CN101546484A - 基于soa的航班延误波及分析与预测***及其运作方法 - Google Patents
基于soa的航班延误波及分析与预测***及其运作方法 Download PDFInfo
- Publication number
- CN101546484A CN101546484A CN200910068702A CN200910068702A CN101546484A CN 101546484 A CN101546484 A CN 101546484A CN 200910068702 A CN200910068702 A CN 200910068702A CN 200910068702 A CN200910068702 A CN 200910068702A CN 101546484 A CN101546484 A CN 101546484A
- Authority
- CN
- China
- Prior art keywords
- server
- service
- data
- prediction
- web service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 75
- 238000004891 communication Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000001413 cellular effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- VUFNLQXQSDUXKB-DOFZRALJSA-N 2-[4-[4-[bis(2-chloroethyl)amino]phenyl]butanoyloxy]ethyl (5z,8z,11z,14z)-icosa-5,8,11,14-tetraenoate Chemical compound CCCCC\C=C/C\C=C/C\C=C/C\C=C/CCCC(=O)OCCOC(=O)CCCC1=CC=C(N(CCCl)CCCl)C=C1 VUFNLQXQSDUXKB-DOFZRALJSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 241000324343 Causa Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及一种基于SOA的航班延误波及分析与预测***及其运作方法。本发明属于民航技术领域。基于SOA的航班延误波及分析与预测***,包括机场数据采集前置机、数据库服务器、应用服务器、图形服务器、Web服务计算服务器、客户端设备和网络通讯***,运作方法是应用服务器通过机场数据采集前置机获取机场实时运行数据,转换为XML格式的预测数据后传输给Web服务计算服务器处理,产生的预测结果回传给应用服务器,经过加权处理后生成综合预测结果并存放于数据库服务器中,协作生成适当格式的延误预测信息,返回给各相应的预测显示客户端。本发明具有良好的开放性和互操作性;为民航机场、航空公司提供了有效的航班大面积延误波及分析与预警功能。
Description
技术领域
本发明属于民航技术领域,特别是涉及一种基于SOA的航班延误波及分析与预测***及其运作方法。
背景技术
目前,航班延误是一个困扰全球民航业的难题。对于该问题的研究大致分为事前预测和事后统计分析两方面,对于后者已经有比较多的研究,国内机场和航空公司等民航运营单位信息***也大都实现了对延误航班的统计,而在事前预测方面,此前虽然有一些初步的理论探讨,例如基于机场跑道竞争资源的航班延误研究,然而尚缺乏***地、可操作性的预测算法模型以及对航班延误波及分析和预测软件***的具体实现。此外,在事后统计分析方面,目前的航班大面积延误预测方式主要是在统计分析大量的历史数据之上,力图发现航班延误规律,并以此为基础计算当前运行状态下延误的条件概率。这种方法虽然对于宏观预测通常可以给出较好的统计效果,然而由于它完全从统计规律出发,因此往往无法给出具有说服力的延误原因。特别是,这种方法对于特定的预测任务所给出的结果往往比较模糊,缺乏可操作性。
发明内容
本发明为解决现有技术存在的问题,提供了一种基于SOA的航班延误波及分析与预测***及其运作方法。
本发明的目的之一是提供一种基于SOA,预测计算功能采用Web服务实现,具有良好的开放性,并且支持跨***、跨平台的调用等特点的基于SOA的航班延误波及分析与预测***。
本发明基于SOA的航班延误波及分析与预测***采用如下技术方案:
基于SOA的航班延误波及分析与预测***,其特点是:包括机场数据采集前置机、数据库服务器、应用服务器、图形服务器、Web服务计算服务器、客户端设备以及网络通讯***,***逻辑架构部分功能如下:
(1)应用服务器通过连接在有线局域网中的机场数据采集前置机采集机场实时运行数据并进行规范化处理,然后存放于数据库服务器中;
(2)应用服务器读取数据库服务器中的航班运行数据,转换为指定格式的XML数据后传输给Web服务计算服务器处理;
(3)Web服务计算服务器处理后所得预测结果传输给应用服务器,经过转换处理后将数据存放于数据库服务器中;
(4)在预测模型评估期,应用服务器访问数据库服务器中的航班运行历史数据,转换后传输给Web服务计算服务器上的各个预测Web服务计算处理,并将它们返回的预测结果与实际延误情况进行比对,按拟合程度给出各预测模型的评估权重,并存放于数据库中;
(5)在执行预测任务期,应用服务器依据数据库中记录的各预测模型的评估权重,对各预测Web服务返回的预测结果进行加权处理,给出综合预测结果及相应的说明;
(6)应用服务器、图形服务器和数据库服务器根据相连的客户端设备的种类,协作生成适当格式的延误预测信息,返回给各个相应的客户端进行显示。
本发明基于SOA的航班延误波及分析与预测***还可以采用如下技术措施:
所述的基于SOA的航班延误波及分析与预测***,其特点是:数据库服务器、应用服务器、图形服务器、Web服务计算服务器均为软件意义上的服务器;在实际部署时,每一个软件服务器可以部署在一台单独的硬件服务器上;或将几个软件服务器部署在小于四台的硬件服务器上;或将数据库服务器部署在一台硬件服务器上,将应用服务器和图形服务器部署在同一台硬件服务器上,将Web服务计算服务器布置在一台硬件服务器上。
所述的基于SOA的航班延误波及分析与预测***,其特点是:应用服务器包含数据采集网关服务、数据转换服务、预测模型评估服务、预测结果生成服务、移动智能设备服务、安全认证服务及主控台程序;其中,
(1)数据采集网关服务:用于获取机场数据采集前置机所采集的运行数据并进行规范化处理,所得的航班运行数据存放于数据库服务器中;
(2)数据转换服务:用于将航班运行数据转换为指定格式的XML文档,然后传输给Web服务计算服务器进行计算处理;Web服务计算服务器返回的预测结果为指定格式的XML文档,通过数据转换服务再次转换处理后参与后续计算;
(3)预测模型评估服务:该服务用于对预测模型的评估期;对Web服务计算服务器上的各个预测Web服务返回的预测结果与实际延误情况进行比对,给出对各种预测计算模型的评估权重并存放于数据库中;
(4)预测结果生成服务:该服务用于执行预测任务期。依据数据库中对各预测模型的评估权重,对各预测模型Web服务返回的预测结果进行加权处理,给出综合预测结果及说明;
(5)移动智能设备服务:是可以满足多个中低端移动智能设备同时访问的近距离无线交互式应用服务,该服务无需在移动智能设备上安装任何额外的软件或支付任何通信费用,允许用户利用普通手机(需支持蓝牙或红外等无线通讯协议)发出预测指令并获取预测结果;
(6)安全认证服务:负责验证***用户身份的合法性;
(7)主控台程序:是其他应用服务的主控程序,也是整个***的控制中心。用于触发或调用其它应用服务和图形服务;包括:设置数据采集网关服务的采集频率并触发数据采集事件;触发对各个预测模型的评估任务;触发对当前航班运行数据的实际预测任务等。
所述的基于SOA的航班延误波及分析与预测***,其特点是:数据库服务器包含航班计划表、航班计划明细表、航空公司表、飞机表、机型表、预警等级表、预测模型表、预测模型评估表、预测结果表、预测显示客户端表以及***用户表,用于存放航班基础信息、航班运行数据、预测模型评估信息、航班延误预测结果和***基础信息。
所述的基于SOA的航班延误波及分析与预测***,其特点是:图形服务器用于生成针对航班延误波及DAG、高级Petri网、贝叶斯网络以及元胞自动机的仿真视图,为用户和用户程序提供图形服务,
(1)航班延误预测图形服务采用Web服务发布接口,并以XML文档作为通讯介质;
(2)图形服务包括外层服务和核心引擎两部分。外层服务负责加载和解析应用服务器传来的波及延误计算结果XML文档,生成针对航班延误DAG、高级Petri网、贝叶斯网络、元胞自动机仿真视图以及棒图等统计图的图形XML文档,该图形XML文档描述了生成目标图形所需要的一切信息;核心引擎负责加载由外层服务生成的图形XML文档,经过一系列处理后生成相应的图形流,并返回给支持图形显示的预测显示客户端;
(3)不同的航班延误模型和统计图的图形XML文档的格式是统一的,区别仅在于对图元属性和样式的设置;
(4)本质上,核心引擎可以生成所支持的任何图形,具体生成何种图形则取决于传入的图形XML文档。
所述的基于SOA的航班延误波及分析与预测***,其特点是:Web服务计算服务器包括航班延误波及DAG、高级Petri网、贝叶斯网络以及元胞自动机在内的多种航班延误波及分析与预测模型算法Web服务;
(1)每一种航班延误波及分析与预测模型算法被实现为一个独立的Web服务;
(2)分配给每一种预测模型的评估权重会发生变化;两个典型的调整条件为:a、有新的预测模型加入***;b、当前航班运行数据成为历史数据;
(3)各预测Web服务的输入数据和预测计算结果均为XML文档格式;
(4)各预测Web服务具有一致的接口定义,新增预测算法Web服务只要遵从这个接口,并且在数据库服务器中进行注册后,就可以被客户程序自动识别;
(5)Web服务遵从标准,可以被不同平台、不同类型的用户程序调用。
所述的基于SOA的航班延误波及分析与预测***,其特点是:客户端设备包括计算机工作站、移动智能设备:
(1)客户端设备既可以被动接受应用服务器周期性广播的预测结果,也可以主动发出预测计算请求,即时获取预测计算结果;
(2)计算机工作站软件是采用AJAX技术开发的丰富客户端程序,支持与应用服务器之间的异步通讯;
(3)移动智能设备可被应用服务器自动识别,无需安装任何额外的软件或支付任何电信通信费用;
(4)客户端设备在接入***时,首先需要通过应用服务器上的安全认证服务的用户身份验证;
(5)计算机工作站通过有线局域网与服务器***相连;包括中低端智能手机在内的便携式智能设备通过蓝牙访问应用服务器上的移动智能设备服务。
所述的基于SOA的航班延误波及分析与预测***,其特点是:网络通讯***包括有线局域网、无线蓝牙通讯;Web服务计算服务器布置在广域网中,供远程客户访问。
本发明目的之二是提供一种为机场、航空公司、民航总局、空管以及旅客提供必要的预测信息,为预测结果提供必要的原因说明等特点的基于SOA的航班延误波及分析与预测***的运作方法。
本发明基于SOA的航班延误波及分析与预测***的运作方法采用如下技术方案:
基于SOA的航班延误波及分析与预测***的运作方法,其特点是:预测任务的执行模式包括广播式预测和请求式预测两种;广播式预测以应用服务器作为控制中心,既可以在服务端按设定的周期自动执行预测计算,也可以在服务端通过主控台程序手工触发预测计算,两种情况下预测计算结果均通过广播方式推送到各相连的预测显示客户端;请求式预测则是由客户端发出预测请求指令,应用服务器响应请求触发后续计算处理流程,并将预测结果返回给发出请求的客户端;其中,广播式预测为典型运作模式,其具体执行流程如下:
(1)启动应用服务器上的主控台程序,设置数据采集网关服务的采集频率以周期性地或手工触发数据采集事件,采集机场当时运行数据并进行规范化处理,然后存放于数据库服务器中;
(2)应用服务器上的数据转换服务读取数据库服务器中的当前航班运行数据,转换为指定格式的XML数据,然后传输给Web服务计算服务器处理;
(3)Web服务计算服务器上的各个预测Web服务计算所得预测结果传输给应用服务器,经数据转换服务转换后传给预测结果生成服务,后者根据数据库中存储的各预测模型的评估权重,对各预测Web服务返回的预测结果进行加权处理,给出综合预测评判结果及相应的说明并存入数据库;
(4)主控台程序将XML格式的综合预测结果传输给移动智能设备服务和图形服务器;
(5)移动智能设备服务接收到XML格式的预测数据后,生成移动智能设备AT指令,传输给通过蓝牙连接的所有移动智能设备,移动智能设备解析AT指令并将综合预测结果显示给用户;
(6)图形服务器接收到XML格式的综合预测结果后生成预测图形流,连同附加文字信息以XML格式广播给数据库服务器中注册的所有计算机工作站;
(7)计算机工作站接收到XML格式的预测数据后,解析并显示给用户。
本发明具有的优点和积极效果:
基于SOA的航班延误波及分析与预测***及其运作方法,采用大量的航班运行历史数据对各个预测模型进行评估,根据拟合情况分配相应的权重;在执行预测任务时,实时采集机场航班运行数据并传输给各预测模型计算处理,所返回的预测结果经过加权处理后产生综合预测结果及说明,提高了预测的准确性和说服力。本发明基于SOA,预测计算功能采用Web服务实现,具有良好的开放性,新增预测计算模型只需发布新的Web服务并遵从既定接口即可,并且支持跨***、跨平台的调用。采用XML作为数据传输和交换媒介,保证了***具有良好的互操作性。本发明提供了丰富的延误预测信息表现,包括数据网格、数学模型仿真视图、统计图以及XML文档等多种计算结果表现方式;提供了不同剖面的延误预测信息,包括从机场、航空公司、旅客以及特定的航班计划等不同剖面考察的延误波及分析和预测信息;面向不同层次的用户对象,为民航总局、空管、航空公司、机场以及旅客等不同层次的用户提供相应的延误预测信息;支持多样的延误信息访问媒介,可以通过网页、触摸屏、便携式智能设备等手段获得延误预测信息;动态可配置,数学模型的计算参数可以灵活设置,***界面风格可由用户根据喜好自由定义。仿真实验表明,本发明可以有效地用于民航领域完成大面积航班延误波及分析与预测。
附图说明
图1是***逻辑架构示意图;
图2是图形服务运作流程示意图;
图3是***硬件架构示意图。。
具体实施方式
为能进一步了解本发明的技术内容、特点及功效,兹列举以下实例,并配合附图详细说明如下:
参照附图1、图2和图3。
实施例1
基于SOA的航班延误波及分析与预测***,包括机场数据采集前置机、数据库服务器、应用服务器、图形服务器、Web服务计算服务器、客户端设备以及网络通讯***,***逻辑架构部分功能如下:
(1)应用服务器通过连接在有线局域网中的机场数据采集前置机采集机场实时运行数据并进行规范化处理,然后存放于数据库服务器中;
(2)应用服务器读取数据库服务器中的航班运行数据,转换为指定格式的XML数据后传输给Web服务计算服务器处理;
(3)Web服务计算服务器处理后所得预测结果传输给应用服务器,经过转换处理后将数据存放于数据库服务器中;
(4)在预测模型评估期,应用服务器访问数据库服务器中的航班运行历史数据,转换后传输给Web服务计算服务器上的各个预测Web服务计算处理,并将它们返回的预测结果与实际延误情况进行比对,按拟合程度给出各预测模型的评估权重,并存放于数据库中;
(5)在执行预测任务期,应用服务器依据数据库中记录的各预测模型的评估权重,对各预测Web服务返回的预测结果进行加权处理,给出综合预测结果及相应的说明;
(6)应用服务器、图形服务器和数据库服务器根据相连的客户端设备的种类,协作生成适当格式的延误预测信息,返回给各个相应的客户端进行显示。
数据库服务器、应用服务器、图形服务器、Web服务计算服务器均为软件意义上的服务器;在实际部署时,每一个软件服务器可以部署在一台单独的硬件服务器上;或将几个软件服务器部署在小于四台的硬件服务器上;或将数据库服务器部署在一台硬件服务器上,将应用服务器和图形服务器部署在同一台硬件服务器上,将Web服务计算服务器布置在一台硬件服务器上。
应用服务器包含数据采集网关服务、数据转换服务、预测模型评估服务、预测结果生成服务、移动智能设备服务、安全认证服务及主控台程序;其中,
(1)数据采集网关服务:用于获取机场数据采集前置机所采集的运行数据并进行规范化处理,所得的航班运行数据存放于数据库服务器中;
(2)数据转换服务:用于将航班运行数据转换为指定格式的XML文档,然后传输给Web服务计算服务器进行计算处理;Web服务计算服务器返回的预测结果为指定格式的XML文档,通过数据转换服务再次转换处理后参与后续计算;
(3)预测模型评估服务:该服务用于对预测模型的评估期;对Web服务计算服务器上的各个预测Web服务返回的预测结果与实际延误情况进行比对,给出对各种预测计算模型的评估权重并存放于数据库中;
(4)预测结果生成服务:该服务用于执行预测任务期。依据数据库中对各预测模型的评估权重,对各预测模型Web服务返回的预测结果进行加权处理,给出综合预测结果及说明;
(5)移动智能设备服务:是可以满足多个中低端移动智能设备同时访问的近距离无线交互式应用服务,该服务无需在移动智能设备上安装任何额外的软件或支付任何通信费用,允许用户利用普通手机(需支持蓝牙或红外等无线通讯协议)发出预测指令并获取预测结果;
(6)安全认证服务:负责验证***用户身份的合法性;
(7)主控台程序:是其他应用服务的主控程序,也是整个***的控制中心。用于触发或调用其它应用服务和图形服务;包括:设置数据采集网关服务的采集频率并触发数据采集事件;触发对各个预测模型的评估任务;触发对当前航班运行数据的实际预测任务等。
数据库服务器包含航班计划表、航班计划明细表、航空公司表、飞机表、机型表、预警等级表、预测模型表、预测模型评估表、预测结果表、预测显示客户端表以及***用户表,用于存放航班基础信息、航班运行数据、预测模型评估信息、航班延误预测结果和***基础信息。
图形服务器用于生成针对航班延误波及DAG、高级Petri网、贝叶斯网络以及元胞自动机的仿真视图,为用户和用户程序提供图形服务,
(1)航班延误预测图形服务采用Web服务发布接口,并以XML文档作为通讯介质;
(2)图形服务包括外层服务和核心引擎两部分。外层服务负责加载和解析应用服务器传来的波及延误计算结果XML文档,生成针对航班延误DAG、高级Petri网、贝叶斯网络、元胞自动机仿真视图以及棒图等统计图的图形XML文档,该图形XML文档描述了生成目标图形所需要的一切信息;核心引擎负责加载由外层服务生成的图形XML文档,经过一系列处理后生成相应的图形流,并返回给支持图形显示的预测显示客户端;
(3)不同的航班延误模型和统计图的图形XML文档的格式是统一的,区别仅在于对图元属性和样式的设置;
(4)本质上,核心引擎可以生成所支持的任何图形,具体生成何种图形则取决于传入的图形XML文档。
Web服务计算服务器包括航班延误波及DAG、高级Petri网、贝叶斯网络以及元胞自动机在内的多种航班延误波及分析与预测模型算法Web服务;
(1)每一种航班延误波及分析与预测模型算法被实现为一个独立的Web服务;
(2)分配给每一种预测模型的评估权重会发生变化;两个典型的调整条件为:a、有新的预测模型加入***;b、当前航班运行数据成为历史数据;
(3)各预测Web服务的输入数据和预测计算结果均为XML文档格式;
(4)各预测Web服务具有一致的接口定义,新增预测算法Web服务只要遵从这个接口,并且在数据库服务器中进行注册后,就可以被客户程序自动识别;
(5)Web服务遵从标准,可以被不同平台、不同类型的用户程序调用。
客户端设备包括计算机工作站、移动智能设备:
(1)客户端设备既可以被动接受应用服务器周期性广播的预测结果,也可以主动发出预测计算请求,即时获取预测计算结果;
(2)计算机工作站软件是采用AJAX技术开发的丰富客户端程序,支持与应用服务器之间的异步通讯;
(3)移动智能设备可被应用服务器自动识别,无需安装任何额外的软件或支付任何电信通信费用;
(4)客户端设备在接入***时,首先需要通过应用服务器上的安全认证服务的用户身份验证;
(5)计算机工作站通过有线局域网与服务器***相连;包括中低端智能手机在内的便携式智能设备通过蓝牙访问应用服务器上的移动智能设备服务。
网络通讯***包括有线局域网、无线蓝牙通讯;Web服务计算服务器布置在广域网中,供远程客户访问。
实施例2
基于SOA的航班延误波及分析与预测***的运作方法,其预测任务的执行模式包括广播式预测和请求式预测两种;广播式预测以应用服务器作为控制中心,既可以在服务端按设定的周期自动执行预测计算,也可以在服务端通过主控台程序手工触发预测计算,两种情况下预测计算结果均通过广播方式推送到各相连的预测显示客户端;请求式预测则是由客户端发出预测请求指令,应用服务器响应请求触发后续计算处理流程,并将预测结果返回给发出请求的客户端;其中,广播式预测为典型运作模式,其具体执行流程如下:
(1)启动应用服务器上的主控台程序,设置数据采集网关服务的采集频率以周期性地或手工触发数据采集事件,采集机场当时运行数据并进行规范化处理,然后存放于数据库服务器中;
(2)应用服务器上的数据转换服务读取数据库服务器中的当前航班运行数据,转换为指定格式的XML数据,然后传输给Web服务计算服务器处理;
(3)Web服务计算服务器上的各个预测Web服务计算所得预测结果传输给应用服务器,经数据转换服务转换后传给预测结果生成服务,后者根据数据库中存储的各预测模型的评估权重,对各预测Web服务返回的预测结果进行加权处理,给出综合预测评判结果及相应的说明并存入数据库;
(4)主控台程序将XML格式的综合预测结果传输给移动智能设备服务和图形服务器;
(5)移动智能设备服务接收到XML格式的预测数据后,生成移动智能设备AT指令,传输给通过蓝牙连接的所有移动智能设备,移动智能设备解析AT指令并将综合预测结果显示给用户;
(6)图形服务器接收到XML格式的综合预测结果后生成预测图形流,连同附加文字信息以XML格式广播给数据库服务器中注册的所有计算机工作站;
(7)计算机工作站接收到XML格式的预测数据后,解析并显示给用户。
本实施例包括硬件和软件两部分,硬件包括计算机设备和网络设备,组网通信协议为TCP/IP,硬件架构参见图3。软件包括操作***、数据库服务器软件、应用服务器软件、图形服务软件以及客户端软件。***基础建设步骤如下:
(1)组建局域网,将各计算机设备联网。
(2)安装数据库服务器、应用服务器、图形服务器和计算机工作站客户端软件。
(3)导入航班历史运行数据,录入***基础数据,涉及航班计划表、航班计划明细表、航空公司表、飞机表、机型表、预警等级表、预测模型表、预测结果表、预测显示客户端表以及***用户表。
(4)利用历史数据对各个预测模型进行测评,评估结果存入预测模型评估表。
在执行预测任务时,一般采用广播式预测。这种预测模式以应用服务器作为控制中心,既可以在服务端按设定的周期自动执行预测计算,也可以在服务端通过主控台程序手工触发预测计算,两种情况下预测计算结果均通过广播方式推送到各相连的客户端。请求式预测则是由客户端发出预测请求指令,应用服务器响应请求触发后续计算处理流程,并将预测结果返回给发出请求的客户端。
Claims (9)
1.基于SOA的航班延误波及分析与预测***,其特征是:包括机场数据采集前置机、数据库服务器、应用服务器、图形服务器、Web服务计算服务器、客户端设备以及网络通讯***,***逻辑架构部分功能如下:
(1)应用服务器通过连接在有线局域网中的机场数据采集前置机采集机场实时运行数据并进行规范化处理,然后存放于数据库服务器中;
(2)应用服务器读取数据库服务器中的航班运行数据,转换为指定格式的XML数据后传输给Web服务计算服务器处理;
(3)Web服务计算服务器处理后所得预测结果传输给应用服务器,经过转换处理后将数据存放于数据库服务器中;
(4)在预测模型评估期,应用服务器访问数据库服务器中的航班运行历史数据,转换后传输给Web服务计算服务器上的各个预测Web服务计算处理,并将它们返回的预测结果与实际延误情况进行比对,按拟合程度给出各预测模型的评估权重,并存放于数据库中;
(5)在执行预测任务期,应用服务器依据数据库中记录的各预测模型的评估权重,对各预测Web服务返回的预测结果进行加权处理,给出综合预测结果及相应的说明;
(6)应用服务器、图形服务器和数据库服务器根据相连的客户端设备的种类,协作生成适当格式的延误预测信息,返回给各个相应的客户端进行显示。
2.根据权利要求1所述的基于SOA的航班延误波及分析与预测***,其特征是:数据库服务器、应用服务器、图形服务器、Web服务计算服务器均为软件意义上的服务器;在实际部署时,每一个软件服务器可以部署在一台单独的硬件服务器上;或将几个软件服务器部署在小于四台的硬件服务器上;或将数据库服务器部署在一台硬件服务器上,将应用服务器和图形服务器部署在同一台硬件服务器上,将Web服务计算服务器布置在一台硬件服务器上。
3.根据权利要求1所述的基于SOA的航班延误波及分析与预测***,其特征是:应用服务器包含数据采集网关服务、数据转换服务、预测模型评估服务、预测结果生成服务、移动智能设备服务、安全认证服务及主控台程序;其中,
(1)数据采集网关服务:用于获取机场数据采集前置机所采集的运行数据并进行规范化处理,所得的航班运行数据存放于数据库服务器中;
(2)数据转换服务:用于将航班运行数据转换为指定格式的XML文档,然后传输给Web服务计算服务器进行计算处理;Web服务计算服务器返回的预测结果为指定格式的XML文档,通过数据转换服务再次转换处理后参与后续计算;
(3)预测模型评估服务:该服务用于对预测模型的评估期;对Web服务计算服务器上的各个预测Web服务返回的预测结果与实际延误情况进行比对,给出对各种预测计算模型的评估权重并存放于数据库中;
(4)预测结果生成服务:该服务用于执行预测任务期。依据数据库中对各预测模型的评估权重,对各预测模型Web服务返回的预测结果进行加权处理,给出综合预测结果及说明;
(5)移动智能设备服务:是可以满足多个中低端移动智能设备同时访问的近距离无线交互式应用服务,该服务无需在移动智能设备上安装任何额外的软件或支付任何通信费用,允许用户利用普通手机(需支持蓝牙或红外等无线通讯协议)发出预测指令并获取预测结果;
(6)安全认证服务:负责验证***用户身份的合法性;
(7)主控台程序:是其他应用服务的主控程序,也是整个***的控制中心。用于触发或调用其它应用服务和图形服务;包括:设置数据采集网关服务的采集频率并触发数据采集事件;触发对各个预测模型的评估任务;触发对当前航班运行数据的实际预测任务等。
4.根据权利要求1所述的基于SOA的航班延误波及分析与预测***,其特征是:数据库服务器包含航班计划表、航班计划明细表、航空公司表、飞机表、机型表、预警等级表、预测模型表、预测模型评估表、预测结果表、预测显示客户端表以及***用户表,用于存放航班基础信息、航班运行数据、预测模型评估信息、航班延误预测结果和***基础信息。
5.根据权利要求1所述的基于SOA的航班延误波及分析与预测***,其特征是:图形服务器用于生成针对航班延误波及DAG、高级Petri网、贝叶斯网络以及元胞自动机的仿真视图,为用户和用户程序提供图形服务,
(1)航班延误预测图形服务采用Web服务发布接口,并以XML文档作为通讯介质;
(2)图形服务包括外层服务和核心引擎两部分。外层服务负责加载和解析应用服务器传来的波及延误计算结果XML文档,生成针对航班延误DAG、高级Petri网、贝叶斯网络、元胞自动机仿真视图以及棒图等统计图的图形XML文档,该图形XML文档描述了生成目标图形所需要的一切信息;核心引擎负责加载由外层服务生成的图形XML文档,经过一系列处理后生成相应的图形流,并返回给支持图形显示的预测显示客户端;
(3)不同的航班延误模型和统计图的图形XML文档的格式是统一的,区别仅在于对图元属性和样式的设置;
(4)本质上,核心引擎可以生成所支持的任何图形,具体生成何种图形则取决于传入的图形XML文档。
6.根据权利要求1所述的基于SOA的航班延误波及分析与预测***,其特征是:Web服务计算服务器包括航班延误波及DAG、高级Petri网、贝叶斯网络以及元胞自动机在内的多种航班延误波及分析与预测模型算法Web服务;
(1)每一种航班延误波及分析与预测模型算法被实现为一个独立的Web服务;
(2)分配给每一种预测模型的评估权重会发生变化;两个典型的调整条件为:a、有新的预测模型加入***;b、当前航班运行数据成为历史数据;
(3)各预测Web服务的输入数据和预测计算结果均为XML文档格式;
(4)各预测Web服务具有一致的接口定义,新增预测算法Web服务只要遵从这个接口,并且在数据库服务器中进行注册后,就可以被客户程序自动识别;
(5)Web服务遵从标准,可以被不同平台、不同类型的用户程序调用。
7.根据权利要求1所述的基于SOA的航班延误波及分析与预测***,其特征是:客户端设备包括计算机工作站、移动智能设备:
(1)客户端设备既可以被动接受应用服务器周期性广播的预测结果,也可以主动发出预测计算请求,即时获取预测计算结果;
(2)计算机工作站软件是采用AJAX技术开发的丰富客户端程序,支持与应用服务器之间的异步通讯;
(3)移动智能设备可被应用服务器自动识别,无需安装任何额外的软件或支付任何电信通信费用;
(4)客户端设备在接入***时,首先需要通过应用服务器上的安全认证服务的用户身份验证;
(5)计算机工作站通过有线局域网与服务器***相连;包括中低端智能手机在内的便携式智能设备通过蓝牙访问应用服务器上的移动智能设备服务。
8.根据权利要求1所述的基于SOA的航班延误波及分析与预测***,其特征是:网络通讯***包括有线局域网、无线蓝牙通讯;Web服务计算服务器布置在广域网中,供远程客户访问。
9.根据权利要求1所述的基于SOA的航班延误波及分析与预测***的运作方法,其特征是:预测任务的执行模式包括广播式预测和请求式预测两种;广播式预测以应用服务器作为控制中心,既可以在服务端按设定的周期自动执行预测计算,也可以在服务端通过主控台程序手工触发预测计算,两种情况下预测计算结果均通过广播方式推送到各相连的预测显示客户端;请求式预测则是由客户端发出预测请求指令,应用服务器响应请求触发后续计算处理流程,并将预测结果返回给发出请求的客户端;其中,广播式预测为典型运作模式,其具体执行流程如下:
(1)启动应用服务器上的主控台程序,设置数据采集网关服务的采集频率以周期性地或手工触发数据采集事件,采集机场当时运行数据并进行规范化处理,然后存放于数据库服务器中;
(2)应用服务器上的数据转换服务读取数据库服务器中的当前航班运行数据,转换为指定格式的XML数据,然后传输给Web服务计算服务器处理;
(3)Web服务计算服务器上的各个预测Web服务计算所得预测结果传输给应用服务器,经数据转换服务转换后传给预测结果生成服务,后者根据数据库中存储的各预测模型的评估权重,对各预测Web服务返回的预测结果进行加权处理,给出综合预测评判结果及相应的说明并存入数据库;
(4)主控台程序将XML格式的综合预测结果传输给移动智能设备服务和图形服务器;
(5)移动智能设备服务接收到XML格式的预测数据后,生成移动智能设备AT指令,传输给通过蓝牙连接的所有移动智能设备,移动智能设备解析AT指令并将综合预测结果显示给用户;
(6)图形服务器接收到XML格式的综合预测结果后生成预测图形流,连同附加文字信息以XML格式广播给数据库服务器中注册的所有计算机工作站;
(7)计算机工作站接收到XML格式的预测数据后,解析并显示给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910068702A CN101546484A (zh) | 2009-04-30 | 2009-04-30 | 基于soa的航班延误波及分析与预测***及其运作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910068702A CN101546484A (zh) | 2009-04-30 | 2009-04-30 | 基于soa的航班延误波及分析与预测***及其运作方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101546484A true CN101546484A (zh) | 2009-09-30 |
Family
ID=41193598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910068702A Pending CN101546484A (zh) | 2009-04-30 | 2009-04-30 | 基于soa的航班延误波及分析与预测***及其运作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101546484A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867223A (zh) * | 2012-08-27 | 2013-01-09 | 合肥飞友网络科技有限公司 | 机场流量指数预估方法 |
CN103400053A (zh) * | 2013-08-26 | 2013-11-20 | 合肥飞友网络科技有限公司 | 航班准点起飞的预估方法 |
CN104036446A (zh) * | 2014-06-13 | 2014-09-10 | 中国民航信息网络股份有限公司 | 基于民航信息***的值飞航班的前序航班预测***及方法 |
CN104090894A (zh) * | 2013-12-18 | 2014-10-08 | 深圳市腾讯计算机***有限公司 | 在线并行计算推荐信息的方法、装置及服务器 |
CN104283914A (zh) * | 2013-07-04 | 2015-01-14 | 上海朗迈网络科技有限公司 | 一种web数据自动采集*** |
CN106251708A (zh) * | 2016-08-24 | 2016-12-21 | 桂林信通科技有限公司 | 一种航班延误预警*** |
CN106530841A (zh) * | 2016-12-30 | 2017-03-22 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 机场延误预测方法及装置 |
CN107800775A (zh) * | 2017-09-27 | 2018-03-13 | 合肥博力生产力促进中心有限公司 | 一种用于企业服务的信息评测调节控制*** |
CN108388690A (zh) * | 2018-01-16 | 2018-08-10 | 电子科技大学 | 元胞自动机实验平台 |
CN109559045A (zh) * | 2018-11-30 | 2019-04-02 | 四川九洲电器集团有限责任公司 | 一种人员智能化管控的方法及*** |
CN109949005A (zh) * | 2019-03-07 | 2019-06-28 | 中国民用航空总局第二研究所 | 一种机场场面航班保障运行分析的方法、***及终端 |
CN109961085A (zh) * | 2019-01-05 | 2019-07-02 | 苏咸宁 | 基于贝叶斯估计的航班延误预测模型的建立方法及装置 |
CN110009939A (zh) * | 2019-03-29 | 2019-07-12 | 青岛民航凯亚***集成有限公司 | 基于asm的航班延误预测及波及分析方法 |
CN111061780A (zh) * | 2019-12-17 | 2020-04-24 | 中国民用航空华东地区空中交通管理局 | 一种空管自动化***的生产数据的统计和分析*** |
US20200323133A1 (en) * | 2019-04-10 | 2020-10-15 | Deere & Company | Machine control using real-time model |
US11036902B2 (en) * | 2015-06-19 | 2021-06-15 | Uptake Technologies, Inc. | Dynamic execution of predictive models and workflows |
CN113409619A (zh) * | 2021-05-21 | 2021-09-17 | 海南太美航空股份有限公司 | 一种基于元胞自动机的航班调度方法、***及存储介质 |
CN117933840A (zh) * | 2024-03-21 | 2024-04-26 | 中国民用航空总局第二研究所 | 数字孪生驱动的航班地面保障延误诊断方法、***及设备 |
-
2009
- 2009-04-30 CN CN200910068702A patent/CN101546484A/zh active Pending
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867223A (zh) * | 2012-08-27 | 2013-01-09 | 合肥飞友网络科技有限公司 | 机场流量指数预估方法 |
CN104283914A (zh) * | 2013-07-04 | 2015-01-14 | 上海朗迈网络科技有限公司 | 一种web数据自动采集*** |
CN103400053A (zh) * | 2013-08-26 | 2013-11-20 | 合肥飞友网络科技有限公司 | 航班准点起飞的预估方法 |
CN104090894A (zh) * | 2013-12-18 | 2014-10-08 | 深圳市腾讯计算机***有限公司 | 在线并行计算推荐信息的方法、装置及服务器 |
CN104090894B (zh) * | 2013-12-18 | 2015-10-21 | 深圳市腾讯计算机***有限公司 | 在线并行计算推荐信息的方法、装置及服务器 |
CN104036446A (zh) * | 2014-06-13 | 2014-09-10 | 中国民航信息网络股份有限公司 | 基于民航信息***的值飞航班的前序航班预测***及方法 |
US11036902B2 (en) * | 2015-06-19 | 2021-06-15 | Uptake Technologies, Inc. | Dynamic execution of predictive models and workflows |
CN106251708A (zh) * | 2016-08-24 | 2016-12-21 | 桂林信通科技有限公司 | 一种航班延误预警*** |
CN106530841B (zh) * | 2016-12-30 | 2019-07-05 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 机场延误预测方法及装置 |
CN106530841A (zh) * | 2016-12-30 | 2017-03-22 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 机场延误预测方法及装置 |
CN107800775A (zh) * | 2017-09-27 | 2018-03-13 | 合肥博力生产力促进中心有限公司 | 一种用于企业服务的信息评测调节控制*** |
CN108388690A (zh) * | 2018-01-16 | 2018-08-10 | 电子科技大学 | 元胞自动机实验平台 |
CN109559045A (zh) * | 2018-11-30 | 2019-04-02 | 四川九洲电器集团有限责任公司 | 一种人员智能化管控的方法及*** |
CN109961085A (zh) * | 2019-01-05 | 2019-07-02 | 苏咸宁 | 基于贝叶斯估计的航班延误预测模型的建立方法及装置 |
CN109961085B (zh) * | 2019-01-05 | 2021-07-27 | 苏咸宁 | 基于贝叶斯估计的航班延误预测模型的建立方法及装置 |
CN109949005A (zh) * | 2019-03-07 | 2019-06-28 | 中国民用航空总局第二研究所 | 一种机场场面航班保障运行分析的方法、***及终端 |
CN110009939A (zh) * | 2019-03-29 | 2019-07-12 | 青岛民航凯亚***集成有限公司 | 基于asm的航班延误预测及波及分析方法 |
US20200323133A1 (en) * | 2019-04-10 | 2020-10-15 | Deere & Company | Machine control using real-time model |
US11778945B2 (en) * | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
CN111061780A (zh) * | 2019-12-17 | 2020-04-24 | 中国民用航空华东地区空中交通管理局 | 一种空管自动化***的生产数据的统计和分析*** |
CN113409619A (zh) * | 2021-05-21 | 2021-09-17 | 海南太美航空股份有限公司 | 一种基于元胞自动机的航班调度方法、***及存储介质 |
CN117933840A (zh) * | 2024-03-21 | 2024-04-26 | 中国民用航空总局第二研究所 | 数字孪生驱动的航班地面保障延误诊断方法、***及设备 |
CN117933840B (zh) * | 2024-03-21 | 2024-05-31 | 中国民用航空总局第二研究所 | 数字孪生驱动的航班地面保障延误诊断方法、***及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101546484A (zh) | 基于soa的航班延误波及分析与预测***及其运作方法 | |
CN111367187B (zh) | 用于改进对分布式网络中的传感器流数据的处理的方法 | |
US10652633B2 (en) | Integrated solutions of Internet of Things and smart grid network pertaining to communication, data and asset serialization, and data modeling algorithms | |
US8868452B2 (en) | Smart grid deployment simulator | |
Froyland et al. | The recoverable robust tail assignment problem | |
CN105205231A (zh) | 一种基于dcom的配电网数字仿真*** | |
US20210014698A1 (en) | Integrated mobility network planning | |
CN106355319A (zh) | 一种安全风险评估***和方法 | |
CN103399496A (zh) | 智能电网海量实时数据负载仿真测试云平台及其测试方法 | |
CN107465708A (zh) | 一种cdn带宽调度***及方法 | |
CN103761309A (zh) | 一种运营数据处理方法及*** | |
US20140055458A1 (en) | Resource provisioning using predictive modeling in a networked computing environment | |
CN107697107A (zh) | 一种列车组故障预测与健康管理地面智能处理***及方法 | |
CN102523030A (zh) | 通信卫星有效载荷测试***仿真平台 | |
CN110673807B (zh) | 数据显示方法、终端和数据显示*** | |
CN110351145B (zh) | 一种基于经济效益的虚拟化的无线网络功能编排方法 | |
CN104995899A (zh) | 服务器负载管理 | |
EP3876476B1 (en) | Network bandwidth management | |
CN110533536A (zh) | 交易风险评估方法、装置和计算机*** | |
CN110780856B (zh) | 一种基于微服务的用电数据发布平台 | |
CN109936471A (zh) | 一种多集群的资源分配方法和装置 | |
Tekiyehband et al. | An efficient dynamic service provisioning mechanism in fog computing environment: A learning automata approach | |
Yao et al. | RIA-based visualization platform of flight delay intelligent prediction | |
CN106301960A (zh) | 一种云资源协同管理方法 | |
CN106332137A (zh) | Lte无线网络结构优化方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20090930 |