融合气象和航班信息的基于深度学习的航班延误预测方法研究

With the development of the national economy and the increase of air traffic flow, the problem of flight delay is becoming more and more serious in China's Civil Aviation because of deficiencies in airspace, ground and manpower support. Since flight delays will not only bring pernicious inconvenience to passengers and losses to airlines, but also cause malignant group events, it is important to predict flight delays. Currently, most of the methods of flight delay prediction only use small data samples for training, which do not consider meteorological information and the temporal correlation among flight data. This project carries out research on flight delay prediction method based on deep learning combining meteorological and flight information. The research contents include preprocessing of flight delay data combining meteorological and flight data, building the flight delay model based on Long Short Term Memory (LSTM) and Dual-channel Convolutional Neural Network (DCNN) , training and optimizing the model. The study of this project can quickly and accurately predict whether the flight delays or not and the possible delay time, which will not only supply related services directly to passengers but also provide references for the decision-making of airlines, airports and air traffic control departments.

随着国民经济的发展，空中交通流量不断增加，由于空域、地面保障和人力保障的不足，我国民航的航班延误问题日益严重。航班延误不仅会给旅客出行带来不便，给航空公司带来损失，甚至会引发恶性的群体事件，所以对航班延误进行预测非常重要。已有的航班延误预测方法主要基于小样本，没有采用大数据进行训练，没有考虑气象数据对延误的影响，也没有充分利用航班数据之间的时间相关性。本项目主要围绕融合气象和航班信息的基于深度学习的航班延误预测方法开展研究。主要内容包括：融合气象信息的航班延误数据预处理、基于长短时记忆网络（LSTM）和双通道卷积神经网络（DCNN）相结合的航班延误预测模型、训练方法和优化方法研究。希望通过本项目的研究快速准确地预测航班是否发生延误以及可能的延误时长，为旅客出行提供更加及时准确的告知服务，为航空公司、机场、空管管制部门的决策提供参考。

随着国民经济的发展，空中交通流量不断增加，由于空域、地面保障和人力保障的不足，我国民航的航班延误问题日益严重。航班延误不仅会给旅客出行带来不便，给航空公司带来损失，甚至会引发恶性的群体事件，所以对航班延误进行预测非常重要。已有的航班延误预测方法主要基于小样本，没有采用大数据进行训练，没有考虑气象因素对航班延误的影响，本项目主要围绕融合气象和航班信息的基于深度学习的航班延误预测方法开展研究。主要研究内容：（1）融合气象信息和航班信息的数据预处理；（2）基于深度学习的航班延误预测模型建立；（3）基于深度学习的航班延误预测模型的训练和优化；（4）基于大数据可视化技术的航班延误数据采集和分析原型系统的开发。重要结果：（1）实现多种基于深度学习的航班延误预测算法 ；（2）开发基于大数据可视化技术的航班延误采集和分析原型系统；（3）在国内外重要学术期刊和会议上发表学术论文11 篇，其中 SCI、EI 收录论文 6 篇；（4）申请国家发明专利6项，软件著作权1项。项目组已经获得美国联邦航空管理局的航班和气象数据，此外，项目合作单位中国民用航空华东地区空中交通管理局为本项目提供了国内的航班和气象数据。本项目研究的算法能够快速准确地预测航班是否发生延误和延误等级，为旅客出行提供更加及时准确的告知服务，为航空公司、机场、空管管制部门的决策提供参考。