El anuncio más temido para cualquier pasajero de una aerolínea que intenta llegar a casa para las vacaciones tiene que ser un retraso en el vuelo. Investigadores de la Universidad de Binghamton, Universidad Estatal de Nueva York han ideado un nuevo modelo informático que puede predecir retrasos con mayor precisión más rápido que cualquier otra cosa actualmenteen uso.
"Nuestro método propuesto es más adecuado para analizar conjuntos de datos con variables categóricas variables cualitativas como el clima o los riesgos de seguridad en lugar de numéricas relacionadas con retrasos en los vuelos. Hemos demostrado que puede superar a las redes tradicionales en términos de precisión y tiempo de entrenamientovelocidad ", dijo Sina Khanmohammadi, autora principal del estudio y candidata a doctorado en ciencias de sistemas en la Escuela de Ingeniería y Ciencias Aplicadas Thomas J. Watson de la Universidad de Binghamton.
Actualmente, los retrasos en los vuelos se predicen mediante modelos informáticos de redes neuronales artificiales ANN que se rellenan con datos de retrasos de vuelos anteriores. Una ANN es un grupo interconectado de nodos computarizados que trabajan juntos para analizar una variedad de variables para estimar un resultado:- en este caso, retrasos en los vuelos - muy parecido a la forma en que una red de neuronas en un cerebro trabaja para resolver un problema. Estas redes son de autoaprendizaje y se pueden entrenar para buscar patrones. Cuantas más variables tenga que procesar una ANN, másmás categóricas son esas variables, y la recopilación de datos históricos ralentiza una ANN para hacer predicciones de retrasos en los vuelos.
El equipo de Binghamton introdujo una nueva ANN de capa de entrada multinivel para manejar variables categóricas con una estructura simple para ayudar a las aerolíneas a ver fácilmente las relaciones entre las variables de entrada como el clima y las salidas retrasos en los vuelos.
La investigación no eliminará los retrasos, pero ayudará a las aerolíneas a informar a los viajeros con mayor rapidez y precisión sobre los problemas. El nuevo modelo también podría ayudar a que los aeropuertos regionales más pequeños sean más eficientes y puedan manejar más vuelos por día.
"Las aerolíneas pueden usar el método propuesto para proporcionar información más precisa sobre retrasos a los clientes y, por lo tanto, ganar la lealtad del cliente", dijo Khanmohammadi. "Los controladores de tráfico aéreo en un aeropuerto con mucho tráfico también pueden usar esta información como un complemento para mejorar latráfico del aeropuerto. "
Los investigadores capacitaron al nuevo modelo para captar 14 variables diferentes, incluido el día de la semana, el aeropuerto de origen, el clima y la seguridad, que afectaron los tiempos de llegada de 1.099 vuelos desde 53 aeropuertos diferentes al aeropuerto John F.Kennedy en Nueva YorkCity. El nuevo sistema predijo retrasos para vuelos hipotéticos que se proyectaba llegar al aeropuerto JFK a las 6:30 pm el 21 de enero desde una variedad de orígenes y bajo una variedad de condiciones.
El nuevo modelo predijo la duración de las demoras con aproximadamente un 20 por ciento más de precisión que los modelos tradicionales y requirió aproximadamente un 40 por ciento menos de tiempo para llegar a esas conclusiones.
"Dado que el conjunto de datos utilizado aquí es solo una pequeña muestra del conjunto de datos más grande proporcionado por la Oficina de Estadísticas de Transformación BTS, no es posible sacar conclusiones concluyentes. Dicho esto, en función del conjunto de datos de muestra pequeño, el mayorLa causa de la demora fueron llegadas tardías previas en aviones ", dijo Khanmohammadi." Por ejemplo, si un vuelo llega tarde a LAX en Los Ángeles para empezar, su llegada al aeropuerto JFK se retrasará aún más, y esta cascada de llegadas tardías continúa a medida que elel avión va de un aeropuerto a otro y luego otro y así sucesivamente ".
Con la creciente complejidad y uso de los viajes aéreos en todo el mundo, el equipo planea continuar explorando variables que podrían aplicarse al nuevo modelo. El grupo también quiere aplicar el trabajo más allá de la programación de vuelos y utilizar lógica difusa: computaciónbasado en grados de verdad en lugar de la dicotomía habitual verdadero / falso, para expandirse a más aplicaciones del mundo real.
Los estudiantes de doctorado Salih Tutun ingeniería industrial y Yunus Kucuk informática fueron coautores del artículo.
El estudio, "Una nueva red neuronal artificial de capa de entrada multinivel para predecir retrasos en los vuelos en el aeropuerto JFK", se publicó en el volumen 95 de Procedia Computer Science y se presentó en la Conferencia de sistemas adaptativos complejos en Los Ángeles el 2 de noviembre.
Fuente de la historia :
Materiales proporcionado por Universidad de Binghamton, Universidad Estatal de Nueva York . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :