一种基于模糊Petri网的航班延误波及预测方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113902229A(43)申请公布日2022.01.07(21)申请号202111501490.X(22)申请日2021.12.09(71)申请人武汉市胜意科技发展有限公司地址430000湖北省武汉市东湖开发区关山一路特1号一期研发楼D栋2层209号(72)发明人余学锋刘洁(74)专利代理机构武汉蓝宝石专利代理事务所(特殊普通合伙)42242代理人万畅(51)Int.Cl.G06Q10/04(2012.01)G06N5/04(2006.01)G06N3/08(2006.01)G06N3/04(2006.01)G06Q50/30(2012.01)权利要求书2页说明书6页附图4页(54)发明名称一种基于模糊Petri网的航班延误波及预测方法及系统(57)摘要本发明涉及一种基于模糊Petri网的航班延误波及预测方法及系统，其方法包括：获取已延误的一个或多个目标航班的航班信息，所述航班信息包括航班号、航空公司、出发地机场和到达地机场；根据多个已延误航班的历史航班信息和模糊Petri网，构建每个延误航班波及的航班网络和机场网络；利用训练好的时空图卷积神经网络，确定每个目标航班的延误持续时间；根据每个目标航班的延误持续时间、延误持续时间内的未来天气信息和所述模糊Petri网，实时预测每个目标航班的所有波及航班。本发明结合了模糊Petri网和时空图卷积神经网络，提高了模糊Petri网预测航班延误的实时性和动态适应性。CN113902229ACN113902229A权利要求书1/2页1.一种基于模糊Petri网的航班延误波及预测方法，其特征在于，包括：获取已延误的一个或多个目标航班的航班信息，所述航班信息包括航班号、航空公司、出发地机场和到达地机场；根据多个已延误航班的历史航班信息和模糊Petri网，构建每个延误航班波及的航班网络和机场网络；利用训练好的时空图卷积神经网络，确定每个目标航班的延误持续时间；根据每个目标航班的延误持续时间、延误持续时间内的未来天气信息和所述模糊Petri网，实时预测每个目标航班的所有波及航班。2.根据权利要求1所述的基于模糊Petri网的航班延误波及预测方法，其特征在于，所述根据多个已延误航班的历史航班信息和模糊Petri网，构建每个延误航班波及的航班网络和机场网络包括：根据已延误航班的当日所在航空公司的航班时刻表和波及航班信息，通过第一模糊Petri网确定每个延误航班波及的航班网络；根据已延误航班的当日所在机场的航班时刻表和延误关联信息，通过第二模糊Petri网确定所述机场波及的机场网络。3.根据权利要求2所述的基于模糊Petri网的航班延误波及预测方法，其特征在于，所述根据已延误航班的当日所在航空公司的航班时刻表和波及航班信息，通过第一模糊Petri网确定每个延误航班波及的航班网络包括：根据已延误航班的波及航班信息确定第一模糊Petri网的库所集合；根据所述航班时刻表中的时间关联信息和空间关联信息确定每个库所的变迁和映射关系，并根据所述每个库所的变迁和映射关系确定已延误航班的第一模糊Petri网；根据第一模糊Petri网确定每个延误航班波及的航班网络。4.根据权利要求1所述的基于模糊Petri网的航班延误波及预测方法，其特征在于，所述利用训练好的时空图卷积神经网络，确定每个目标航班的延误持续时间包括：利用训练好的时空图卷积神经网络确定每个目标航班的延误持续时间的类型；根据延误持续时间的类型，以及目标航班所在地的未来24小时内的天气信息确定每个目标航班的延误持续时间。5.根据权利要求4所述的基于模糊Petri网的航班延误波及预测方法，其特征在于，所述空图卷积神经网络通过如下步骤训练：获取已延误航班的出发地天气、到达地天气、延误时间、航空公司、机场和航班延误持续时间的分类；将每个已延误航班作为顶点，每个顶点的出发地天气、到达地天气、延误时间、航空公司和机场作为属性，并将每个顶点及其属性映射为多维向量；利用聚类算法和传递熵损失对所述多维向量构成的数据集进行清洗，得到训练集；将训练集中的航班延误持续时间的分类作为标签，训练所述时空图卷积神经网络，直至所述时空图卷积神经网络的误差趋于稳定且低于阈值。6.根据权利要求1至5任一项所述的基于模糊Petri网的航班延误波及预测方法，其特征在于，所述延误持续时间小于等于24小时。7.一种基于模糊Petri网的航班延误波及预测系统，其特征在于，包括：2CN113902229A权利要求书2/2页获取模块，用于获取已延误的一个或多个目标航班的航班信息，所述航班信息包括航班号、航空公司、出发地机场和到达地机场；构建模块，用于根据多个已延误航班的历史航班信息和模糊Petri网，构建每个延误航班波及的航班网络和