A medida que la demanda de transporte aéreo continúa en aumento, la congestión en las redes de rutas aéreas ha comprometido seriamente la operación segura y eficiente del tráfico aéreo. Pocos estudios han examinado las características espaciotemporales de la propagación de la congestión bajo diferentes condiciones de retraso temporal. Para abordar esta brecha, este estudio propone un marco de análisis de causalidad de propagación de congestión por segmentos con retraso temporal. Primero, para tener en cuenta la interdependencia entre segmentos en las redes de rutas aéreas, construimos un modelo de evaluación del estado de congestión punto-línea e introducimos el algoritmo FCM-WBO para una identificación precisa del estado de congestión. A continuación, se diseña el modelo Multi-Channel Attention DSNG-BiLSTM para estimar los pesos causales de la propagación de la congestión entre segmentos. Finalmente, basándonos en estos pesos causales, se derivan dos indicadores -CPP y CPF- para analizar las características espaciotemporales de la propagación de la congestión bajo varios niveles de retraso temporal. Los resultados indican que nuestro método logra más del 90% de precisión en la estimación de pesos causales. Además, las características de propagación difieren significativamente en sus distribuciones espaciotemporales bajo diferentes retrasos temporales. Espacialmente, las fuentes de congestión tienden a expandirse a medida que aumenta el retraso temporal. También identificamos segmentos que probablemente se sobrecarguen, que sirven como los principales receptores de congestión. Temporalmente, el análisis de las características de retraso temporal revela que, debido a un mayor flujo de tráfico durante los períodos pico, la congestión se propaga un 36.92% más lentamente que durante las primeras horas de la mañana. Al analizar la propagación de la congestión en múltiples retrasos temporales, los controladores pueden identificar fuentes de congestión potenciales con anticipación. Luego pueden implementar intervenciones específicas durante períodos críticos, aliviando así la congestión en tiempo real y mejorando la eficiencia y seguridad de la red de rutas.