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！

龍圖騰網獲悉青島民航凱亞系統集成有限公司申請的專利多業務數據的民用機場上客申請動態規劃分配方法及系統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：CN119250480B 。

龍圖騰網通過國家知識產權局官網在2025-09-02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：202411764773.7，技術領域涉及：G06Q10/0631；該發明授權多業務數據的民用機場上客申請動態規劃分配方法及系統是由劉世鑫;陳曉;徐國盛;張道鈺;李今朝設計研發完成，并于2024-12-04向國家知識產權局提交的專利申請。

本多業務數據的民用機場上客申請動態規劃分配方法及系統在說明書摘要公布了：本發明屬于民航航班上客申請數據處理技術領域，公開了多業務數據的民用機場上客申請動態規劃分配方法及系統。該方法包括數據采集與清洗加工，特征選擇與模型訓練，數據采集及清洗加工后，從歷史數據中挑選出能夠有效反映歷史數據內在特性的指標或屬性，利用深度學習算法構建預測模型，并利用獲取的反映歷史數據內在特性的指標或屬性作為輸入信息，進行預測模型訓練；數據計算與發布，以及輸出校驗與優化。本發明通過基于歷史運行數據的分析計算，結合空中交通管制等相關數據，從而學習上客申請過程中的優先保障規則，不需要復雜的規則維護配置，實現對未來航班上客申請的動態規劃處理，提升機場保障效率及資源分配的合理性。

本發明授權多業務數據的民用機場上客申請動態規劃分配方法及系統在權利要求書中公布了：1.一種多業務數據的民用機場上客申請動態規劃分配方法，其特征在于，綜合考慮民用機場上客申請數據中的多種業務信息，包括航班信息、資源使用、流控、延誤情況，填補民航領域在多源數據融合、實時處理、智能決策、實時監控與反饋方面的空缺，通過動態規劃優化分配，靈活調整上客流程以最大化資源利用和提升效率；并且，結合大數據和深度學習技術，根據歷史數據和實時情況進行智能決策，提供個性化方案，提高旅客滿意度，也提高機場運營考核指標，該方法包括： S1，數據采集與清洗加工：采集多種數據源的歷史數據，進行數據清洗以及數據變換；歷史數據，包括：航班號、機型、機號、航線、區域、任務、VIP、機位、登機口、保障完成時間、計劃降落時間、實際降落時間、計劃起飛時間、實際起飛時間、開始登機時間、登機截止時間、開關艙門時間、上客時間、COBT、CTOT、氣象信息、航路限制、流量控制、延誤信息； S2，特征選擇與模型訓練：從歷史數據中挑選出反映歷史數據內在特性的指標及屬性，利用深度學習算法構建預測模型，并利用獲取的指標及屬性作為輸入信息，進行預測模型訓練； S3，數據計算與發布：通過歷史數據進行預測模型訓練，將預測模型應用于航班上客申請的生產場景中，實時采集動態航班信息、空中交通管制ATC信息輸入到預測模型中，預測模型結合歷史數據分析，處理上客申請，預測最優上客時間及上客順序，保證航班正常率； S4，輸出校驗與優化：利用統計方法，自動篩查出不符合常規模式的結果項，并標記，持續更新數據資源池，刨除干擾項； 在步驟S2中，利用深度學習算法構建預測模型，并利用獲取的指標及屬性作為輸入信息，進行預測模型訓練，包括： a數據集劃分：將數據集按照8:1:1的比例劃分為訓練集、驗證集和測試集； b構建Transformer模型：選擇Transformer模型作為深度學習算法的底層架構，將歷史航班的特征：航班號、起降機場、起降時間、COBT、天氣條件、流量信息轉換為嵌入向量，供Transformer編碼器使用；設置6層的編碼器，每層8個頭，構成深層的Transformer模型網絡，通過自注意力機制捕捉歷史航班數據中的依賴關系，以捕捉復雜特征； c強化學習策略優化：使用Transformer作為基礎架構，引入強化學習元素進行策略優化； d輸出校驗與優化：在預測模型訓練完成以后，對模型的輸出結果進行校驗； 在步驟c中，使用Transformer作為基礎架構，引入強化學習元素進行策略優化，包括： 定義狀態空間，包括：當前航班的人數、旅客等待時長及航班的延誤情況；動作空間由允許航班開始上客的決策組成，獎勵函數通過評估旅客的等待時間和航班放行正常率指標進行獎勵或懲罰； 設計深度Q網絡作為智能體，用于學習最佳的上客決策策略，通過優化上客過程，使得累積獎勵最大化；結合經驗回放機制，收集與航班上客的經驗元組，并存儲在經驗回放緩沖區中，用于訓練深度Q網絡； 強化學習模塊與Transformer模塊協同工作，由Transformer模塊處理航班上客申請數據，通過特征提取、標準化和時序數據處理，對不同航班的上客序列進行建模，捕獲輸入序列之間的長距離依賴關系，并進行大數據預測； 在步驟S2中，特征選擇，包括：基于民航領域知識和探索性數據分析，排除明顯無關或噪聲多的數據字段，計算各變量間以及各變量與目標變量之間的皮爾遜系數，找出強關聯關系的存在；結合機器學習算法反復迭代地移除不重要的特征，直到達到理想規模為止；皮爾遜系數的計算公式為： 式中，r為皮爾遜系數，xi,yi分別為兩個變量在樣本中的取值，為兩個變量在樣本中的平均值，n為樣本的大小； 皮爾遜系數計算公式用于計算兩個變量之間的線性相關程度，其值介于-1和1之間；當r接近1或-1時，表示兩個變量之間存在強烈的線性關系；當r接近0時，表示兩個變量之間幾乎沒有線性關系；正值表示正相關，負值表示負相關； 在步驟d中，對模型的輸出結果進行校驗，包括：通過準確率、平均絕對誤差、均方誤差檢查模型在歷史數據上的擬合情況； 在步驟S3中，計算完成的結果包含上客申請結果信息，上客時間，上客地點，上客序列；結果集輸出到機場管理系統、空管系統、航司系統，供用戶查詢參考使用。

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青島民航凱亞系統集成有限公司，其通訊地址為：266000 山東省青島市城陽區棘洪灘街道春陽路西端動車小鎮科技館230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”。