Predicción de retrasos de vuelo usando Machine Learning

Abstract

El objetivo principal de este proyecto es pronosticar retrasos en vuelos comerciales, los cuales pueden producirse debido a múltiples factores. Los efectos negativos de los retrasos en los vuelos son principalmente económicos para los viajeros (alteración de los horarios de los pasajeros), para la industria de las aerolíneas (disminución de la demanda de pasajeros debido a la reducción de la reputación de la aerolínea) y, también, para las autoridades aeroportuarias. A su vez, producen un impacto económico indirecto, debido a que un sistema de transporte aéreo ineficiente requiere un aumento de la cantidad de personal necesario. Además, en el ámbito de la sostenibilidad, la existencia de retrasos en vuelos tiene incluso el potencial de perjudicar al medio ambiente debido a un aumento del consumo de combustible y de las emisiones de gases, afectando negativamente al efecto invernadero. Por lo tanto, estas consideraciones muestran la importancia de la estimación de retrasos en vuelos. El análisis de la predicción de los retrasos en vuelos es útil para establecer un estudio preciso del rendimiento de determinadas aerolíneas y aeropuertos, permitiendo procesos cruciales de toma de decisiones de cada participante clave en el sistema de transporte aéreo. En concreto, la base de datos analizada procede de la Oficina de Estadísticas de Transporte (BTS) del Departamento de Transporte de Estados Unidos (DOT) y representa los retrasos y cancelaciones de vuelos nacionales durante el año 2015. El objetivo de este análisis es desarrollar un motor de aprendizaje automático en dos fases que pueda predecir con exactitud el retraso en la llegada de un vuelo en minutos utilizando vuelos en tiempo real. En primer lugar, un modelo clasificador estima si el vuelo se retrasará o no, y, si el retraso tiene lugar, entonces, un modelo de regresión predice el retraso de la llegada en minutos. Estas predicciones se evalúan mediante la utilización de Python, un lenguaje de programación de alto nivel, ideal para el propósito de este proyecto.