摘要:随着民航现代化水平的不断提高,民航气象资料日益增多,对气象资料的存储、管理和读取提出了越来越高的要求,本文通过设计一种基于 hadoop 的气象资料存储和管理方案,为民航气象信息部门提供了一种新的高效、廉价的数据存储和挖掘方法,大规模气象资料文件的存储和操作可大大提高数据吞吐率和数据读写操作效率。
关键词:大数据；气象；
1 概述
民航气象部门对高新数值预报技术的应用,使得民航气象数据信息量越来越大。因此,传统的民航气象数据库存储系统已无法满足当前服务器的空间需求,这使我国民航气象信息服务的发展受到了很大的影响,所以在现阶段的工作中,民航业新的优化方向主要是提高民航气象数据库的存储效率。目前,民航气象数据的数据存储系统主要采用 Oracle 关系数据库。但是,随着气象信息数据量的快速增长,气象信息数据存储在数据库中的成本相对较高。因此气象数据的存储在传统的数据库中并非一件简单的事情。另外,如果要将数据以文件格式存储在数据库中,就很难保证气象数据的安全性、灵活性和可扩展性。
2大数据在航空情报中应用带来的有益效果分析
2.1个性化优惠
总的来说,定制产品可以大大提高客户满意度和忠诚度,这是每个公司长期执行和规划的最终目标。民航公司可以从客户那里收集数据,因为即使是一个预订也包含非常有用的数据。许多民航公司正在使用大数据来改善客户体验。例如,美国联合民航公司开发了一种智能“收集,检测,行动”系统,可以分析客户档案中的150个变量。数据是从已购买机票的客户中提取出来的,每一项数据都是经过测量的,以便为合适的客户量身定制折扣。这个系统使联合民航公司的年收入增加了15% 。英国民航公司还开发了一个大数据采集系统,该系统使用了解我的功能,可以对每个客户的数据进行深入分析,为他们提供个性化的结果。他们表示,英航的客户都很忙,没有时间提供不相关的报价,因此系统分析客户数据,建立相关的、有针对性的“次佳报价”供客户参考[2]。
2.2改进营销工作
民航公司使用大数据进行分析的最常见方式之一就是加大营销力度。民航公司通过收集个人客户的详细数据,并向他们提供特别优惠,增加了得到有利回应的机会,使他们能够在未来的营销活动中评估客户的想法和行为。例如,当一家民航公司看到更多的人在分析趋势以考虑去哪里旅行时,他们可以启动促销航班,并根据大数据分析的结果制定营销策略,然后向这些潜在客户发送一封个性化的电子邮件。
2.3提供定价与网络策略
民航公司不仅可以收集和分析航空情报的基本数据,还可以收集和分析大数据,如跟踪旅行者的购买习惯,以及来自世界各地的旅游需求模式。如果民航公司看到从A到B的航班需求增加,他们可以相应地调整价格。此外,您可以确定哪些客户对价格敏感,并测量给定路线的每个客户细分的价格范围。易捷航空,一家美国民航公司,投资了一种人工智能算法,可以实时确定按需定价的座位。大数据分析可以提前一年获取历史信息并预测需求。此外,它还可以帮助确定新的路线,调整时间。
2.4使飞行更加智能
在飞行过程中,每秒钟都会产生大量的数据,如飞行员报告、事故报告、控制位置和警告报告等[3]。如果对这些数据进行合理地监测和分析,就可以保障飞行安全。美国西南民航公司与美国宇航局合作,通过使用机器学习算法,他们建立了一个能够处理大量数据集的自动化系统,以警告异常情况并防止潜在的安全事故。
2.5提高客户的满意度
通过大数据分析,可以实时了解行李状态,南方民航公司推出了一个应用程序,允许客户从移动设备上跟踪他们的行李。而国外的民航公司在可穿戴技术和物联网上融合了大数据,2018年土耳其民航公司使用大数据和物联网技术,在伊斯坦布尔新机场提供这项服务,他们在伊斯坦布尔机场使用信标,该信标可以与智能手机互动,帮助客户导航到休息室、食品和零售店以及登机口。另外,现在有些民航公司在大数据分析上还使用语音分析工具,让客户服务代表记录每一次客户互动的细微差别。他们还分析来自社交媒体等各种在线渠道的数据,以便实时接收更多有关客户的信息。通过对他们收集的不同数据信息进行处理,制定标准,指导服务人员在每个场景中找到最佳解决方案,这一系列措施可以增强用户体验,提升用户满意度[4]。
2.6减少气象对飞行的影响
航空业已经使用大数据很长一段时间,通过大数据分析进行气象研究的时间比航空业起步更早,因而积累了丰富的经验。由于航班对天气极其敏感,提前知道天气状况可以将停飞航班成本降到最低,避免飞行风险。为了避免恶劣天气带来的一些负面影响,很多民航公司已经开始改进预报方式,大数据通过将两个不同的数据源(天气预报和飞行计划)组合起来,得出最优的解决方案。
3系统设计构想
3.1底层Hadoop系统的设计方案
x86服务器与普通低成本硬件构成了民航气象数据存储系统的 hadoop 系统。其有两个原因。一是 x86服务器本身具有很强的集群数据处理能力,在满足 hadoop 系统的多数据集群处理方面具有很好的优势。其次,从系统建设成本的角度来看,hadoop 不需要昂贵的 SMP 服务器和昂贵的硬件运行,只有普通的服务器和千兆交换机才能成功构建,在系统开发资金需求方面具有较强的性价比。
3.2 气象数据挖掘
数据挖掘是气象数据处理的重要组成部分,从已知数据集中发现各种模型和概要的过程,其实数据挖掘是一个循环反复的过程,首先利用一些分析工具对数据进行检查,从某一个方面对数据进行分析,可能对数据做一些修改,然后又回到开始,应用其他的分析工具,获得一个不一样的或者更好的结果。尽管如此,
数据挖掘不是分析方法的随意应用,而是精心安排和摄入考虑,决定什么才是最有用、最合适的一个过程。数据挖掘的过程可简要归纳为:问题定义、数据清洗与集成、数据选择与转换、数据挖掘算法执行、以及结果的评估与表示。目前,气象数据挖掘的方法主要有聚类分析、分类分析、时间序列分析、关联规则及孤立点分析、回归分析、依赖关系分析等,目前,有人采用聚类方法对气温数据进行处理,得到了很好的气候区划结果,还有人采用粗糙集方法对台风路径进行预测。
结语
民航气象大数据业务是未来的发展方向。本文提出的云环境下气象大数据服务存储平台框架为民航气象大数据服务提供了技术参考方案。基于 hadoop 的航空气象大数据云存储服务与应用,可以加快气象产业信息处理,促进航空气象部门信息共享,完善各地灾害备份方案。针对民航气象数据云存储系统的构建,本文提出了一种设计思想,在底层设计、连接设计、服务器模块设计等方面进行了大胆的思考。
参考文献:
[1]计晓玲.基于大数据的民航气象数据存储平台方案研究[J].信息通信,2018(08):124-125.
[2]中国民航气象信息实现全面共享[J].民航管理,2017(12):67.
[3]赵普洋.民航气象报文及产品资料传输的设计与实现[D].大连理工大学,2016.
[4]曹闪.虚拟化在民航气象领域的应用前景分析[J].软件,2015,36(08):74-78.