基于图机器学习的航空器等待机动所致航班延误预测
机器学习
2026-03-12 v1 社会与信息网络
摘要
由等待机动导致的航班延误是航空领域一个关键且代价高昂的现象，其根源在于管理空中交通拥堵和确保安全的需要。当航空器因机场拥堵、恶劣天气或空中交通管制限制等因素被指令在指定空域盘旋时，即发生等待机动。本研究将等待机动所致航班延误的预测建模为一个图问题，利用先进的图机器学习技术来捕捉空中交通网络中复杂的相互依赖关系。等待机动虽然对安全至关重要，但会导致燃油消耗、排放和乘客不满增加，因此准确预测对于运营效率至关重要。传统的机器学习模型通常使用表格数据，往往忽略了空中交通数据中的时空关系。为解决此问题，我们将等待预测问题建模为有向（多）图中的边特征预测，并应用了两种方法：一种是 CatBoost，通过捕捉网络中心性和连通性的图特征进行增强；另一种是图注意力网络，后者擅长处理关系型数据。我们的结果表明，在这个不平衡数据集上，CatBoost 的表现优于 GAT，能够有效预测等待事件，并通过基于图的特征重要性提供可解释性。此外，我们通过一个基于网络的工具讨论了该模型的潜在运营影响，该工具允许用户模拟实时延误预测。这项研究强调了基于图的方法在航空领域进行预测分析的可行性，对提高燃油效率、减少延误和改善乘客体验具有重要意义。
引用
@article{arxiv.2502.04233,
title = {Graph machine learning for flight delay prediction due to holding manouver},
author = {Jorge L. Franco and Manoel V. Machado Neto and Filipe A. N. Verri and Diego R. Amancio},
journal= {arXiv preprint arXiv:2502.04233},
year = {2026}
}