Using Scalable Data Mining for Predicting Flight Delays

تتكرر تأخيرات الرحلات الجوية في جميع أنحاء العالم (حوالي 20٪ من رحلات الطيران تصل متأخرة أكثر من 15 دقيقة) وتقدر كلفتها السنوية بعشرات المليارات من الدولارات. يجعل هذا السيناريو التنبؤ بتأخيرات الرحلة قضية أساسية لشركات الطيران والمسافرين. الهدف الرئيسي من هذا العمل هو تطبيق تنبؤ بتأخير وصول رحلة مجدولة تبعاً للظروف الجوية. يأخذ تأخير الوصول المتوقع في الاعتبار كلاً من معلومات الرحلة (المطار الأصلي ، مطار الوجهة ، وقت المغادرة ووقت الوصول) وأحوال الطقس في المطار الأصلي والمطار المقصود وفقًا لجدول الرحلة. تم تحليل الرحلات الجوية ومجموعات المعطيات الخاصة بالملاحظات الجوية باستخدام الخوارزميات المتوازية المطبقة في برنامج MapReduce المنفّذ على منصّة سحابية. تظهر النتائج دقة عالية في التنبؤ بالتأخيرات مع عتبة معينة. على سبيل المثال ، مع عتبة تأخير مدتها 15 دقيقة ، نحقق دقة تبلغ 74.2 ٪ و 71.8 ٪ من التذكر recall على الرحلات المتأخرة ، بينما مع عتبة 60 دقيقة ، كانت الدقة 85.8 ٪ ، وتذكّر التأخر هو 86.9 ٪. علاوة على ذلك ، توضح النتائج التجريبية قابلية التوسّع للمتنبئ التي يمكن تحقيقها أثناء أداء مهام إعداد المعطيات والتنقيب بها كتطبيقات MapReduce على السحابة.

Flight delays are frequent all over the world (about 20% of airline flights arrive more than 15 minutes late) and they are estimated to have an annual cost of several tens of billion dollars. This scenario makes the prediction of flight delays a primary issue for airlines and travelers. The main goal of this work is to implement a predictor of the arrival delay of a scheduled flight due to weather conditions. The predicted arrival delay takes into consideration both flight information (origin airport, destination airport, scheduled departure and arrival time) and weather conditions at origin airport and destination airport according to the flight timetable. Airline flights and weather observations datasets have been analyzed and mined using parallel algorithms implemented as MapReduce programs executed on a Cloud platform. The results show a high accuracy in predicting delays above a given threshold. For instance, with a delay threshold of 15 minutes we achieve an accuracy of 74.2% and 71.8% recall on delayed flights, while with a threshold of 60 minutes the accuracy is 85.8% and the delay recall is 86.9%. Furthermore, the experimental results demonstrate the predictor scalability that can be achieved performing data preparation and mining tasks as MapReduce applications on the Cloud.