買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉云南航信空港網絡有限公司申請的專利一種基于LTOT的臨界航班識別及保障計劃倒排方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120181324B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510403441.4，技術領域涉及：G06Q10/04；該發明授權一種基于LTOT的臨界航班識別及保障計劃倒排方法是由李濤;林麗;唐濤;孫通;朱天啟;李選進;王升;花淑峰;李千誠;丁維宇設計研發完成，并于2025-04-01向國家知識產權局提交的專利申請。

本一種基于LTOT的臨界航班識別及保障計劃倒排方法在說明書摘要公布了：本發明涉及一種基于LTOT的臨界航班識別及保障計劃倒排方法，該方法包括數據整合與預處理、臨界航班識別、多目標優化、保障計劃生成、實時監測與反饋以及應急響應等步驟，通過結合遺傳算法與模擬退火算法，以及深度神經網絡、強化學習、集成學習和自然語言處理等大模型層技術，實現對航班狀態和機場資源的智能監控與優化調度，系統具備實時數據采集、風險預測、動態閾值調整及跨部門協同平臺，能夠快速響應突發事件，優化資源分配，提升航班準點率和運營效率，確保數據安全與隱私，顯著提升航空調度的智能化水平和應急響應能力。

本發明授權一種基于LTOT的臨界航班識別及保障計劃倒排方法在權利要求書中公布了：1.一種基于LTOT的臨界航班識別及保障計劃倒排方法，其特征在于：包括以下步驟： S1：數據整合與預處理步驟，通過匯總來自航空公司、機場、空管部門及氣象機構的實時與歷史數據，對所述數據進行清洗、標準化和特征提取，生成高質量的數據輸入； S2：臨界航班識別步驟，基于最晚起飛時間和多目標優化算法，具體包括：S2.1：目標函數定義，明確需要同時優化的目標，包括最小化航班延誤、最大化機場資源利用率及降低運營成本，并為每個目標設定相應的數學表達式；S2.2：權重分配，根據歷史數據分析及專家評估，為各優化目標分配權重，反映其在整體優化中的重要性，并允許權重根據不同情況動態調整；S2.3：約束條件設定，設定包括跑道占用時間、停機位可用性、登機口安排及機組人員工作時間的一系列約束條件，確保生成的調度方案具備可行性；S2.4：多目標優化執行，運用多目標優化算法對航班進行綜合評估，識別出可能影響航班準點的臨界航班，并確定其優先級；S2.5：個性化調度方案設計，根據不同航班的特性，動態調整航班優先級，生成個性化的調度方案，以確保最佳調度效果； S3：保障計劃生成步驟，利用遺傳算法與模擬退火算法，結合大模型層的全局優化與決策支持，具體包括：S3.1：初始化種群，創建一組初始解作為遺傳算法的起點；S3.2：適應度評估，根據步驟S2中定義的多目標優化目標函數，對每個調度方案進行適應度評估，衡量其在各優化目標上的表現；3.3：選擇操作，選擇表現較好的解進入下一代；S3.4：交叉與變異，對選中的解進行交叉和變異操作，產生新的解；S3.5：模擬退火嵌入，在每一代中隨機選擇部分解應用模擬退火算法，以避免算法過早收斂到局部最優解；3.6：終止條件判斷，設置合理的終止條件停止算法；S3.7：保障計劃生成，結合大模型層的全局優化結果，生成優化后的保障計劃倒排方案，優化資源分配以確保臨界航班按時起飛；S3.8：預防性措施實施，基于風險評估與預警系統，提前采取預防性措施，確保在緊急情況下能夠迅速響應； S4：實時監測與反饋步驟，對航班狀態及機場資源使用情況進行持續監測，具體包括：S4.1：實時數據采集，通過持續監測系統收集航班狀態、天氣信息、資源使用情況的實時數據；S4.2：智能監測分析，利用大模型層的預測與趨勢分析，實時分析監測數據，識別潛在風險和異常模式；S4.3：動態閾值調整，基于大模型層的預測結果，動態調整預警閾值，提高預警的準確性和靈敏度；S4.4：反饋機制實施，將實際運行結果與預測結果進行比較，通過反饋循環不斷優化模型參數和算法，確保系統的持續優化；S4.5：個性化反饋調整，根據航班的具體情況和乘客需求，動態調整調度策略和資源分配，以實現個性化的服務和優化； S5：應急響應步驟，在檢測到突發事件時，通過事件驅動架構和大模型層的自動化應急決策，快速重新計算航班調度方案并執行相應的保障措施，包括：S5.1：風險評估與預警，通過大模型層對突發事件進行風險評估，生成預警信息；S5.2：應急預案調用，根據預警信息調用相應的應急預案；S5.3：靈活資源調配，調整機場資源分配；S5.4：快速重新調度，通過遺傳算法與模擬退火算法快速生成新的航班調度方案，確保航班按時起飛；S5.5：事件日志記錄，詳細記錄所有事件及其處理過程，形成事件日志，供后續分析和審計使用； 所述的大模型層包括以下組成部分： 深度神經網絡，用于處理復雜的非線性關系，進行模式識別和預測分析；強化學習模塊，用于動態決策和策略優化，學習最優調度策略；集成學習模塊，結合多種模型的優勢，提升預測準確性和決策魯棒性；自然語言處理模塊，用于解析和處理來自不同部門的文本數據；自適應學習模塊，根據歷史數據和當前系統狀態不斷更新模型參數，提高對未來變化的預測能力；預測與趨勢分析模塊，利用時間序列分析和預測模型，提前識別潛在的航班延誤風險、資源瓶頸。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人云南航信空港網絡有限公司，其通訊地址為：650200 云南省昆明市官渡區銀海領域小區17幢1單元12層1201室至1225室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。