李晨婉，韋 薇

0 引 言

2020 年，全國客運航空公司共執(zhí)行航班352.06 萬班次，其中，正常航班311.64 萬班次，平均航班正常率為88.52%[1]。與往年的正常航班比例相比，正常航班率有所提升，但天氣、空管、旅客等帶來的航班延誤所造成的經(jīng)濟成本損失和運營成本的額外增加，會使旅客的出行和航空公司受到負(fù)面影響。為了緩解航班延誤問題的影響，首先要對航班延誤原因進行分析，其次根據(jù)航班延誤的問題進行提前預(yù)測，并在預(yù)測的基礎(chǔ)上對航班資源加以調(diào)整。Kim Myeonghyeon、Noriko Etani[2-3]分別將機場和天氣作為研究航班延誤時間的主要因素，根據(jù)延誤的傳播和被傳播程度及進行分組，前者以濟州機場為研究對象，得出機場和航線與航班延誤之間存在關(guān)聯(lián)關(guān)系，天氣情況和機場對航班延誤的影響非常大。許保光等、賈萌、沙夢一等[4-6]從機場繁忙程度對航班延誤波及分析，分析了三個波及延誤的主要原因，并建立關(guān)于延誤波及的貝葉斯模型進行延誤預(yù)測。王晶華、代曉旭和張兆寧[7-9]從交通網(wǎng)絡(luò)層面利用傳染病模型，模擬病毒傳播的方式來模擬延誤的傳播預(yù)測下一階段大面積延誤傳播的發(fā)生。王輝等、吳仁彪等、谷潤平等、王興隆等、丁建立等[10-15]使用深度學(xué)習(xí)融合的集成訓(xùn)練方法對航班延誤進行分析，對主要特征進行提取，通過更新迭代的算法訓(xùn)練模型，大大提高了準(zhǔn)確率和訓(xùn)練效率。

以上研究都是在延誤預(yù)測的算法和延誤波及的相關(guān)因素研究的領(lǐng)域，在考慮延誤預(yù)測航班波及其中的影響作用時，缺少在影響因素的不同層面進行分析，不同層面的因素對延誤結(jié)果的影響程度不同。本文就航班延誤擴散對航班延誤的影響進行進一步的探究，將產(chǎn)生延誤的影響因子細(xì)分為橫向因子和縱向因子，分別就兩個空間層面的影響因素進行預(yù)測，最終將兩個層面的影響因素綜合分析，與橫向因子和縱向因子分別作用時進行對比分析。

1 航班延誤的空間擴散分析

航班延誤的生命周期由航班延誤的產(chǎn)生、航班延誤的擴散以及航班延誤的消除三個過程組成。在執(zhí)行航班任務(wù)的過程中，由于惡劣天氣、飛行器的故障、突發(fā)情況等原因造成的航班延誤，通常認(rèn)為是獨立因素造成的延誤問題。在獨立延誤因素之外，航班延誤波及在延誤擴散中占據(jù)很大的比重。所以，對航班延誤波及原因的分析是航班延誤預(yù)測的必要步驟。在研究波及延誤的影響時，將延誤的擴散方式也從空間方向上分為兩大類，分別是橫向擴散和縱向擴散。

1.1 航班延誤的縱向擴散分析

航空公司安排同一架飛機在一天內(nèi)執(zhí)行多個航班任務(wù)，在延誤產(chǎn)生的過程中，當(dāng)某個航班發(fā)生延誤，就會對下一航班造成影響，該延誤稱為前序航班延誤。航班的飛行計劃是連續(xù)的，容易引發(fā)連鎖反應(yīng)，造成后續(xù)航班的延誤稱為航班延誤擴散的延誤，以這種方式造成延誤的原因稱作為航班延誤的縱向因子。借助時空網(wǎng)絡(luò)圖表示縱向因子的作用過程，如圖1 所示。

圖1 縱向因子作用示意圖

縱向擴散主要影響的對象是航班，本文忽略了空中突發(fā)事件對于航班正常飛行的影響，主要考慮由相鄰航班發(fā)生的延誤，也就是前序航班延誤順延到下一趟航班的延誤以及航班相關(guān)的影響因素包括航班運行的時間和航空公司等，這些因素與航班延誤也存在互相影響的關(guān)系，縱向擴散的影響指標(biāo)如表1 所示。

表1 縱向擴散影響下的延誤指標(biāo)分類

1.2 航班延誤橫向擴散的分析

航班延誤橫向擴散的產(chǎn)生主要發(fā)生在航班著陸和起飛的階段。機場容量、機場過站航班量、過站時間和延誤之間存在一定的關(guān)系。本文中影響航班延誤的主要因素之一橫向因素，主要作用于機場層面。

由于機場、跑道容量等資源有限，因此飛機的起飛降落都有一定的計劃，一旦某架飛機發(fā)生延誤，產(chǎn)生滯留等結(jié)果，就會導(dǎo)致其到達(dá)時機場容量不足而只能讓后續(xù)航班延遲起飛，從而對機場的其它航班產(chǎn)生一定的影響，其導(dǎo)致的延誤稱為源延誤時間，源延誤時間的產(chǎn)生由于最小過站時間的限制又會增加航班的進港延誤，從而形成延誤的橫向擴散。從空間地域方面造成的航班延誤的原因可稱作為航班延誤的橫向因子，影響航班獨立延誤和波及延誤的因素，主要影響因素包括機場容量、機場規(guī)模、目的機場的航班延誤數(shù)量以及天氣等因素。借助時空網(wǎng)絡(luò)圖，以機場作為橫軸按時間順序自左到右。起點為機場的首個延誤航班，如圖2 所示。

圖2 橫向因子作用示意圖

縱向因素影響航班波及延誤，主要影響因素有前序航班的延誤狀態(tài)以及飛行時間，起落時間段等。根據(jù)機場和航班兩個載體進一步把航班延誤的影響因素在空間上分為縱橫兩向。由航班橫向因子的作用示意圖來看，橫向因子的主要作用范圍在飛機所在機場，在不考慮突發(fā)事件的基礎(chǔ)上提出天氣、所在機場、是否改道和安全問題造成的延誤四個指標(biāo)作為橫向擴散的影響因素，如表2 所示。

表2 橫向擴散影響下的延誤指標(biāo)分類

2 研究方法

梯度提升決策樹（Light Gradient Boosting Machine，LightGBM） 在以梯度提升樹（Gradient Boosting Decision Tree，GBDT）算法為基礎(chǔ)的分布式梯度提升框架。占用內(nèi)存小，使用直方圖算法：將特征值分成許多小筒，進而在筒上搜索分裂點，減少了計算代價和存儲代價，得到更好的性能。傳統(tǒng)的機器學(xué)習(xí)一般不能支持直接輸入類別特征，需要先轉(zhuǎn)化成多維的0~1 特征，這樣無論在空間上還是時間上效率都不高。在這樣的算法中也需要控制樹的深度和每個葉子結(jié)點的最小數(shù)據(jù)量，從而減少過擬合。將Histogram 算法、GOSS（Gradient-based One-Side Sampling） 算法和EFB（Exclusive Feature Bundling） 算法引入，生成一葉子需要的復(fù)雜度大大降低了，從而極大節(jié)約了計算時間。同時，Histogram 算法還將特征浮點數(shù)轉(zhuǎn)換成0~255 位的整數(shù)進行存儲，大大節(jié)約了內(nèi)存存儲。

LightGBM 采用分布式的GBDT，選擇直方圖算法?；舅枷胧窍劝堰B續(xù)的浮點特征值離散化成k個整數(shù)，同時構(gòu)造一個寬度為k的直方圖。在遍歷數(shù)據(jù)的時候，根據(jù)離散化后的值作為索引在直方圖中累積統(tǒng)計量，當(dāng)遍歷一次數(shù)據(jù)后，直方圖累積了數(shù)據(jù)的統(tǒng)計量，然后根據(jù)直方圖的離散值，遍歷尋找最優(yōu)的分割點。直方圖算法原理如圖3 所示。

圖3 直方圖算法原理

LightGBM 的預(yù)測模型是由一系列弱學(xué)習(xí)器（即一系列決策樹） 組成的，其表達(dá)形式如下：

式中：F代表強學(xué)習(xí)器，xi代表第i個樣本,L代表損失函數(shù)，yi為第i個樣本預(yù)測值，α 為一常數(shù), 可使損失函數(shù)最小化，m為樣本個數(shù),LR為學(xué)習(xí)速率，ωij為在第j個決策樹的第i個葉節(jié)點中所有樣本的最佳替代值，Cl1為l1 項正則化系數(shù)，Cl2為l2項正則化系數(shù)，Rl為決策樹總量；Lj為第j顆決策樹葉節(jié)點個數(shù)。

3 基于空間擴散的航班延誤預(yù)測

為驗證模型可行性，在Window10 環(huán)境下，利用python3.10 實現(xiàn)lightGBM 對模型的預(yù)測。根據(jù)表1 和表2 選取變量，并且選擇航班信息如：航班尾號、始發(fā)機場編號、始發(fā)機場名稱、航空公司、目的機場城市名稱、計劃出發(fā)時間、計劃到達(dá)時間、實際出發(fā)時間、實際到達(dá)時間。

3.1 數(shù)據(jù)清洗

選取美國交通運輸部一年的航班數(shù)據(jù)，其中對存在延誤的7 萬余個航班數(shù)據(jù)和31 個特征變量進行分析。將數(shù)據(jù)缺失進行補充，少數(shù)異常值處理掉。少數(shù)缺失值用均值補充，數(shù)據(jù)中差距較大的數(shù)據(jù)做刪除處理。將數(shù)據(jù)中的缺失值和異常值進行處理，部分?jǐn)?shù)據(jù)如表3 所示：

表3 部分航班數(shù)據(jù)融合示例

3.2 數(shù)據(jù)分析

使用pyhon3.10 讀取總數(shù)據(jù)，刪除多余的特征變量，對剩余的特征提取特征變量和目標(biāo)變量，按照訓(xùn)練數(shù)據(jù)80%、驗證數(shù)據(jù)20%劃分訓(xùn)練集和測試集，模型訓(xùn)練和搭建，不斷迭代選取最優(yōu)參數(shù)后使用驗證數(shù)據(jù)集對模型預(yù)測并畫出ROC（Receiver Operating Characteristic） 曲線驗證模型，得出準(zhǔn)確率進行評估。數(shù)據(jù)處理流程如圖4 所示。

圖4 數(shù)據(jù)分析流程

3.3 評價指標(biāo)

通過AUC（Area Under Curve） 值檢驗使用LightGBM 方法的可行性。并且將橫向特征和縱向特征分別作為航班延誤預(yù)測的基礎(chǔ)特征進行預(yù)測，得到的準(zhǔn)確率與綜合預(yù)測的結(jié)果和相對比如圖5 和表4 所示。

表4 不同特征值的結(jié)果對比

圖5 模型ROC 曲線結(jié)果

模型的AUC 值越接近1 表示越可行，所以驗證了使用LightGBM 的方法構(gòu)建模型預(yù)測時可行的。如表4 所示，橫向預(yù)測的準(zhǔn)確率為80.2%，縱向預(yù)測的準(zhǔn)確率為78.53%，綜合預(yù)測的準(zhǔn)確率為91.5%，綜合預(yù)測的準(zhǔn)確度遠(yuǎn)高于橫向預(yù)測和縱向預(yù)測的結(jié)果，符合要求。可得出，從空間擴散的角度研究航班延誤預(yù)測問題時，分析橫向空間的影響力比縱向空間的影響力更有效但精度往往較低，將橫向因素和縱向因素結(jié)合分析的航班預(yù)測結(jié)果最為理想。其中，橫向因素中包含天氣這一主要影響因素，所得到的準(zhǔn)確率高于縱向因素作為特征值時的結(jié)果。

4 結(jié) 論

首先通過分析航班延誤的原因，探討航班延誤空間擴散產(chǎn)生后對航班延誤的影響，將航班延誤空間擴散形式界定為橫向和縱向擴散；其次從橫向因素和縱向影響因素兩個視角入手，分析橫向因素和縱向因素的成因和擴散方式；最后對橫向數(shù)據(jù)集、縱向數(shù)據(jù)集以及綜合數(shù)據(jù)集分別作為輸入集對航班延誤進行預(yù)測。最終得到在相同的環(huán)境條件下，從橫縱向空間擴散的角度研究航班延誤，得出橫縱向共同作用下的預(yù)測思路可以取得更好的預(yù)測效果。

本文研究的內(nèi)容還有一定的欠缺：（1） 忽略了很多突發(fā)影響因素，只考慮了一般情況下的結(jié)果。（2） 采集樣本數(shù)據(jù)不夠充足，應(yīng)擴寬橫向影響因素的范圍，細(xì)分影響因素類型并分析。得到預(yù)測結(jié)果后的延誤優(yōu)化也是重要的一個環(huán)節(jié)，可以在以后進一步研究。