，為保證最大限度飛行安全，保留重要城市航班，刪除到達(dá)時間鄰近的航班，將原來的8架飛機(jī)改為4架。遺傳算法刪除了到達(dá)時間鄰近的航班，剩余6架。對于沒有改動飛機(jī)數(shù)量的本文方法，通過改變機(jī)型提高飛行效率，既符合航線要求，又協(xié)調(diào)了航班時刻與旅客需求間的供求矛盾。

3 結(jié) 論

本文從旅客需求、飛行能力、航線要求、機(jī)場營業(yè)時間和特殊航班安排角度提出航班規(guī)劃問題，介紹了時序數(shù)據(jù)挖掘中因果規(guī)劃和時間序列規(guī)劃兩個定量規(guī)劃方法的規(guī)劃步驟。利用分析模型闡述了航班延誤率、機(jī)場規(guī)模、新接入航班、機(jī)場疏散效率和市場潛力5個分析指標(biāo)，給出分析指標(biāo)的權(quán)重分配情況，進(jìn)行因果規(guī)劃方法和時間序列規(guī)劃方法的實(shí)例計(jì)算，最后選擇時間序列規(guī)劃方法為最優(yōu)方法。實(shí)驗(yàn)將時間序列規(guī)劃方法同專家規(guī)劃系統(tǒng)、遺傳算法進(jìn)行了對比，顯示出時間序列規(guī)劃方法的規(guī)劃結(jié)果與實(shí)際情況相似程度高，對原始航班時刻改動程度小。

參考文獻(xiàn)

[1] 董兵.空中交通復(fù)雜度測度分析及航班監(jiān)測預(yù)警研究[J].科學(xué)技術(shù)與工程，2015，15（16）：175?180.

[2] 鄧芳.大型物聯(lián)網(wǎng)電子設(shè)備的海量數(shù)據(jù)高效挖掘方法研究[J].現(xiàn)代電子技術(shù)，2016，39（4）：159?162.

[3] 張軍.衰落噪聲干擾下網(wǎng)絡(luò)攻擊數(shù)據(jù)散布特征挖掘算法[J].科技通報，2015，31（12）：260?262.

[4] 鄭一鳴，孫翔.基于多源監(jiān)測數(shù)據(jù)挖掘的電力設(shè)備狀態(tài)診斷[J].浙江電力，2016，35（5）：1?6.

[5] 甘楊蘭，趙梅，牛森，等.基于云仿真環(huán)境數(shù)據(jù)挖掘的服務(wù)分類方法[J].計(jì)算機(jī)仿真，2014，31（10）：460?465.

[6] 隆忠華，王祥.基于模糊時間序列的車輛檢測器數(shù)據(jù)修補(bǔ)方法研究[J].物聯(lián)網(wǎng)技術(shù)，2016，6（6）：21?24.endprint