MODELOWANIE PREDYKCYJNE OPÓŹNIEŃ LOTÓW Z WYKORZYSTANIEM DRZEW DECYZYJNYCH
##plugins.themes.bootstrap3.article.main##
Abstrakt
Współcześnie, choć technologia rozwinęła się na niewyobrażalną skalę, wciąż istnieją czynniki, które mogą zakłócić bezpieczne i sprawne funkcjonowanie wielu obszarów codziennego życia. Jednym z nich są opóźnienia. Niewątpliwie są one elementem niepożądanym, a w niektórych przypadkach nawet niebezpiecznym. Szczególnym przypadkiem może być ruch lotniczy, który jest jednym z najbardziej zaawansowanych technologicznie obszarów. Jednak występujące dość często opóźnienia w ruchu lotniczym sprawiły, że pożądane stało się badanie tego obszaru w oparciu o modelowanie przepustowości lotnisk i metody uczenia maszynowego, z głównym naciskiem na algorytmy drzew decyzyjnych. W oparciu o te metody drzew decyzyjnych, wynikiem pozyskiwania i przetwarzania danych i zmiennych było stworzenie konkretnych modeli, które mogą wspierać zarządzanie ruchem lotniczym, a w konsekwencji niwelowanie powstałych opóźnień.
##plugins.generic.usageStats.downloads##
##plugins.themes.bootstrap3.article.details##
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
Bibliografia
Bertsimas D., Lulli G., Odoni A., ‘An Integer Optimization Approach to Large-Scale Air Traffic Flow Management’. Operations Research 59, no. 1 (February 2011): 211–27. https://doi.org/10.1287/opre.1100.0899.
Bilmoria K.D., Sridhar B., Chatterji G.B., Sheth K., Grabbe S., ‘FACET: Future ATM Concepts Evaluation Tool’. Air Traffic Control Quarterly, 2001. https://doi.org/10.2514/atcq.9.1.1.
Bisandu D.B., Homaid M.S., Moulitsas I., Filippone S., ‘A Deep Feedforward Neural Network and Shallow Architectures Effectiveness Comparison: Flight Delays Classification Perspective’, 2021. https://doi.org/10.1145/3505711.3505712.
Chen Y., Jiang Y., Tsai S.-B., Zhu J., ‘An Empirical Study on the Indirect Impact of Flight Delay on China’s Economy’. Sustainability, 2018. https://doi.org/10.3390/su10020357.
Duan L., Zhou J., You W., Xu W. ‘A Novel and Highly Efficient Botnet Detection Algorithm Based on Network Traffic Analysis of Smart Systems’. International Journal of Distributed Sensor Networks, 2022. https://doi.org/10.1177/15501477211049910.
Esmaeilzadeh E., Mokhtarimousavi S., ‘Machine Learning Approach for Flight Departure Delay Prediction and Analysis’. Transportation Research Record Journal of the Transportation Research Board, 2020. https://doi.org/10.1177/0361198120930014.
Graupl T., Mayr M., Rokitansky C.-H., ‘A Method for SWIM-Compliant Human-in-the-Loop Simulation of Airport Air Traffic Management’. International Journal of Aerospace Engineering, 2016. https://doi.org/10.1155/2016/6806198.
Hamami F., Dahlan I.A., ‘Air Quality Classification in Urban Environment Using Machine Learning Approach’. Iop Conference Series Earth and Environmental Science, 2022. https://doi.org/10.1088/1755-1315/986/1/012004.
Izdebski M., Gołda P., Zawisza T., The Use of Simulation Tools to Minimize the Risk of Dangerous Events on the Airport Apron, Lecture Notes in Networks and Systems, 2023, 604 LNNS, pp. 91–107. https://doi.org/10.1007/978-3-031-22359-4_6.
Jia Y., Zhang H., Líu H., Zhong G., Li G., ‘Flight Delay Classification Prediction Based on Stacking Algorithm’. Journal of Advanced Transportation, 2021. https://doi.org/10.1155/2021/4292778.
Jiang X., Xie Y., ‘Study of the Multi-Airport Ground-Holding Strategy Model and Application’, 2016. https://doi.org/10.2991/i3csee-16.2016.4.
Kalliguddi A.M., Leboulluec A.K., ‘Predictive Modeling of Aircraft Flight Delay’. Universal Journal of Management, 2017. https://doi.org/10.13189/ujm.2017.051003.
Khan R.U., Xiaosong Zhang X., Kumar R., Sharif A., Golilarz N.A., Alazab M., ‘An Adaptive Multi-Layer Botnet Detection Technique Using Machine Learning Classifiers’. Applied Sciences, 2019. https://doi.org/10.3390/app9112375.
Li S., Qin J., He M., Paoli R., ‘Fast Evaluation of Aircraft Icing Severity Using Machine Learning Based on XGBoost’. Aerospace, 2020. https://doi.org/10.3390/aerospace7040036.
Moreno R., Luis J., Balakrishnan H., ‘Characterization and Prediction of Air Traffic Delays’. Transportation Research Part C Emerging Technologies, 2014. https://doi.org/10.1016/j.trc.2014.04.007.
Palopo K., Chatterji G.B., Lee H.-T., ‘Interaction of Airspace Partitions and Traffic Flow Management Delay’, 2010. https://doi.org/10.2514/6.2010-9295.
Qu J., Wu S., Zhang J., ‘Flight Delay Propagation Prediction Based on Deep Learning’. Mathematics, 2023. https://doi.org/10.3390/math11030494.
Stefanovič P., Štrimaitis R., Kurasova O., ‘Prediction of Flight Time Deviation for Lithuanian Airports Using Supervised Machine Learning Model’. Computational Intelligence and Neuroscience, 2020. https://doi.org/10.1155/2020/8878681.
Tang B., Kay S., He H., ‘Toward Optimal Feature Selection in Naive Bayes for Text Categorization’. Ieee Transactions on Knowledge and Data Engineering, 2016. https://doi.org/10.1109/tkde.2016.2563436.
Tong D., Qu Y.R., Prasanna V.K., ‘High-Throughput Traffic Classification on Multi-Core Processors’, 2014. https://doi.org/10.1109/hpsr.2014.6900894.
Wang R., ‘A Note on Logistic Regression and Logistic Kernel Machine Models’, 2011. https://doi.org/10.48550/arxiv.1103.0818.
Wong J.-T., Chang Tsai S., ‘A Survival Model for Flight Delay Propagation’. Journal of Air Transport Management, 2012. https://doi.org/10.1016/j.jairtraman.2012.01.016.
Wu Z., Lin W., Ji Y., ‘An Integrated Ensemble Learning Model for Imbalanced Fault Diagnostics and Prognostics’. IEEE Access 6 (2018): 8394–8402. https://doi.org/10.1109/ACCESS.2018.2807121.
Xu G., Zhang X., ‘Statistical Analysis of Resilience in an Air Transport Network’. Frontiers in Physics, 2022. https://doi.org/10.3389/fphy.2022.969311.
Zámková M., Prokop M., Stolín R., ‘Factors Influencing Flight Delays of a European Airline’. Acta Universitatis Agriculturae Et Silviculturae Mendelianae Brunensis, 2017. https://doi.org/10.11118/actaun201765051799.
Zhang J., Bianco G.L., Beck J.Ch., ‘Solving Job-Shop Scheduling Problems with QUBO-Based Specialized Hardware’. Proceedings of the International Conference on Automated Planning and Scheduling 32 (13 June 2022): 404–12. https://doi.org/10.1609/icaps.v32i1.19826.
Zhang K., ‘Spatio-Temporal Data Mining for Aviation Delay Prediction’, 2021. https://doi.org/10.48550/arxiv.2103.11221.
Zhen Y., Yang H., Li F., Lin Y., ‘A Deep Learning Approach for Short-Term Airport Traffic Flow Prediction’. Aerospace, 2021. https://doi.org/10.3390/aerospace9010011.
Ziółkowski J., Małachowski J., Oszczypała M., Szkutnik-Rogoż J., Konwerski J., Simulation model for analysis and evaluation of selected measures of the helicopter’s readiness, Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 2022, 236(13), pp. 2751–2762. https://doi.org/10.1177/09544100211069180.
Zoutendijk M., Mitici M., ‘Probabilistic Flight Delay Predictions Using Machine Learning and Applications to the Flight-to-Gate Assignment Problem’. Aerospace 8, no. 6 (June 2021): 152. https://doi.org/10.3390/aerospace8060152.