transportes
Actividad 1: Lectura del artículo
“A demand trend change early warning forecast model for the city of São Paulo multi-airport system”
1. Idea
Principal.
El
EWFM
(Early
Warning
Forecast
Model),
modelo
de
alerta
temprana
de
pronóstico
de
cambio
de
la tendencia
de
la
demanda
del
número
de
pasajeros
de
vuelos,
es
desarrollado
para
el
sistema
de
multiaeropuertos
de
la
ciudad
de
Sao
Paulo
(SPMAR´s),
al
objeto
de
anticipar
las
fluctuaciones
a
corto
plazo
en
la
tendencia
de
la demanda
y
ofrecer
las
previsiones
a
largo
plazo
para
la
toma
de
decisiones
en
concepto
de
planificación
de
la
infraestructura.
2. Resumen
del
artículo.
La
tendencia
de
la
demanda
La
predicción
del
número
de
pasajeros
de las
infraestructuras
aeroportuarias
y
la
tendencia
futura
es
clave
para
una
correcta
gestión
a
corto
y
largo
plazo,
más
aún
cuando
se
realiza
el
análisis
de
la
tendencia
futura
en
combinación
de
otros
indicadores
importantes.
El
conocimiento
de
la
tendencia
futura
para
diferentes
supuestos
(escenarios),
proporciona
múltiples
previsiones
que
permiten
determinar
y
predecir
los
puntos
de
inflexión
en
el
número
de
pasajeros
futuros.
Recientemente
se
ha
liberalizado
el
transporte
aéreo
de
Brasil,
ha
supuesto
la
creación
de
grandes
nodos
sobre
los
que
se
concentran
un
elevado
número
de
operaciones.
Así
el
mayor
sistema
de
multiaeropuertos
de
Brasil
es
el
del
entorno
de
Sao
Paulo
(SPMAR´s),
que
abarca
los
aeropuertos
de
Sao
Paulo
(SBGR),
Congonhas
(SBSP)
y
Viracopos
(SBVR),
que
sufre
numerosos
retrasos
causados
por
el
exceso
de
demanda
y
una
inadecuada
gestión
y
planificación.
El
trabajo
usa
como
ejemplo
el
SPMAR´s.
El modelo
El
modelo
de
alerta
temprana
de
pronóstico
de
cambio
de
la
tendencia
de
la
demanda
(EWFM)
que
se
desarrolla
en
este
trabajo,
es
adecuado
para
anticipar
las
fluctuaciones
a
corto
plazo
de
la
tendencia
de
la
demanda
y para
realizar
previsiones
a
largo
plazo
del
número
de
pasajeros
y
por
lo
tanto
planificar
la
infraestructura
de
SPMAR´s.
El
EWFM
emplea
un
sistema
de
árbol
de
inducción
descendente,
el
algoritmo
de
árbol
de
clasificación
y
regresión
(CART),
que
proporciona
una
elevada
transparencia
e
interpretabilidad,
se
detectan
las
variables
de
predicción
importantes
y
se
representan
las
particiones
recursivas
identificadas.
Las
partes
de
este
algoritmo
son
tres:
primera,
la
forma...
Regístrate para leer el documento completo.