Задержка авиарейсов – явление неприятное, но достаточно распространенное, причем не только в нашей стране, но и во всем мире. Причин такому «действию» может быть множество: погодные условия, техническая неисправность воздушного судна, забастовка персонала аэропорта. Ну и так далее. Такие задержки в буквальном смысле «рушат» график жизни людей: кто-то опаздывает на трансфер, у кого-то сокращается отпуск или меняется график командировки, кто-то теряет деньги из-за не вовремя подписанного контракта. И, что самое главное, спрогнозировать задержку рейсов крайне сложно. Но, как оказалось, вполне возможно.
Студент университета МИСИС Вячеслав Пачков в рамках итоговой квалификационной работы проанализировал большой объем данных по расписанию авиатранспорта и представил приложение для смартфона, которое может прогнозировать задержки авиарейсов.
Как рассказал студент вуза, для прогнозирования задержек подходят различные алгоритмы машинного обучения.
– Определение наиболее важных и информативных признаков является ключевым этапом в разработке эффективной модели прогнозирования задержек авиарейсов, – уточнил Вячеслав Пачков. – Мне кажется, если авиакомпании или аэропорты вложатся в это направление для повышения точности и надежности предсказаний, это продемонстрирует заботу о клиентах, повысит положительную репутацию ответственного перевозчика и, конечно, позволит выбрать наиболее эффективную стратегию управления рисками.
В основе расчетов молодого специалиста лежит нейронная сеть, способная обрабатывать сложные входные данные и проводить нелинейную классификацию или регрессию. Она называется моделью многослойного перцептрона.
– В модели используется 9 входных признаков: время между прилетом и вылетом из аэропорта отправления; ожидаемое время прилета в аэропорт назначения; дальность полета; аэропорт вылета; аэропорт прилета; вид воздушного судна; температура; вероятность осадков; время года, – объяснил молодой человек. – По итогу было обработано около миллиона записей, представляющих собой информацию о полетах за последний год из API-интерфейсов служб отслеживания рейсов FlightAware и FlightStats из России, Канады, Великобритании, Франции, Германии, Австралии, Японии и США.
После замера производительности на тестовом наборе данных, сконвертированная модель была интегрирована в iOS приложение для демонстрации работы на реальных данных. Приложение использует разработанную модель для выполнения предсказаний на мобильном устройстве.
Мона Платонова.
