基于KNN的机场航班短期延误风险预测

doi:10.3969/j.issn.1674-0696.2021.12.03

重庆交通大学学报（自然科学版） ›› 2021, Vol. 40 ›› Issue (12): 12-18.DOI: 10.3969/j.issn.1674-0696.2021.12.03

• 交通+大数据人工智能 • 上一篇

基于KNN的机场航班短期延误风险预测

刘继新1,2，杨光1,2

(1. 南京航空航天大学民航学院，江苏南京 210016； 2. 国家空管飞行流量管理技术重点实验室，江苏南京 210016)

收稿日期:2020-06-23 修回日期:2020-10-27 发布日期:2021-12-27
作者简介:刘继新（1966—），男，安徽滁州人，副教授，主要从事交通运输规划与管理方面的研究。E-mail:larryljx66@nuaa.edu.cn 通信作者：杨光(1994—),女,陕西汉中人,硕士,主要从事交通运输规划与管理方面的研究。E-mail:450983429@qq.com
基金资助:
南京航空航天大学研究生创新基地 (实验室) 开放基金项目（kfjj20190707）

Short-Term Flight Delay Risk Forecast Based on KNN

LIU Jixin1, 2,YANG Guang1, 2

(1. College of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, Jiangsu, China; 2. National Key Lab in Air Traffic Flow Management, Nanjing 210016, Jiangsu, China)

Received:2020-06-23 Revised:2020-10-27 Published:2021-12-27

摘要/Abstract

摘要： 针对当前民航延误问题仍然十分突出的现状，将航班发生短期延误的时长及其发生概率视为一种风险问题，考虑恶劣天气影响，将航班随外部运行环境的随动性变化与挖掘航班历史数据结合，对该风险进行评估预测。选用主成分分析法对众多因素进行分析和筛选，确定延误的关键影响因素，作为分类预测算法的样本属性。采用KNN算法建模，结合历史航班运行数据和天气数据，对机场短期内离港的单航班起飞延误状况及风险值进行预测。实验结果表明，主成分分析法能够在变量间存在信息重叠的情况下较为准确地找出关键因子，在此基础上采用KNN算法对航班延误风险进行预测，能够取得较好效果，具有实际应用意义。

关键词: 交通运输工程；航班延误；风险预测；主成分分析法；KNN

Abstract: In view of the current situation that civil aviation delay is still very prominent, the duration and probability of short-term flight delay are regarded as a risk problem. Considering the impact of bad weather, the risk was evaluated and predicted by combining the follow-up change of flight with external operation environment with mining flight history data. The principal component analysis method was used to analyze and screen many factors, and determine the key influencing factors of delay as the sample attributes of classification prediction algorithm. The KNN algorithm was used to build a model, which combined historical flight operation data and weather data to predict the departure delay and risk value of single flight leaving the airport in a short time. The experiment results show that the principal component analysis method can accurately find the key factors when there is information overlap between the variables. On this basis, KNN algorithm is used to predict the flight delay risk, which can achieve good results and has practical significance.

Key words: traffic and transportation engineering; flight delay; risk forecast; PCA (principal component analysis); KNN algorithm

中图分类号:

刘继新1,2，杨光1,2. 基于KNN的机场航班短期延误风险预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(12): 12-18.

LIU Jixin1, 2,YANG Guang1, 2. Short-Term Flight Delay Risk Forecast Based on KNN[J]. Journal of Chongqing Jiaotong University(Natural Science), 2021, 40(12): 12-18.

参考文献

［1］ TRUONG D, FRIEND M A, CHEN H Y. Applications of business analytics in predicting flight on-time performance in a complex and dynamic system ［J］. Transportation
Journal, 2018, 57(1): 24-52.
［2］ REBOLLO J J, BALAKRISHNAN H. Characterization and prediction of air traffic delays ［J］. Transportation Research Part C: Emerging Technologies, 2014, 44:231-
241.
［3］ MANNA S, BISWAS S, KUNDU R, et al. A statistical approach to predict flight delay using gradient boosted decision tree ［C］∥2017 International Conference on
Computational Intelligence in Data Science (ICCIDS). IEEE, 2017.
［4］何洋, 朱金福, 周秦炎. 基于支持向量机回归的机场航班延误预测［J］. 中国民航大学学报, 2018, 36 (1):30-36,41.
HE Yang, ZHU Jinfu, ZHOU Qinyan. Airport flight delay prediction based on SVM regression ［J］.Journal of Civil Aviation University of China, 2018, 36 (1): 33-36,41.
［5］吕晓杰,王红.大型枢纽机场大面积航班延误预警方法研究［J］.计算机工程与设计,2009,30(19):4564-4566.
LYU Xiaojie, WANG Hong. Method for swept flight delay early warning of large aeronautic hub ［J］. Computer Engineering and Design, 2009, 30(19): 4564-4566.
［6］丁建立,李华峰.一种新型航班延误组合预测模型［J］.中国民航大学学报, 2011,29(3):1-4.
DING Jianli, LI Huafeng. New composite model for prediction of flight delay ［J］. Journal of Civil Aviation University of China, 2011, 29(3): 1-4.
［7］李频.基于灰色动态马尔科夫的航班延误预测［J］.上海工程技术大学学报,2014,28(4):333-336.
LI Pin. Flight delay prediction based on gray dynamic Markov ［J］. Journal of Shanghai University of Engineering and Technology, 2014, 28(4): 333-336.
［8］ TU Yufeng, BALL M O, JANK W S. Estimating flight departure delay distributions—A statistical approach with long-term trend and short-term pattern ［J］. Journal
of the American Statistical Association, 2008, 103(481):112-125.
［9］石丽娜.多等级模糊评价方法在航班延误中的应用［J］.上海工程技术大学学报,2006,20(3):276-279.
SHI Lina. Application of multi-grade fuzzy comprehensive evaluation method to flight delay ［J］. Journal of Shanghai University of Engineering and Technology, 2006,
20(3): 276-279.
［10］赵嶷飞, 张亮. 航班延误统计指标体系及延误等级评估研究［J］. 交通运输工程与信息学报, 2009, 7(2):9-15.
ZHAO Yifei, ZHANG Liang. Research on the flight delay statistical index system and rating assessment ［J］. Journal of Transportation Engineering and Information, 2009,
7(2): 9-15.
［11］顾绍康,张兆宁.大面积航班延误的实时航班延误程度评估研究［J］.航空计算技术,2014(4):29-32.
GU Shaokang, ZHANG Zhaoning.Research on evaluation of real-time level of large-scale flight delays ［J］. Aviation Computing Technology, 2014(4): 29-32.
［12］孙蒙蒙，赵茂松，纪赛赛.基于主成分分析法的供应商评价指标筛选［J］.物流科技,2017,40(10)：10-15.
SUN Mengmeng, ZHAO Maosong, JI Saisai. Selection of supplier evaluation index based on principal component analysis ［J］. Logistics Sci-Tech, 2017, 40 (10):10-15.
［13］吕宗平, 胡欣, 丁建立. 航班延误预警指标体系与预警量级构建［J］. 航空计算技术, 2010, 40(1):1-4.
LYU Zongping, HU Xin, DING Jianli. Construction of flight delay alarming index system ［J］.Aeronautical Computing Technique, 2010, 40(1): 1-4.
［14］闵捷.基于数据挖掘的航班延误的分析与预测［D］.南京:南京航空航天大学，2018.
MIN Jie.Analysis and Prediction of Flight Delay Based on Data Mining ［D］. Nanjing: Nanjing University of Aeronautics and Astronautics, 2018.
［15］续长青, 王永忠. 基于 KNN 算法的双流机场航班延误时间预测研究［J］. 信息技术与信息化, 2019 (2):81-84.
XU Changqing, WANG Yongzhong. Research on flight delay time prediction of Shuangliu airport based on KNN algorithm ［J］.Information Technology and
Informatization, 2019 (2): 81-84.

[1]	朱金福1 ，马睿馨1,2，彭安娜1，严琛1. 基于粒子群优化算法的机场群航班优化配置研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(09): 1-8.
[2]	曹建秋,徐鹏,张广言. 基于贪心策略下混合蚁群算法的无人机航迹规划[J]. 重庆交通大学学报（自然科学版）, 2021, 40(09): 9-16.
[3]	靳慧斌1，胡占尧2，于桂花2. 单发失效情境下飞行员的注意分配行为分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 1-5.
[4]	李楠1，焦庆宇1，张连东2，樊瑞1. 离场航空器滑行时间预测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(03): 1-6.
[5]	李楠，强懿耕，樊瑞. 基于轨迹压缩的航空器飞行轨迹聚类研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(01): 1-6.
[6]	赵桂红1, 秦臻1，李建伏2. 航班延误后多航班间车辆调度优化算法和实现[J]. 重庆交通大学学报（自然科学版）, 2020, 39(10): 5-9.
[7]	褚衍昌,陈飞超,侯云燕. 基于复合系统协同度模型的京津冀民航协同发展研究[J]. 重庆交通大学学报（自然科学版）, 2020, 39(10): 18-23.
[8]	刘玲莉1，禹美辰1，王玥1，云天宇2. 修订版SCQ-MD量表在机场内场驾驶员的适用性研究[J]. 重庆交通大学学报（自然科学版）, 2020, 39(09): 46-46.
[9]	王莉莉，刘子昂. 针对平行航路的改航路径规划研究[J]. 重庆交通大学学报（自然科学版）, 2020, 39(08): 45-50.
[10]	褚衍昌,陈飞超. 基于超效率DEA-Malmquist指数的我国机场业运营效率评价研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(12): 115-122.
[11]	张兆宁，陈蔚波. 基于熵值法的终端区利用率评估研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(11): 98-103.
[12]	王洁宁1,2,张聪俊1,2,房晓丹1,2,孙晓萌1,2. 管制员压力产生过程LEADSTO动态仿真分析[J]. 重庆交通大学学报（自然科学版）, 2019, 38(10): 116-120.
[13]	刘继新, 曾逍宇, 尹旻嘉, 朱学华. 基于累积Logistic回归模型的管制员应激程度预测[J]. 重庆交通大学学报（自然科学版）, 2019, 38(03): 97-102.
[14]	张兆宁，曹悦琪. 基于高度层的航路短时利用率模型研究[J]. 重庆交通大学学报（自然科学版）, 2018, 37(08): 107-111.
[15]	覃睿1，史娅琪2，王明科3. 面向低空飞行安全监视的ADS-B地面站空间布局规划方法[J]. 重庆交通大学学报（自然科学版）, 2018, 37(07): 100-105.

基于KNN的机场航班短期延误风险预测

Short-Term Flight Delay Risk Forecast Based on KNN

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics