Divisão de Engenharia Civil Ano: 2022
(Turma 2022, TGs 2022)
Análise e previsão de atrasos em voos no sistema de transporte aéreo do Aeroporto Internacional de Guarulhos (pdf 2,66 MB)
Autor: Ygor Rodrigo de Melo Fontes Santos
Orientador(es): Alessandro Vinícius Marques de Oliveira
Relator(es): Mayara Condé Rocha Murça
Ano: 2022
Resumo:
Atrasos em voos são inevitáveis e causam muitos prejuízos às companhias aéreas e à sociedade como um todo. Além do impacto na economia, eles exercem influência sobre a satisfação dos consumidores. Diante desse contexto, o presente estudo faz uma análise dos atrasos em voos do aeroporto mais movimentado do Brasil, o Aeroporto Internacional de Guarulhos. Assim, pelo motivo referido, esse aeroporto representa o que mais sofre em virtude da concentração e do congestionamento por atraso de voos. Nesse aspecto, a motivação da pesquisa se justifica pela relevância do Aeroporto assinalado. Além disso, o problema de pesquisa a ser desenvovido é o seguinte: Qual algoritmo de machine learning tem melhor desempenho ao prever atrasos de voo no aeroporto de Guarulhos?. Ademais, com relação à hipótese de pesquisa, configurou-se a seguinte hipótese: O algoritmo de machine learning que apresenta melhor desempenho ao prever atrasos de voo no aeroporto de Guarulhos é o de redes neurais artificiais. Dessa forma, este estudo utiliza 4 algoritmos de machine learning, quais sejam, KNN, árvore de decisão, regressão logística e rede neural artificial, com o intuito de elaborar um modelo preditivo para os atrasos no aeroporto em análise. Nesse sentido, os algoritmos são todos aplicados a 2 modelos de classificação e 1 de regressão. Quanto às variáveis eleitas para a pesquisa, são consideradas as variáveis referentes à operação dos voos e as variáveis metereológicas. Enfim, com relação à conclusão da pesquisa, compreendeu-se que tanto os modelos de classificação, quanto o modelo de regressão propostos apresentaram erros bastante elevados. Por fim, os resultados preliminares levaram ao teste de dois estudos de caso, a fim de verificar uma aplicação verossímel dos algoritmos analisados, mitigando-se as condições preliminarmente estabelecidas Abstract:
Flight delays are inevitable and cause a lot of damage to airlines and society as a whole. Besides the impact on the economy, they have an influence on consumer satisfaction. Given this context, this study analyzes flight delays at the busiest airport in Brazil, Guarulhos International Airport. Thus, for the aforementioned reason, this airport represents the one that suffers the most from concentration and congestion due to delayed flights. In this aspect, the motivation of the research is justified by the relevance of the Airport pointed out. Furthermore, the research problem to be developed is as follows: Which machine learning algorithm performs best in predicting flight delays at Guarulhos Airport? Furthermore, regarding the research hypothesis, the following hypothesis was configured: The machine learning algorithm which presents the best performance when predicting flight delays at the Guarulhos airport is the artificial neural network algorithm. Thus, this study uses 4 machine learning algorithms, namely, KNN, decision tree, logistic regression and artificial neural network, in order to develop a predictive model for delays at the airport under analysis. In this sense, the algorithms are all applied to 2 classification models and 1 regression model. As for the variables chosen for the research, the variables related to the operation of flights and the meteorological variables are considered. Finally, regarding the conclusion of the research, it is understood that both the classification models and the proposed regression model presented quite high errors. Finally, the preliminary results led to the testing of two case studies in order to verify a credible application of the algorithms analyzed, mitigating the conditions preliminarily established.
