航班正常统计系统培训

的决策 。 ２ ０ １ ２ 年， 我 国颁 发 并实 施 了 《 民航 航班 正 常统 计办法 》， 有 些 航 班 以前 采 用 的正 常 性统 计 管理 系 统 已经 很 难适 应 航 班发 展 的实 际状 况 。 近年 来 ，国 际化 趋势 的不 断 发展 ， 加 快 了中 外
交流 的速度 ， 航 空客 运量 也逐 年递 增 ， 从 而使 空 中航线 更加 密集 ， 容 易 出现 航班 冲 突 ， 进 而 增加 空 中交通 的危 险系 数 。 只有 加 强 航 班 正 常 性 统计 系 统 的研 究 详细 记 录航 班 信 息 ， 才 能做 好 航班 决策 。
民航 航班 的正 常 性 统计 和 飞机 检 修 、航 班 测评 等 工 作质 量 但 机 场 及 空管 单 位 则无 此权 限 ； 机 场 用 户 可 以录 入 离港 或 者 到
有 密 切 关系 。要 确 保 航 班管 理 顺利 ， 就要 对 航 班 的正 常 性 进行
准确统计 ， 从而 判 断 航 班 的飞 行 状态 是 否 正常 ， 以便 做 出 对应
２ 航 班正常 性统 计 系统 的功 能
２ ． １ Ａ Ｔ Ｆ Ｍ数据 的管 理
Ａ Ｔ Ｆ Ｍ即流 量 系统 ，系统 的 航班 数 据就 来源 于流 量系 统 。通 常 ，对 航班 数 据 的导 入 时 间及 导 出时 间都 有 明确 规 定 ，即 导入
状态 ， 并 结合 录入 信 息和 其他 单位 针对 航 班延 误 原 因进行 沟 班正常性 统计 中的应用
马力波
（ 民用 航 空大 连空管 站 。 辽 宁大连
１ １ ６ ０ ３ ３ ）
摘 要 近年来 ， 科技 水平 的不 断提 高 ， 现代 化技 术 的不 断发展 ， 也 提 高 了全球 化进 程 。随着 国家之 间 交流 的进一 步 加强 ， 我 国民航 事 业得 到 了很 大幅度 的发展 ，因此 ， 航 班正 常 性统 计 的作 用更加 凸显 出来 ， 它 能够 在 一定程 度 上保 证 航 班安 全 、维持航 班 交通 秩序 。加 强航 班正 常性 统计 系统 的研 究详 细 记录航 班信 息 ， 利 于航 班决 策 的 实施 。 关 键 词 计 算机 ； 航 班正 常性 统计 ； 应用 中图 分类 号 ： Ｖ ３ ２ ３ 文献 标识 码 ： Ａ 文章 编号 ：１ ６ ７ １ － ７ ５ ９ ７（ ２ ０ １ ５ ）Ｏ ４ — ０ １ １ ６ － ０ １

长沙航空职业技术学院学报JOURNAL OF CHANGSHA AERONAUTICAL VOCATIONAL AND TECHNICAL COLLEGE第18卷第1期2018年3月V ol.18 No.1Mar. 2018DOI:10.13829/ki.issn.1671-9654.2018.01.018基于运行数据的航班正常率统计方法对比分析陈　亚1，褚双磊1,2*，刘一庆1，谭富升1，涂佳豪1，潘　淼1（1.中国民航大学空中交通管理学院，天津　300300；2.天津市空管运行规划与安全技术重点实验室，天津　300300）摘要：航班正常统计工作是民航统筹规划的一项关键性工作，其根本目的是为各部门制定发展规划和政策法规提供理论依据。

以我国历年航班正常统计办法发展为主线，同时分析国外航班统计工作情况，并对比国内外统计办法的差异，最终提出合理的建议，为我国民航航班正常统计办法的改革提供参考。

关键词：运行数据；航班正常率；统计方法中图分类号：U8 文献标识码：A 文章编号：1671-9654(2018)01-0068-05Comparative Analysis of Statistical Methods about Flight Punctuality Rate based onOperational DataCHEN Ya 1, CHU Shuang-lei 1,2*, LIU Yi-qing 1, TIAN Fu-sheng 1, TU Jia-hao 1, PANG Miao 1(1.College of Air Traffic Management, Civil Aviation University of China, Tianjin 300300;2. Tianjin Key Laboratory of Operation Programming and Safety Technology of Air Traffic Management, Tianjin300300)Abstract: Flight punctuality statistics is a critical work for civil aviation planning, and its fundamental purpose is to provide a theoretical basis for the development planning, policies and regulations of business units. This paper mainly analyzes the development of flight punctuality statistics methods in China as well as the statistics of foreign flights, and the difference between domestic and foreign statistical methods are compared. Finally, reasonable suggestions are made, which provides reference for the reform of statistics methods of Chinese civil aviation flight punctuality.Key words: operation Data; flight punctuality rate; statistical method 收稿日期：2017-11-25作者简介：陈亚（1996-　），女，湖北武汉人，研究方向为交通运输。

系统项目规划
SM系统
排班系统在东航生产运行系统中的关系 MM系统
航班计划 管理
航班调配 管理
飞机资源 管理
AOC
机组 管理

地面服务 保障
地面服务网
机组排班
系统项目规划
支撑一体化的机组运行管理
飞行员信 息管理
排班规则/ 目标
任务组环
航班计划 管理
机组排班
数据分析 决策支持
飞行网
功能概要
飞行员排班
排班授权
组环调整（48H）
排班准备 计划组环 计划排班 排班结果确认
排班调整 调整结果发布 本场训练排班 机务跟班排班
功能概要
• 组环
• 组环是飞行员排班一个任务环，组环模块内实现了自动组环，极大的提高了 工作效率。
• 组环模块通过图形化界面，使组环更加直观、清晰。如：航班互换等。 • 组环模块中实现了违规任务可以很直观的显示。 • 组环模块中实现了一键式，筛选所有违规航班。 • 因航班计划变更影响的航班可以通过颜色提醒，并且支持一键修正。
功能概要
飞行员信息 (局方授权、公司授权、运行资
格维护)
飞行员占位 （模拟机排班、考勤休假管理）
航班计划管理 （解决机组混飞）
飞行员集中排班 （组环排班、组环排班调整； 手工、半自动、自动模式）
机组保障
机务排班
本场训练排班
排班规则目标管理
机组统一监控和调度 （飞行、执勤、休息超时监控；
查找可用机组资源）
机组监控
消息提醒
机组保障
机组调整
系统项目规划
支 撑 统 一 的 机 组 运 行 监 控、调 整 和 保 障
系统项目规划

大数据分析在航空业中的异常检测与故障诊断方法航空业是一个极其重要且复杂的行业，涉及到飞行安全、航班正常运行以及客户满意度等诸多方面。

其中，异常检测与故障诊断对于航空业的运营和维护至关重要。

近年来，随着大数据分析技术的广泛应用，航空业开始采用大数据分析来进行异常检测与故障诊断，提高航空业的安全性和运行效率。

本文将介绍大数据分析在航空业中的异常检测与故障诊断方法。

一、大数据分析在航空业中的应用航空业是一个信息量巨大的行业，每个飞机上都有大量的传感器收集飞行数据、航班数据、维修数据等。

这些海量的数据提供了宝贵的信息，利用大数据分析技术可以发现其中的规律和异常情况，从而实现异常检测和故障诊断。

针对航空业中出现的异常情况，大数据分析可以帮助航空公司快速发现异常事件，并及时采取相应的措施。

例如，通过分析飞行数据，可以检测到飞行器在飞行过程中出现的异常行为，如姿态角变化过大、高度变化异常等。

通过大数据分析，可以将这些异常行为与以往的数据进行比对，进而判断出是否存在故障或危险情况，并及时通知相应的部门进行处理，确保飞机和乘客的安全。

二、异常检测方法1. 数据预处理大数据分析的第一步是对数据进行预处理。

在航空业中，数据预处理的任务包括数据清洗、数据去噪和数据整合等。

例如，对飞行数据进行清洗可以去除异常值和缺失值，同时对数据进行标准化和归一化处理，以便后续的分析。

2. 统计分析在航空业中使用统计分析方法可以帮助识别数据中的异常。

统计分析方法包括假设检验、异常值检测等。

例如，可以使用假设检验方法来判断数据样本是否符合正态分布的要求，如果数据不符合正态分布，可能表明数据存在异常行为。

3. 机器学习方法机器学习是大数据分析中常用的方法之一，可以用于航空业中的异常检测。

机器学习方法可以通过训练模型来对未知数据进行分类和判断。

例如，可以使用支持向量机（SVM）或随机森林（Random Forest）等算法来构建异常检测模型，通过模型的预测结果来判断数据是否异常。