Predicción Interpretable del Tiempo de Rodaje de Salida de Vuelos Mediante Aprendizaje por Conjuntos de Apilamiento y...

Área de la Ciencia:

• Investigación de Operaciones en Aviación
• Inteligencia Artificial en el Transporte
• Sistemas de Gestión del Tráfico Aéreo

Sus antecedentes:

• Los modelos existentes de predicción del tiempo de rodaje sufren de una pobre interpretabilidad y generalización.
• La predicción precisa del tiempo de rodaje es crucial para la eficiencia de las operaciones aeroportuarias y el control del tráfico aéreo.

Objetivo del estudio:

• Desarrollar un novedoso modelo de predicción del tiempo de rodaje con interpretabilidad y generalización mejoradas.
• Descomponer el tiempo de rodaje y analizar los factores de influencia para mejorar la precisión de la predicción.
• Aprovechar el aprendizaje por conjuntos de apilamiento y las explicaciones aditivas de Shapley (SHAP) para el desarrollo y la validación del modelo.

Principales métodos:

• Descomposición del tiempo de rodaje en componentes sin obstáculos y dinámicos.
• Análisis de correlación de los factores de influencia para cada componente.
• Construcción de un modelo de predicción basado en apilamiento que compara enfoques holísticos y por fases.
• Implementación del análisis SHAP para la cuantificación de la importancia de las características y la interpretabilidad del modelo.

Principales resultados:

• El tiempo de rodaje sin obstáculos está influenciado principalmente por la configuración del aeropuerto; el tiempo de rodaje dinámico por el flujo de tráfico en superficie.
• La predicción por fases ofrece una mejor interpretabilidad con un rendimiento ligeramente inferior (MAPE: 12,0%) en comparación con la predicción holística.
• El modelo de apilamiento demuestra una precisión superior (41,0% dentro de ±60 s) y generalización.
• Un mecanismo dual de selección de características (análisis SHAP y de correlación) mejora la precisión de la predicción y reduce las dimensiones de las características.
• El análisis SHAP explica eficazmente los impactos e interacciones de las características, desmitificando el modelo.

Conclusiones:

• El modelo de apilamiento propuesto con análisis SHAP mejora significativamente la precisión y la interpretabilidad de la predicción del tiempo de rodaje.
• La descomposición del tiempo de rodaje y el uso de la predicción por fases proporcionan información valiosa para los controladores de tráfico aéreo.
• El modelo ofrece inteligencia procesable para optimizar las operaciones en superficie del aeropuerto y la toma de decisiones.