Predicción del impacto de regulaciones aéreas sobre los flujos de aeronaves utilizando técnicas de aprendizaje automático: un modelo a nivel de vuelos

Abstract

Este Trabajo Fin de Máster describe tareas desarrolladas en el marco del convenio entre CRIDA (Centro de Referencia de Investigación, Desarrollo e Innovación ATM), la Universidad Politécnica de Madrid (departamento de Sistemas Aeroespaciales, Transporte Aéreo y Aeropuertos (SATAA) de la Escuela Técnica Superior de Ingeniería Aeronáutica y del Espacio y departamento de Inteligencia Artificial de la Escuela Técnica Superior de Ingenieros Informáticos (ETSII)) y ENAIRE. En este convenio se desarrolla el proyecto FLUJOS, que trata de clasificar flujos de tráfico aéreo en ruta, además de caracterizar y predecir el impacto de las distintas regulaciones en su comportamiento y demoras. El trabajo específico llevado a cabo en este Trabajo de Fin de Máster está relacionado con el impacto de las regulaciones en las demoras, y la predicción de estas últimas. Para llevar a cabo esta labor se han realizado análisis descriptivos y estadísticos de las bases de datos proporcionadas por CRIDA, además de crear variables artificiales a partir de esos mismos datos. Posteriormente, se ha procedido al balanceo de las clases asociadas a las variables respuesta, a la selección de variables y, finalmente, a la selección de algoritmo predictor de entre las distintas técnicas de Aprendizaje Automático disponibles. Se han utilizado algunas de las técnicas más populares dentro de la literatura científica para tratar de resolver las tareas aquí descritas. Finalmente, se muestran los resultados obtenidos para la predicción de las demoras y se extraen las conclusiones correspondientes al impacto de las regulaciones en los flujos de tráfico aéreo. Se proponen, además, los siguientes pasos que deberían darse en futuras iteraciones del convenio FLUJOS, que deberían ayudar a subsanar las carencias encontradas a lo largo de este estudio.---ABSTRACT---This Master’s Thesis describes tasks carried out within the framework of the agreement between CRIDA (Research Reference Center, ATM Development and Innovation), the Technical University of Madrid (department of Aerospace Systems, Air Transport and Airports (SATAA) of the School of Aeronautical and Space Engineering and Artificial Intelligence department of the School of Computer Science (ETSII)) and ENAIRE. The FLUJOS project is developed in this agreement, and aims to classify air traffic flows, in addition to characterizing and predicting the impact of the different regulations on the behavior and delays of such flows. The specific work carried out in this Master’s Thesis is related to the impact of regulations on delays, and the prediction of delays. To carry out this work, descriptive and statistical tests were performed on the databases provided by CRIDA. Additionally, artificial variables were obtained from the same data. Subsequently, the classes associated with the response variables were balanced, the predictor variables were selected and, finally, the predictive algorithm was selected from among the different Machine Learning techniques available. Some of the most popular techniques from the scientific literature were applied to the tasks described here. Finally, the results obtained for the prediction of delays are shown and the conclusions corresponding to the impact of regulations on air traffic flows are presented. In addition, the following steps that should be taken in future iterations of the FLUJOS agreement are proposed, which should help to fill the gaps found throughout this study.