Publication
Forecasting flight delays with climate data and implications for the airline industry
| datacite.subject.fos | Ciências Sociais::Economia e Gestão | pt_PT |
| dc.contributor.advisor | Nogueira, Miguel | |
| dc.contributor.author | Wimmer, Anna Christina | |
| dc.date.accessioned | 2024-04-19T15:38:03Z | |
| dc.date.available | 2024-04-19T15:38:03Z | |
| dc.date.issued | 2024-01-24 | |
| dc.date.submitted | 2024-01-02 | |
| dc.description.abstract | This thesis investigated the impact of climate change on the number of flight delays and corresponding flight delay costs by examining departure delays from John F. Kennedy Airport in New York City, USA, from 2013 to 2022 and deriving a model for future delays from 2023 to 2030. This is relevant as the airline industry faces high flight delay costs caused by a changing and more extreme climate. First, machine learning algorithms were trained and evaluated on past weather and flight delay data to find the best model to predict whether a flight is delayed or not and the cost of the delay. The best-performing models, a gradient boosting classifier and a gradient boosting regressor, were then used to make predictions on data of two future climate scenarios. These scenarios represent the upper and lower thresholds of the expected evolution of anthropogenic greenhouse gas emissions and resulting climate change. The outcomes showed no significant change in the number of weather-related flight delays and flight delay costs until 2030 based on the computed Kendall Taus and Spearman Rank Correlations. Additionally, the results identified significant differences in the average delay cost per flight between airlines. It was recommended to regularly repeat this research to spot increasing delay risks as early as possible. This thesis applied the business analytics principles by exploring how the airline industry can use the prediction results to make business decisions. Suggestions were cost reduction measures and increasing the quantity or prices of plane tickets or complementary services. | pt_PT |
| dc.description.abstract | O sector das companhias aéreas enfrenta custos elevados devidos a atrasos de voos causados por um clima em mudança e com cada vez mais eventos extremos. Por conseguinte, esta tese investigou o impacto das alterações climáticas no número de atrasos de voos e nos custos dos mesmos. O foco foram os atrasos nas partidas do Aeroporto John F. Kennedy, na cidade de Nova Iorque, durante um período de 2023 a 2030. Em primeiro lugar, os algoritmos de aprendizagem automática foram treinadas e avaliados numa base de dados histórica contendo dados meteorológicos e de atrasos de voos com o objetivo de encontrar o melhor modelo para prever se um voo está ou não atrasado e os custos associados. Os modelos com melhor desempenho, um gradient boosting classifier e um gradient boosting regressor, foram depois utilizados para fazer previsões sobre dados de dois cenários climáticos futuros. Estes cenários representam o melhor e pior cenários de evolução das emissões com origem antropogénica e as alterações climáticas associadas. Os resultados não revelaram alterações significativas no número de atrasos de voos relacionados com as condições meteorológicas e nos custos dos atrasos de voos até 2030. No entanto, indicaram o desenvolvimento de mais atrasos e custos mais elevados no futuro. Por conseguinte, foi recomendada a repetição regular desta investigação para detetar o aumento dos custos o mais cedo possível. Esta tese aplicou os princípios de business analytics, explorando a forma como o sector das companhias aéreas pode utilizar os resultados das previsões para tomar decisões empresariais. | pt_PT |
| dc.identifier.tid | 203588800 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.14/44711 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Flight delays | pt_PT |
| dc.subject | Flight delay cost | pt_PT |
| dc.subject | Prediction | pt_PT |
| dc.subject | Weather data | pt_PT |
| dc.subject | Climate change | pt_PT |
| dc.subject | Machine learning | pt_PT |
| dc.subject | Atrasos nos voos | pt_PT |
| dc.subject | Custo dos atrasos nos voos | pt_PT |
| dc.subject | Previsão | pt_PT |
| dc.subject | Dados meteorológicos | pt_PT |
| dc.subject | Alterações climáticas | pt_PT |
| dc.subject | Aprendizagem automática | pt_PT |
| dc.title | Forecasting flight delays with climate data and implications for the airline industry | pt_PT |
| dc.title.alternative | Previsão de atrasos de voos com dados climáticos e implicações para o sector das companhias aéreas | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Análise de Dados para Gestão | pt_PT |