空中交通预测方法及装置与流程

本发明涉及航空
技术领域：
，具体而言，涉及一种空中交通预测方法及装置。
背景技术：
：航空是全球客运增长最快的运输方式，在过去30年里，全球航空旅行平均每年增长约5％，这是全球平均每年国内生产总值(GDP)增长速度的两倍。航空业的飞速发展对航空管理提出更多更高的要求。作为航空管理的主要部门，空中交通管制单位需要预先知道某一空域或者某一航段的空中交通运行情况，以便管制单位能够提前的制定管制预案；作为航空管理的重要参与者，航空公司想要获得最大化的收益，就需要提高航班上座率，想要提高上座率就需要能预知空中交通需求量。由此可见对空中交通的准确预测显得越来越重要。目前航空业惯用的对空中交通的预测方式为利用经验对历史航班数据进行分析，从而得出预测结果。由于现如今能对航班量的影响数据可能随着生活水平的提高，科技的发展等因素不断增加变化，因此传统的预测方式越来越不可靠。技术实现要素：本发明的目的在于提供一种空中交通预测方法，用以改善上述问题。本发明的另一目的在于提供一种空中交通预测装置，用以改善上述问题。为了实现上述目的，本发明实施例采用的技术方案如下：一种空中交通预测方法，用于预测第一城市与第二城市之间的航段在预测年份的航班需求数量，所述方法包括：基于第一城市与第二城市之间航段在选定年份的航班影响数据以及实际乘客数量，建立乘客需求预测模型；根据所述乘客需求预测模型、第一城市与第二城市之间航段在预测年份的飞行成本、第一城市在预测年份的社会经济数据以及第二城市在预测年份的社会经济数据，计算预测年份的乘客需求数据；基于所述第一城市与第二城市之间航段在选定年份的实际乘客数量、燃油价格、实际航班数量以及第一城市与第二城市之间航段在选定年份的上一年份的实际航班数量，建立空中交通预测模型；根据所述空中交通预测模型、所述预测年份的乘客需求数据、第一城市与第二城市之间航段在预测年份的上一年份的实际航班数量以及预测年份的燃油价格，计算所述预测年份的航班需求数量。本发明实施例还提供了一种空中交通预测装置，用于预测第一城市与第二城市之间的航段在预测年份的航班需求数量，所述装置包括：第一模型建立单元，用于基于第一城市与第二城市之间航段在选定年份的航班影响数据以及实际乘客数量，建立乘客需求预测模型；第一计算单元，用于根据所述乘客需求预测模型、第一城市与第二城市之间航段在预测年份的飞行成本、第一城市在预测年份的社会经济数据以及第二城市在预测年份的社会经济数据，计算预测年份的乘客需求数据；第二模型建立单元，用于基于所述第一城市与第二城市之间航段在选定年份的实际乘客数量、燃油价格、实际航班数量以及第一城市与第二城市之间航段在选定年份的上一年份的实际航班数量，建立空中交通预测模型；第二计算单元，用于根据所述空中交通预测模型、所述预测年份的乘客需求数据、第一城市与第二城市之间航段在预测年份的上一年份的实际航班数量以及预测年份的燃油价格，计算所述预测年份的航班需求数量。与现有技术相比，本发明提供的一种空中交通预测方法及装置，通过对第一城市与第二城市之间航段在选定年份的航班影响数据以及第一城市与第二城市之间航段在选定年份的实际乘客数量进行数据挖掘，建立乘客需求预测模型，并通过对所述选定年份的实际乘客数量、选定年份的燃油价格、所述在选定年份的实际航班数量以及所述选定年份的上一年份的实际航班数量第二次数据挖掘，并建立空中交通预测模型，根据空中交通预测模型获得预测的航班需求数量。这样可将很多看似与航班量无关联，却对航班量产生了真实影响的数据加入了预测分析过程中，提高了预测的准确性，从而提高空中交通各个环节的参与者的工作效率，进而增加空中交通的经济效益。为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本发明实施例提供的空中交通预测方法及装置的应用环境示意图。图2为本发明较佳实施例提供的客户端的方框示意图。图3为本发明较佳实施例提供的空中交通预测装置的功能模块示意图。图4为本发明较佳实施例提供的空中交通预测方法的流程图。图标：100-客户端；101-存储器；102-存储控制器；103-处理器；104-外设接口；105-显示单元；106-输入输出单元；200-空中交通预测装置；201-数据获取单元；202-对数处理单元；203-第一模型建立单元；204-第一计算单元；205-第二模型建立单元；206-第二计算单元；207-可靠度评估单元；300-网络；400-远程服务器。具体实施方式下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。本发明实施例所提供的空中交通预测方法及装置可应用于如图1所示的应用环境中。如图1所示，客户端100、远程服务器400位于网络300中，网络300包括无线网络或有线网络，通过网络300，客户端100与远程服务器400进行数据交互。于本发明实施例中，远程服务器400包括数据库服务器，用于与客户端100进行数据交互，并存储数据。于本发明实施例中，客户端100优选为移动终端设备，例如可以包括智能手机、平板电脑、电子书阅读器、膝上型便携计算机、车载电脑、穿戴式移动终端等等。图2示出本发明较佳实施例提供的客户端100的方框示意图。所述客户端100可以是平板电脑、智能手机、个人数字助理(personaldigitalassistant，PDA)等。所述客户端100包括空中交通预测装置200、存储器101、存储控制器102、处理器103、外设接口104、显示单元105、输入输出单元106。所述存储器101、存储控制器102、处理器103、外设接口104、显示单元105、输入输出单元106各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述空中交通预测装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述客户端100的操作系统(operatingsystem，OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，例如所述空中交通预测装置200包括的软件功能模块或计算机程序。其中，存储器101可以是，但不限于，随机存取存储器(RandomAccessMemory，RAM)，只读存储器(ReadOnlyMemory，ROM)，可编程只读存储器(ProgrammableRead-OnlyMemory，PROM)，可擦除只读存储器(ErasableProgrammableRead-OnlyMemory，EPROM)，电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，本发明任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器103中，或者由处理器103实现。处理器103可能是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器103等。所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。显示单元105在所述客户端100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元105可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器103进行计算和处理。输入输出单元106用于提供给用户输入数据实现用户与所述客户端100的交互。所述输入输出单元106可以是，但不限于，鼠标和键盘等，所述键盘可以是虚拟键盘。第一实施例请参考图3，本发明较佳实施例提供的一种空中交通预测装置200的功能模块示意图。空中交通预测装置200包括：数据获取单元201、对数处理单元202、第一模型建立单元203、第一计算单元204、第二模型建立单元205、第二计算单元206以及可靠度评估单元207。数据获取单元201，可以用于接收用户通过输入输出单元106而输入的数据资源，也可以响应用户的操作指令而从远程服务器400的数据库中或数据统计网站自动检索，例如，从国家统计局网站、民航资源网网站或机场官网数据库中检索，获取数据资源。获取的数据资源包括：第一城市与第二城市之间航段在选定年份的航班影响数据、第一城市与第二城市之间航段在选定年份的实际乘客数量、第一城市与第二城市之间航段在预测年份的飞行成本、第一城市在预测年份的社会经济数据、第二城市在预测年份的社会经济数据、选定年份的燃油价格、第一城市与第二城市之间航段在选定年份的实际航班数量、第一城市与第二城市之间航段在选定年份的上一年份的实际航班数量、第一城市与第二城市之间航段在预测年份的上一年份的实际航班数量、预测年份的燃油价格、第一城市与第二城市之间航段在预测年份的实际乘客数量以及第一城市与第二城市之间航段在预测年份的实际航班数量。需要说明的是：第一城市以及第二城市分别为选定预测的航段的出发城市以及到达城市。第一城市可以是出发城市，也可以是达到城市；第二城市可以是出发城市也可以是达到城市。当第一城市为出发城市，则第二城市为达到城市；当第二城市为出发城市，第一城市为达到城市。选定年份可以为选定的多个年份。多个年份至少三年以上。本实施例中，选定年份为十五个相邻年份。例如选定年份为选定的2000年～2015年。在其他实施例中，选定年份还可以为更多或更少的年份。预测年份是指需要预测的年份，预测年份的上一年份指的是需要预测的年份的前一年。比如，需要预测2015年，则预测年份的上一年份指的是2014年。实际乘客数量为第一城市与第二城市之间航段运送的年度平均乘客数量。年度平均乘客数量为从第一城市前往第二城市的年度总乘客量与从第二城市前往第一城市的年度总乘客量的平均值。以2015年成都与深圳之间航段为例，2015年成都前往深圳的年度总乘客数量为118.5万人，2015年深圳前往成都的年度总乘客数量为100.6万人，则实际乘客数量为109.2万人。本实施例中，实际乘客数量可由数据获取单元201响应用户的操作指令而直接从民航资源网网站上直接检索到，但不限于此。燃油价格指的是航空运输燃油的价格。以2015年为例，航空燃油价格为0.45万元/吨。实际航班数量为第一城市与第二城市之间航段的平均航班量。平均航班量为从第一城市前往第二城市的年度总航班量与从第二城市前往第一城市的年度总航班量的平均值。以2015年成都与深圳之间航段为例，2015年成都前往深圳的年度总航班量为1.893万个，2015年深圳前往成都的年度总航班数量为1.568万个，则实际航班数量为1.723万个。航班影响数据为对航班可产生影响的各类因素的数据值，可以包括：第一城市与第二城市的社会经济数据以及飞行成本，但不限于此。社会经济数据包括人口数据以及收入数据，但不限于此，还可以包括每年游客吸纳量等。飞行成本为一名乘客从第一城市到第二城市旅行所必须要支付的广义费用，它考虑了距离和时间上的成本。具体实施例中，若数据获取单元201不能直接获取飞行成本，数据获取单元201可以获取第一城市与第二城市之间的机票价格、第一城市与第二城市之间的飞行时间以及飞机延时时间等以便计算飞行成本。第一城市与第二城市之间的机票价格为第一城市与第二城市往与返的平均机票价格；飞行时间为第一城市与第二城市往与返的平均飞行时间；飞机延时时间为第一城市与第二城市往与返的平均飞机延时时间。本实施例中，实际平均机票价格、平均飞机延时时间可由数据获取单元201响应用户的操作指令而直接从民航资源网网站上直接检索到，但不限于此。对数处理单元202，用于将数据获取单元201获取的数据资源分别进行对数处理。例如，对数据资源分别取以10为底的自然对数。这样能够帮助我们消除数据量纲的不统一，也能消除数据的多重共线性。第一计算单元204，用于当不能直接获得飞行成本时，根据第一城市与第二城市之间的机票价格、第一城市与第二城市之间的飞行时间以及飞机延时时间等，利用飞行成本计算公式，计算出飞行成本，具体飞行成本计算公式为：Cost＝AirFare+(Tflight*Tvalus+TDelay*Tdvalus)其中，Cost表示飞行成本，AirFare表示第一城市与第二城市之间的机票价格，Tflight表示第一城市与第二城市之间的飞行时间，TDelay表示飞机延时时间，Tvalus表示飞行时间成本权重，Tdvalus表示延迟时间成本权重。具体实施例中，Tvalus以及Tdvalus根据单位时间成本来评估。例如：时间的最大成本按每分钟1元来计算，延迟时间成本按每分钟80％的成本来计算(即0.8的Tdvalus，也就是0.8元/分钟)，飞行时间成本按每分钟20％的成本来计算(即0.2的Tvalus，也就是0.2元/分钟)。第一计算单元204还用于根据第一城市的社会经济数据以及第二城市的会经济数据，利用平均值计算公式计算出平均社会经济数据，具体公式如下：A＝(B×C)1/2，但不限于此；其中A为预平均社会经济数据，B为第一城市的社会经济数据，C为第二城市的社会经济数据。本实施例中，第一计算单元204用于根据第一城市在预测年份的社会经济数据以及第二城市在预测年份的社会经济数据，计算预测年份的平均社会经济数据；以及根据第一城市在选定年份的社会经济数据以及第二城市在选定年份的社会经济数据，计算在选定年份的平均社会经济数据。例如计算预测年份的平均人口数据、计算预测年份的平均收入数据、计算选定年份的平均人口数据以及计算选定年份的平均收入数据，但不限于此。第一模型建立单元203，用于基于第一城市与第二城市之间航段在选定年份的航班影响数据以及第一城市与第二城市之间航段在选定年份的实际乘客数量，建立乘客需求预测模型。例如，根据第一城市与第二城市之间航段在选定年份的平均社会经济数据、飞行成本以及第一城市与第二城市之间航段在选定年份的实际乘客数量，通过线性回归分析方法，但不限于此，建立乘客需求预测模型。获得乘客需求预测模型公式。选用线性回归分析方法，可将多类平均社会经济数据加入分析预测之中，例如，人口数据、收入数据等。使建立的乘客需求预测模型公式能更准确。具体地，乘客需求预测模型公式：lgODdemand＝Constant1+ε*lgPop+θ*lgInc+k*lgCost其中，Constant1为待估系数，lgODdemand表示对数处理后的乘客需求数据，lgPop表示对数处理后的人口数据，lgInc表示对数处理后的收入数据，lgCost表示对数处理后的飞行成本，ε、θ以及k分别为人口数据、收入数据以及飞行成本的待估权重系数。具体实施例中，ε、θ、k以及Constant1会因为选定的第一城市以及第二城市的不同而不同，因此，估计ε、θ、k以及Constant1的数值需要将选定年份的平均人口数据代入乘客需求预测模型公式中的人口数据、选定年份的平均收入数据代入乘客需求预测模型公式中的收入数据、选定年份的飞行成本代入乘客需求预测模型公式中的飞行成本以及选定年份的实际乘客数量代入乘客需求预测模型公式中的乘客需求数据进行拟合，以获得各项数据的权重，进而建立乘客需求预测模型公式。第一计算单元204还用于根据所述乘客需求预测模型、第一城市与第二城市之间航段在预测年份的飞行成本、第一城市在预测年份的社会经济数据以及所述第二城市在预测年份的社会经济数据，计算预测年份的乘客需求数据。例如，第一计算单元204根据所述乘客需求预测模型、第一城市与第二城市之间航段在预测年份的飞行成本以及预测年份的平均社会经济数据(平均社会经济数据由第一城市社会经济数据和所述第二城市社会经济数据计算得到)，计算预测乘客需求数据。具体地，预测年份的飞行成本以及预测年份的平均社会经济数据作为输入变量代入乘客需求预测模型，进而计算出被预测年份的预测乘客需求数据。第二模型建立单元205，用于基于选定年份的实际乘客数量、选定年份的燃油价格、第一城市与第二城市之间航段在选定年份的实际航班数量以及第一城市与第二城市之间航段在选定年份的上一年份的实际航班数量，建立空中交通预测模型。具体地，通过线性回归分析方法，但不限于此，建立空中交通预测模型，获得空中交通预测模型公式。具体地，空中交通预测模型公式：lgNumflt＝Constant2+α*lgNumfltP+β*lgODdemand+γ*lgFuel其中，lgNumflt表示对数处理后的航班需求数量，lgNumfltP表示对数处理后的上一年份的实际航班数量，lgODdemand表示对数处理后的乘客需求数据，lgFuel表示对数处理后的燃油价格，Constant2为待估系数，α、β以及γ分别为lgNumfltP、lgODdemand以及lgFuel的待估权重系数。具体实施例中，α、β、γ以及Constant2会因为选定的不同的第一城市以及第二城市而有所不同，因此，估计α、β、γ以及Constant2的数值需要利用空中交通预测模型公式根据选定年份的实际航班数量、选定年份的燃油价格、选定年份的实际乘客数量、选定年份的上一年份的实际航班数据进行拟合，而获得。例如，将选定年份的实际乘客数量代入空中交通预测模型公式中的乘客需求数据、将选定年份的燃油价格代入空中交通预测模型公式中的燃油价格、将选定年份的实际航班数量代入空中交通预测模型公式中的航班需求数量以及将选定年份的上一年份的实际航班数量代入空中交通预测模型公式中的上一年份的实际航班数据，进行拟合以获得各项数据的权重。第二计算单元206，用于根据空中交通预测模型、预测年份的乘客需求数据、预测年份的燃油价格以及预测年份的上一年份的实际航班数量，计算所述第一城市与所述第二城市之间航段的预测航班数据。具体地，预测年份的乘客需求数据、预测年份的燃油价格以及预测年份的上一年份的实际航班数量作为输入变量分别代入空中交通预测模型公式中的乘客需求数据、空中交通预测模型公式中的燃油价格以及空中交通预测模型公式中的上一年份的实际航班数据，计算出预测航班数据。可靠度评估单元207，用于根据所述预测年份的乘客需求数据以及预测年份的实际乘客数量，获得所述乘客需求预测模型的可靠指数。例如，将第一计算单元204计算出的预测年份的乘客需求数据以及预测年份的实际乘客需求数量进行线性相关分析，可得出乘客需求预测模型的可靠性。可靠度评估单元207，还用于根据所述预测年份的航班需求数量以及预测年份的实际航班数量，获得空中交通预测模型的可靠指数。例如，将第二计算单元206计算出的预测年份的航班需求数量以及预测年份的实际航班数量进行线性相关分析，可得出空中交通预测模型的可靠性。在本发明其他实施例中，可靠度评估单元207可以由软件统计产品与服务解决方案(StatisticalProductandServiceSolutions，SPSS)代替。第二实施例请参考图4，是本发明较佳实施例提供的空中交通预测方法的流程图。空中交通预测方法包括以下步骤：步骤S101，获取第一类数据资源。在本发明实施例中，步骤S101可以由数据获取单元201执行。利用数据获取单元201获取第一类数据资源，在本发明实施例中第一类数据资源包括第一城市与第二城市之间航段在选定年份的航班影响数据、第一城市与第二城市之间航段在选定年份的实际乘客数量、第一城市与第二城市之间航段在预测年份的飞行成本、第一城市在预测年份的社会经济数据、第二城市在预测年份的社会经济数据。需要说明的是，当无法直接获取飞行成本时，则通过数据获取单元201获取第一城市与第二城市之间的机票价格、第一城市与第二城市之间的飞行时间以及飞机延时时间等，以便之后计算飞行成本。并在获取完毕后，采用以下步骤计算飞行成本：根据第一城市与第二城市之间的机票价格、第一城市与第二城市之间的飞行时间以及飞机延时时间等计算飞行成本。具体可以由第一计算单元204执行。进一步地，步骤S101之后还设有对数处理步骤：在本实施例中，对数处理步骤可以由对数处理单元202执行。例如，对数处理单元202对第一类数据资源分别取以10为底的自然对数。这样能够帮助我们消除数据量纲的不统一，也能消除数据的多重共线性。步骤S102，建立乘客需求预测模型。在本发明实施例中，步骤S102可以由第一模型建立单元203执行。例如，第一模型建立单元203可以基于第一城市与第二城市之间航段在选定年份的航班影响数据以及第一城市与第二城市之间航段在选定年份的实际乘客数量，建立乘客需求预测模型。步骤S103，计算预测乘客数量。在本发明实施例中，步骤S103可以由第一计算单元204执行。例如，第一计算单元204可以根据乘客需求预测模型、第一城市与第二城市之间航段在预测年份的飞行成本、第一城市在预测年份的社会经济数据以及所述第二城市在预测年份的社会经济数据，计算预测年份的乘客需求数据。步骤S103可以包括以下子步骤：根据所述第一城市在预测年份的社会经济数据以及所述第二城市在预测年份的社会经济数据，计算在预测年份的平均社会经济数据；根据所述乘客需求预测模型、所述预测年份的飞行成本以及所述上一年份的平均社会经济数据，计算预测年份的乘客需求数据。进一步地，步骤S103之后还设有验证乘客需求预测模型的可靠指数的步骤：根据所述预测年份的乘客需求数据以及第一城市与第二城市之间航段在预测年份的实际乘客数量，获得所述乘客需求预测模型的可靠指数。在本发明实施例中，测试乘客需求预测模型的可靠指数步骤可以由可靠度评估单元207执行。步骤S104，获取第二类数据资源。在本发明实施例中，步骤S104可以由数据获取单元201执行。需要利用数据获取单元201获取的第二类数据资源包括：选定年份的燃油价格、第一城市与第二城市之间航段在选定年份的实际航班数量、第一城市与第二城市之间航段在选定年份的上一年份的实际航班数量、第一城市与第二城市之间航段在预测年份的上一年份的实际航班数量、预测年份的燃油价格、以及第一城市与第二城市之间航段在预测年份的实际航班数量。进一步地，步骤S104之后还设有对数处理步骤：在本实施例中，对数处理步骤可以由对数处理单元202执行。例如，对数处理单元202对第二类数据资源分别取以10为底的自然对数。这样能够帮助我们消除数据量纲的不统一，也能消除数据的多重共线性。步骤S105，建立空中交通预测模型。在本发明实施例中，步骤S105可以由第二模型建立单元205执行。第二模型建立单元205可以基于选定年份的燃油价格、第一城市与第二城市之间航段在选定年份的实际航班数量以及第一城市与第二城市之间航段在选定年份的上一年份的实际航班数量，建立空中交通预测模型。步骤S106，计算预测航班数据。在本发明实施例中，步骤S106可以由第二计算单元206执行。第二计算单元206可以根据所述空中交通预测模型、所述预测年份的乘客需求数据、第一城市与第二城市之间航段在预测年份的上一年份的实际航班数量以及预测年份的燃油价格，计算所述预测年份的航班需求数量。进一步地，步骤S106之后还设有验证空中交通预测模型的可靠指数的步骤：根据所述航班需求数量以及第一城市与第二城市之间航段在预测年份的实际航班数量，获得所述空中交通预测模型的可靠指数。在本发明实施例中，测试空中交通预测模型的可靠指数步骤可以由可靠度评估单元207执行。以对成都与深圳之间航段2015年航班需求数量预测为例。获取成都与深圳之间航段在2000年至2015年的航班影响数据、成都与深圳之间航段在2000年至2015年的实际乘客数量，如下表1：表1对表1中的数据进行以10为底求取自然对数。利用线性回归分析方法对表1中的成都与深圳之间航段在2000年～2015年的航班影响数据以及成都与深圳之间航段在2000年～2015年的实际乘客数量进行拟合，建立乘客需求预测模型，获得乘客需求预测模型公式，公式具体为：lgODdemand＝-2.601+2.297lgPop+0.754lgInc-1.419lgCost根据成都在2015年的社会经济数据以及深圳在2015年的社会经济数据，计算在预测年份的平均社会经济数据，计算结果如下表2：表2根据所述乘客需求预测模型、2015年的飞行成本、2015的平均人口数据以及平均收入数据，计算2015的乘客需求数据，具体为：ODdemand＝10-2.601+2.297*lg625.85+0.754*lg4.26-1.419lg0.126＝117.6；由此得2015年的乘客需求数据为117.6万人。通过表1可知，2015年实际乘客数量为118.5万人，实际乘客数量与预测乘客需求数量结果非常相近，可以接受。获取成都与深圳之间航段在2000年～2015年的燃油价格以及成都与深圳之间航段在2000年～2015年的实际航班数量，如下表3：表3年份实际航班数量(万个)燃油价格(万元/吨)20000.6190.2320010.6560.2820020.7420.2320030.8850.3020041.0160.3620051.0690.4320061.1200.4920071.2500.5220080.8150.6520191.2850.4820101.3420.6120111.4320.7120121.5560.6520131.6290.7320141.6660.5720151.7230.45对表3中的数据进行以10为底求取自然对数。利用线性回归分析方法对2000年～2015年的燃油价格、成都与深圳之间航段在2000年～2015年的实际航班数量以及成都与深圳之间航段在2000年～2015年的所对应的上一年份的实际航班数量进行拟合，建立空中交通预测模型，获得乘客需求预测模型公式，公式具体为：lgNumflt＝-2.061+0.272*lgNumfltP+1.064*lgODdemand-0.101*lgFuel根据上述拟合得到的空中交通预测模型、预测出的2015的乘客需求数据、2015年的燃油价格以及2014年的实际航班数量，计算成都与深圳之间航段2015年的预测航班数据，具体为：Numflt＝10-2.061+0.272*lg1.666+1.064*lg117.6-0.101*lg0.45＝1.725；由此可得，2015年的预测航班需求数量为1.725万个。通过表3可知，2015年实际航班数量为1.723万人，实际航班数量与预测航班需求数量结果非常相近，可以接受。综上所述，本发明提供的一种空中交通预测方法及装置，通过对第一城市与第二城市之间航段在选定年份的航班影响数据以及第一城市与第二城市之间航段在选定年份的实际乘客数量进行数据挖掘，建立乘客需求预测模型，并通过对所述选定年份的实际乘客数量、选定年份的燃油价格、所述在选定年份的实际航班数量以及所述选定年份的上一年份的实际航班数量第二次数据挖掘，并建立空中交通预测模型，根据空中交通预测模型获得预测航班量。这样可将很多看似与航班量无关联，却对航班量产生了真实影响的数据加入了预测分析过程中，提高了预测的准确性，从而提高空中交通各个环节的参与者的工作效率，进而增加空中交通的经济效益。在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。当前第1页1 2 3