基于多源异构数据融合与决策树模型的乌鲁木齐备降场动态推荐算法研究

1 引言

民航运输发展对航班安全与效率提出更高要求。备降作为关键安全预案，其决策质量直接影响安全、旅客体验与成本。天山国际机场位于亚欧大陆腹地，属“一带一路”枢纽，其运行环境复杂：地处天山北麓，冬季严寒多雪、大雾频发，导致备降需求显著高于平原机场；周边备降场距离远、保障能力差异大。传统基于固定列表和人工经验的决策模式易因信息滞后导致延误与资源错配。本研究提出融合多源异构数据与决策树模型的动态算法，整合气象、航班、空域及保障数据，构建动态决策环境，并创新性纳入吐鲁番机场空铁联运优势[1]，优化旅客疏散效率。该方案旨在提升区域航班运行韧性与智能化水平，为复杂枢纽机场备降决策提供新范式。

2 现状分析

机场备降决策面临多重挑战：一是信息孤岛与滞后性 ，关键数据分散于不同系统，缺乏高效整合与实时共享，导致管制员难以获取全局动态态势感知；二是静态规则局限性 ，当前依赖预设飞行计划优先级或人工经验，无法动态适应复杂气象、空域冲突等实时变化，难实现多目标优化；三是吐鲁番空铁联运潜力未充分挖掘 ，其高铁1 小时直达的独特优势，但在决策流程中缺乏系统性评估与触发机制，旅客疏散效率受限；四是决策压力与效率瓶颈 ，复杂天气下需短时间内为多航班制定备降方案，人工决策易疏漏或次优。尽管现有研究在航班延误预测等领域应用智能算法，但针对动态备降场选择尤其是融合空铁联运的智能化研究仍属空白。本研究旨在通过多源异构数据融合与动态优化模型填补该领域缺口。

3 多源异构数据融合方案

机场作为“一带一路”关键枢纽，地处亚欧大陆腹地，受复杂地形与极端天气影响，备降需求显著高于平原机场。其周边备降场资源分布分散，保障能力差异大，传统依赖固定列表与人工经验的决策模式易导致信息滞后、资源错配等问题。为应对这一挑战，本研究构建了基于多源异构数据的动态决策融合体系[2]，涵盖气象、航班运行、空域态势、机场保障及地面交通五大核心数据维度。其中，气象数据实现分钟级更新，覆盖能见度、风切变等关键参数；航班运行数据整合剩余油量、ETOPS 限制等性能约束；空域态势数据实时反映扇区负荷与军事活动空域状态；机场保障数据聚焦瞬时容量与地面资源可用性；地面交通数据接入铁路 12306接口，动态关联吐鲁番高铁余票与转运运力。

该体系采用三层融合架构：数据级融合通过多源校验提升完整性，例如利用气象数据互补校验消除盲区；特征级融合深度关联跨域参数，如将航班实时位置与空域气象/拥堵指数绑定，或结合吐鲁番机场容量与高铁运力计算“空铁联运可行度”。通过统一时空基准与实时计算引擎，系统为决策模型提供低延迟、高维特征输入，显著提升传统备降决策中未充分挖掘的空铁联运资源利用率。这一方案不仅优化了区域航班运行韧性，也为复杂枢纽机场备降决策提供了智能化新范式。

4 决策树模型构建

本研究提出基于多源异构数据融合与决策树模型[3]的动态备降场推荐算法，以提升机场复杂运行环境下的决策效率与智能化水平。机场地处天山北麓，受极端天气与地形影响，备降需求显著高于平原机场，而周边备降场距离远、保障能力差异大，传统依赖固定列表与人工经验的决策模式存在信息滞后与资源错配问题。为此，研究构建了多源异构数据融合体系，整合气象、航班运行、空域态势、机场保障及地面交

通五大维度数据。

算法核心采用C4.5 或 CART 决策树模型，因其具备强可解释性与对非线性关系的捕捉能力，能有效处理连续属性与缺失值，并生成可验证的IF-THEN 规则集。模型输入特征涵盖机场不可用原因及恢复时间、各备降场实时天气趋势、航班抵达时间/油量消耗、机场饱和度指标、航班特性及空铁联运综合评估指标。训练流程基于历史备降事件数据，通过信息增益与基尼重要性筛选关键特征，结合预剪枝/后剪枝技术优化泛化能力，并将决策路径转化为清晰规则。

为了实现实时动态决策，构建多维指标体系，例如：用于评估备降场i 当前及未来承载压力的饱和度指标，其计算公式为：

备降场i 在时间 t 的饱和度 S_i(t) ，定义为当前已接收但尚未离场的航班数量 N_current i(t)加上预计在未来特定时间窗口 ΔT 内将到达的航班数量N_expected,i(t,ΔT) 只和，除以该备降场在时间t 的瞬时保障容量 C_i(t) 。

5 动态推荐算法

作该算法作为系统核心引擎，在航班需备降时实时激活，通过多源异构数据融合与决策树模型动态生成最优推荐方案。当系统检测到机场无法接收航班，立即触发智能决策流程：首先整合气象、空域、机场保障及高铁联运等实时数据，构建航班中心化特征向量；随后输入预训练决策树模型输出备降场初选结果。

基于预测结果，算法深度生成执行方案：规划备降航路、ETA 及停机位；若推荐吐鲁番机场，则自动构建空铁联运全流程解决方案，涵盖高铁车次匹配、旅客转运时间线、地面资源调度及旅客通知策略，并同步生成其他备降场预案。通过多目标评估量化方案优劣，核心指标包括总延误时间、航司成本、旅客满意度、资源占用率及联运效率。

决策全程嵌入动态优化机制：依托决策树可解释性输出首要推荐，结合多目标排序提供备选列表；通过实时监控备降场天气、高铁余票等关键参数，当变化超阈值时重启滚动优化，实现备降场切换或方案调整。最终经可视化界面输出推荐依据与执行细节，形成闭环决策支持。

6 结束语

本研究研发的机场备降场动态推荐算法，融合多源异构实时数据与决策树模型，构建全景感知基座，通过可解释规则链精准处理空铁联运等复杂决策。其核心创新在于当推荐吐鲁番机场时，自动触发高铁接驳方案生成与动态优化，实现决策效率显著提升，有效降低延误成本并改善旅客疏散。该方案通过可视化解释机制支持人机协同，为枢纽机场提供技术范式。未来将开展实地验证，深化数据协同并探索集成学习优化。

参考文献：

[1] 张涛，赵楠，翁湦元.空铁联运网络性能评价与网络优化方法研究[J].铁道运输与经济，2024,46(3):65-71.

[2] 闫佳和,李红辉,马英,等.多源异构数据融合关键技术与政务大数据治理体系[J].计算机科学,2024,51(02):1-14.

[3] 常霄,黄智濒,禹旻,等.一种适用于航天大数据的深度决策树模型[J].北京邮电大学学报,2023,46(03):1-6.