Direkt zum Inhalt

Vorhersage von Verspätungen im Flugabwicklungsprozess

Ziel des Projekts war die Erstellung eines Frameworks für die Vorhersage von Verspätungen für alle Phasen des Flugabwicklungsprozesses.

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

Framework Flugverspätung

 

Verspätungen entlang des Flugabwicklungsprozesses

Verspätungen entlang des Flugabwicklungsprozesses

 

Vorhersage Arrival Delay > 15 Minuten

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.

 

Projektpartner

Amadeus Airport IT

Amadeus Airport IT