基于XGBoost的航空器动态滑行时间预测方法研究

【类型】期刊

【作者】赵征 冯事成 宋梅雯 胡莉 陆莎  

【刊名】航空工程进展

【关键词】 机器学习,XGBoost,动态滑行时间,航空运输,样本量

【摘要】对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoost算法与随机森林和支持向量回归算法的预测效果进行对比。同时,首次剖析样本数据量与滑行时间预测精度的关联,并以广州白云国际机场为分析对象进行实验。结果表明:采用XGBoost算法,进/离港滑行时间的预测精度分别达到了94.1%和96.6%,优于主流算法随机森林和支持向量回归;且实现白云机场动态滑行时间的精确和稳定预测所需样本量在32 000条(含)以上。

【年份】2022

【作者单位】南京航空航天大学民航学院;上海国际机场股份有限公司运行指挥中心;

【期号】01

【页码】76-85