石磊 陈伟

摘 要：为了提高服务质量和降低运营成本，所有的航空公司都在不断寻找各种方法来合理安排航线，降低航班延误。本文主要讨论如何利用大数据来更准确的预测飞机时空位置和航班到达（跑道、登机口）时间，从而来更有效的实时优化航班，使得总的延误时间与消耗燃油最小。在此过程中，我们细化航班调度涉及的目的与问题，在此基础上建立数学模型，最终通过机器学习技术求解此模型，提出合理的调度方法。

关键词：大数据；航班调度；航线实时规划；到达时间预测；机器学习

中图分类号：V247.4文献标识号：A文章编号：2095-2163（2016）02-

Exploration of big data based flight schedule optimization

SHI Lei1 ， CHEN Wei1

（1 China Travelsky Holding Company， Beijing， 100105， China）

Abstract：In order to improve the service quality and reduce the operating costs， all airlines are constantly looking for ways to optimize the routes， reducing flight delays. This article discusses the methods to use big data to more accurately predict the location of aircraft and the arrival time， and thereby to more effectively do real-time flight optimization. In this process， the paper refines the flight scheduling purposes and the issues involved， and based on the aboved， the mathematical model is built. The paper tries to solve the model by using machine learning technique to arrive in reasonable scheduling method.

Keywords： Big data； flight schedule； real-time route planning； arrival time prediction； machine learning

0 引言

随着人们生活水平的提高，选择飞机出行方式的人越来越多，使得航空运输的重要性日趋显著，从而必然导致航班数量的急剧增加。目前，不断增长的航班数量在面对有限的登机口数目，以及各类突发变化的内、外界（包括天气原因、流量控制、机械故障或公司周转）的综合作用都可能实时导致航班的延误，不仅给乘客出行带来困扰，更会使得航空公司成本直线提升。例如经常出现的由于目的地的台风天气，导致航班被迫取消，旅客滞留，从而需要赔偿并安排食宿。统计数据显示，对于一个中等规模的航空公司，如果能够使得每次航班的平均延误时间减少一分钟，则每年将可节省数亿元的成本[1-2]，航空公司成本具体表现为：燃油、赔偿以及人员费用。综上所述可知，航空公司的航班调度计划对于航空公司的基础良性运行则始终发挥着至关重要的智能支撑作用。……