[论文解读] On the relevance of data science for flight delay research: a systematic review

Alice Sternberg, Jorge de Abreu Soares+2 more|arXiv (Cornell University)|Dec 24, 2020

Air Traffic Management and Optimization参考文献 211被引用 31

一句话总结

本篇系统性综述探讨了数据科学方法在航班延误预测中的应用，提出了一种基于研究范围、数据类型和计算方法的分类体系，尤其强调了机器学习技术。研究识别了发展趋势、关键文献及方法论的演变，为提升空中交通管理中的预测准确性提供了全面的框架。

ABSTRACT

Flight delays hurt airlines, airports, and passengers. Their prediction is crucial during the decision-making process for all players of commercial aviation. Moreover, the development of accurate prediction models for flight delays became cumbersome due to the complexity of air transportation system, the number of methods for prediction, and the deluge of flight data. In this context, this paper presents a thorough literature review of approaches used to build flight delay prediction models from the Data Science perspective. We propose a taxonomy and summarize the initiatives used to address the flight delay prediction problem, according to scope, data, and computational methods, giving particular attention to an increased usage of machine learning methods. Besides, we also present a timeline of significant works that depicts relationships between flight delay prediction problems and research trends to address them. The published version of this paper is made available at \url{this https URL}. Please cite as: L. Carvalho, A. Sternberg, L. Maia Goncalves, A. Beatriz Cruz, J.A. Soares, D. Brandao, D. Carvalho, e E. Ogasawara, 2020, On the relevance of data science for flight delay research: a systematic review, Transport Reviews

研究动机与目标

• 分析数据科学在应对商业航空领域航班延误预测挑战中的作用。
• 基于研究范围、数据来源和计算方法，识别并分类现有方法。
• 突出强调机器学习技术在航班延误建模中日益增长的采用趋势。
• 通过时间轴映射重要研究贡献及随时间演变的趋势。
• 提供一个结构化的分类体系，以指导未来航班延误预测的研究与系统开发。

提出的方法

• 从数据科学视角，对关于航班延误预测的同行评审研究开展系统性文献综述。
• 根据三个维度对现有方法进行分类：研究范围（如航空公司层面、机场层面）、数据类型（如历史航班数据、天气数据、空中交通数据）以及计算方法（如统计模型、机器学习、深度学习）。
• 构建分类体系以组织和比较不同研究中的方法论，特别关注方法论的演变。
• 按时间顺序映射关键文献，以可视化航班延误建模中的研究趋势与技术变革。
• 聚焦于随机森林、梯度提升和神经网络等机器学习技术，这些技术已成为主流方法。
• 综合研究发现，以识别数据驱动航班延误预测中的研究空白、重复挑战与潜在机遇。

实验结果

研究问题

• RQ1 在航班延误预测中，主导的数据科学方法有哪些？这些方法随时间如何演变？
• RQ2 不同数据源（如航班计划、天气、空中交通）对预测模型性能的贡献如何？
• RQ3 在该领域中，传统统计模型与现代机器学习方法之间的关键方法论差异是什么？
• RQ4 航班延误预测的研究趋势与数据科学进步及数据可得性之间有何关联？
• RQ5 从数据科学的角度看，当前航班延误预测模型面临的主要挑战与局限性是什么？

主要发现

• 机器学习方法，尤其是XGBoost和LightGBM等集成模型，已成为近年来航班延误预测研究中的主导方法。
• 将多种数据源（如天气、机场拥堵情况、历史延误数据）整合，相比仅使用航班计划的模型，能显著提升预测准确性。
• 一种趋势日益明显：采用更复杂、数据密集型的模型，反映出高分辨率航班与运行数据的日益可得。
• 尽管方法论不断进步，模型可解释性、跨不同机场的泛化能力以及实时部署方面仍存在挑战。
• 系统性综述发现，特征工程与时间建模在提升预测性能方面的重要性已形成广泛共识。
• 关键研究成果的时间线显示，方法已从基于规则和统计模型，转向更复杂的基于学习的系统，尤其在2015年之后。