一种机坪车辆行驶时间预测方法与流程

1.本发明涉及机坪车辆作业行驶领域，尤其涉及一种机坪车辆行驶时间预测方法。


背景技术：

2.机坪保障是航班运营保障中一个重要的组成部分，能否准确的预估保障车辆的行驶时间，对在具体保障调度管理中提前预估保障车辆是否能够按时到达保障作业点非常关键。由于机坪是航空器与众多工程保障车辆的运行场所，在机坪上，为航空器提供保障服务的车辆众多，加之航空器滑行，机坪路网数据复杂，车辆运行受运行规则、其他车辆运行动态、飞行器运行动态、地理信息因素等等影响，因此比较难获取相对准确的车辆行驶时间。


技术实现要素：

3.针对现有技术存在的不足之处，本发明的目的在于提供一种机坪车辆行驶时间预测方法，旨在通过使用基于历史数据的逻辑处理方法，计算出保障车辆在不同日期时间不同机位点位的行驶时间，以便于在具体保障调度管理中能提前预估保障车辆是否能够按时到达保障作业点。
4.本发明的目的通过下述技术方案实现：
5.一种机坪车辆行驶时间预测方法，其方法如下：
6.a.采集机坪近期至少一周的车辆基础数据和车辆位置历史数据得出车辆任务开始时间和结束时间，并建立与车辆任务开始时间和结束时间关联的车辆任务清单；所述车辆位置历史数据包括车辆id、车辆实时位置信息、行驶速度、行驶方向以及车载终端状态；所述车辆基础数据则通过航班历史数据获取，航班历史数据包括车辆人员保障历史数据、航班运行历史数据、航班保障历史数据、机场机位地理信息点位数据以及机场停车位点位数据；机场机位地理信息点位数据包括机位id、机位编号以及机位点位集；所述车辆任务清单包括作业机位、车辆编号、车辆任务类型、任务执行人员以及任务执行时间；
7.b.构建车辆行驶时间预测模型，车辆行驶时间预测模型包括临时开始机位变量模块和临时结束机位变量模块；临时开始机位变量模块用于记录任务车辆开始任务时的点位时间，临时结束机位变量模块用于记录任务车辆结束任务时的点位时间；
8.c.车辆行驶时间预测模型按照如下方法进行预测计算：
9.c1.获取车辆任务，以车辆编号、车辆行驶起始时间以及车辆行驶结束时间为依据，在车辆位置历史数据中查询相应的车辆点位数据，并根据机场机位地理信息点位数据获取车辆所在机位，当车辆点位数据越过车辆所在机位的范围则将该时间点记录在临时开始机位变量模块中；
10.c2.根据步骤c1获取的车辆任务获取相应的作业机位，当车辆点位数据第一次出现在作业机位范围内则将该时间点记录在临时结束机位变量模块中；
11.c3.步骤c2中记录在临时结束机位变量模块中的车辆点位时间减去步骤c1中记录在临时开始机位变量模块中的车辆点位时间即为车辆行驶预测时间。
12.为了能够更加直观且高效的输出车辆行驶时间数据，本发明还包括步骤d，
13.d.设置车辆行驶时间输出数据结构，车辆行驶时间输出数据结构包括车辆行驶时间、与车辆行驶时间相对应的结构键值，所述结构键值为“开始机位编号+结束机位编号+星期数x+整点时间y”，其中开始机位编号为步骤c1中车辆所在机位的编号，结束机位编号为步骤c2中作业机位的编号，星期数x包括星期一、星期二
……
、星期六、星期天，整点时间y包括1:00、2:00、
……
、23:00、24:00，车辆行驶时间获取自步骤c3中得出的车辆行驶预测时间。
14.为了确保输出的车辆行驶时间数据结构既科学合理又可靠实用，步骤a中的车辆任务清单包括n条车辆任务，步骤d中以每一条车辆任务的车辆行驶起始时间为依据选取最接近的整点时间y并得到相应的结构键值，则车辆行驶时间的计算过程为：从车辆任务清单的第一条任务开始依次顺序进行步骤c，判断结构键值是否为首次出现，如果是，则将步骤c3中得出的车辆行驶预测时间记为与结构键值相对应的车辆行驶时间并记入车辆行驶时间输出数据结构中；如果不是，如果不是，则将步骤c3中得出的车辆行驶预测时间与该结构键值对应的车辆行驶时间输出数据结构中车辆行驶时间求平均值，将该平均值替换掉车辆行驶时间输出数据结构中车辆行驶时间，直到完成n条车辆任务。
15.优选地，步骤c1中获取车辆任务包括获取车辆任务执行时间，将车辆任务执行时间记为m分钟，当m≦50时继续后续步骤。
16.步骤a中所述车辆任务清单还包括车辆任务类型，所述车辆任务类型至少包括摆渡车上客、摆渡车下客、靠客梯、撤客梯、推飞机、清水车以及污水车。
17.更进一步优选地，步骤a中所述车辆人员保障历史数据包括车辆id、保障人员id、记录时间以及记录为绑定或解绑；所述航班保障历史数据包括航班id、保障环节id、计划开始时间、实际开始时间、计划结束时间、实际结束时间、保障人员id以及保障人员名称；所述机场停车位点位数据包括停车位id、停车位编号以及停车位点位集。
18.步骤a中所述航班运行历史数据包括航班号、航班日期、航班任务名称、区域名称、进港航班标识、状态名称、航空公司iata、机型name以及机号。
19.步骤a中采集机坪前四周的车辆基础数据和车辆位置历史数据，取得航班数据后确定航班状态为“本场起飞”或“本场到达”，判断航班本场到达时间至本场起飞时间间隔是否小于100分钟，并判断航班整体保障状态是否正常，若都为是则保留该航班的历史数据；若存在否，则滤除掉此航班的历史数据。
20.本发明较现有技术相比，具有以下优点及有益效果：
21.(1)本发明通过采集机坪近期的车辆基础数据和车辆位置历史数据，使用基于以上历史数据的逻辑处理方法，并通过科学的计算方法得出保障车辆在不同日期时间不同机位点位的行驶时间，从而可便于在具体保障调度管理中能提前预估保障车辆是否能够按时到达保障作业点。
22.(2)本发明设置的车辆行驶时间输出数据结构包括车辆行驶时间、与车辆行驶时间相对应的结构键值，且结构键值为“开始机位编号+结束机位编号+星期数x+整点时间y”，从而能够更加直观且高效的输出车辆行驶时间数据。
23.(3)本发明通过将结构键值相同的多个车辆行驶时间求平均值的方式最后确定最终的车辆行驶时间，可确保输出的车辆行驶时间数据结构既科学合理又可靠实用。
24.(4)本发明充分考虑到在实际的飞行过程中各航线的飞行频次有所不同，有一天飞行多次的航班，也有几天甚至十几天飞行一次的航班，步骤a中则采集机坪前四周的车辆基础数据和车辆位置历史数据，以便于采集飞行频次较低的航班的历史数据。
25.(5)本发明通过判断航班本场到达时间至本场起飞时间间隔是否小于100分钟，并判断航班整体保障状态是否正常的方式滤除掉异常航班或长停航班的历史数据，以确保步骤a所采集数据的有效性。
附图说明
26.图1为实施例中判断是否保留航班历史数据的流程图；
27.图2为实施例中车辆行驶时间计算过程中判断结构键值是否为首次出现的流程图。
具体实施方式
28.下面结合实施例对本发明作进一步地详细说明：
29.实施例
30.如图1、2所示，一种机坪车辆行驶时间预测方法，其方法如下：
31.a.采集机坪近期至少一周的车辆基础数据和车辆位置历史数据得出车辆任务开始时间和结束时间，并建立与车辆任务开始时间和结束时间关联的车辆任务清单。其中，所述车辆位置历史数据包括车辆id、车辆实时位置信息、行驶速度、行驶方向以及车载终端状态；该车辆位置历史数据结构可以按照表一案例进行统计。
[0032][0033][0034]
表一
[0035]
所述车辆基础数据则通过航班历史数据获取，航班历史数据包括车辆人员保障历史数据、航班运行历史数据、航班保障历史数据、机场机位地理信息点位数据以及机场停车位点位数据。所述车辆人员保障历史数据包括车辆id、保障人员id、记录时间以及记录为绑定或解绑；该车辆人员保障历史数据结构可以按照表二案例进行统计。
[0036]
字段名数据类型字段说明
idvarchar2(64)主键vehicle_idvarchar2(64)车辆iddispatchuser_idvarchar2(100)保障人员idrecord_timetimestamp(6)记录时间actionnumber(1)记录为绑定或解绑
[0037]
表二
[0038]
所述航班运行历史数据包括航班号、航班日期、航班任务名称、区域名称、进港航班标识、状态名称、航空公司iata、机型name以及机号；该航班运行历史数据结构可以按照表三案例进行统计。
[0039]
字段名数据类型字段说明idnumber(20)主键flightnovarchar2(16)航班号flightdatedate航班日期flight_task_namevarchar2(50)航班任务名称region_namevarchar2(50)区域名称is_arrflightnumber(1)进港航班标识status_namevarchar2(50)状态名称airline_iatachar(2)航空公司iatacraft_model_namevarchar2(50)机型namecraft_novarchar2(16)机号
[0040]
表三
[0041]
所述航班保障历史数据包括航班id、保障环节id、计划开始时间、实际开始时间、计划结束时间、实际结束时间、保障人员id以及保障人员名称；该航班保障历史数据结构可以按照表四案例进行统计。
[0042]
字段名数据类型字段说明idnumber(20)主键flight_idnumber(20)航班iddispatch_idnumber(20)保障环节idstart_plan_timedate计划开始时间start_real_timedate实际开始时间end_plan_timedate计划结束时间end_real_timedate实际结束时间dispatchuser_idvarchar2(100)保障人员iddispatchuser_namevarchar2(255)保障人员名称
[0043]
表四
[0044]
所述机场机位地理信息点位数据包括机位id、机位编号以及机位点位集；该机场机位地理信息点位数据结构可以按照表五案例进行统计。
[0045]
字段名数据类型字段说明
idnumber(20)主键stand_idnumber(20)机位idstand_namevarchar2(255)机位编号stand_possvarchar2(512)机位点位集
[0046]
表五
[0047]
所述机场停车位点位数据包括停车位id、停车位编号以及停车位点位集；该机场停车位点位数据结构可以按照表六案例进行统计。
[0048]
字段名数据类型字段说明idnumber(20)主键park_idnumber(20)停车位idpark_namevarchar2(255)停车位编号park_possvarchar2(512)停车位点位集
[0049]
表六
[0050]
在实际的飞行过程中各航线的飞行频次有所不同，有一天飞行多次的航班，也有几天甚至十几天飞行一次的航班，为了便于采集飞行频次较低的航班的历史数据，步骤a中采集机坪前四周的车辆基础数据和车辆位置历史数据。取得航班数据后确定航班状态为“本场起飞”或“本场到达”，判断航班本场到达时间至本场起飞时间间隔是否小于100分钟，并判断航班整体保障状态是否正常，如图1所示，若都为是则保留该航班的历史数据，该航班的历史数据即可作为建立车辆任务清单的依据。若存在否，则滤除掉此航班的历史数据，通过以上判断可去除异常航班或长停航班。
[0051]
所述车辆任务清单则包括作业机位、车辆编号、车辆任务类型、任务执行人员以及任务执行时间。所述车辆任务类型至少包括摆渡车上客、摆渡车下客、靠客梯、撤客梯、推飞机、清水车以及污水车；根据实际使用需求，车辆任务类型还可以包括救援车等其他车辆任务类型。
[0052]
b.构建车辆行驶时间预测模型，车辆行驶时间预测模型包括临时开始机位变量模块和临时结束机位变量模块；临时开始机位变量模块用于记录任务车辆开始任务时的点位时间，临时结束机位变量模块用于记录任务车辆结束任务时的点位时间。
[0053]
c.车辆行驶时间预测模型按照如下方法进行预测计算：
[0054]
c1.获取车辆任务，以车辆编号、车辆行驶起始时间以及车辆行驶结束时间为依据，在车辆位置历史数据中查询相应的车辆点位数据，并根据机场机位地理信息点位数据获取车辆所在机位，当车辆点位数据越过车辆所在机位的范围则将该时间点记录在临时开始机位变量模块中。其中，获取的车辆任务包括获取车辆任务执行时间，将车辆任务执行时间记为m分钟，当m≦50时继续后续步骤。
[0055]
c2.根据步骤c1获取的车辆任务获取相应的作业机位，当车辆点位数据第一次出现在作业机位范围内则将该时间点记录在临时结束机位变量模块中。
[0056]
c3.步骤c2中记录在临时结束机位变量模块中的车辆点位时间减去步骤c1中记录在临时开始机位变量模块中的车辆点位时间即为车辆行驶预测时间。
[0057]
为了能够更加直观且高效的输出车辆行驶时间数据，本发明还包括步骤d，
[0058]
d.设置车辆行驶时间输出数据结构，车辆行驶时间输出数据结构包括车辆行驶时
间、与车辆行驶时间相对应的结构键值，所述结构键值为“开始机位编号+结束机位编号+星期数x+整点时间y”。其中，开始机位编号为步骤c1中车辆所在机位的编号，结束机位编号为步骤c2中作业机位的编号，星期数x包括星期一、星期二
……
、星期六、星期天，整点时间y包括1:00、2:00、
……
、23:00、24:00，车辆行驶时间获取自步骤c3中得出的车辆行驶预测时间。
[0059]
为了确保输出的车辆行驶时间数据结构既科学合理又可靠实用，步骤a中的车辆任务清单包括n条车辆任务，步骤d中以每一条车辆任务的车辆行驶起始时间为依据选取最接近的整点时间y并得到相应的结构键值，即每一条车辆任务对应一个结构键值，车辆行驶时间的计算过程为：从车辆任务清单的第一条任务开始进行步骤c，判断结构键值是否为首次出现，如图2所示，如果是，则将步骤c3中得出的车辆行驶预测时间记为与结构键值相对应的车辆行驶时间并记入车辆行驶时间输出数据结构中；如果不是，则将步骤c3中得出的车辆行驶预测时间与该结构键值对应的车辆行驶时间输出数据结构中车辆行驶时间求平均值，将该平均值替换掉车辆行驶时间输出数据结构中车辆行驶时间，直到完成n条车辆任务。
[0060]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。