DGLR-Publikationsdatenbank - Detailansicht
Autor(en):
F. Ebus, F. Knabe, M. Pak
Zusammenfassung:
Die zuverlässige Vorhersage potenzieller ATFM-Slots ermöglicht Airlines eine angemessene Reaktion durch Umplanungen, um die Auswirkungen auf den Flugbetrieb möglichst gering zu halten Das hier vorgestellte Vorhersagemodell wurde zur Prognose für das Auftreten von ATFM-Slots für den Flugbetrieb von Austrian Airlines (AUA) entwickelt. Das Modell beruht auf Machine-Learning Algorithmen und berechnet zu jedem Flug die Wahrscheinlichkeit für das Eintreten eines ATFM-Slots bis zu 24 Stunden im Voraus. Diese Vorhersagen ermöglichen der Flugplanung frühzeitiger zu agieren, um Kostenbelastungen zu vermeiden. Es werden die verwendeten Datensätze, die ausgetesteten Machine-Learning Modelle sowie die wichtigsten Ergebnisse und Einschränkungen erläutert.
Veranstaltung:
Deutscher Luft- und Raumfahrtkongress 2021
Verlag, Ort:
Deutsche Gesellschaft für Luft- und Raumfahrt - Lilienthal-Oberth e.V., Bonn, 2021
Medientyp:
Conference Paper
Sprache:
deutsch
Format:
21,0 x 29,7 cm, 10 Seiten
URN:
urn:nbn:de:101:1-2021092413133938584352
DOI:
10.25967/550053
Stichworte zum Inhalt:
ATFM-Slots, Machine-Learning
Verfügbarkeit:
Download
- Bitte beachten Sie die Nutzungsbedingungen dieses Dokuments: Copyright protected
Kommentar:
Zitierform:
Ebus, F.; Knabe, F.; Pak, M. (2021): Entwicklung eines ATFM-Slot-Vorhersagemodells für die Flugplanung auf Basis von Machine-Learning Algorithmen. Deutsche Gesellschaft für Luft- und Raumfahrt - Lilienthal-Oberth e.V.. (Text). https://doi.org/10.25967/550053. urn:nbn:de:101:1-2021092413133938584352.
Veröffentlicht am:
24.09.2021