文摘

智能传感和通信技术在机场的电网信息系统提供了一套多维大数据分析航班延误。这些数据从空中交通管制、天气和多种因素会导致最初的航班延误。由于相邻的飞行时间相关性的影响,初始延迟导致后续航班的延误,由矿业信息传感数据,发现形成航班延误扩散的现象。不同的因素会导致延迟扩散形式的不同地区,更严重的是,它将导致“灾区”延迟整个区域电网信息结构。分析空间每个因素对航班延误的影响,探索的区域分布延迟因素,本文结合空间回归模型和确定关键的解释变量的统计和处理航空系统数据。案例研究表明,空间机场延误飞机的运动特点。处理智能传感和通信数据后,结果表明,机场之间有一个空间效应的延迟和决定因素。延迟约束的高延迟集群主要发生在Beijing-Tianjin-Hebe和长江三角洲城市群。直达航班,天气,新的飞行路线,起飞和降落容量空间机场延误产生更重要的影响。使用物联网技术感知、分析和集成多个机场延误信息,结合空间分析模型可以准确我的延迟特性航班延误和有效地实现数字化和智能化管理。

1。介绍

智能飞行传感和通信数据可以提取多维数据对飞机飞行轨迹,天气,机场操作和空气量。基于这些数据,系统分析在机场延误信息网格的关键是减少乘客和航空公司的直接损失,促进民用航空地区的经济发展。延迟空间网格分析结合物联网的概念(物联网)网络技术与当前研究趋势。这是通过整合乘客移动数据,飞机操作信息、气象分布信息,和机场状态信息。根据航班信息的分析,陈等人计算的间接经济影响航班延误对中国经济和得出结论,总在2013年是3557.1亿元,间接影响也强调了控制航班延误的重要性(1]。除了中国,美国联邦航空管理局(FAA)提议的增加航班延误赋予了巨大的美国航空系统的压力损失数十亿美元的航空公司,每年乘客,和社会。2007年,航空公司造成的经济损失达83亿美元,和损失包括员工,增加燃料和维护成本(2,3]。此外,空中交通流量管理(ATFM)估计延迟的总成本在欧洲(包括各种原因和反应成本)在2011年为11.5亿欧元。平均延迟航班延误成本已经达到1660欧元(4]。航班延误了对全球经济产生重大影响,强调控制航班延误的重要性。

除了巨大的经济成本损失,航班延误的直接后果已经减少了准时的性能,这也是一个民用航空行业的普遍关注。2017年,289.5万年,中国的客运航空公司(总共403.9万次航班),平均飞行率为71.67%。几个航班延误的主要原因包括航空运输问题,极端天气和空中交通管制5,6]。除此之外,空间相关性也可以导致机场延误的传播效应。通过机器学习来模拟飞机操作,延迟一个飞机的飞行会影响后续航班,最终导致延迟传播的机场对(7,8]。通过集成传感器通信信息在机场、航线,飞机,机场延误已经形成了一个广泛的延迟电网信息系统。如何准确地分析多个机场延误网格之间的空间关系,深入研究他们的决定因素已成为民航延迟重要和富有挑战性的问题。

目前,物联网等新技术的结合,大数据,人工智能,和5 g与机场运营管理的沟通已经开始得到关注(9- - - - - -11]。其中,延迟管理和控制的智能分析的研究内容使用新的科技革命和产业改革。分析和整合各种信息和元素资源的航班延误有助于最终实现数字和智能决策延迟预防、控制和缓解。广泛应用和深入集成的新一代技术,如物联网、大数据和人工智能在延迟的分析。除了智能数据挖掘,一个有效的分析模型也是研究的关键在机场延误网格的分布特征。

关于机场延误信息系统之间的相关性和空间网格分布,汉森和萧使用计量经济学模型检查每日平均32机场的起飞延误从时间维度在美国。这一趋势的影响,包括飞机队列、航班计划,和气象条件,统计分析(12]。他们发现飞行和操作总需求的增加会加重机场在机场延误网格分布。目的地和路线的延迟影响天气航班的数量计算。邹等人之间的影响进行了全面的实证分析航班延误和飞行频率在美国航空运输系统13]。结果表明,飞行频率对航班延误产生了积极的影响。Duran-Fernandez和桑托斯发现四个关键变量可以解释延迟欧洲机场(市场集中度、协调、枢纽机场和航空中心)(14]。在欧洲,尽管在枢纽机场的航班延误是高于nonhub机场枢纽航空公司的航班延误是低于nonhub航空公司解释了为什么spoke-type中心系统在欧洲并不全面,和程度的控制起飞和降落的机场是不完整的。拉尔首先试图利用统计回归模型研究延迟和延迟因素在纽约的三个机场(15]。泊松回归模型和最小二乘回归模型被用来分析纽约机场延误的影响因素,而恶劣的天气对预期的影响最重要的延迟。

自相关的研究是跨学科的,学者们使用各种参数或非参数方法的研究。然而,研究机场延误的空间网格是稀缺的,零碎的,unmethodical。因此,本文的贡献包括:(1)探索的空间网格模式在城市级航班延误;(2)评价的综合空间自相关机场网格之间的延迟;和(3)定量识别每个延迟和计算行列式的地理分布特征的影响程度由处理飞行传感和通信数据。本文运用空间回归模型分析的相关性和决定因素延误在多个机场,结果可以提供一个参考延迟预防和控制的重点在不同地区空中交通管理。

报告的结果和多变量统计方法部分2,这也显示了相关解释变量分析。部分3介绍了建模的方法。部分4讨论了方法和部分5提供的结论和政策建议。

2。多变量的决心,大数据挖掘

物联网和大数据应用程序需要实现基于各种航班延误活动和操作。图1显示了机场网格操作和相关的元素。根据这些因素,我们建议机场延误元素的网格框架基于物联网技术,它分为三类(运行控制、航空气象、和协作交互)。在图2,三个类别包括飞行计划、飞机跑道,飞机性能、操作规则、流程控制数据、气象数据、机场合作,公司协作,乘客合作,和其他因素。

机场延误物联网的智能传感和通信数据结构处理来自中国民航局、国家统计局、北京首都国际机场与线路条件和相应的气象信息系统数据库数据。然而,数据库是一个每小时记录天气,航班数据库与其他物品并不总是一致的。因此,在数据处理中,数据库分为路线(包括实时飞行路线监测、空间定位和跟踪,乘客运动,和其他数据)和天气类型。2017年民航发展统计公报表明中国民用航空局颁发的,有十大航空公司。,引导航空、中国国际航空公司、中国东方航空公司、海南、深圳、四川、山东、上海、厦门、天津航空公司。执行飞行体积占飞行总量的78%,但其平均航班准时性能为66.9%,没有达到在中国所有航班的平均标准税率。前100个机场几乎覆盖整个中国主要航空公司和航线全面延迟系统。因此,从排名前100的交通量数据驱动和处理机场从1月1日,2017年12月31日,2017年,包括机场飞行条件下,飞机类型,延迟时间,乘客负荷系数,在相应的时间和天气。收集的数据如下。

2.1。因变量从物联网结构的机场延误

延迟信息系统,因变量的平均延迟时间15分钟以上相对于预定航班的出发/到达时间。中国民航局已证明了航空公司的延误航班的延迟。草案显示,2016年“统计措施定期航班的民航协商(草案)、“准时飞行称为飞行(16]到达至少15分钟(含15分钟)后预定到达时间。标准将时间设置是基于机场旅客吞吐量的民用航空管理局公布的前几年,规定的最长时间撤军的机场起飞。表1包含标准机场时间。因此,研究的样本期间,计算公式(1)和公式(2),在每个机场每个航班的延迟时间如下:

总平均时间如下: 在哪里 , 表示到达延迟飞行时间j在机场我,意味着实际到达时间,代表了估计到达时间, , 象征着出发的航班的延迟时间j在机场我,密友实际起飞时间,预计起飞时间,显示的标准时间。意味着机场的平均延迟时间我,航班到达的总数,——航班离开的总数。

2.2。独立变量从物联网结构的机场延误

物联网的概念与网络连接的任何对象。对象交流和沟通信息通过信息传播媒体实现智能化识别、定位、跟踪、监督等功能。将物联网的概念引入航班延误的分析可以帮助研究矿业信息相关数据延迟从系统的角度来看,作为独立的变量。独立变量为每个转变包括平均旅客吞吐量和平均所有飞机在机场起飞和降落时间每一天,这是民航的飞行数据库管理、智能机场传感、通信数据集,总结变化和小时。

由于飞机对之间的最小间距要求不一致,飞机起飞和降落会影响机场容量,导致航班延误,特别是当仪器条件实际上(17- - - - - -19通过飞机定位数据。飞机类型也会影响机场延误,特别是重型操作混合起飞(降落)最显著的负面影响。

考虑容量和空域限制空域,航班的数量可以反映空域的交通拥堵。Duestablished延迟因果关系网格(常规心电图)基于格兰杰因果检验和确定机场与机场的延误传播链接(20.]。图3显示了直接网格包括建筑DCGs系统和计算两个机场之间的航班数量,以反映的数量在每个机场空域拥堵路线。

航空公司而言,通过航班和旅客跟踪数据,考虑到实际平均容量,直航的数量从每个机场和新直飞的数量和港口是独立的变量。需求增加(通过运动轨迹乘客的移动信息)实施了繁忙的机场和航空公司,特别是枢纽机场。平均机场容量将直接影响空中交通拥堵,从而影响飞机的起飞和降落时间,因此有必要考虑直达航班的数量从每个机场由于直航的决定性因素,可以直接导致下一个航班的延误。同时,继续高增加新的航线复杂拥挤的空域结构。

天气系统是一个不可或缺的因素“物联网网络”的机场延误。糟糕的天气状况可能导致机场功能障碍,导致延误在几乎所有操作阶段。此外,由于恶劣的天气事件,机场能见度将减少,导致大型机场延误。先前的研究详细分析了能见度和收集各种气象要素影响机场能见度(20.- - - - - -22]。延迟的信息系统,对于每个机场的每日天气气象部门(如能见度影响飞机起飞和降落),他解决天气re-air飞行和地面起飞和延迟的因素,会影响决定的。所有subweather变量将融入一个总天气变量。计算方法如公式如下所示:

根据机场的气象雷达大数据网格结构物联网、天气条件选择如下(13,25]:(我)如果有严重的雷暴报道50英里区域内的机场的指示符变量将价值1;否则,它是零。(2)在路线,有中度和重度路雷暴的值为1,否则为0。(3)机场有大雪(24小时降雪5.0到10毫米)或暴雪(24小时降雪10毫米以上)的值为1,否则为0。(iv)机场有大雨(降水雨量超过每小时16毫米,或连续降雨超过12小时30毫米,或降水超过50毫米的降雨24小时)。值为1;否则,它是零。(v)强风将会出现在机场(四级以上)的值为1,否则为0。(vi)阴霾的天气在机场(大于80%)的值为1,否则为0。(七)当机场云水平低于最低的决策高度仪表着陆级别(10米),该值为1;否则,它是零。(八)沙尘暴风暴在机场(小于1公里)的值为1,否则为0。

与上述研究机场延误和相关因素之间的关系,取得了九个机场延误的相关变量基于智能传感和通信数据整理和统计数据(如表所示2)。

3所示。方法

空间效应和自相关测试之前必须首先在关键变量数据进行建模的延迟信息系统。如果一个空间效应存在,空间回归模型将进一步构建达到估计测量。

3.1。物联网空间相关性机场和其他独立变量

之前研究物联网机场和其他独立变量之间的空间相关性,有必要确定机场网格之间的空间相关性的延迟。为了检测延迟之间的空间关系,有必要进行莫兰我指数测试在多个机场对机场延误的平均浓度在空间单元和测试相似,区别,或独立在中国机场的延误。

莫兰的我从−1比1,如果该值> 0,表示正相关,高(或低)延迟机场附近高(或低)延迟机场。值< 0代表一个空间负相关变量的相关性,表明高延迟机场附近是一个低延迟机场;当指数= 0,没有机场之间的空间关系。机场之间的空间相关性越高,该指数的绝对值越大。方程(5)- (7)如下: 我代表了莫兰的我,n是机场的数量在一个地理空间,和机场的延迟值吗我和机场j,分别是一个元素的空间权重矩阵,是所有观测一个属性的平均特性,x,在n研究领域。

另一方面,电网在机场,当地机场之间的延迟现象积累的莫兰散点图和丽莎总情节,可以反映的程度之间的联系机场和周边机场。计算莫兰散点图如下:

丽莎聚合图在地图上直接就可以执行可视化操作通过推迟聚合。它有明显和直观地显示延误情况下的空间分布位置区域。

3.2。空间权重矩阵的路由跟踪位置数据

根据路由跟踪定位数据的飞机,不同空间邻近权重矩阵,机场不能直接确定它们是连续的。有直接影响的距离之间的延迟出发和到达机场(23]。因此,距离矩阵可以选择空间权重矩阵。公式如下:

倒数距离处理后,地理距离矩阵建立和标准化处理完成公式(10)和公式(11):

空间距离矩阵的延迟包括一组机场双(二维数组)。因此,鉴于N机场在欧几里得空间,矩阵是一个对称的距离N∗N与非负实数矩阵元素。在空间延迟分析,大24)的距离,机场对延误的影响越小。

3.3。建模

为了分析的关键因素的相关性在机场延误物联网,我们建立了一个空间回归模型进行分析。空间计量经济学回归模型可以以多种形式实现(26),而空间滞后模型、空间误差模型是常用的类型。当机场延误空间网格的影响,有必要建立一个功能延迟模型,包括空间关系。然后,空间滞后模型、空间误差模型可以应用基于空间自相关和空间异质性。

可以收到航班延误影响函数的基础上,分析机场延误的决定因素。下面的方程是基本定量回归模型:

在确定的空间相关性,在延迟特性的分析,除了OLS估计的估计,有必要考虑空间效应的空间回归模型。因此,与传统的回归模型的基础上,额外的空间权重矩阵可以被采纳。空间杜宾模型可以转换为空间滞后模型(SLM)和空间误差模型(SEM)(当通过设置约束 ),以建立唯一的空间杜宾模型,模型可以得到以下方程:

上面的模型也可以显示为以下方程: 在哪里是解释变量,是空间滞后项的解释变量,空间自回归系数, , , , , , ,和是解释变量, , , , , , ,和空间滞后项的解释变量,是100×100 -秩序空间距离矩阵,是解释变量空间滞后项系数,回归系数,= 1,2,3,4,5,6,7,8,意味着一个空间效果,意味着时间的影响,是随机误差项, 空间自相关系数的误差项,是独立同分布的误差项。

4所示。结果

根据延迟物联网的数据挖掘,结合空间模型,结果在表3显示基本模型的拟合优度R2是43.6%,R2和调整为40%。F值是8.8。模型通过了1%的显著性检验,达到明显的DFC和输配电水平0.01,NHA, NHA,和我们水平0.05,虽然AAC,输配电,ATL, ACR已经通过了10%的显著性检验。

至于空间相关性与不同因素之间的机场,四层可以描述种间关联,包括高,高,低,低。通过应用回归分析在机场物联网网络考虑所有相关因素的平均延迟时间,机场延误因素的空间分布可以维护的模式“高延迟在东部和南部地区”和“低延迟在北部和西部地区。“只有少数机场有不同的分布。

关于机场延误物联网网格分布,图4(一)表明高集聚机场在中国北方有油漆,不,和听。长江三角洲地区是一个航班延误的另一个高集聚区域,主要包括沙、PVG, NKG, CZX, HGH, NGB。反恐组之间的高低集群主要分布,可以哈,CKG,厦门,SYX LJG, LZH, WXN, TCZ,虽然HTN,通过阴、HET,和其他机场新低集群。

数据4 (b)- - - - - -4(我)显示延迟因素分布从AAC我们在智能传感和无线通信数据分析。与延迟聚合图,每个因素的影响程度的延迟区域分布是有差异的,除了受灾最严重的地区位于北京、上海和广州。另一方面,值得注意的是,关键延误也发生在西藏。结合延迟因素的相关分析,结果现在,影响因素不发挥决定性的作用在西藏延迟。因此,除了影响因素,延迟在西藏也可能造成机场操作失败。

机场的物联网结构的决定因素延误,机场的AAC聚合地图可以表达分布流和能力延迟。交通可以延迟分布,集中在上海浦东机场、上海虹桥机场、高集聚区在AAC变量。北京首都国际机场、广州白云机场和上海的两个机场有一个高集群(意味着机场的延误情况及其附近的机场周边地区都严重。)展开,NDF和输配电的机场。除了城市和一线城市、机场值得关注包括云南Changshui机场,内蒙古Baita机场和三亚凤凰机场。作为旅游城市的高需求,他们有一个高度的集聚在NHA ACR,我们和输配电。

莫兰的我与GeoDa计算软件显示0.67机场延误,表明机场延误并非完全随机空间分布与特定的空间相关性。图5是一个散点图莫兰的。这表明,空间大数据挖掘从每个飞行路径在机场物联网在机场延误网格空间相关性。

表4显示了OLS回归结果,SLM和SEM。比较的基本模型和空间模型,日志lSLM和SEM的价值观更重要,AIC值和SC值小于美洲国家组织的AIC和SC,空间模型比基本模型,拟合的效果也比OLS更好。因此,传统的回归模型在分析延迟可能有特定的限制,这也意味着空间回归模型的必要性。另一方面,比较SLM和SEM,发现SLM有更大量的日志l价值、更重要的LR价值、更小的AIC值和SC值,和一个更好的SLM估计效果。结果表明,中国的机场之间的延迟有很强的邻近效应,而延迟的空间异质性(错误)是相对较弱。在SLM模型中,机场延误具有显著的空间与空间相关系数的影响= 0.9863,这表明100机场延误一个极端的邻近效应下的空间相关性在机场网格。

正如上面提到的,是至关重要的减少跟延迟提供一些政策建议,如进行statitical飞行有关智能传感和通信数据的分析,结合各因素的关联度机场延误的空间维度。由于不同尺度、系统和自然条件,政策应该考虑环境条件的多样性在机场尤其是在物联网技术的快速发展阶段。直航的数量和新的机场延误航班有更重大的影响。然而,近年来,数量需求和规划新的机场和飞行路线将增加近乎多倍的水平。整体优化可以从根本上减少机场航班延误和控制的经济损失,同时满足交通需求。

起飞和降落延迟物联网系统的状况也影响航班延误的重要因素。机场交通拥堵主要来自飞机操作流程和飞行能力。结合空间距离,考虑到区域的延迟影响影响因素作为机场起飞和降落队列结构调整和疏散可能带来意想不到的利益来解决延迟问题。在机场的物联网网络,航班延误也需要考虑传输延迟。空域容量的拥堵也会影响机场的运营结构。另一方面,尽管重型飞机的旅客吞吐量和分配会影响机场的延误,他们推迟空间负相关。因此,当考虑到客流分配和飞机类型,航空公司只需要考虑它对一个机场的延误的影响。

虽然航班延误的发生是不可抗拒的,复苏的延迟是不可控的特殊天气情况发生时,天气信息系统是一个决定性因素与特定区域的特征。根据聚集分布,在这种情况下,三亚、海口、深圳城市大大受到天气的影响。同时,由于城市之间交互的空间距离,海洋性气候特点,和天气在机场中,有一种强烈的相关性三个机场受到延误。天气状况时,还应考虑机场进行路线安排。然而,从整体的角度来看,与其他因素相比,很少有和集中地区强烈受到天气因素的影响。所以,它比较容易提高造成的延迟在高浓度区域天气因素。

5。结论

物联网、大数据、人工智能、5 g和其他新技术仍在不断改进。与这些技术,航班延误已形成一个框架的延迟开采技术系统在机场智能电网与先进技术,开放数据融合、安全性和可靠性。数据集后,机场,飞机,航班,收集和乘客通过物联网技术,本文首先利用空间自相关过程multivariables-delay决定因素(使用智能飞行位置和通信数据)和分析机场延误网格的空间分布特征。基本的回归模型和地理加权回归模型被用于研究驱动因素和地区差异在机场延误信息系统。结果证明了空间计量经济学回归模型的有效性。其次,中国的机场延误的空间聚集特征高聚合和低积累,而展开,NDF,我们与延迟时间呈正相关。同时,地理加权回归模型的结果表明,多种因素会导致各种不同的空间差异的影响民用航空延误。空间回归模型可以更系统地、直观地理解各种因素在机场系统在不同地区。这种方法也可以应用于其他相关研究,例如,时空分析延迟因素,或研究结果应用于延迟的研究系统性传播和延迟评估网格结构。

飞机的延迟空间分析执行过程是一个有效的措施,确保航班的操作。延迟分布在机场网格的结果直接关系到飞行的调整和控制操作。基于多因素的分析,大数据和多属性数据挖掘的物联网应用开发技术是用来进行空间评估建模。从飞行轨迹的角度、天气和乘客需求学习,探索空间分布是重要级别,延迟扩散水平,延迟在飞行期间执行的决定因素。此外,空间延迟的结果分析可以帮助机场物联网技术重新分配飞行操作支持设备和设施根据异常的分布地区参与航班延误。

数据可用性

相关数据用于支持本研究的发现是由秀山江在许可证,所以不能免费提供。请求访问这些数据应该秀山江,(电子邮件保护)。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究受到了中国国家自然科学基金会的基金(U2034208)、数字管理的关键技术和货物列车编组计划的优化(N2021X021),交通行业重点实验室的大数据应用技术综合交通、交通运输部、北京交通大学,中国。