基于XGBoost算法的航路点流量预测

• 作者: 郑颖尔 李茜 乐宁宁 史洪芳
• 来源期刊: 民航学报
• 关键词: 航路点 航空网络 流量预测 机器学习 XGBoost
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 信息化|INFORMATIZATION
• 页码范围: 77-81
• 页数: 5页
• 分类号: U8
• 语种: 中文
• DOI: 10.3969/j.issn.2096-4994.2021.03.016

摘要

航路点流量过大不仅会造成空中航线网络的局部负载过高,还会在飞行安全与运行效率方面产生无穷的风险和隐患.所以,准确地预测航路点流量可以为制定航班增量政策,确保空中交通流量均衡有序、航班运行通畅起到重要的支撑作用.本文基于机器学习XGBoost算法构建航路点流量预测模型,将航路点类型、航路点连接节点数、航路点历史流量作为关键因素,预测航路点逐小时流量,与真实值对比,验证了模型的可靠性.最后结果表明,该模型整体预测精度较高,对大流量航路点的预测结果表现最佳.