买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利面向过站航班全流程的延误预警方法及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115456244B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210965705.1，技术领域涉及：G06Q10/04；该发明授权面向过站航班全流程的延误预警方法及存储介质是由赵征;冯事成;李昌城;彭瑛;宋梅雯设计研发完成，并于2022-08-12向国家知识产权局提交的专利申请。

本面向过站航班全流程的延误预警方法及存储介质在说明书摘要公布了：本发明提供一种面向过站航班全流程的延误预警方法及存储介质，其中，所述方法包括：基于机场实际运行数据获取目标航班进场过程预设环节的预计用时及预设关键节点的预计时刻；基于预设环节的预计用时及预设关键节点的预计时刻，对机场实际运行数据进行平衡处理并识别延误航班；基于识别结果对延误航班进行预警。采用上述方案，能够在实现对延误航班识别和预警的基础上，为延误航班挽救措施的采取提供更多的参考选项和更多的执行时间。

本发明授权面向过站航班全流程的延误预警方法及存储介质在权利要求书中公布了：1.一种面向过站航班全流程的延误预警方法，其特征在于，所述方法包括以下步骤： S1:基于机场实际运行数据获取目标航班进场过程预设环节的预计用时及预设关键节点的预计时刻；具体为： S1.1：获取目标航班进场过程预设环节的预计用时； 首先获取建立关键节点时刻预测模型所需要的影响因素集，具体而言，所述预设环节包括：进近环节、滑入环节、过站环节，其中，进近环节的影响因素包括：进港点、进港时段、落地跑道；滑入环境的影响因素包括：落地跑道、入位机位、场面流量；过站环节的影响因素包括：机位、保障时段、场面流量，通过对上述三个预设环节中的影响因素的平均时间进行定量分析筛选，确定最终的影响因素集； S1.2：获取目标航班经验滑行时间； 所述经验滑行时间的定义如下：通过机场历史运行数据统计得到的固定“机位-跑道”组合下滑行时间的代表值，以此值作为日常运行时，该“机位-跑道”组合对应的滑行时间； 首先参考机器学习中训练集和测试集的划分方法将机场实际运行数据以7:3的比例分为两组，数据挖掘组和结果验证组； 然后基于数据挖掘组按跑道、机位和时段对数据进行聚合分组，并确定代表经验滑行时间的候选值； 接着将得到的候选值代入结果验证组中计算平均绝对误差值； 最后根据平均绝对误差值对比结果确定经验滑行时间最终值； S1.3：获取目标航班进场后预设关键节点的预计时刻； 所述预设关键节点包括：过进港点时刻PAT、落地时刻LDT、上轮档时刻IBT、撤轮挡时刻OBT、起飞时刻TOT，将目标航班进场过程分为三个阶段：阶段一以目标航班实际过进港点时刻APAT为起始时刻，阶段二以目标航班实际落地时刻ALDA为起始时刻，阶段三以目标航班实际上轮挡时刻AIBT为起始时刻； 在航班进场过程中，在上述三个阶段同时实现对延误航班的识别和对后续预设关键节点的预计时刻；具体步骤如下：基于关键节点时刻预测模型，在目标航班进场过程中依次在其过进港点时刻、落地时刻和上轮挡时刻结合步骤S1.1和步骤S1.2得到的结果，推算目标航班进场后各预设关键节点的预计时刻； S2:基于预设环节的预计用时及预设关键节点的预计时刻，对机场实际运行数据进行平衡处理并识别延误航班；具体为： S2.1：获取不平衡数据分类模型的输入数据集； 基于影响因素分析提取得到的航班进场各个阶段模型特征集和关键节点时刻预测模型得到的环节预计用时，构建航班进场三个阶段的不平衡数据分类模型影响因素集，并根据影响因素集从原始数据中相应的字段提取得到模型的特征集； S2.2：基于输入数据集训练不平衡数据分类模型； 将输入数据集分为训练集和测试集两部分，首先在测试集上利用SMOTE算法对少数类样本进行生成，使少数类样本和多数类样本达到平衡，然后在训练集上训练CatBoost模型，并使用网格搜索法对模型进行参数调优，得到CatBoost模型的最佳参数； S2.3：使用CatBoost模型对延误航班进行识别； S3：对不平衡数据分类模型进行精度检测； S4:基于识别结果对延误航班进行预警。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。