一种自动评价航班放行质量的方法与流程

1.本发明涉及数据处理技术领域，尤其是涉及一种对航班放行质量进行自动评价的方法。


背景技术：

2.航班放行工作是航空公司运行控制的核心环节，目标在于合理组织航空器运行，保障航班安全正常，提高服务质量和经济效益。航班放行工作中，需要处理的相关信息包括：航空规章、气象、导航、航空器、通信、空中交通管制、紧急和非正常程序等，这些信息的关联度高、种类多、来源广、更新频繁，对航班放行水平有着极高的要求，是一项有着高标准、严要求的复杂性工作。
3.目前，对航班放行质量的评价工作，主要依靠资深签派员定期或不定期开展，在此过程中，通常会选择一些过往的航班，以及一部分签派员所放行过的航班，作为人工分析的参考数据，依据主观经验给出质量评价结果。这种方式存在较多弊端，评价结果主观性较强，准确性不高，而且效率低下，能覆盖的航班量很有限，无法大规模应用。
4.正确、迅速评价每个航班的放行质量成为当务之急，这不仅关系到航班的运行安全、航空公司的经济效益，旅客的服务体验，也关系到航班运行品质的评价、签派员职业技能的提升等。在数字化转型的发展背景下，数字化、自动化航班放行也在研究、应用过程中，这就更加需要有一种自动评价航班放行质量的方法，来确保航班合规、安全、高效运行。


技术实现要素：

5.基于上述问题，本发明提供了一种自动评价航班放行质量的方法，可以实现大部分航班放行质量的自动评分和筛选，解决了目前主要依靠主观经验进行航班放行评价且无法量化的工作压力，大幅提高了航班放行的效率和可靠性。
6.为了实现上述目的，本发明的技术方案包括以下步骤：步骤1：制定航班放行质量评价公式，评价公式由放行评价项目、历史时段和权重因子3组参数组成。
7.其中，所述放行评价项目包括：备降机场、航路走向、飞行高度、起飞总油量、落地剩余油量和起飞时刻6个航班放行数据中的关键要素；所述历史时段用于评判放行质量与历史数据的拟合程度，包括：当天、最近3天、最近3年和最近4-6年；所述权重因子用于权衡各评价项目和历史时段数据对放行质量评分的权重，包括：项目权重因子和时段权重因子。本方法后续步骤根据历史数据自动迭代，计算出各城市对航线的放行质量的最优权重因子组合。
8.评价公式为：，其中s为放行质量评价分，为项目权重因子，为各项目分值；约束条件为：，体现各项目分值在最终得分中的权重。
9.评价公式中计算公式为：，其中为时段权重因子，约束条件为：，为评价项目历史时段得分值，历史时段包括：当天、最近3天、最近3年和最近4-6年，体现各历史时段得分值在最终得分中的权重。
10.不同评价项目的计算方法不同：对备降机场，；其中m为待评价航班放行数据中的备降机场总数，为第n个备降机场在历史时段t内相同的城市对航线的历史放行数据中作为备降机场的次数，为历史时段t内相同的城市对航线的总航班数量。
11.对航路走向，；其中m为航路走向中航路点总数，为第n个航路点在历史时段t内相同的城市对航线的历史放行数据中作为航路点的次数，为历史时段t内相同的城市对航线的总航班数量。
12.对飞行高度，；其中m为航路走向中飞行高度总数，为第n个飞行高度在历史时段t内相同的城市对航线的历史放行数据中作为飞行高度的次数，为历史时段t内相同的城市对航线的总航班数量。
13.对起飞总油量，，其中f为起飞总油量，favg为历史时段t内相同的城市对航线的平均起飞总油量，，其中，为历史时段t内相同的城市对航线的总航班数量，为该城市对航线的每次航班起飞总油量。
14.对落地剩余油量，，其中l为落地剩余油量，lavg为历史时段t内相同的城市对航线的平均落地剩余油量，，其中，为历史时段t内相同的城市对航线的总航班数量，为该城市对航线的每次航班的落地剩余油量。
15.对起飞时刻，，其中t为起飞时刻，tavg为历史时段t内相同城市对航线中的相同航班的平均起飞时刻，，其中，为历史时段t内相同的城市对航线的总航班数量，为该城市对航线中的相同航班的各起飞时刻，公式中的时刻是指相对于零点的分钟数。
16.步骤2：生成城市对航线集合，按照起飞城市+落地城市的城市对的组合数据，对所有历史航班放行数据分组，生成城市对航线的集合，每条城市对航线的数据包括该两个城市间所有历史航班放行数据。
17.其中，所述起飞城市+落地城市的城市对的组合数据各具特征，体现在评价公式上为各权重因子均不相同，本方法以相同的起飞城市和落地城市间的航班放行质量为评价对象，通过历史数据对评价公式中的权重因子进行调整，找出最适合的权重因子组合。
18.步骤3：将历史数据分为训练集和验证集，搜索最优比例因子，得到最优航班放行评价公式；以每条城市对航线的近6年航班放行数据作为历史数据，划分为训练集和验证集，遍历训练集中每条城市对航线的数据，搜索评价公式的最优权重因子组合，并用验证集中的航线数据对最优权重因子进行验证，得到各城市对航线的最优航班放行评价公式。
19.通过训练集和验证集搜索、验证最优评价公式，使用大量历史数据进行测试和验证，获得了精准的最优评价公式权重因子组合，使最优评价公式符合实际运行结果。
20.进一步地，步骤3将历史数据分为训练集和验证集，搜索最优比例因子，得到最优航班放行评价公式，包括以下具体步骤：步骤3-1：取出第1条城市对航线，将其历史数据分为训练集和验证集，其中将其近3年历史放行数据作为验证集，将其近4-6年历史放行数据作为训练集；步骤3-2：设置初始权重因子生成初始评价公式，其中设置项目权重因子的初始值为，设置时段权重因子的初始值为，生成初始评价公式；步骤3-3：通过评价公式对训练集中每条历史数据打分，得出该评价公式下的城市对航线的训练集的平均得分；步骤3-4：在满足权重因子约束条件的前提下，以0.01为步进值，逐项调整和值，更新评价公式并返回步骤3-3重新计算训练集平均得分，直至和组合穷举完成；步骤3-5：按平均得分高低顺序排列对应的和组合，形成评价公式列表；步骤3-6：依次从评价公式列表中取出评价公式对验证集中每条历史数据打分，若评价公式对验证集的打分结果与训练集的打分结果差值在10%之内，将该评价公式作为此城市对航线的最优评价公式，若差值超过10%，对下一条评价公式进行验证，直至得到最优评价公式；步骤3-7：返回步骤3-1，处理下一条城市对航线。
21.步骤4：根据最优评价公式，对航班放行质量进行评分；在对于当前待评价的航班放行数据中，选取对应的城市对航线的最优评价公式进行评分，若分值低于预设阈值，提交人工审查。
22.至此，实现了航班放行质量的自动评分和筛选，对低于预设阈值的放行数据交由人工审查。此方法可大量提高航班放行的效率和可靠性，为航空公司创造巨大的安全和经济效益。
附图说明
23.图1为本发明实施例一种自动评价航班放行质量的方法主要步骤图。
24.图2为本发明实施例一种自动评价航班放行质量的方法流程图。
具体实施方式
25.为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明做进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
26.航空公司签派人员对航班放行质量缺乏量化指标和客观评价方法，主要依据人工经验进行主观判断，由此造成航班放行质量不高，人员工作负荷大的弊端。
27.为解决上述问题，本技术提出了一种自动评价航班放行质量的方法，如图1所示，本发明的一种实施例包括以下步骤：步骤1：制定航班放行质量评价公式；步骤2：提取两城市间所有历史航班放行数据，生成城市对航线集合；步骤3：将历史数据划分为训练集和验证集，从训练集中搜索最优权重因子组合，用验证集数据对最优权重因子进行验证，得到各城市对航线的最优航班放行评价公式；步骤4：根据最优评价公式，对航班放行质量进行评分。
28.其中，以某公司签派岗位对某航班放行质量评价过程为例，如图2所示，本发明实施例一种自动评价航班放行质量的方法详细流程如下：步骤1：制定航班放行质量评价公式；公式为：，。
29.其中，为项目权重因子，约束条件为：；e为各项目得分值，体现各项目分值在最终得分中的权重。
30.计算公式为：，其中为时段权重因子，约束条件为：。
31.为评价项目历史时段得分值，历史时段包括：当天、最近3天、最近3年和最近4-6年，体现各评价项目历史时段得分值在最终得分中的权重。
32.步骤2：将该公司所有历史放行数据，按照起飞城市+落地城市的城市对的组合进行分组，生成城市对航线的集合。例如将北京大兴-上海浦东的所有历史放行数据作为一组，将昆明长水-武汉天河所有历史放行数据作为另一组，依次类推。每一组放行数据称为一条城市对航线数据。
33.步骤3：将历史放行数据划分为训练集和验证集，从训练集中搜索最优权重因子组合，用验证集数据对最优权重因子进行验证，得到各城市对航线的最优航班放行评价公式。包括以下步骤：步骤3-1：取出第1条城市对航线数据，例如昆明-武汉航线，将其近3年历史数据作为验证集，将其近4-6年历史数据作为训练集。
34.步骤3-2：将备降机场、航路走向、飞行高度、起飞总油量、落地剩余油量和起飞时
刻6个评价项目、项目权重因子初始值和时段权重因子初始值代入其中，得到初始评价公式。
35.步骤3-3：通过评价公式对训练集中每条历史数据打分：依次提取训练集中每条历史数据的当天、近3天和近3年历史放行数据，对该历史数据评分，其中：计算备降场得分，其中m为待评价放行数据中的备降机场总数，为第n个备降机场在历史时段t内相同的城市对航线的历史数据中作为备降机场的次数，为历史时段t内相同的城市对航线的总航班数量。
36.假设当前评价的昆明-武汉航线的放行数据中有2个备降机场，成都双流机场和西安咸阳机场；昆明-武汉航线在当天、近3天和近3年这3段历史时期内分别有3班、8班和550班历史数据。其中：成都双流机场作为备降机场的次数在3段历史时期内分别为2次、6次和460次，则成都双流机场的得分是：0.7
×
2/(3
×
2)+ 0.2
×
6/(8
×
2) +0.1
×
460/(550
×
2)=0.35；西安咸阳机场作为备降机场的次数分别为1次、7次和520次，则西安咸阳机场的得分是：0.7
×
1/(3
×
2)+ 0.2
×
7/(8
×
2) +0.1
×
520/(550
×
2)=0.251；因此该放行数据中备降场项目得分为：0.35+0.251=0.601。
37.计算航路走向得分，其中m为航路走向中航路点总数，为第n个航路点在历史时段t内相同的城市对航线的历史数据中作为航路点的次数，为历史时段t内相同的城市对航线的总航班数量。将当前航班的航路走向中各航路点代入上述公式中，可计算得出航路走向得分。
38.假设当前评价航线航路走向的航路点共有15个，其中富家场vor在3个历史时段的放行数据中出现的次数分别为2次、6次和520次，可计算得出该航路点得分为：0.7
×
2/(3
×
15)+ 0.2
×
6/(8
×
15) +0.1
×
520/(550
×
15)=0.047；累加15个航路点得分，本实施例航路点得分为0.705。
39.计算飞行高度得分，其中m为航路走向中飞行高度总数，为第n个飞行高度在历史时段t内相同的城市对航线的历史数据中选做飞行高度的次数，为历史时段t内相同的城市对航线的总航班数量。
40.假设当前评价的航班飞行计划中有2个高度层8400米和9200米，8400在3个历史时段中的出现次数分别为3、8、550，9200在3个历史时段总出现次数分别为2、7、540，则飞行高度8400得分为：0.7
×
3/(3
×
2)+ 0.2
×
8/(8
×
2) +0.1
×
550/(550
×
2)=0.5；
飞行高度9200得分为：0.7
×
2/(3
×
2)+ 0.2
×
7/(8
×
2) +0.1
×
540/(550
×
2)=0.37；因此飞行高度得分为0.5+0.37=0.87。
41.计算起飞总油量得分，其中f为起飞总油量，favg为历史时段t内相同的城市对航线的平均起飞总油量，，其中，为历史时段t内相同的城市对航线的总航班数量，为该城市对航线的每次航班起飞总油量。
42.假设当前放行数据中起飞总油量为5.5吨，3段历史时期内平均载油量分别为5.2吨、5.8吨、5.4吨。则起飞总油量的得分为：0.7
×
(5.2-|5.5-5.2|)/5.2+0.2
×
(5.8-|5.5-5.8|)/5.8+0.1
×
(5.4-|5.5-5.4|)/5.4=0.947。
43.计算落地剩余油量得分，其中l为落地剩余油量，lavg为历史时段t内相同的城市对航线的平均落地剩余油量，，其中，为历史时段t内相同的城市对航线的总航班数量，为该城市对航线的每次航班落地剩余油量。
44.假设当前航班飞行计划落地剩余油量为3.5吨，3段历史时期内平均载油量分别为3.2吨、3.8吨、3.4吨。则落地剩余油量的得分为：0.7
×
(3.2-|3.5-3.2|)/3.2+0.2
×
(3.8-|3.5-3.8|)/3.8+0.1
×
(3.4-|3.5-3.4|)/3.4=0.916。
45.计算起飞时刻得分，其中t为起飞时刻，tavg为历史时段t内相同的城市对航线中的相同航班的平均起飞时刻，，其中为历史时段t内相同的城市对航线的总航班数量，为该城市对航线中的相同航班的各起飞时刻，公式中的时刻是指相对于零点的分钟数。
46.假设当前放行数据中航班起飞时刻为8点15分（折算为零点的分钟数为8
×
60+15=495），3段历史时期内早班平均起飞时刻为7点55分（折算为零点的分钟数为475）、8点05分（折算为零点的分钟数为485）、8点25分（折算为零点的分钟数为505），则起飞时刻得分为：0.7
×
(475-|495-475|)/475+0.2
×
(485-|495-485|)/485+0.1
×
(505-|495-505|)/505=0.964。
47.得出上述6个评价项目的得分值后，套用公式，计算出该航班放行质量的评分为s=0.2
×
0.601+0.2
×
0.705 + 0.2
×
0.87 +0.1
×
0.947 +0.1
×
0.916 +0.2
×
0.964=0.918。
48.按上述公式对昆明-武汉航线每条历史放行数据打分，将得分总和除以训练集中的航班总数，得出该评价公式的平均得分。
49.步骤3-4：在满足权重因子约束条件和的情况下，以
0.01单位，调整得出新的约束因子组合，如和，返回步骤3-3计算该权重因子组合对应的平均得分。
50.步骤3-5：所有权重因子穷举完成后，按平均得分的高低顺序，将对应权重因子和组成的评价公式记录到评价公式列表scorelist中。
51.步骤3-6：从scorelist中取出第一条评价公式以及对应训练集得分，利用该公式对验证集数据打分，打分方法与步骤3-4相同，得到评价公式的验证集打分结果；若与差值在10%之内，将此公式作为昆明-武汉航线放行质量的最优评价公式；若差值超过10%，从scorelist中取出下一条评价公式对验证集数据打分，直至得到昆明-武汉航线放行质量的最优评价公式。
52.步骤3-7：返回步骤3-1，处理下一条城市对航线。
53.由此，得到所有城市对航线的最优评价公式。
54.步骤4：对新的航班放行质量评价时，选取该航班对应的城市对航线最优评价公式进行打分，如果得分低于预定阈值，如0.7，则提交人工对此航班放行数据进行审核。
55.以上步骤完成了对航班放行质量的自动评价过程。
56.以上所述，仅是本发明的一种实施例，并非对本发明做任何形式的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的保护范围。