Flight Delay Forecast
Obiettivo
Predire i ritardi degli aerei nell’area del terminal aeroportuale utilizzando tecniche di machine learning su dati storici.
Focus
- Ritardi sulle partenza ed arrivi dei voli per 227 aeroporti europei.
- Compagnie aeree: charter, low cost, Traditional Scheduled, all-cargo, Business Aviation
Data sources
Traffic, time, and waiting times from 2015 to mid-2018
Weather from 2015 to mid-2018
Departure Model e risultati
Trained on 227 ICAOS
Plotted 4 ICAOs
Vedi F1-score»
Arrival Model e risultati
Trained on 227 ICAOS
Plotted 4 ICAOs
Vedi F1-score»
ULTERIORI SPERIMENTAZIONI
È stato eseguito un confronto utilizzando gli stessi training con i modelli ed i dataset relativi a soli 10 ICAO: scelti fra i più ricorrenti nel dataset utilizzato.
Training on 10 ICAOS: LSZH, LTBA, LEBL, EKCH, ENGM, LOWW, LTFJ, EGKK, LFPO, ESSA
Partenze
Trained on 227 ICAOS
Trained on 10 ICAOS
Arrivi
Trained on 227 ICAOS
Trained on 10 ICAOS
Conclusioni
Per poter essere utilizzato in un real envirorment il modello necessita di ulteriori refinement.
I risultati del modello Soul Software sono comparabili con quelli presentati da Eurocontrol nel 2021.
Sviluppi Futuri
Le prestazioni dovrebbero migliorare attraverso un arricchimento del dataset con informazioni meteo, caratteristiche degli aeroporti, etc...
