(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111501490.X (22)申请日 2021.12.09 (65)同一申请的已公布的文献号 申请公布号 CN 113902229 A (43)申请公布日 2022.01.07 (73)专利权人 武汉市胜意科技发展 有限公司 地址 430000 湖北省武汉市东湖开发区关 山一路特1号 一期研发楼D栋2层209号 (72)发明人 余学锋　刘洁　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 代理人 万畅 (51)Int.Cl. G06Q 10/04(2012.01) G06N 5/04(2006.01)G06N 3/08(2006.01) G06N 3/04(2006.01) G06Q 50/30(2012.01) (56)对比文件 CN 113592242 A,2021.1 1.02 CN 110033125 A,2019.07.19 CN 1042686 34 A,2015.01.07 审查员 王婧阳 (54)发明名称 一种基于模糊Petri网的航班延误波及预测 方法及系统 (57)摘要 本发明涉及一种基于模糊Petr i网的航班延 误波及预测方法及系统， 其方法包括： 获取已延 误的一个或多个目标航班的航班信息， 所述航班 信息包括航班号、 航空公司、 出发地机场和到达 地机场； 根据多个已延误航班的历史航班信息和 模糊Petri网， 构建每个延误航班波及的航班网 络和机场网络； 利用训练好的时空图卷积神经网 络， 确定每个目标航班的延误持续时间； 根据每 个目标航班的延误持续时间、 延误持续时间内的 未来天气信息和所述模糊Petri网， 实时预测每 个目标航班的所有波及航班。 本发 明结合了模糊 Petri网和时空图卷积神经网络， 提高了模糊 Petri网预测航班延误的实时性和动态适应性。 权利要求书2页 说明书6页 附图4页 CN 113902229 B 2022.04.15 CN 113902229 B 1.一种基于模糊Pet ri网的航班延误波及预测方法， 其特 征在于， 包括： 获取已延误的一个或多个目标航班的航班信 息， 所述航班信 息包括航班号、 航空公司、 出发地机场和到 达地机场； 根据多个已延误航班的历史航班信息和模糊Petri网， 构建每个延误航班波及的航班 网络和机场网络； 利用训练好的时空图卷积神经网络， 确定每个目标航班的延误持续 时间； 其具体包括： 利用训练好的时空图卷积神经网络确定每个目标航班的延误持续时间的类型； 根据延误持 续时间的类型， 以及目标航班所在地的未来2 4小时内的天气信息确定每个目标航班的延误 持续时间； 所述时空图卷积神经网络通过如下步骤训练： 获取已延误航班的出发地天气、 到达地 天气、 延误时间、 航空公司、 航班的上座率、 机场吞吐量、 机场的负荷量和航班延误 持续时间 的分类； 将 每个已延误航班作为顶点， 顶点之 间的连接构成边， 边长表示波及延误的概率或 因延误航班波及而导致的延误持续时间， 每个顶点的出发地天气、 到达地天气、 延误时间、 航空公司和机场作为属 性， 并将每个顶点及其属 性映射为多维向量； 利用聚类算法和传递 熵损失对所述多维向量构成的数据集进行清洗， 得到多个航班信息的拓扑图， 根据所述拓 扑图构建训练集； 将训练集中的航班延误持续时间的分类作为标签， 训练所述时空图卷积 神经网络， 直至所述时空图卷积神经网络的误差 趋于稳定且低于阈值； 根据每个目标航班的延误持续时间、 延误持续时间内的未来天气信息和所述模糊 Petri网， 实时预测每 个目标航班的所有 波及航班。 2.根据权利要求1所述的基于模糊Petri网的航班延误波及预测方法， 其特征在于， 所 述根据多个已延误航班的历史航班信息和模糊Petri网， 构建每个延误航班波及的航班网 络和机场网络包括： 根据已延误航班的当日所在航空公司的航班时刻表和波及航班信息， 通过第一模糊 Petri网确定每 个延误航班波及的航班网络； 根据已延误航班的当日所在机场的航班时刻表和延误关联信息， 通过第二模糊Petri 网确定所述机场波及的机场网络 。 3.根据权利要求2所述的基于模糊Petri网的航班延误波及预测方法， 其特征在于， 所 述根据已延误航班的当日所在航空公司的航班时刻表和波及航班信息， 通过第一模糊 Petri网确定每 个延误航班波及的航班网络包括： 根据已延误 航班的波及航班信息确定第一模糊Pet ri网的库所集 合； 根据所述航班时刻表中的时间关联信息和空间关联信息确定每个库所的变迁和映射 关系， 并根据所述每 个库所的变迁和映射关系确定已延误 航班的第一模糊Pet ri网； 根据第一模糊Pet ri网确定每 个延误航班波及的航班网络 。 4.根据权利要求1至3任一项所述的基于模糊Petri网的航班延误波及预测方法， 其特 征在于， 所述延误持续时间小于等于24小时。 5.一种基于模糊Pet ri网的航班延误波及预测系统， 其特 征在于， 包括： 获取模块， 用于获取已延误的一个或多个目标航班的航班信息， 所述航班信息包括航 班号、 航空公司、 出发地机场和到 达地机场； 构建模块， 用于根据多个已延误航班的历史航班信息和模糊Petri网， 构建每个延误航权　利　要　求　书 1/2 页 2 CN 113902229 B 2班波及的航班网络和机场网络； 确定模块， 用于利用训练好的时空图卷积神经网络， 确定每个目标航班的延误持续时 间； 其具体包括： 利用训练好的时空图卷积神经网络确定每个目标航班的延误持续时间的 类型； 根据延误持续时间的类型， 以及目标航班所在地的未来24小时内的天气信息确定每 个目标航班的延误持续时间； 所述时空图卷积神经网络通过如下步骤训练： 获取已延误航 班的出发地天气、 到达地天气、 延误时间、 航空公司、 航班的上座率、 机场吞吐量、 机场的负 荷量和航班延误 持续时间的分类； 将 每个已延误航班作为顶 点， 顶点之间的连接构成边， 边 长表示波及延误的概率或因延误航班波及而导致的延误持续时间， 每个顶点的出发地天 气、 到达地天气、 延误时间、 航空公司和机场作为属性， 并将每个顶点及其属 性映射为多维 向量； 利用聚类算法和传递熵损失对所述多维向量构成的数据集进行清洗， 得到多个航班 信息的拓扑图， 根据所述拓扑图构建训练集； 将训练集中的航班延误持续时间的分类作为 标签， 训练所述时空图卷积神经网络， 直至所述时空图卷积神经网络的误差趋于稳定且低 于阈值； 预测模块， 用于根据每个目标航班的延误持续时间、 延误持续时间内的未来天气信息 和所述模糊Pet ri网， 实时预测每 个目标航班的所有 波及航班。 6.根据权利要求5所述的基于模糊Pet ri网的航班延误波及预测系统， 其特 征在于， 所述构建模块包括第一构建单 元和第二构建单 元， 所述第一构建单元， 用于根据已延误航班的当日所在航空公司的航班时刻表和波及航 班信息， 通过第一模糊Pet ri网确定每 个延误航班波及的航班网络； 所述第二构建单元， 用于根据已延误航班的当日所在机场的航班时刻表和延误关联信 息， 通过第二模糊Pet ri网确定所述机场波及的机场网络 。 7.一种电子设备， 其特征在于， 包括： 一个或多个处理器； 存储装置， 用于存储一个或多 个程序， 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理 器实现如权利要求1至4任一项所述的基于模糊Pet ri网的航班延误波及预测方法。 8.一种计算机可读介质， 其特征在于， 其上存储有计算机程序， 其中， 所述计算机程序 被处理器执行时实现如权利要求1至4任一项所述的基于模糊Petr i网的航班延误波及预测 方法。权　利　要　求　书 2/2 页 3 CN 113902229 B 3