Previsão de Atraso de Voos com Machine Learning
Esta ferramenta utiliza Machine Learning para estimar a probabilidade de atraso em voos comerciais no Brasil com base em dados históricos da ANAC. Além da previsão, o sistema apresenta os principais fatores que influenciaram o resultado utilizando técnicas de explicabilidade do modelo (SHAP).
Dados do Voo
Sobre o Projeto
O Radar de Atrasos é um projeto de ciência de dados que estima a probabilidade de atraso em voos utilizando dados públicos disponibilizados pela ANAC (Agência Nacional de Aviação Civil).
O modelo foi desenvolvido utilizando técnicas de Machine Learning, incluindo regressão logística como modelo de referência e XGBoost como modelo principal de classificação.
Para tornar as previsões mais transparentes, o sistema utiliza SHAP (SHapley Additive Explanations), permitindo identificar quais variáveis tiveram maior influência na decisão do modelo para cada previsão.
Como funciona
A previsão é realizada a partir de um modelo treinado com dados históricos de voos no Brasil. O sistema analisa informações como companhia aérea, aeroportos de origem e destino, horário do voo e padrões operacionais observados no histórico de voos.
Com base nesses dados, o modelo estima a probabilidade de atraso e apresenta os fatores mais relevantes que influenciaram a decisão da previsão.
Observação
As previsões apresentadas são estimativas baseadas em padrões históricos de operação e não representam previsões operacionais oficiais. Diversos fatores externos, como condições meteorológicas ou eventos operacionais imprevistos, podem influenciar atrasos reais.