本發明涉及空中交通管理領域，具體而言，涉及一種交通情況預測方法及裝置。

背景技術：

不良的天氣對航班的運行有著巨大影響。為保證空中交通有序進行，專設有航空管制員參考雷達等信息實時監測飛行器運行情況和空域環境，綜合分析機場容量、飛機間隔、天氣等各方面因素，統籌管理整個空域的所有航空器。但航空管制員需要同時對多種數據信息進行分析處理，一般一兩個小時即需換班，腦力消耗大，任務難度高，有失誤的風險。

技術實現要素：

有鑒于此，本發明實施例的目的在于提供一種交通情況預測方法及裝置，可協助航空管制員根據天氣情況判斷對交通影響的嚴重程度進行判斷，減小管制員工作難度、提高判斷的準確度。

第一方面，本發明實施例提供了一種交通情況預測方法，包括：獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量；根據環境數據，獲得在選定時間內的天氣影響交通權值，并且基于環境數據、天氣影響交通權值以及天氣影響交通指數的計算規則，獲得環境數據的天氣影響交通指數；基于天氣影響交通指數，利用因子分析和聚類運算，建立機場交通預測模型；基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖，以便當天氣引起航空器延遲時，基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。

在本發明較佳的實施例中，根據環境數據，獲得在選定時間內的天氣影響交通權值，并且基于天氣影響交通權值、機場航班量以及天氣影響交通指數的計算規則，獲得環境數據的天氣影響交通指數，包括：獲取機場METAR報文，從METAR報文中獲取環境數據，其中，環境數據包括能見度和風速；根據能見度和風速，基于：天氣影響交通權值＝1/(能見度/1000+風速/10)，計算天氣影響交通權值；利用天氣影響交通權值以及機場航班量，基于：天氣影響交通指數＝(機場航班量*天氣影響交通權值)，計算天氣影響交通指數。

在本發明較佳的實施例中，基于天氣影響交通指數，利用因子分析和分層聚類，建立機場交通預測模型，包括：將天氣影響交通指數作為原始變量，計算原始變量的相關系數矩陣，根據相關系數矩陣求取特征值，根據特征值大于1的原則，提取公共因子；采用主成分分析法計算出初始因子載荷矩陣并進行因子旋轉，分析得出各個公共因子與選定機場的天氣影響交通指數的對應關系；以因子分析過程中反映原始變量和公共因子間聯系緊密程度的因子得分為原始數據，通過聚類分析，將天氣影響交通指數按月份進行分類。

在本發明較佳的實施例中，基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖，包括：分別求取每一選定機場的天氣影響交通指數，根據聚類分析得出的類別將同一類別的天氣影響交通指數求取平均值；利用機場交通預測模型，帶入平均值判斷天氣對交通的影響的嚴重度；繪制可視化天氣影響交通查詢圖，以按月份劃分的類別名稱為橫坐標、以選定機場的名稱為縱坐標劃分網格，每一網格根據天氣對交通的影響的嚴重度不同，通過圖樣和/或顏色進行區分。

在本發明較佳的實施例中，基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖之后，方法還包括：根據天氣影響交通指數，基于機場交通預測模型，獲得天氣影響交通的嚴重程度，并與實際情況對比，評估機場交通預測模型的可靠性。

第二方面，本發明實施例提供了一種交通情況預測裝置，裝置包括：原始數據獲取單元，用于獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量；天氣影響交通指數計算單元，用于根據環境數據，獲得在選定時間內的天氣影響交通權值，并且基于環境數據、天氣影響交通權值以及天氣影響交通指數的計算規則，獲得環境數據的天氣影響交通指數；機場交通預測模型建立單元，用于基于天氣影響交通指數，利用因子分析和聚類運算，建立機場交通預測模型；模型可視化單元，用于基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖，以便當天氣引起航空器延遲時，基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。

在本發明較佳的實施例中，天氣影響交通指數計算單元包括：環境數據獲取單元，用于獲取機場METAR報文，從METAR報文中獲取環境數據，其中，環境數據包括能見度和風速；第一天氣影響交通指數計算單元，用于根據能見度和風速，基于：天氣影響交通權值＝1/(能見度/1000+風速/10)，計算天氣影響交通權值；第二天氣影響交通指數計算單元，用于利用天氣影響交通權值以及機場航班量，基于：天氣影響交通指數＝(機場航班量*天氣影響交通權值)，計算天氣影響交通指數。

在本發明較佳的實施例中，機場交通預測模型建立單元包括：公共因子提取單元，用于將天氣影響交通指數作為原始變量，計算原始變量的相關系數矩陣，根據相關系數矩陣求取特征值，根據特征值大于1的原則，提取公共因子；公共因子解釋單元，用于采用主成分分析法計算出初始因子載荷矩陣并進行因子旋轉，分析得出各個公共因子與選定機場的天氣影響交通指數的對應關系；聚類單元，用于以因子分析過程中反映原始變量和公共因子間聯系緊密程度的因子得分為原始數據，通過聚類分析，將天氣影響交通指數按月份進行分類。

在本發明較佳的實施例中，模型可視化單元包括：聚類數據獲取單元，用于分別求取每一選定機場的天氣影響交通指數，根據聚類分析得出的類別將同一類別的天氣影響交通指數求取平均值；機場交通預測模型使用模塊，用于利用機場交通預測模型，帶入平均值判斷天氣對交通的影響的嚴重度；可視化天氣影響交通查詢圖繪制模塊，用于繪制可視化天氣影響交通查詢圖，以按月份劃分的類別名稱為橫坐標、以選定機場的名稱為縱坐標劃分網格，每一網格根據天氣對交通的影響的嚴重度不同，通過圖樣和/或顏色進行區分。

在本發明較佳的實施例中，交通情況預測裝置還包括：模型可靠性判斷模塊，用于根據天氣影響交通指數，基于機場交通預測模型，獲得天氣影響交通的嚴重程度，并與實際情況對比，評估機場交通預測模型的可靠性。

本發明實施例提供一種交通情況預測方法及裝置，涉及空中交通管理領域。首先獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量，通過計算獲得天氣影響交通指數；然后將天氣影響交通指數作為原始數據，利用因子分析和聚類分析，建立機場交通預測模型；最后基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖。以便當天氣引起航空器延遲時，可輔助管制員基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。

本發明的其他特征和優點將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發明實施例了解。本發明的目的和其他優點可通過在所寫的說明書、權利要求書、以及附圖中所特別指出的結構來實現和獲得。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發明的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他相關的附圖。

圖1為一種可應用于本發明實施例中的電子設備的結構框圖；

圖2為本發明第一實施例提供的交通情況預測方法的流程圖；

圖3為本發明第二實施例提供的交通情況預測方法的流程圖；

圖4為本發明第三實施例提供的交通情況預測方法的流程圖；

圖5為本發明第三實施例提供的天氣影響交通指數的散點分布示意圖；

圖6為本發明第三實施例提供的相關系數矩陣的特征值示意圖；

圖7為本發明第三實施例提供的旋轉成份矩陣的示意圖；

圖8為本發明第三實施例提供的公共因子的含義分析示意圖；

圖9為本發明第三實施例提供的聚類分析的結果示意圖；

圖10為本發明第三實施例提供的可視化天氣影響交通查詢圖；

圖11為本發明第四實施例提供的交通情況預測裝置結構示意圖；

圖12為本發明第四實施例提供的天氣影響交通指數計算單元的結構示意圖；

圖13為本發明第四實施例提供的機場交通預測模型建立單元的結構示意圖；

圖14為本發明第四實施例提供的模型可視化單元的結構示意圖。

具體實施方式

下面將結合本發明實施例中附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發明實施例的組件可以以各種不同的配置來布置和設計。因此，以下對在附圖中提供的本發明的實施例的詳細描述并非旨在限制要求保護的本發明的范圍，而是僅僅表示本發明的選定實施例。基于本發明的實施例，本領域技術人員在沒有做出創造性勞動的前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋。同時，在本發明的描述中，術語“第一”、“第二”等僅用于區分描述，而不能理解為指示或暗示相對重要性。

圖1示出了一種可應用于本申請實施例中的電子設備400的結構框圖。該電子設備400可以作為用戶終端，也可以是作為服務器。如圖1所示，電子設備400可以包括存儲器402、存儲控制器403、處理器404和交通情況預測裝置500。

存儲器402、存儲控制器403、處理器404、交通情況預測裝置500各元件之間直接或間接地電連接，以實現數據的傳輸或交互。例如，這些元件之間可以通過一條或多條通訊總線或信號總線實現電連接。所述交通情況預測方法分別包括至少一個可以以軟件或固件(firmware)的形式存儲于存儲器402中的軟件功能模塊，例如所述交通情況預測裝置包括的軟件功能模塊或計算機程序。

存儲器402可以存儲各種軟件程序以及模塊，如本申請實施例提供的方法及裝置對應的程序指令/模塊。處理器404通過運行存儲在存儲器402中的軟件程序以及模塊，從而執行各種功能應用以及數據處理，即實現本申請實施例中的交通情況預測方法。存儲器402可以包括但不限于隨機存取存儲器(Random Access Memory，RAM)，只讀存儲器(Read Only Memory，ROM)，可編程只讀存儲器(Programmable Read-Only Memory，PROM)，可擦除只讀存儲器(Erasable Programmable Read-Only Memory，EPROM)，電可擦除只讀存儲器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。

處理器404可以是一種集成電路芯片，具有信號處理能力。上述處理器可以是通用處理器，包括中央處理器(Central Processing Unit，簡稱CPU)、網絡處理器(Network Processor，簡稱NP)等；還可以是數字信號處理器(DSP)、專用集成電路(ASIC)、現成可編程門陣列(FPGA)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。其可以實現或者執行本申請實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等。

天氣影響交通指數(Weather Impact Traffic Index)，簡稱WITI。對天氣和空域交通的研究方面，WITI已在美國得到了廣泛的應用。它可將天氣和空中交通的關系量化，表現天氣對空中交通的影響。人們可由此對航空器的運行提供預先的指揮，保證航空器的安全，提高運行效率。下面給出WITI的計算方法：

WITI_(ij)(t)＝T_(ij)(t)*W_(ij)(t)

WITI表示的是一定區域范圍內在一段時間內被惡劣天氣影響的所有航空器的被影響程度的疊加值，公式中W_(ij)(t)為天氣影響交通權值，表示該區域范圍內根據天氣對交通的影響而分配的權值，T_(ij)(t)表示一定時間內通過該區域范圍的交通量。

第一實施例

請參考圖2，本發明實施例提供了一種交通情況預測方法，所述方法包括：

步驟S210：獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量。

國內12個飛行情報區分別為：

東北地區：沈陽飛行情報區ZYSH；

華北地區：北京飛行情報區ZBPE；

華東地區：上海飛行情報區ZSHA、臺北飛行情報區RCAA；

中南地區：武漢飛行情報區ZHWH、廣州飛行情報區ZGZU、香港飛行情報區VHHK、三亞飛行情報區ZJSY；

西南地區：昆明飛行情報區ZPKM、成都飛行情報區ZUUU；

西北地區：蘭州飛行情報區ZLHW、烏魯木齊飛行情報區ZWUQ。

選定各飛行情報區內航空流量最大的機場，獲取各個機場的環境數據，如通過公布的航空例行天氣報告(Meteorological Terminal Aviation Routine Weather Report)，即METAR報文，獲取風速和能見度信息等氣象信息作為環境數據。

由于風速和能見度的信息一般以“天”為單位，所以也以“天”為單位分別獲取各選定機場區域內航空器架次。

步驟S220：根據環境數據，獲得在選定時間內的天氣影響交通權值，并且基于環境數據、天氣影響交通權值以及天氣影響交通指數的計算規則，獲得環境數據的天氣影響交通指數。

步驟S230：基于天氣影響交通指數，利用因子分析和聚類運算，建立機場交通預測模型。

步驟S240：基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖，以便當天氣引起航空器延遲時，基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。

本發明實施例提供了一種交通情況預測方法，通過獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量；根據環境數據，獲得在選定時間內的天氣影響交通權值，并且基于環境數據、天氣影響交通權值以及天氣影響交通指數的計算規則，獲得環境數據的天氣影響交通指數；基于天氣影響交通指數，利用因子分析和聚類運算，建立機場交通預測模型；基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖，以便當天氣引起航空器延遲時，基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。

第二實施例

請參考圖3，本發明實施例提供了一種交通情況預測方法，所述方法包括：

步驟S210：獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量。

步驟S222：獲取機場METAR報文，從METAR報文中獲取環境數據，其中，環境數據包括能見度和風速。

在相關網站公布的METAR報文中，有表現風和能見度的字段。

風：在風速不超過99節時，風用5位數字報告，超過99節時，以6位數字報告。前3位數字表示風吹的方向，如果風向是變化的，則以VRB報告。后兩位數字表示風速的節數，如果風速超過99節，則以3位數字表示。如果是陣風，那么在風速之后跟字母G。在字母G之后提供了記錄的最大陣風速度。如果風向變化超過60度，且風速大于6節，那么用V隔開的單獨一組數字將表示風向的極值。如03015G25可解碼為風來向030(以真經線為準，使用時需修正磁差)，速度15節，陣風25節，這里提取風速數據。

能見度：主要能見度以法定英里【statute mile，法定英里等于5280英尺，約1.6公里】報告，以字母SM表示。它用英里數和英里的分數表示。有時，RVR或者跑道視程(visual range)也在主要能見之后給出。RVR是飛行員在運動的飛機里順跑道看的能見距離。當報告RVR的時候，用R標記，接著是跑道號碼，后面跟著斜線，最后是英尺為單位的視程。例如，RVR報告為R17L/1400FT，翻譯為跑道17L的視程為1400英尺。通過這種方式，提取能見度數據。

步驟S224：根據能見度和風速，基于：天氣影響交通權值＝1/(能見度/1000+風速/10)，計算天氣影響交通權值。

天氣影響交通權值與氣象的嚴重度是呈線性關系的，由于這種線性關系的復雜度，將天氣影響交通權值和能見度、風速之間的關系簡化為：

步驟S226：利用天氣影響交通權值以及機場航班量，基于：天氣影響交通指數＝(機場航班量*天氣影響交通權值)，計算天氣影響交通指數。

為簡化計算，使用公式：

WITI(k)＝T(k)*W(k)

T(k)代表每個選定機場計劃飛行的交通量，W(k)為天氣影響交通權值。

步驟S230：基于天氣影響交通指數，利用因子分析和聚類運算，建立機場交通預測模型。

步驟S240：基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖，以便當天氣引起航空器延遲時，基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。

本發明實施例提供了一種交通情況預測方法，通過獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量；根據環境數據，獲得在選定時間內的天氣影響交通權值，并且基于環境數據、天氣影響交通權值以及天氣影響交通指數的計算規則，獲得環境數據的天氣影響交通指數；基于天氣影響交通指數，利用因子分析和聚類運算，建立機場交通預測模型；基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖，以便當天氣引起航空器延遲時，基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。

第三實施例

請參考圖4，本發明實施例提供了一種交通情況預測方法，所述方法包括：

步驟S210：獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量。

步驟S220：根據環境數據，獲得在選定時間內的天氣影響交通權值，并且基于環境數據、天氣影響交通權值以及天氣影響交通指數的計算規則，獲得環境數據的天氣影響交通指數。

步驟S232：將天氣影響交通指數作為原始變量，計算原始變量的相關系數矩陣，根據相關系數矩陣求取特征值，根據特征值大于1的原則，提取公共因子。

此處主要采取了基于SPSS軟件進行因子分析。因子分析和SPSS軟件應用時的對應步驟有：

①指標的正向化。

②指標數據標準化(SPSS軟件自動執行)。

③指標之間的相關性判定：用SPSS軟件中表“Correlation Matrix(相關系數矩陣)”判定。

④確定因子個數m：用SPSS軟件中表“Total Variance Explained”特征值累計貢獻率，結合表“Rotaled Component Matrix(旋轉后因子載荷陣)”中變量不出現丟失，確定因子個數m。

⑤求旋轉后因子載荷陣：SPSS軟件中表“Rotaled Component Matrix”。

⑥因子Zi的命名：將SPSS軟件中表“Rotaled Component Matrix”因子載荷矩陣的第i列絕對值大的對應變量歸為Zi一類，并由此對Zi命名(命名清晰性高)。

⑦回歸求因子得分函數Zi表達式：SPSS軟件中表“Component Score Coefficient Matrix(因子得分系數矩陣)”的第i列向量為第i個因子得分函數Zi的系數，由此寫出因子得分函數Zi表達式。

⑧求單因子得分值(SPSS軟件自動執行)與綜合因子得分值(在“transform→compute”中進行計算)。

⑨檢驗：綜合評價值用實際結果、經驗與原始數據做聚類分析進行檢驗(對有爭議的結果，可用原始數據做判別分析解決爭議)。

⑩綜合實證分析。將所要分析的原始數據輸入后得到的結果包括多種類型的數值，根據不同值的特點對數據進行歸類和整合。

下面結合上述步驟，針對本實施例具體說明公共因子的提取。

前面求得的天氣影響交通指數的單位為天，這里先求得各個月份的WITI日平均值。將各個機場、各個月份的天氣影響交通指數輸入SPSS軟件，所要分析的原始數據標準化。需要說明，原始數據為十二個月份的十二個飛行情報區的WITI值，為12*12的矩陣。相關數據的展示請參考圖5。

再求出相關系數矩陣，由相關系數矩陣可知12個飛行情報區的WITI值具有一定的相關性。相關系數矩陣的定義如下：

請參考圖6。求得相關系數矩陣的特征值，并求得特征值的貢獻率和累計貢獻率。為降低數據組的維度，需用較少的幾個公共因子來代替較多的原始變量。提取公共因子有兩個條件：

(1)特征值>1；

(2)累計貢獻率達85％以上。

需要說明，特征值和累計貢獻率均越大越好：當特征值較小(小于1)時，表明該公共因子對公共因子的解釋作用不大，效果不好；當累計貢獻率過小，則損失的反映原始變量的信息也會過多。

步驟S234：采用主成分分析法計算出初始因子載荷矩陣并進行因子旋轉，分析得出各個公共因子與選定機場的天氣影響交通指數的對應關系。

采用主成分分析法計算出初始因子載荷矩陣。

解釋每個公共因子的意義。由于公共因子解中，各公共因子的典型代表量不突出，易使因子的意義含糊不清，不便于對實際問題進行分析，對初始因子載荷矩陣進行轉置，得到旋轉成份矩陣。請參考圖7。

如果所得到的數值大于0.5，那么說明公共因子和輸入的變量之間有很強的相關性，而數值越大，這個相關性就越強，通過表中的數值大小，可以判斷出公共因子所代表的主要內容。相關結果分析請參考圖8。

步驟S236：以因子分析過程中反映原始變量和公共因子間聯系緊密程度的因子得分為原始數據，通過聚類分析，將天氣影響交通指數按月進行分類。

在數值處理的過程中用到了因子得分，因子得分是表示因子變量的重要程度的一個值，因子得分越高說明這個因子變量與這個公共因子之間的聯系程度越深。當取得了因子得分后，以因子得分為原始數據，根據數據特點利用分層聚類來分析變量。具體流程為：

1)利用ward’s法，利用歐氏平方距離進行聚類分析。請參考圖9。

2)分層聚類法輸出結果分析。將天氣情況按月份進行分分類。分析圖9，以表格上方10為劃分基準，將結果分為6類，4月，9月，11月，12月劃分為一類；1月，2月劃分為二類；3月和10月劃分為三類；7月和8月劃分為四類；5月和6月分別劃分為第五類和第六類。從每一個類別中抽出一組數據，大致上就可以判斷整個類別內的天氣情況。

步驟S242：分別求取每一選定機場的天氣影響交通指數，根據聚類分析得出的類別將同一類別的天氣影響交通指數求取平均值。

選取某一飛行情報區流量最大的機場，將上述同一月份類別的月份的WITI相加后求出平均值。分別計算所有飛行情報區流量最大的機場每一月份類別的WITI平均值。

步驟S244，利用機場交通預測模型，帶入平均值判斷天氣對交通的影響的嚴重度。

步驟S246：繪制可視化天氣影響交通查詢圖，以按月份劃分的類別名稱為橫坐標、以選定機場的名稱為縱坐標劃分網格，每一網格根據天氣對交通的影響的嚴重度不同，通過圖樣和/或顏色進行區分。請參考圖10。

步驟S250：根據天氣影響交通指數，基于機場交通預測模型，獲得天氣影響交通的嚴重程度，并與實際情況對比，評估機場交通預測模型的可靠性。

本發明實施例提供了一種交通情況預測方法，通過獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量；根據環境數據，獲得在選定時間內的天氣影響交通權值，并且基于環境數據、天氣影響交通權值以及天氣影響交通指數的計算規則，獲得環境數據的天氣影響交通指數；基于天氣影響交通指數，利用因子分析和聚類運算，建立機場交通預測模型；基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖，以便當天氣引起航空器延遲時，基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。最后，根據天氣影響交通指數，基于機場交通預測模型，獲得天氣影響交通的嚴重程度，并與實際情況對比，評估機場交通預測模型的可靠性。

第四實施例

請參考圖11，本發明實施例提供一種交通情況預測裝置500，包括：原始數據獲取單元510、天氣影響交通指數計算單元520、機場交通預測模型建立單元530、模型可視化單元540以及模型可靠性判斷單元550。

原始數據獲取單元510，用于獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量。

天氣影響交通指數計算單元520，用于根據環境數據，獲得在選定時間內的天氣影響交通權值，并且基于環境數據、天氣影響交通權值以及天氣影響交通指數的計算規則，獲得環境數據的天氣影響交通指數。

機場交通預測模型建立單元530，用于基于天氣影響交通指數，利用因子分析和聚類運算，建立機場交通預測模型。

模型可視化單元540，用于基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖，以便當天氣引起航空器延遲時，基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。

模型可靠性判斷單元550，用于根據天氣影響交通指數，基于機場交通預測模型，獲得天氣影響交通的嚴重程度，并與實際情況對比，評估機場交通預測模型的可靠性。

請參考圖12，上述天氣影響交通指數計算單元520包括：環境數據獲取單元522，用于獲取機場METAR報文，從METAR報文中獲取環境數據，其中，環境數據包括能見度和風速；第一天氣影響交通指數計算單元524，用于根據能見度和風速，基于：天氣影響交通權值＝1/(能見度/1000+風速/10)，計算天氣影響交通權值；第二天氣影響交通指數計算單元526，用于利用天氣影響交通權值以及機場航班量，基于：天氣影響交通指數＝(機場航班量*天氣影響交通權值)，計算天氣影響交通指數。

請參考圖13，上述機場交通預測模型建立單元530包括：公共因子提取單元532，用于將天氣影響交通指數作為原始變量，計算原始變量的相關系數矩陣，根據相關系數矩陣求取特征值，根據特征值大于1的原則，提取公共因子；公共因子解釋單元534，用于采用主成分分析法計算出初始因子載荷矩陣并進行因子旋轉，分析得出各個公共因子與選定機場的天氣影響交通指數的對應關系；聚類單元536，用于以因子分析過程中反映原始變量和公共因子間聯系緊密程度的因子得分為原始數據，通過聚類分析，將天氣影響交通指數按月份進行分類。

請參考圖14，上述模型可視化單元540包括：聚類數據獲取單元542，用于分別求取每一選定機場的天氣影響交通指數，根據聚類分析得出的類別將同一類別的天氣影響交通指數求取平均值；機場交通預測模型使用模塊544，用于利用機場交通預測模型，帶入平均值判斷天氣對交通的影響的嚴重度；可視化天氣影響交通查詢圖繪制模塊546，用于繪制可視化天氣影響交通查詢圖，以按月份劃分的類別名稱為橫坐標、以選定機場的名稱為縱坐標劃分網格，每一網格根據天氣對交通的影響的嚴重度不同，通過圖樣和/或顏色進行區分。

需要說明的是，本實施例中的各單元可以是由軟件代碼實現，此時，上述的各單元可存儲于存儲器402內。以上各單元同樣可以由硬件例如集成電路芯片實現。

綜上所述，本發明實施例提供一種交通情況預測方法及裝置，涉及空中交通管理領域。首先獲取選定機場在選定時間的環境數據以及與環境數據在選定時間匹配的機場航班量，通過計算獲得天氣影響交通指數；然后將天氣影響交通指數作為原始數據，利用因子分析和聚類分析，建立機場交通預測模型；最后基于選定機場的天氣影響交通指數，利用機場交通預測模型，獲得可視化天氣影響交通查詢圖。以便當天氣引起航空器延遲時，可輔助管制員基于天氣影響交通查詢圖獲得相似的天氣影響交通情況并預先做出改航方案。

在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，也可以通過其它的方式實現。以上所描述的裝置實施例僅僅是示意性的，例如，附圖中的流程圖和框圖顯示了根據本發明的多個實施例的裝置、方法和計算機程序產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用于實現規定的邏輯功能的可執行指令。也應當注意，在有些作為替換的實現方式中，方框中所標注的功能也可以以不同于附圖中所標注的順序發生。例如，兩個連續的方框實際上可以基本并行地執行，它們有時也可以按相反的順序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或動作的專用的基于硬件的系統來實現，或者可以用專用硬件與計算機指令的組合來實現。

另外，在本發明各個實施例中的各功能模塊可以集成在一起形成一個獨立的部分，也可以是各個模塊單獨存在，也可以兩個或兩個以上模塊集成形成一個獨立的部分。

所述功能如果以軟件功能模塊的形式實現并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基于這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的部分可以以軟件產品的形式體現出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執行本發明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。

以上所述僅為本發明的優選實施例而已，并不用于限制本發明，對于本領域的技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋。

以上所述，僅為本發明的具體實施方式，但本發明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發明揭露的技術范圍內，可輕易想到變化或替換，都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應所述以權利要求的保護范圍為準。

需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。