Vorhersage von Ankunftszeiten mit Deep Learning

20 Oktober 2024

Predicting flight arrival times with deep learning: A strategy for minimizing potential conflicts in gate assignment
F Cao, T Tang, Y Gao, O Michler, M Schultz. Transportation Research Part C: Emerging Technologies 169, 104866 

Der Luftverkehr wird häufig durch Wetterbedingungen und Flugsicherungsmaßnahmen beeinflusst, wodurch Flugpläne nicht immer eingehalten werden können. Verspätungen und frühzeitige Ankünfte sind die Folge und stellen das Flughafenmanagement, insbesondere bei der Gate-Zuweisung, vor große Herausforderungen. Hier kommt es häufig zu Konflikten und kurzfristigen Anpassungen. Statt wie herkömmliche Ansätze auf robuste Planungsmethoden zu setzen, verfolgt diese Studie einen Predict-then-Optimize-Ansatz (PO). Dabei werden Flugankunftszeiten mithilfe eines Vorhersagemodells berechnet und direkt für die Gate-Zuweisung genutzt, sodass auf klassische Pufferstrategien verzichtet werden kann. Für die Vorhersage wird ein CNN-LSTM-Attention-Deep-Learning-Modell entwickelt, das auf historischen Flugdaten eines einzelnen Flughafens basiert. Dadurch wird die Datenverfügbarkeit verbessert und das Modell praxistauglicher. In der anschließenden Optimierungsphase dient ein bi-objektives Gate-Zuweisungsmodell als Entscheidungsgrundlage, wobei anstelle der geplanten Ankunftszeiten die vorhergesagten Werte verwendet werden.

Ein Epsilon-constrained branch-and-price-Algorithmus wird eingesetzt, um eine optimale Zuordnung der Gates zu ermöglichen. Tests mit realen Daten zeigen, dass das Vorhersagemodell eine Genauigkeit von 93 % für frühzeitige Ankünfte und 84 % für pünktliche Ankünfte erreicht. Der Optimierungsalgorithmus liefert dabei qualitativ bessere Lösungen als heuristische Verfahren. Besonders bemerkenswert ist, dass der auf vorhergesagten Ankunftszeiten basierende Ansatz die Anzahl potenzieller Gate-Konflikte deutlich reduziert – in Spitzenzeiten um bis zu 25 % im Vergleich zur herkömmlichen planbasierten Strategie. Die Ergebnisse zeigen, dass dieser Ansatz die Auswirkungen unsicherer Ankunftszeiten auf die Gate-Zuweisung wirksam minimiert und eine alternative Lösung bietet, ohne auf klassische Methoden der robusten Optimierung angewiesen zu sein.