Αναζήτηση

Πλοήγηση

• Κοινότητες
• Συγγραφείς
• Έτος
• Τίτλοι
• Θέματα

Ο Χώρος μου

• Είσοδος

Πρόβλεψη συμβάντος καθυστέρησης πτήσης βάσει τεχνικών μηχανικής μάθησης

Chatzipetros Alexandros

Πλήρης Εγγραφή

---

Περίληψη

Τα τελευταία χρόνια, έχει παρατηρηθεί έντονο ενδιαφέρον για την πρόβλεψη καθυστερήσεων πτήσεων, καθώς οι καθυστερήσεις πτήσεων είναι ένα πρόβλημα το οποίο έχει αντίκτυπο στην οικονομία μιας κοινωνίας, αλλά και στο περιβάλλον, αφού αυξάνουν την κατανάλωση καυσίμων και κατ' επέκταση τις εκπομπές διοξειδίου του άνθρακα. Σε αυτήν την κατεύθυνση, έχουν υλοποιηθεί προσεγγίσεις πρόβλεψης, οι οποίες βασίζονται σε στατιστικές και επιχειρησιακές μεθόδους, ενώ με την πρόοδο της τεχνολογίας οι τεχνικές Μηχανικής Μάθησης επίσης διαδραματίζουν καταλυτικό ρόλο στην ανάλυση και την πρόβλεψη καθυστέρησης μιας πτήσης. Ορμώμενοι από αυτά τα δεδομένα, στην παρούσα Διπλωματική Εργασία, εφαρμόσαμε αλγορίθμους Μηχανικής Μάθησης που αφορούν στην πρόβλεψη α) της μέσης καθυστέρησης αναχώρησης μιας πτήσης, β) της μέσης καθυστέρησης κατά την διάρκεια μιας πτήσης και γ) της μέσης συνολικής καθυστέρησης μιας πτήσης, χρησιμοποιώντας πραγματικά, χρονολογικά δεδομένα. Επιπλέον, η πρόβλεψη της συνολικής καθυστέρησης υλοποιήθηκε με δύο μεθόδους, είτε συναθροίζοντας τα αποτελέσματα των μοντέλων πρόβλεψης καθυστέρησης αναχώρησης και καθυστέρησης κατά τη διάρκεια μίας πτήσης, είτε εφαρμόζοντας ένα ενιαίο μοντέλο για την απευθείας πρόβλεψη της συνολικής καθυστέρησης. Για την υλοποίηση των αλγορίθμων πρόβλεψης, χρησιμοποιήσαμε παραδοσιακές τεχνικές Μηχανικής Μάθησης, και συγκεκριμένα Γραμμική Παλινδρόμηση, Πολυωνυμική Παλινδρόμηση, Παλινδρόμηση μέσω Διανυσμάτων Υποστήριξης (Support Vector Regression), αλλά και Νευρωνικά Δίκτυα. Με στόχο τη διερεύνηση της αποτελεσματικότητας των αλγορίθμων χρησιμοποιήθηκαν οι μετρικές του Μέσου Απολύτου Σφάλματος (Mean Absolute Error) και η Ρίζα του Μέσου Τετραγωνικού Σφάλματος (Root Mean Square Error), καθώς και η μετρική Συντελεστή Προσδιορισμού R-Squared, σε συνδυασμό με την τεχνική Cross Validation, ενώ λήφθηκε υπ’ όψιν και ο χρόνος εκτέλεσης της εκάστοτε υλοποίησης. Επιπλέον, μελετήθηκε και η συνεισφορά ενός νέου χαρακτηριστικού, αυτού της γνώσης προηγούμενων καθυστερήσεων, τόσο στο αεροδρόμιο άφιξης, όσο και στο αεροδρόμιο αναχώρησης. Εν κατακλείδι, η εφαρμογή της μεθοδολογίας μας σε ετήσιες πτήσεις ανάμεσα σε δύο πολυσύχναστα διεθνή αεροδρόμια των Ηνωμένων Πολιτειών Αμερικής (ΗΠΑ) καταδεικνύει ότι η χρήση αλγορίθμων Μηχανικής Μάθησης μπορεί να συμβάλλει στην πρόβλεψη της χρονικής καθυστέρησης πτήσεων, ενώ το νέο χαρακτηριστικό γνώσης προηγούμενων καθυστερήσεων έχει θετική συνεισφορά στις προβλέψεις.

Διαθέσιμα αρχεία

Υπηρεσίες