FenixEdu™

Dissertação

Predicting Passenger Connectivity in an Airline’s Hub Airport EVALUATED

Detalhes: Projetar um escalonamento de voos que maximize os proveitos das companhias aéreas é um problema extremamente complexo. Um melhor planeamento está diretamente relacionado com os lucros da companhia, uma vez que a procura é influenciada pela oferta da concorrência, atrasos, ligações perdidas e a fidelidade dos passageiros. Este trabalho foca-se no problema de escalonamento de voos de ligação. Este tipo de planeamento tem por base que o tempo de escala no aeroporto está ajustado ao estritamente necessário para fazer a ligação entre os voos e que o passageiro consegue fazer o circuito necessário entre desembarque/embarque. A solução apresentada utiliza ferramentas de ciência de dados para prever a conectividade de passageiros num aeroporto hub de uma companhia aérea, sem necessitar do tempo de conexão de cada passageiro. Os modelos propostos consistem em modelos de apoio à decisão que podem ser utilizados em momentos distintos no processo de planeamento de voos de conexão, dadas as informações disponíveis em cada contexto. Primeiramente, é realizada uma análise exploratória dos dados. Em seguida, um modelo de aprendizagem automática, consistindo em gradient boosting machines e estratégias de imbalanced data, é usado para fazer previsões. Por último, as técnicas de explicabilidade do modelo fornecem uma explicação post hoc dos resultados obtidos. Os modelos propostos superam o baseline inspirado no critério atualmente usado pela companhia, com uma área sob a curva de precision-recall maior que 89%. Do ponto de vista operacional, a aplicação destes modelos preditivos para tomar ações preventivas facilmente representa uma redução de custos.
Keywords: voos de ligação, planeamento de voos, operações baseadas em dados, modelos de apoio à decisão, aprendizagem automática

Discussão: janeiro 27, 2021, 14:0