航空器过站保障时长的归因分析方法及装置与流程
本发明涉及航空运行控制,尤其涉及一种航空器过站保障时长的归因分析方法及装置。
背景技术:
1、航空器过站保障总时长(自落地滑入机位至下次起飞推出机位)直接决定机场近机位周转效率与航班放行正常率,是航空公司运行控制(aoc)与机场协同决策(acdm)系统的核心监控指标。大型枢纽机场日均保障航班超千架次,单站过站时长波动受航班流控、机型组合、地面滑行拥堵、保障资源调度等多重因素交织影响,月度波动幅度可达±10%至±20%,因此归因分析是提升机场运行效率与航班正常率的关键技术需求。
2、但当前行业在归因分析时,通常采用连环替代法,该方法存在三大固有缺陷。一是替换顺序依赖主观设定,不同顺序得出的因素贡献结论差异显著,易引发部门争议;二是无法合理分配多因素同步变化产生的交互效应(如航班量增加叠加滑行拥堵加剧),形成无业务含义的残差项;三是模型僵化,机队、航线、地面运行规则等发生变动后,需人工重构因素体系与计算逻辑,人力成本高且质量不稳定。
3、综上,目前缺乏一种不依赖主观顺序、交互效应可解释且能够自适应业务结构变化的航空器过站保障时长归因分析方法。
技术实现思路
1、本发明实施例提供一种航空器过站保障时长的归因分析方法,不依赖主观顺序、交互效应可解释且能够自适应业务结构变化,该方法包括:
2、获得航空器过站保障的因果状态图,所述因果状态图为包括节点和有向边的有向无环图,其中,节点代表航空器过站保障业务中的变量类型,有向边代表变量类型之间的因果关系,每条有向边配置有结构方程,每个节点配置有融合方程;
3、将代表待归因保障时长的节点作为目标节点,分别在因果状态图的所有输入层节点均处于第一输入条件和第二输入条件下时,对目标节点执行前向传播步骤,获得目标节点的第一节点值和第二节点值,在前向传播步骤中,按因果状态图的拓扑排序,以目标节点的各输入层节点的节点值为输入,执行目标节点所关联的结构方程和融合方程;
4、计算第二节点值与第一节点值之差,获得模型内变动;
5、对每个输入层节点,构建混合输入条件,所述混合输入条件为该输入层节点取第二输入条件下的节点值,其他输入层节点取第一输入条件下的节点值;在混合输入条件下,对目标节点执行前向传播步骤,得到目标节点的混合节点值,将混合节点值与第一节点值之差作为该输入层节点的独立贡献度;
6、计算各输入层节点的独立贡献度之和与模型内变动之差,作为交互效应;
7、输出各输入层节点的独立贡献度和所述交互效应,作为保障时长的归因结果。
8、本发明实施例还提供一种航空器过站保障时长的归因分析装置,不依赖主观顺序、交互效应可解释且能够自适应业务结构变化,该装置包括:
9、因果状态图获得模块,用于获得航空器过站保障的因果状态图,所述因果状态图为包括节点和有向边的有向无环图,其中,节点代表航空器过站保障业务中的变量类型,有向边代表变量类型之间的因果关系,每条有向边配置有结构方程,每个节点配置有融合方程;
10、前向传播模块,用于将代表待归因保障时长的节点作为目标节点,分别在因果状态图的所有输入层节点均处于第一输入条件和第二输入条件下时,对目标节点执行前向传播步骤,获得目标节点的第一节点值和第二节点值,在前向传播步骤中,按因果状态图的拓扑排序,以目标节点的各输入层节点的节点值为输入,执行目标节点所关联的结构方程和融合方程;
11、模型内变动计算模块,用于计算第二节点值与第一节点值之差,获得模型内变动;
12、归因模块,用于对每个输入层节点,构建混合输入条件,所述混合输入条件为该输入层节点取第二输入条件下的节点值,其他输入层节点取第一输入条件下的节点值;在混合输入条件下,对目标节点执行前向传播步骤,得到目标节点的混合节点值,将混合节点值与第一节点值之差作为该输入层节点的独立贡献度;计算各输入层节点的独立贡献度之和与模型内变动之差,作为交互效应;输出各输入层节点的独立贡献度和所述交互效应,作为保障时长的归因结果。
13、本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述航空器过站保障时长的归因分析方法。
14、本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述航空器过站保障时长的归因分析方法。
15、本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述航空器过站保障时长的归因分析方法。
16、本发明实施例中,通过构建航空器过站保障业务的因果状态图,将保障时长与各输入变量之间的因果关系显式建模为有向无环图结构。在此基础上,通过分别获取目标节点在两组不同输入条件下的节点值并计算其差值得到模型内变动,再通过逐一将每个输入层节点的取值从第一输入条件切换为第二输入条件并保持其他输入层节点取值不变,记录目标节点在切换前后的节点值变化量作为该输入层节点的独立贡献度。该归因过程通过逐一扰动单个输入层节点并固定其他输入层节点的方式测量每个输入层节点的独立贡献度,各输入层节点的独立贡献度仅取决于目标节点对输入层节点取值的响应函数本身,与任何主观设定的因素顺序无关,不依赖任何人为指定的替换顺序或权重分配,消除了传统连环替代法中因替换顺序不同导致归因结论不唯一的技术缺陷。同时,本发明通过计算各输入层节点的独立贡献度之和与模型内变动之间的差值作为交互效应,使得各输入层节点的独立贡献度之和加上交互效应严格等于模型内变动,实现了归因结果的数学完备性,交互效应被明确定义为多个输入层节点同步变化时超出各自独立变化效应之和的额外部分,其含义清晰且可解释,不存在无法归因的残差项。本发明所构建的因果状态图中,每个节点代表航空器过站保障业务中的变量类型,每条有向边代表变量类型之间的因果关系并配置有用于根据父节点的节点值计算父节点对子节点贡献值的结构方程,每个节点配置有用于将其所有入边贡献值合并为该节点节点值的融合方程。前向传播步骤按照因果状态图的拓扑排序,以各输入层节点的节点值为输入,依次执行各节点所关联的结构方程和融合方程计算出各节点的节点值。上述计算过程的每一个中间步骤和最终结果均可记录和追溯,不存在黑盒操作。当需要验证某一输入层节点的独立贡献度时,仅需将该输入层节点的取值从第一输入条件切换为第二输入条件并重新执行前向传播步骤即可复现其结果,保证了归因过程的可复现性和可审计性。本发明的归因分析框架以因果状态图为核心计算骨架,各输入层节点的取值可独立设定。在此基础上,用户可通过改变指定输入层节点的取值并重新执行前向传播步骤,获得目标节点在新的输入条件下的预测值,从而实现了条件化情景推演。该能力使运行管理人员能够在调整某一运营决策变量之前,预先评估该变量变化对保障时长的定量影响,为运行决策提供了数据支撑。本发明中的因果状态图通过节点和有向边建模变量类型及其因果关系,结构方程和融合方程分别挂载于有向边和节点之上,构成了稳定且可配置的计算骨架。当机队构成、航线网络或地面运行流程发生结构性变化时,仅需在因果状态图中增加、删除或修改对应的节点、有向边及其关联的结构方程和融合方程即可完成模型更新,无需重新设计整套计算逻辑,具有较高的可扩展性和适应性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com