基于事件序列的航班服务过程因果发现
机器学习
2021-05-04 v1 应用统计
摘要
民航业的发展不断提高对机场地面保障服务效率的要求。在现有地面保障研究中，尚未有直接利用地面保障日志获取过程模型以研究服务节点与航班延误之间因果关系的研究。多数地面保障研究主要使用机器学习方法预测航班延误，其所基于的航班保障模型为理想模型。该研究未深入探究地面保障环节背后的因果机制，也未揭示航班延误的真实原因。因此，机器学习对航班延误的预测存在一定偏差，且基于研究所用的理想模型与实际服务过程存在一定偏差。因此，从保障日志中获取过程模型并分析其因果性具有实际意义。然而，现有过程因果因素发现方法仅在因果充分性假设成立时做了一定研究，未考虑潜变量的存在。为此，本文提出一个不假设因果充分性即可实现过程因果因素发现的框架。采用优化的模糊挖掘过程模型作为服务基准模型，并使用局部因果发现算法发现因果因素。在该框架下，本文提出一种不假设因果充分性的新马尔可夫毯发现算法以发现因果因素，并使用基准数据集进行测试。最后，使用了实际航班服务数据。
引用
@article{arxiv.2105.00866,
title = {Causal Discovery of Flight Service Process Based on Event Sequence},
author = {Zhiwei Xing and Lin Zhang and Huan Xia and Qian Luo and Zhao-xin Chen},
journal= {arXiv preprint arXiv:2105.00866},
year = {2021}
}