Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Possibilities of quantification of factors influencing the aircraft ground handling process and TOBT prediction

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F23%3A00372103" target="_blank" >RIV/68407700:21260/23:00372103 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1016/j.trpro.2023.12.009" target="_blank" >https://doi.org/10.1016/j.trpro.2023.12.009</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.trpro.2023.12.009" target="_blank" >10.1016/j.trpro.2023.12.009</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Possibilities of quantification of factors influencing the aircraft ground handling process and TOBT prediction

  • Popis výsledku v původním jazyce

    The subject of this paper is to summarize current research in the area of aircraft departure delay prediction based on machine learning algorithms and to confirm the relevancy of the identified variables (factors) whose implementation into predictive models could improve their accuracy and thus the ability to accurately predict the Target Off Block Time (TOBT) at Collaborative Decision Making (CDM) airport. In order to predict delays, several prediction models have been developed. One of the large categories of mathematical models are machine learning methods. The article includes a comprehensive literature review focused on machine learning algorithms confirming that none of those approaches used data from aircraft ground handling to predict aircraft departure delays, mainly due to ground handling data availability and scope of the research. The paper describes variables that could extend the existing machine learning prediction models. This research is supported with the real operational data from Václav Havel Airport Prague. The case study at Prague airport verifies a correlation of proposed variables with TOBT time. In several cases, a strong correlation between the proposed variables and TOBT was confirmed.

  • Název v anglickém jazyce

    Possibilities of quantification of factors influencing the aircraft ground handling process and TOBT prediction

  • Popis výsledku anglicky

    The subject of this paper is to summarize current research in the area of aircraft departure delay prediction based on machine learning algorithms and to confirm the relevancy of the identified variables (factors) whose implementation into predictive models could improve their accuracy and thus the ability to accurately predict the Target Off Block Time (TOBT) at Collaborative Decision Making (CDM) airport. In order to predict delays, several prediction models have been developed. One of the large categories of mathematical models are machine learning methods. The article includes a comprehensive literature review focused on machine learning algorithms confirming that none of those approaches used data from aircraft ground handling to predict aircraft departure delays, mainly due to ground handling data availability and scope of the research. The paper describes variables that could extend the existing machine learning prediction models. This research is supported with the real operational data from Václav Havel Airport Prague. The case study at Prague airport verifies a correlation of proposed variables with TOBT time. In several cases, a strong correlation between the proposed variables and TOBT was confirmed.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    21100 - Other engineering and technologies

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2023

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Transportation Research Procedia - INAIR 2023

  • ISBN

  • ISSN

    2352-1457

  • e-ISSN

    2352-1465

  • Počet stran výsledku

    9

  • Strana od-do

    68-76

  • Název nakladatele

    Elsevier BV

  • Místo vydání

    Linz

  • Místo konání akce

    Tartu

  • Datum konání akce

    15. 11. 2023

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku