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...