Previsão da ocorrência de atrasos em decolagens do Aeroporto de Guarulhos

• Autor(a) principal: QUEIROZ JÚNIOR, Hélio da Silva
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/0013000014s3z
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/48899
• topic: Engenharia civil; Atraso de voo; Previsão; Metanálise; Machine learning; RNA

Um problema comum em aeroportos de todo o mundo são os atrasos em voos comerciais. A crescente demanda por transporte aéreo torna esses atrasos cada vez mais recorrentes, somando custos e exigindo ajustes constantes na gestão de voos. Definir o método mais eficaz para prever a ocorrência desses atrasos é um tema recorrente em pesquisas de operação de tráfego aéreo. Nesses estudos, a especificidade da área analisada (seja uma companhia aérea, um aeroporto ou toda a operação de um país), a complexidade da saída buscada (previsão por regressão ou classificação) ou o tamanho do banco de dados utilizado exigem métodos de análise mais robustos, sendo o aprendizado de máquina uma alternativa comum ao uso de métodos estatísticos clássicos. Dentre os modelos de previsão por aprendizado de máquina, as Redes Neurais Artificiais se destacam pela capacidade modular do método, permitindo uma adequação a finalidade aplicada. Entretanto, a divergência entre os cenários estudados atribui diferentes verificações de precisão entre as respostas obtidas nos estudos realizados. Assim, este estudo tem como objetivo definir o cenário adequado de previsão e classificação de atrasos (área de análise, as variáveis de influência nos atrasos, uma faixa de acurácia aceitável e o modelo de previsão mais eficaz) em partidas regulares de um aeroporto. Além de propor um sistema preditivo em classes, capaz de ser implementado a realidade de operação do Aeroporto Internacional de São Paulo – SBGR e da companhia aérea nacional Gol Linhas Aéreas - GLO. Portanto, métodos de revisão bibliométrica e meta-análise foram utilizados para definir uma referência de base para avaliar a acurácia dos métodos. Em seguida, os estudos pesquisados foram classificados através da Análise Envoltória de Dados por metafronteira, definindo os cenários ideais para uma melhor resposta de previsão. As análises indicam que a Rede Neural do tipo MultiLayer Perceptron (MLP), têm melhor eficácia nas respostas preditivas para análises em rotas ou companhias aéreas, independentemente do motivo do atraso. Assim, foi aplicado um estudo de caso comparativo para o cenário de previsão definido, sendo verificada a capacidade preditiva do modelo para o Aeroporto de Guarulhos, SBGR, e uma companhia aérea nacional operante no mesmo. Os resultados indicam que, a previsão de atrasos em decolagens através de um sistema classificatório do tempo de atraso se mostrou o método com maior acurácia, independente do motivo de ocorrência. Logo, constatou-se que, a especificidade dos cenários e os motivos dos atrasos, dada uma área de análise, possuem maior relação com os resultados de acurácia de uma previsão de atraso de voo do que a massa de dados obtidos.