|
扬声器
|
脚本
|
| ZHONG, LINLI _ |
好的，我们开始吧。大家好。这是2020年1月至2020年6月美国机场航班延误时间序列数据分析的海报。我们是新加坡管理大学的学生。我是林莉。 |
| YAN Ruiyun |
我是瑞云。 |
| 艾西瓦娅·克里希纳·普拉萨德 |
我是 Aishwarya Krishna Prasad。现在让我们快速介绍一下我们的项目。交给你了 Linli。 |
| ZHONG, LINLI _ |
谢谢你，Ash。 |
| |
在左侧，我们可以看到一个折线图。它显示了美国最繁忙的 10 个机场的年度客流量和... |
| |
在...从图中我们可以看到，各机场的旅客数量都出现了急剧下降。这是因为机场的旅客对 2020 年 COVID-19 的蔓延表现出了反应。 |
| |
而对于我们的分析，我们想从延误和地理位置的特征来发现美国前 15% 机场的延误相似性。 |
| |
时间序列、动态时间包装、探索性数据分析。 |
| |
使用时间序列和 DTW 根据出发延迟找出聚类之间的相似性。使用 EDA 绘制地理地图。好的，让我们回到数据集。 |
| |
谢谢，这是数据集。 |
| |
实际上，我们的数据集来自美国运输部，来自我们的 |
| |
左侧是数据准备，这是我们数据准备的过程。我们首先将csv文件导入到JMP Pro 16.0中。 |
| |
然后我们删除对我们的分析没啥用的列和值。 |
| |
之后，为了进行数据转换，我们汇总了不同城市机场的数据，然后筛选出 |
| |
排名前54位的机场，根据各机场的航班总数，计算延误率。 |
| |
数据准备完毕后，我们将此文件保存为 SAS 格式，并将 SAS 格式导入 SAS Enterprise Miner 40.1 进行进一步分析， |
| |
即DTW分析和时间序列分析。DTW处理后再次使用JMP Pro 16.0，找出不同聚类的奇异性并绘制地理图。 |
| |
以上就是数据集的介绍，下面请我的小伙伴来为我们进一步介绍一下我们的分析。 |
| 艾西瓦娅·克里希纳·普拉萨德 |
谢谢 Linli。现在让我们深入研究时间序列和聚类分析。我们使用 SAS Enterprise Miner 进行了时间序列和聚类分析。 |
| |
因此，此图是我们使用 SAS Enterprise Miner 中的 DTW 节点获得的输出之一。因此，在 X 轴上，您可以看到，它包含从 2020 年 1 月到 2020 年 6 月...到 2020 年 7 月的月份。 |
| |
在 y 轴上，我们可以观察到我们数据集中包含的航班延误百分比。 |
| |
现在我们可以看到，2 月初和 6 月底出现了急剧上升，这似乎与美国假期期间的现象密切相关。 |
| |
但是，总体而言，除了这两次大幅上涨之外，我们还可以看到航班延误的数量总体上呈稳步下降趋势。 |
| |
然后，我们使用 SAS 执行了基于层次聚类的时间序列聚类，并且可以在此处观察到相同的星座图。我们选择了......我们认为聚类数 (7) 是我们分析的最佳聚类数。 |
| |
现在，这些是使用 SAS Enterprise Miner 的 TS 相似性节点形成的集群，让我们快速看一下 |
| |
Cluster1 的实例。因此，在这个 Cluster1 中，它主要包含美国的国际机场。 |
| |
这些机场包括丹佛国际机场、堪萨斯城国际机场、华盛顿国际机场。 |
| |
仅举几个例子。正如你所见，这些机场的延误时间相当长，这是因为这些机场位于游客经常光顾的城市。 |
| |
因此类似地，剩余的集群也是由航班延误的类似行为形成的。 |
| |
现在，将上一步生成的聚类输入到 JMP Pro 中，并使用图形生成器功能， |
| |
我们能够构建这些图表。所以这个图表包含了每个集群中延迟的原因。所以在这里，我们可以清楚地看到 |
| |
哪些原因导致延迟在每个集群中更为突出。例如，正如您在 Cluster1 中看到的那样， |
| |
飞机晚点延误，即前一班航班对当前航班造成的延误，相对于其他航班而言更为突出。其余集群也遵循相同的队列。 |
| |
但如果你看到这个集群，对吧，尽管 SAS 中的可视化非常直观， |
| |
我们觉得对于一个包含大量点的数据集，或者在我们的例子中包含更多机场的数据集，分析起来会相当困难。所以我只是请我的同事 Ruiyun 介绍另一种分析集群的方法。交给你了，Ruiyun。 |
| YAN Ruiyun |
好的，地理位置是我们关注的另一部分。集群是在 SAS 中形成的，然后我们使用 JMP Pro 16.0 中的 Graph Builder 功能生成此地图以 |
| |
显示不同机场在集群中的分布情况。显然，美国西部和中部的机场仅包含在集群 1 和集群 3 中。 |
| |
并且这两个聚类表明聚类并不分布在特定的区域。 |
| |
聚类 2、聚类 4、聚类 5 和聚类 6 展示了特定区域的机场聚合。 |
| |
第 2 组机场主要集中在美国东部，而第 5 组和第 6 组则更可能包含一些 |
| |
旅游景点，如休斯顿、菲尼克斯、巴尔的摩和檀香山，它们是德克萨斯州、亚利桑那州、马里兰州和夏威夷州的最大城市。 |
| |
更重要的是，凤凰城天港国际机场是国家航空公司和西南航空公司的骨干机场。 |
| |
美国西南部的重要交通枢纽之一。另外，7号集群是一个特殊的例子，因为它只有一个机场，即波多黎各的圣胡安机场。 |
| |
我们推测，由于特殊的地理位置，从圣胡安机场出发的任何航班都需要飞行很长的距离。 |
| |
这就是关于地理分析的全部内容，现在我的搭档艾西瓦娅将为我们得出结论。 |
| 艾西瓦娅·克里希纳·普拉萨德 |
因此，总而言之，我们尝试利用 SAS Enterprise Miner 中 DTW 节点的易用性以及 JMP Pro 16.0 中复杂的可视化和预处理技术来对我们的飞行数据执行时间序列分析。 |
| |
因此，我们对 54 个机场进行了动态时间聚类。并根据 2020 年 1 月至 6 月的延误模式将这些机场划分为七个聚类。 |
| |
我们观察到，航空公司延误是每个集群中造成延误的主要原因，而飞机晚点延误也是大多数集群中造成延误的主要原因。 |
| |
作为未来工作的一部分，可以纳入 COVID 数据点来进一步改进分析，并讨论航班延误和取消率之间的相关性。 |
| |
非常感谢大家的收听。希望大家喜欢我们的演讲。 |
