考虑航路网络结构的离场航班延误预测模型

摘要

针对离场航班延误预测缺少对航路网络结构因素的考虑,以及传统多分类预测难以满足高精度的需求,提出了一种考虑航路网络结构的离场航班延误预测模型。首先,根据离场航班所在终端区的航路网络结构,提出了航路拥挤指标,即航路流量、航路拥挤度和航路网络拥挤度,从航路网络和网络结构2个维度量化分析了拥挤特征,构造了航路拥挤数据集;然后,基于深度神经网络(deep neural network,DNN),构建了考虑航路网络结构的离场航班延误预测模型;最后,分析各类别延误样本比例,调整焦点损失函数的平衡因子以及各模型参数,进行了不同损失函数、不同数据集和不同模型参数的对比实验。结果表明:调整平衡因子后,模型预测准确率提高了2.3个百分点,融入航路拥挤数据集后,准确率继续提高了1.52个百分点,并且最终达到93.47%。可见,本文所提模型能够对离场航班延误作出有效准确判断,为民航相关单位提供决策参考。