Vorhersage von Verspätungen im Flugabwicklungsprozess

Projektdurchführung

Noah Leupolz

Forschungsgruppe Internet of Things (IoT), Institut für Digitalen Wandel (IDW), Amadeus Airport IT

Einführung

• Flugabwicklung als komplexer Prozess mit vielen Beteiligten (Air Traffic Flow Management)
• Präzise Vorhersage von Verspätungen ermöglicht Effizienzsteigerung und Kosteneinsparungen
  (Airport-Collaborative Decision Making)

Zielsetzung 

• Analyse der Tauglichkeit existierender Machine Learning Ansätze zur Erklärung und Vorhersage von Verspätungen
• Erstellung eines Frameworks für die Vorhersage von Verspätungen für alle Phasen des Flugabwicklungsprozesses

Methodik

State of the Art Analyse

• Bestandsaufnahme von Best-Practice Machine Learning Ansätzen zur Vorhersage von Verspätungen entlang des Flugabwicklungsprozesses

Frameworkdefinition

• Bewertung unterschiedlicher Ansätze und Definition eines Frameworks für die Vorhersage von Verspätungen für alle Phasen des Flugabwicklungsprozesses

Evaluation des Frameworks

• Evaluation des Frameworks durch Implementierung ausgewählter Verfahren auf Basis des Flugdatensatzes der Federal Aviation Administration

Ergebnisse

Framework Vorhersage Flugverspätungen

 

Verspätungen entlang des Flugabwicklungsprozesses

 

Vorhersage Arrival Delay > 15 Minuten

Zusammenfassung

• Methoden des maschinellen Lernens zeigen großes Potential zur Vorhersage von Flugverspätungen
• Umfassender Einsatz von Verfahren des maschinellen Lernens für alle Phasen des Flugabwicklungsprozesses sinnvoll

Literatur

1. Chakrabarty, N. (2012): A Data Mining Approach to Flight Arrival Delay Prediction for America Airlines, Jalpaiguri Government Engineering College, Jalpaiguri.
2. Chan, J.; Feest, B.; Hei, X.; Koniusz, P.; Prabowo, A.; Salim, F. D.; Shao, W.; Tan, S.; Zhao, S. (2019): Flight Delay Prediction using Airport Situational Awareness Map, in: 27th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, Chicago.
3. Haifeng, L.; Mo, H.; Yanying, Y. (2019): A Classification Prediction Analysis of Flight Cancellation Based on Spark, Central University of Finance and Economics, Procedia Computer Science 162, S. 480-486.