Divisão de Engenharia Civil Ano: 2021
(Turma 2021, TGs 2021)
Previsão de demanda por transporte aéreo baseada em processamento de linguagem natural e deep learning (pdf 21,90 MB)
Autor: Felipe Leonardo Sarmento da Silva
Orientador(es): Marcelo Xavier Guterres
Relator(es): Dimas Betioli Ribeiro
Ano: 2021
Resumo:
O transporte aéreo é um serviço essencial para o desenvolvimento do país e para a sociedade, logo é de suma importância que Estado e instituições privadas realizem um planejamento estratégico de forma a maximizar a eficiência do setor, para isso a previsão de demanda por transporte aéreo é peça fundamental. Existem alguns métodos na literatura para previsão de demanda, como o econométrico e o gravitacional, porém todos com as suas limitações. Este trabalho propõe um novo método para a tarefa, baseado em aprendizado profundo e processamento de linguagem natural. Para isso, criou-se uma base de dados com notícias de jornal relacionadas ao setor aéreo de 2006 a 2018 utilizando raspagem web. Essa base de dados foi associada com os dados da ANAC de demanda anual por passagens aéreas. A base associada serviu de entrada para a rede neural que, por meio de regressão, realiza as previsões de demanda. Os resultados mostraram que o método é eficaz para realizar a tarefa proposta e que as notícias de jornal relacionadas ao transporte aéreo tem conteúdo linguístico suficiente para prever com exatidão a demanda por transporte aéreo. Abstract:
Air transport is an essential service for the country's development and for society, so it is of paramount importance that the State and private institutions carry out strategic planning in order to maximize the sector's efficiency, for this the forecast of demand for air transport is fundamental piece. There are some methods in the literature for demand forecasting, such as econometric and gravitational, but all of them have their limitations. This work proposes a new method for the task, based on deep learning and natural language processing, for which a database with newspaper news related to the airline industry from 2006 to 2018 was created using web scraping. This database was associated with ANAC's annual demand data for air tickets, and this associated database served as input to the neural network that, through regression, performs demand forecasts. The results showed that the method is effective in carrying out the proposed task and that newspaper news related to air transport has enough linguistic content to accurately predict the demand for air transport.
