本發明涉及航空
技術領域：
，具體而言，涉及一種空中交通預測方法及裝置。
背景技術：
：航空是全球客運增長最快的運輸方式，在過去30年里，全球航空旅行平均每年增長約5％，這是全球平均每年國內生產總值(GDP)增長速度的兩倍。航空業的飛速發展對航空管理提出更多更高的要求。作為航空管理的主要部門，空中交通管制單位需要預先知道某一空域或者某一航段的空中交通運行情況，以便管制單位能夠提前的制定管制預案；作為航空管理的重要參與者，航空公司想要獲得最大化的收益，就需要提高航班上座率，想要提高上座率就需要能預知空中交通需求量。由此可見對空中交通的準確預測顯得越來越重要。目前航空業慣用的對空中交通的預測方式為利用經驗對歷史航班數據進行分析，從而得出預測結果。由于現如今能對航班量的影響數據可能隨著生活水平的提高，科技的發展等因素不斷增加變化，因此傳統的預測方式越來越不可靠。技術實現要素：本發明的目的在于提供一種空中交通預測方法，用以改善上述問題。本發明的另一目的在于提供一種空中交通預測裝置，用以改善上述問題。為了實現上述目的，本發明實施例采用的技術方案如下：一種空中交通預測方法，用于預測第一城市與第二城市之間的航段在預測年份的航班需求數量，所述方法包括：基于第一城市與第二城市之間航段在選定年份的航班影響數據以及實際乘客數量，建立乘客需求預測模型；根據所述乘客需求預測模型、第一城市與第二城市之間航段在預測年份的飛行成本、第一城市在預測年份的社會經濟數據以及第二城市在預測年份的社會經濟數據，計算預測年份的乘客需求數據；基于所述第一城市與第二城市之間航段在選定年份的實際乘客數量、燃油價格、實際航班數量以及第一城市與第二城市之間航段在選定年份的上一年份的實際航班數量，建立空中交通預測模型；根據所述空中交通預測模型、所述預測年份的乘客需求數據、第一城市與第二城市之間航段在預測年份的上一年份的實際航班數量以及預測年份的燃油價格，計算所述預測年份的航班需求數量。本發明實施例還提供了一種空中交通預測裝置，用于預測第一城市與第二城市之間的航段在預測年份的航班需求數量，所述裝置包括：第一模型建立單元，用于基于第一城市與第二城市之間航段在選定年份的航班影響數據以及實際乘客數量，建立乘客需求預測模型；第一計算單元，用于根據所述乘客需求預測模型、第一城市與第二城市之間航段在預測年份的飛行成本、第一城市在預測年份的社會經濟數據以及第二城市在預測年份的社會經濟數據，計算預測年份的乘客需求數據；第二模型建立單元，用于基于所述第一城市與第二城市之間航段在選定年份的實際乘客數量、燃油價格、實際航班數量以及第一城市與第二城市之間航段在選定年份的上一年份的實際航班數量，建立空中交通預測模型；第二計算單元，用于根據所述空中交通預測模型、所述預測年份的乘客需求數據、第一城市與第二城市之間航段在預測年份的上一年份的實際航班數量以及預測年份的燃油價格，計算所述預測年份的航班需求數量。與現有技術相比，本發明提供的一種空中交通預測方法及裝置，通過對第一城市與第二城市之間航段在選定年份的航班影響數據以及第一城市與第二城市之間航段在選定年份的實際乘客數量進行數據挖掘，建立乘客需求預測模型，并通過對所述選定年份的實際乘客數量、選定年份的燃油價格、所述在選定年份的實際航班數量以及所述選定年份的上一年份的實際航班數量第二次數據挖掘，并建立空中交通預測模型，根據空中交通預測模型獲得預測的航班需求數量。這樣可將很多看似與航班量無關聯，卻對航班量產生了真實影響的數據加入了預測分析過程中，提高了預測的準確性，從而提高空中交通各個環節的參與者的工作效率，進而增加空中交通的經濟效益。為使本發明的上述目的、特征和優點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。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示出了本發明實施例提供的空中交通預測方法及裝置的應用環境示意圖。圖2為本發明較佳實施例提供的客戶端的方框示意圖。圖3為本發明較佳實施例提供的空中交通預測裝置的功能模塊示意圖。圖4為本發明較佳實施例提供的空中交通預測方法的流程圖。圖標：100-客戶端；101-存儲器；102-存儲控制器；103-處理器；104-外設接口；105-顯示單元；106-輸入輸出單元；200-空中交通預測裝置；201-數據獲取單元；202-對數處理單元；203-第一模型建立單元；204-第一計算單元；205-第二模型建立單元；206-第二計算單元；207-可靠度評估單元；300-網絡；400-遠程服務器。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。本發明實施例所提供的空中交通預測方法及裝置可應用于如圖1所示的應用環境中。如圖1所示，客戶端100、遠程服務器400位于網絡300中，網絡300包括無線網絡或有線網絡，通過網絡300，客戶端100與遠程服務器400進行數據交互。于本發明實施例中，遠程服務器400包括數據庫服務器，用于與客戶端100進行數據交互，并存儲數據。于本發明實施例中，客戶端100優選為移動終端設備，例如可以包括智能手機、平板電腦、電子書閱讀器、膝上型便攜計算機、車載電腦、穿戴式移動終端等等。圖2示出本發明較佳實施例提供的客戶端100的方框示意圖。所述客戶端100可以是平板電腦、智能手機、個人數字助理(personaldigitalassistant，PDA)等。所述客戶端100包括空中交通預測裝置200、存儲器101、存儲控制器102、處理器103、外設接口104、顯示單元105、輸入輸出單元106。所述存儲器101、存儲控制器102、處理器103、外設接口104、顯示單元105、輸入輸出單元106各元件相互之間直接或間接地電性連接，以實現數據的傳輸或交互。例如，這些元件相互之間可通過一條或多條通訊總線或信號線實現電性連接。所述空中交通預測裝置200包括至少一個可以軟件或固件(firmware)的形式存儲于所述存儲器101中或固化在所述客戶端100的操作系統(operatingsystem，OS)中的軟件功能模塊。所述處理器103用于執行存儲器101中存儲的可執行模塊，例如所述空中交通預測裝置200包括的軟件功能模塊或計算機程序。其中，存儲器101可以是，但不限于，隨機存取存儲器(RandomAccessMemory，RAM)，只讀存儲器(ReadOnlyMemory，ROM)，可編程只讀存儲器(ProgrammableRead-OnlyMemory，PROM)，可擦除只讀存儲器(ErasableProgrammableRead-OnlyMemory，EPROM)，電可擦除只讀存儲器(ElectricErasableProgrammableRead-OnlyMemory，EEPROM)等。其中，存儲器101用于存儲程序，所述處理器103在接收到執行指令后，執行所述程序，本發明任一實施例揭示的流過程定義的服務器所執行的方法可以應用于處理器103中，或者由處理器103實現。處理器103可能是一種集成電路芯片，具有信號的處理能力。上述的處理器103可以是通用處理器，包括中央處理器(CentralProcessingUnit，簡稱CPU)、網絡處理器(NetworkProcessor，簡稱NP)等；還可以是數字信號處理器(DSP)、專用集成電路(ASIC)、現場可編程門陣列(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。可以實現或者執行本發明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103也可以是任何常規的處理器103等。所述外設接口104將各種輸入/輸出裝置耦合至處理器103以及存儲器101。在一些實施例中，外設接口104，處理器103以及存儲控制器102可以在單個芯片中實現。在其他一些實例中，他們可以分別由獨立的芯片實現。顯示單元105在所述客戶端100與用戶之間提供一個交互界面(例如用戶操作界面)或用于顯示圖像數據給用戶參考。在本實施例中，所述顯示單元105可以是液晶顯示器或觸控顯示器。若為觸控顯示器，其可為支持單點和多點觸控操作的電容式觸控屏或電阻式觸控屏等。支持單點和多點觸控操作是指觸控顯示器能感應到來自該觸控顯示器上一個或多個位置處同時產生的觸控操作，并將該感應到的觸控操作交由處理器103進行計算和處理。輸入輸出單元106用于提供給用戶輸入數據實現用戶與所述客戶端100的交互。所述輸入輸出單元106可以是，但不限于，鼠標和鍵盤等，所述鍵盤可以是虛擬鍵盤。第一實施例請參考圖3，本發明較佳實施例提供的一種空中交通預測裝置200的功能模塊示意圖。空中交通預測裝置200包括：數據獲取單元201、對數處理單元202、第一模型建立單元203、第一計算單元204、第二模型建立單元205、第二計算單元206以及可靠度評估單元207。數據獲取單元201，可以用于接收用戶通過輸入輸出單元106而輸入的數據資源，也可以響應用戶的操作指令而從遠程服務器400的數據庫中或數據統計網站自動檢索，例如，從國家統計局網站、民航資源網網站或機場官網數據庫中檢索，獲取數據資源。獲取的數據資源包括：第一城市與第二城市之間航段在選定年份的航班影響數據、第一城市與第二城市之間航段在選定年份的實際乘客數量、第一城市與第二城市之間航段在預測年份的飛行成本、第一城市在預測年份的社會經濟數據、第二城市在預測年份的社會經濟數據、選定年份的燃油價格、第一城市與第二城市之間航段在選定年份的實際航班數量、第一城市與第二城市之間航段在選定年份的上一年份的實際航班數量、第一城市與第二城市之間航段在預測年份的上一年份的實際航班數量、預測年份的燃油價格、第一城市與第二城市之間航段在預測年份的實際乘客數量以及第一城市與第二城市之間航段在預測年份的實際航班數量。需要說明的是：第一城市以及第二城市分別為選定預測的航段的出發城市以及到達城市。第一城市可以是出發城市，也可以是達到城市；第二城市可以是出發城市也可以是達到城市。當第一城市為出發城市，則第二城市為達到城市；當第二城市為出發城市，第一城市為達到城市。選定年份可以為選定的多個年份。多個年份至少三年以上。本實施例中，選定年份為十五個相鄰年份。例如選定年份為選定的2000年～2015年。在其他實施例中，選定年份還可以為更多或更少的年份。預測年份是指需要預測的年份，預測年份的上一年份指的是需要預測的年份的前一年。比如，需要預測2015年，則預測年份的上一年份指的是2014年。實際乘客數量為第一城市與第二城市之間航段運送的年度平均乘客數量。年度平均乘客數量為從第一城市前往第二城市的年度總乘客量與從第二城市前往第一城市的年度總乘客量的平均值。以2015年成都與深圳之間航段為例，2015年成都前往深圳的年度總乘客數量為118.5萬人，2015年深圳前往成都的年度總乘客數量為100.6萬人，則實際乘客數量為109.2萬人。本實施例中，實際乘客數量可由數據獲取單元201響應用戶的操作指令而直接從民航資源網網站上直接檢索到，但不限于此。燃油價格指的是航空運輸燃油的價格。以2015年為例，航空燃油價格為0.45萬元/噸。實際航班數量為第一城市與第二城市之間航段的平均航班量。平均航班量為從第一城市前往第二城市的年度總航班量與從第二城市前往第一城市的年度總航班量的平均值。以2015年成都與深圳之間航段為例，2015年成都前往深圳的年度總航班量為1.893萬個，2015年深圳前往成都的年度總航班數量為1.568萬個，則實際航班數量為1.723萬個。航班影響數據為對航班可產生影響的各類因素的數據值，可以包括：第一城市與第二城市的社會經濟數據以及飛行成本，但不限于此。社會經濟數據包括人口數據以及收入數據，但不限于此，還可以包括每年游客吸納量等。飛行成本為一名乘客從第一城市到第二城市旅行所必須要支付的廣義費用，它考慮了距離和時間上的成本。具體實施例中，若數據獲取單元201不能直接獲取飛行成本，數據獲取單元201可以獲取第一城市與第二城市之間的機票價格、第一城市與第二城市之間的飛行時間以及飛機延時時間等以便計算飛行成本。第一城市與第二城市之間的機票價格為第一城市與第二城市往與返的平均機票價格；飛行時間為第一城市與第二城市往與返的平均飛行時間；飛機延時時間為第一城市與第二城市往與返的平均飛機延時時間。本實施例中，實際平均機票價格、平均飛機延時時間可由數據獲取單元201響應用戶的操作指令而直接從民航資源網網站上直接檢索到，但不限于此。對數處理單元202，用于將數據獲取單元201獲取的數據資源分別進行對數處理。例如，對數據資源分別取以10為底的自然對數。這樣能夠幫助我們消除數據量綱的不統一，也能消除數據的多重共線性。第一計算單元204，用于當不能直接獲得飛行成本時，根據第一城市與第二城市之間的機票價格、第一城市與第二城市之間的飛行時間以及飛機延時時間等，利用飛行成本計算公式，計算出飛行成本，具體飛行成本計算公式為：Cost＝AirFare+(Tflight*Tvalus+TDelay*Tdvalus)其中，Cost表示飛行成本，AirFare表示第一城市與第二城市之間的機票價格，Tflight表示第一城市與第二城市之間的飛行時間，TDelay表示飛機延時時間，Tvalus表示飛行時間成本權重，Tdvalus表示延遲時間成本權重。具體實施例中，Tvalus以及Tdvalus根據單位時間成本來評估。例如：時間的最大成本按每分鐘1元來計算，延遲時間成本按每分鐘80％的成本來計算(即0.8的Tdvalus，也就是0.8元/分鐘)，飛行時間成本按每分鐘20％的成本來計算(即0.2的Tvalus，也就是0.2元/分鐘)。第一計算單元204還用于根據第一城市的社會經濟數據以及第二城市的會經濟數據，利用平均值計算公式計算出平均社會經濟數據，具體公式如下：A＝(B×C)1/2，但不限于此；其中A為預平均社會經濟數據，B為第一城市的社會經濟數據，C為第二城市的社會經濟數據。本實施例中，第一計算單元204用于根據第一城市在預測年份的社會經濟數據以及第二城市在預測年份的社會經濟數據，計算預測年份的平均社會經濟數據；以及根據第一城市在選定年份的社會經濟數據以及第二城市在選定年份的社會經濟數據，計算在選定年份的平均社會經濟數據。例如計算預測年份的平均人口數據、計算預測年份的平均收入數據、計算選定年份的平均人口數據以及計算選定年份的平均收入數據，但不限于此。第一模型建立單元203，用于基于第一城市與第二城市之間航段在選定年份的航班影響數據以及第一城市與第二城市之間航段在選定年份的實際乘客數量，建立乘客需求預測模型。例如，根據第一城市與第二城市之間航段在選定年份的平均社會經濟數據、飛行成本以及第一城市與第二城市之間航段在選定年份的實際乘客數量，通過線性回歸分析方法，但不限于此，建立乘客需求預測模型。獲得乘客需求預測模型公式。選用線性回歸分析方法，可將多類平均社會經濟數據加入分析預測之中，例如，人口數據、收入數據等。使建立的乘客需求預測模型公式能更準確。具體地，乘客需求預測模型公式：lgODdemand＝Constant1+ε*lgPop+θ*lgInc+k*lgCost其中，Constant1為待估系數，lgODdemand表示對數處理后的乘客需求數據，lgPop表示對數處理后的人口數據，lgInc表示對數處理后的收入數據，lgCost表示對數處理后的飛行成本，ε、θ以及k分別為人口數據、收入數據以及飛行成本的待估權重系數。具體實施例中，ε、θ、k以及Constant1會因為選定的第一城市以及第二城市的不同而不同，因此，估計ε、θ、k以及Constant1的數值需要將選定年份的平均人口數據代入乘客需求預測模型公式中的人口數據、選定年份的平均收入數據代入乘客需求預測模型公式中的收入數據、選定年份的飛行成本代入乘客需求預測模型公式中的飛行成本以及選定年份的實際乘客數量代入乘客需求預測模型公式中的乘客需求數據進行擬合，以獲得各項數據的權重，進而建立乘客需求預測模型公式。第一計算單元204還用于根據所述乘客需求預測模型、第一城市與第二城市之間航段在預測年份的飛行成本、第一城市在預測年份的社會經濟數據以及所述第二城市在預測年份的社會經濟數據，計算預測年份的乘客需求數據。例如，第一計算單元204根據所述乘客需求預測模型、第一城市與第二城市之間航段在預測年份的飛行成本以及預測年份的平均社會經濟數據(平均社會經濟數據由第一城市社會經濟數據和所述第二城市社會經濟數據計算得到)，計算預測乘客需求數據。具體地，預測年份的飛行成本以及預測年份的平均社會經濟數據作為輸入變量代入乘客需求預測模型，進而計算出被預測年份的預測乘客需求數據。第二模型建立單元205，用于基于選定年份的實際乘客數量、選定年份的燃油價格、第一城市與第二城市之間航段在選定年份的實際航班數量以及第一城市與第二城市之間航段在選定年份的上一年份的實際航班數量，建立空中交通預測模型。具體地，通過線性回歸分析方法，但不限于此，建立空中交通預測模型，獲得空中交通預測模型公式。具體地，空中交通預測模型公式：lgNumflt＝Constant2+α*lgNumfltP+β*lgODdemand+γ*lgFuel其中，lgNumflt表示對數處理后的航班需求數量，lgNumfltP表示對數處理后的上一年份的實際航班數量，lgODdemand表示對數處理后的乘客需求數據，lgFuel表示對數處理后的燃油價格，Constant2為待估系數，α、β以及γ分別為lgNumfltP、lgODdemand以及lgFuel的待估權重系數。具體實施例中，α、β、γ以及Constant2會因為選定的不同的第一城市以及第二城市而有所不同，因此，估計α、β、γ以及Constant2的數值需要利用空中交通預測模型公式根據選定年份的實際航班數量、選定年份的燃油價格、選定年份的實際乘客數量、選定年份的上一年份的實際航班數據進行擬合，而獲得。例如，將選定年份的實際乘客數量代入空中交通預測模型公式中的乘客需求數據、將選定年份的燃油價格代入空中交通預測模型公式中的燃油價格、將選定年份的實際航班數量代入空中交通預測模型公式中的航班需求數量以及將選定年份的上一年份的實際航班數量代入空中交通預測模型公式中的上一年份的實際航班數據，進行擬合以獲得各項數據的權重。第二計算單元206，用于根據空中交通預測模型、預測年份的乘客需求數據、預測年份的燃油價格以及預測年份的上一年份的實際航班數量，計算所述第一城市與所述第二城市之間航段的預測航班數據。具體地，預測年份的乘客需求數據、預測年份的燃油價格以及預測年份的上一年份的實際航班數量作為輸入變量分別代入空中交通預測模型公式中的乘客需求數據、空中交通預測模型公式中的燃油價格以及空中交通預測模型公式中的上一年份的實際航班數據，計算出預測航班數據。可靠度評估單元207，用于根據所述預測年份的乘客需求數據以及預測年份的實際乘客數量，獲得所述乘客需求預測模型的可靠指數。例如，將第一計算單元204計算出的預測年份的乘客需求數據以及預測年份的實際乘客需求數量進行線性相關分析，可得出乘客需求預測模型的可靠性。可靠度評估單元207，還用于根據所述預測年份的航班需求數量以及預測年份的實際航班數量，獲得空中交通預測模型的可靠指數。例如，將第二計算單元206計算出的預測年份的航班需求數量以及預測年份的實際航班數量進行線性相關分析，可得出空中交通預測模型的可靠性。在本發明其他實施例中，可靠度評估單元207可以由軟件統計產品與服務解決方案(StatisticalProductandServiceSolutions，SPSS)代替。第二實施例請參考圖4，是本發明較佳實施例提供的空中交通預測方法的流程圖。空中交通預測方法包括以下步驟：步驟S101，獲取第一類數據資源。在本發明實施例中，步驟S101可以由數據獲取單元201執行。利用數據獲取單元201獲取第一類數據資源，在本發明實施例中第一類數據資源包括第一城市與第二城市之間航段在選定年份的航班影響數據、第一城市與第二城市之間航段在選定年份的實際乘客數量、第一城市與第二城市之間航段在預測年份的飛行成本、第一城市在預測年份的社會經濟數據、第二城市在預測年份的社會經濟數據。需要說明的是，當無法直接獲取飛行成本時，則通過數據獲取單元201獲取第一城市與第二城市之間的機票價格、第一城市與第二城市之間的飛行時間以及飛機延時時間等，以便之后計算飛行成本。并在獲取完畢后，采用以下步驟計算飛行成本：根據第一城市與第二城市之間的機票價格、第一城市與第二城市之間的飛行時間以及飛機延時時間等計算飛行成本。具體可以由第一計算單元204執行。進一步地，步驟S101之后還設有對數處理步驟：在本實施例中，對數處理步驟可以由對數處理單元202執行。例如，對數處理單元202對第一類數據資源分別取以10為底的自然對數。這樣能夠幫助我們消除數據量綱的不統一，也能消除數據的多重共線性。步驟S102，建立乘客需求預測模型。在本發明實施例中，步驟S102可以由第一模型建立單元203執行。例如，第一模型建立單元203可以基于第一城市與第二城市之間航段在選定年份的航班影響數據以及第一城市與第二城市之間航段在選定年份的實際乘客數量，建立乘客需求預測模型。步驟S103，計算預測乘客數量。在本發明實施例中，步驟S103可以由第一計算單元204執行。例如，第一計算單元204可以根據乘客需求預測模型、第一城市與第二城市之間航段在預測年份的飛行成本、第一城市在預測年份的社會經濟數據以及所述第二城市在預測年份的社會經濟數據，計算預測年份的乘客需求數據。步驟S103可以包括以下子步驟：根據所述第一城市在預測年份的社會經濟數據以及所述第二城市在預測年份的社會經濟數據，計算在預測年份的平均社會經濟數據；根據所述乘客需求預測模型、所述預測年份的飛行成本以及所述上一年份的平均社會經濟數據，計算預測年份的乘客需求數據。進一步地，步驟S103之后還設有驗證乘客需求預測模型的可靠指數的步驟：根據所述預測年份的乘客需求數據以及第一城市與第二城市之間航段在預測年份的實際乘客數量，獲得所述乘客需求預測模型的可靠指數。在本發明實施例中，測試乘客需求預測模型的可靠指數步驟可以由可靠度評估單元207執行。步驟S104，獲取第二類數據資源。在本發明實施例中，步驟S104可以由數據獲取單元201執行。需要利用數據獲取單元201獲取的第二類數據資源包括：選定年份的燃油價格、第一城市與第二城市之間航段在選定年份的實際航班數量、第一城市與第二城市之間航段在選定年份的上一年份的實際航班數量、第一城市與第二城市之間航段在預測年份的上一年份的實際航班數量、預測年份的燃油價格、以及第一城市與第二城市之間航段在預測年份的實際航班數量。進一步地，步驟S104之后還設有對數處理步驟：在本實施例中，對數處理步驟可以由對數處理單元202執行。例如，對數處理單元202對第二類數據資源分別取以10為底的自然對數。這樣能夠幫助我們消除數據量綱的不統一，也能消除數據的多重共線性。步驟S105，建立空中交通預測模型。在本發明實施例中，步驟S105可以由第二模型建立單元205執行。第二模型建立單元205可以基于選定年份的燃油價格、第一城市與第二城市之間航段在選定年份的實際航班數量以及第一城市與第二城市之間航段在選定年份的上一年份的實際航班數量，建立空中交通預測模型。步驟S106，計算預測航班數據。在本發明實施例中，步驟S106可以由第二計算單元206執行。第二計算單元206可以根據所述空中交通預測模型、所述預測年份的乘客需求數據、第一城市與第二城市之間航段在預測年份的上一年份的實際航班數量以及預測年份的燃油價格，計算所述預測年份的航班需求數量。進一步地，步驟S106之后還設有驗證空中交通預測模型的可靠指數的步驟：根據所述航班需求數量以及第一城市與第二城市之間航段在預測年份的實際航班數量，獲得所述空中交通預測模型的可靠指數。在本發明實施例中，測試空中交通預測模型的可靠指數步驟可以由可靠度評估單元207執行。以對成都與深圳之間航段2015年航班需求數量預測為例。獲取成都與深圳之間航段在2000年至2015年的航班影響數據、成都與深圳之間航段在2000年至2015年的實際乘客數量，如下表1：表1對表1中的數據進行以10為底求取自然對數。利用線性回歸分析方法對表1中的成都與深圳之間航段在2000年～2015年的航班影響數據以及成都與深圳之間航段在2000年～2015年的實際乘客數量進行擬合，建立乘客需求預測模型，獲得乘客需求預測模型公式，公式具體為：lgODdemand＝-2.601+2.297lgPop+0.754lgInc-1.419lgCost根據成都在2015年的社會經濟數據以及深圳在2015年的社會經濟數據，計算在預測年份的平均社會經濟數據，計算結果如下表2：表2根據所述乘客需求預測模型、2015年的飛行成本、2015的平均人口數據以及平均收入數據，計算2015的乘客需求數據，具體為：ODdemand＝10-2.601+2.297*lg625.85+0.754*lg4.26-1.419lg0.126＝117.6；由此得2015年的乘客需求數據為117.6萬人。通過表1可知，2015年實際乘客數量為118.5萬人，實際乘客數量與預測乘客需求數量結果非常相近，可以接受。獲取成都與深圳之間航段在2000年～2015年的燃油價格以及成都與深圳之間航段在2000年～2015年的實際航班數量，如下表3：表3年份實際航班數量(萬個)燃油價格(萬元/噸)20000.6190.2320010.6560.2820020.7420.2320030.8850.3020041.0160.3620051.0690.4320061.1200.4920071.2500.5220080.8150.6520191.2850.4820101.3420.6120111.4320.7120121.5560.6520131.6290.7320141.6660.5720151.7230.45對表3中的數據進行以10為底求取自然對數。利用線性回歸分析方法對2000年～2015年的燃油價格、成都與深圳之間航段在2000年～2015年的實際航班數量以及成都與深圳之間航段在2000年～2015年的所對應的上一年份的實際航班數量進行擬合，建立空中交通預測模型，獲得乘客需求預測模型公式，公式具體為：lgNumflt＝-2.061+0.272*lgNumfltP+1.064*lgODdemand-0.101*lgFuel根據上述擬合得到的空中交通預測模型、預測出的2015的乘客需求數據、2015年的燃油價格以及2014年的實際航班數量，計算成都與深圳之間航段2015年的預測航班數據，具體為：Numflt＝10-2.061+0.272*lg1.666+1.064*lg117.6-0.101*lg0.45＝1.725；由此可得，2015年的預測航班需求數量為1.725萬個。通過表3可知，2015年實際航班數量為1.723萬人，實際航班數量與預測航班需求數量結果非常相近，可以接受。綜上所述，本發明提供的一種空中交通預測方法及裝置，通過對第一城市與第二城市之間航段在選定年份的航班影響數據以及第一城市與第二城市之間航段在選定年份的實際乘客數量進行數據挖掘，建立乘客需求預測模型，并通過對所述選定年份的實際乘客數量、選定年份的燃油價格、所述在選定年份的實際航班數量以及所述選定年份的上一年份的實際航班數量第二次數據挖掘，并建立空中交通預測模型，根據空中交通預測模型獲得預測航班量。這樣可將很多看似與航班量無關聯，卻對航班量產生了真實影響的數據加入了預測分析過程中，提高了預測的準確性，從而提高空中交通各個環節的參與者的工作效率，進而增加空中交通的經濟效益。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-OnlyMemory)、隨機存取存儲器(RAM，RandomAccessMemory)、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。當前第1頁1 2 3