ПРЕДИКЦИЈА КАШЊЕЊА АВИОНСКИХ ЛЕТОВА КОРИШЋЕЊЕМ АЛГОРИТАМА МАШИНСКОГ УЧЕЊА

Катарина Жерајић; Јелена Сливка

doi:10.24867/28BE27Zerajic

Катарина Жерајић
Јелена Сливка Fakultet tehničkih nauka

DOI: https://doi.org/10.24867/28BE27Zerajic

Ključne reči: предвиђање кашњења летова, експлоративна анализа података, модел система, KNN, SVM, XGBoost, Random Forest

Apstrakt

У овом раду се истражује проблем кашњења авионских летова. У развијенијим државама где кашњења авионских летова могу да представљају значајан финансијски губитак, постоје институције које се баве праћењем и анализом овог проблема. У циљу одређивања фактора који утичу на кашњење авионских летова, обучени су модели машинског учења. За предикцију су коришћени су подаци о летовима, авионима, аеродромима и временским условима у време лета. Кашњења су подељена у три класе: занемарљиво кашњење (до 15 минута), мало кашњење (између 15 и 60 минута) и велико кашњење (преко 60 минута).

Reference

[1] Mustafa Kurt (2019), MEF university, Flight delay prediction https://openaccess.mef.edu.tr/xmlui/bitstream/handle/20.500.11779/1217/MustafaKurt.pdf
[2] Enwew Chibuike Kenneth (2019), National College of Ireland, A Machine Learning approach predicting flight arrival delay reduction for Delta Airlines https://norma.ncirl.ie/4305/1/chibuikekennethenwere.pdf
[3] Deepak Kulkarni, Yao Wang and Banavar Sridhar (2013), Ames Research Center, Data mining for understanding and improving decision-making affecting ground delay programs
https://permanent.access.gpo.gov/gpo52894/20140008891.pdf
[4] Keggle, 2015 Flight Delays and Cancellations, https://www.kaggle.com/datasets/usdot/flight-delays
[5] FlightAware, Flight Tracker/Flight Status
https://flightaware.com
[6] Open-Meteo, Free Open-Source Weather API
https://open-meteo.com