Robust Aircraft Routing Testing Datasets

本仓库包含论文《Robust aircraft routing》中使用的两个航班延误数据集。数据集包括航班信息、训练和测试延误数据以及原始航线数据。

This repository contains two flight delay datasets used in the paper 'Robust Aircraft Routing'. The datasets include flight information, training and testing delay data, as well as original route data.

原始信息汇总

Robust Aircraft Routing Testing Datasets 概述

数据集描述

本数据集包含两个用于研究飞机路线的延误数据集，相关研究论文为《Robust aircraft routing》，作者为 Chiwei Yan 和 Jerry Kung。

数据集维度

• 网络1 (N1): 包含106次航班，涉及24架飞机。
• 网络2 (N2): 包含117次航班，涉及23架飞机。

数据集内容

• 航班信息文件:

  • N1_flights.csv: 包含N1网络的航班信息，包括航班ID、起始机场、目的机场、出发和到达时间（均为以毫秒为单位的纪元时间）。
  • N2_flights.csv: 包含N2网络的航班信息，内容同上。

• 训练数据文件:

  • N1_training.csv: 包含N1网络的航班在2007年7月的31天内的训练延误数据，每行代表一天的数据。
  • N2_training.csv: 包含N2网络的航班在2007年7月的31天内的训练延误数据，每行代表一天的数据。

• 测试数据文件:

  • N1_testing.csv: 包含N1网络的航班在2007年8月的31天内的测试延误数据，每行代表一天的数据。
  • N2_testing.csv: 包含N2网络的航班在2007年8月的31天内的测试延误数据，每行代表一天的数据。

• 原始路线文件:

  • N1_original_route.csv: 包含N1网络的原始飞机路线。
  • N2_original_route.csv: 包含N2网络的原始飞机路线。

最小转机时间

• 网络1 (N1): 30分钟
• 网络2 (N2): 20分钟

搜集汇总

数据集介绍

构建方式

Robust Aircraft Routing Testing Datasets的构建基于实际航班数据，涵盖了2007年7月和8月的航班信息。数据集分为两个网络，分别包含106和117个航班，涉及24和23架飞机。每个网络的数据包括航班信息、训练和测试延误数据以及原始航线信息。航班信息详细记录了航班ID、起降机场、起降时间等，而延误数据则分别覆盖了31天的训练和测试周期。

使用方法

使用该数据集时，研究者可以通过加载CSV文件获取航班信息和延误数据。训练数据用于模型训练，测试数据则用于验证模型的鲁棒性。原始航线信息可用于对比分析，评估调度算法的改进效果。最小转场时间的设定为航班调度优化提供了约束条件。通过结合这些数据，研究者可以深入探讨航班调度的鲁棒性，并开发出更高效的调度算法。

背景与挑战

背景概述

Robust Aircraft Routing Testing Datasets是由Chiwei Yan和Jerry Kung在2018年创建的，旨在支持航空运输领域的鲁棒性研究。该数据集基于2007年7月和8月的实际航班数据，包含两个网络（N1和N2），分别记录了106次和117次航班的详细信息，包括起飞和到达时间、机场信息以及31天的训练和测试延误数据。该数据集的核心研究问题是如何在航班延误不确定性的情况下优化飞机路径规划，以提高航空公司的运营效率。其研究成果发表在《Transportation Science》期刊上，对航空运输管理领域的研究和实践产生了重要影响。

当前挑战

该数据集的主要挑战在于如何有效处理航班延误的不确定性，并在此基础上优化飞机路径规划。航班延误受多种因素影响，如天气、机场拥堵等，这些因素具有高度的随机性和复杂性，使得传统的确定性模型难以应对。此外，构建该数据集时，研究人员需要从海量的历史航班数据中提取有效信息，并确保数据的准确性和一致性。数据的时间跨度较短（仅两个月），可能限制了模型的泛化能力。如何在有限的数据基础上构建鲁棒的优化模型，是该领域面临的重要挑战之一。

常用场景

经典使用场景

在航空运输领域，Robust Aircraft Routing Testing Datasets被广泛用于测试和验证飞机路径规划的鲁棒性。该数据集通过提供详细的航班信息和延迟数据，使得研究人员能够在模拟环境中评估不同路径规划策略对航班延误的应对能力。特别是在高密度航班网络中，如何优化飞机路径以减少延误和提升运营效率成为了研究的核心问题。

解决学术问题

该数据集解决了航空运输领域中的关键学术问题，即如何在不确定的航班延误情况下进行鲁棒的飞机路径规划。通过提供真实的航班延迟数据和原始路径信息，研究人员能够开发出更加稳健的算法，以应对航班延误带来的不确定性。这不仅提升了航空公司的运营效率，还为相关领域的理论研究提供了宝贵的数据支持。

实际应用

在实际应用中，Robust Aircraft Routing Testing Datasets被航空公司用于优化航班调度和路径规划。通过分析历史延误数据，航空公司能够预测潜在的延误风险，并提前调整航班路径，从而减少延误对乘客和运营的影响。此外，该数据集还被用于开发智能调度系统，帮助航空公司在复杂的运营环境中做出更加科学的决策。

数据集最近研究

最新研究方向

在航空运输领域，Robust Aircraft Routing Testing Datasets为研究飞机路径规划的鲁棒性提供了重要支持。近年来，随着航空业的快速发展，航班延误问题日益突出，如何优化飞机路径以应对不确定性成为研究热点。该数据集通过提供详细的航班信息和延误数据，为研究者开发鲁棒性算法提供了实验基础。当前，基于该数据集的研究主要集中在多目标优化、动态路径调整以及机器学习在航班调度中的应用等方面。这些研究不仅提升了航空公司的运营效率，也为应对极端天气、突发事件等不可控因素提供了理论支持，具有重要的实际意义。