|
Vocero
|
Transcripción
|
| ZHONG, LINLI_ |
Bien, comencemos. Hola a todos. Este es el póster del análisis de datos de series temporales de retrasos de vuelos en los aeropuertos de EE. UU. desde enero de 2020 hasta junio de 2020. Somos estudiantes de la Universidad de Administración de Singapur. Soy Linli. |
| YAN Rui Yun |
Yo soy Ruiyun. |
| Aishwarya Krishna Prasad |
Y yo soy Aishwarya Krishna Prasad. Ahora, profundicemos rápidamente en la presentación de nuestro proyecto. Te toca a ti, Linli. |
| ZHONG, LINLI_ |
Gracias, Ash. |
| |
En el lado izquierdo, podemos ver que hay un gráfico de líneas que muestra el tráfico anual de pasajeros en los 10 aeropuertos más concurridos de Estados Unidos y... |
| |
En el gráfico se puede observar que el número de pasajeros en cada aeropuerto experimentó una caída abrupta. Esto se debe a que los pasajeros en los aeropuertos mostraron la respuesta a la propagación del COVID-19 en 2020. |
| |
Y para nuestro análisis, nos gustaría descubrir la similitud de demoras entre el 15% superior de los aeropuertos de Estados Unidos a partir de las características de la demora y la ubicación geográfica. |
| |
series de tiempo, envoltura temporal dinámica, análisis exploratorio de datos. |
| |
Se utilizan las series temporales y el DTW para averiguar las similitudes entre los clústeres, en función de los retrasos en las salidas. Se utiliza el EDA para dibujar el mapa geográfico. Bien, volvamos al conjunto de datos. |
| |
Gracias, este es el conjunto de datos. |
| |
En realidad, nuestro conjunto de datos proviene del Departamento de Transporte de los Estados Unidos y de nuestro |
| |
Preparación de datos En el lado izquierdo, este es el proceso de preparación de datos. Primero, importamos el archivo CSV a JMP Pro 16.0. |
| |
Y luego eliminamos las columnas y valores que no son realmente útiles para nuestro análisis. |
| |
Y después de eso, para la transformación de datos, resumimos los datos de los aeropuertos de diferentes ciudades y luego filtramos los |
| |
Los 54 principales aeropuertos, que se basan en el número total de vuelos en cada aeropuerto y calculan la tasa de retraso. |
| |
Y después de la preparación de los datos, guardamos este archivo en formato SAS e importamos el formato SAS en SAS Enterprise Miner 40.1 para nuestro análisis posterior. |
| |
Es decir, el análisis DTW y el análisis de series temporales. Después del proceso DTW, se volvió a utilizar JMP Pro 16.0 para determinar la singularidad de diferentes grupos y dibujar mapas geográficos. |
| |
Y esta es la introducción del conjunto de datos. Démosle la bienvenida a mi compañero para que nos presente más sobre nuestro análisis. |
| Aishwarya Krishna Prasad |
Gracias, Linli. Ahora, profundicemos en el análisis de series temporales y de conglomerados. Realizamos el análisis de series temporales y de conglomerados utilizando SAS Enterprise Miner. |
| |
Este gráfico es uno de los resultados que obtuvimos al utilizar los nodos DTW en SAS Enterprise Miner. En el eje X, puede ver que contiene los meses de enero de 2020 a junio... a julio de 2020. |
| |
Y en el eje y, podemos observar que hay un porcentaje de retrasos en los vuelos que hemos incluido en nuestro conjunto de datos. |
| |
Ahora podemos ver que hay un aumento pronunciado a principios de febrero y finales de junio, lo que parece estar fuertemente correlacionado con los períodos de vacaciones de EE. UU. |
| |
Pero, en general, además de estos dos picos... picos importantes, también podemos ver una disminución constante en el número de retrasos en los vuelos en general. |
| |
Luego, realizamos una agrupación de series temporales basada en la agrupación jerárquica y el gráfico de constelación de la misma se puede observar aquí, utilizando SAS. Y elegimos eso... consideramos que la cantidad de agrupaciones (7) es la cantidad de agrupaciones más óptima para nuestro análisis. |
| |
Ahora bien, estos son los clústeres que se forman al utilizar el nodo de similitud TS de SAS Enterprise Miner, así que echemos un vistazo rápido. |
| |
la instancia del Cluster1. Por lo tanto, este Cluster1 contiene principalmente los aeropuertos internacionales de los EE. UU. |
| |
Algunos de estos aeropuertos son el aeropuerto internacional de Denver, el aeropuerto internacional de Kansas City, el aeropuerto internacional de Washington, |
| |
Por nombrar algunos. Como puede ver, los retrasos en estos aeropuertos son bastante grandes y esto se puede atribuir a que están ubicados en una ciudad frecuentada por turistas. |
| |
De manera similar, los clústeres restantes se forman por este comportamiento similar de los retrasos que se experimentan en los vuelos. |
| |
Ahora, los clústeres que se generaron en el paso anterior se ingresaron en JMP Pro y, mediante la funcionalidad Graph Builder, |
| |
Pudimos construir estos gráficos. Este gráfico contiene las causas de los retrasos en cada uno de los clústeres. Aquí podemos ver claramente |
| |
¿Qué causas de retraso son más importantes en cada grupo? Por ejemplo, como puede ver en el grupo 1, |
| |
El retraso de la aeronave tardía, es decir, el retraso causado por el vuelo anterior al vuelo actual es más prominente en comparación con el resto. Y la misma cola sigue para el resto de los clústeres. |
| |
Pero si ves este grupo, ¿verdad?, aunque esta visualización en SAS es bastante intuitiva, |
| |
Pensamos que sería bastante difícil analizar un conjunto de datos con una gran cantidad de puntos o, en nuestro caso, más aeropuertos. Por eso, le pido a mi colega Ruiyun que presente otro enfoque para analizar los clústeres. Te toca a ti, Ruiyun. |
| YAN Rui Yun |
Bien, la ubicación geográfica es otra parte en la que nos centramos. Los clústeres se formaron en SAS y luego usamos la función Graph Builder en JMP Pro 16.0 para generar este mapa. |
| |
Muestra la ubicación de los distintos aeropuertos por grupo. Obviamente, los aeropuertos del oeste y centro de EE. UU. solo están incluidos en los grupos 1 y 3. |
| |
Y estos dos grupos muestran que el grupo no está distribuido en una región específica. |
| |
El Clúster 2, el Clúster 4, el Clúster 5 y el Clúster 6 demuestran una agregación de aeropuertos con una región específica. |
| |
Los aeropuertos del Clúster 2 se concentran principalmente en el este de Estados Unidos, mientras que es más probable que los Clústeres 5 y 6 contengan los aeropuertos de algunos |
| |
atracciones turísticas, como Houston, Phoenix, Baltimore y Honolulu, que son las ciudades más grandes de Texas, Arizona, Maryland y Hawaii. |
| |
Más concretamente, el Aeropuerto Internacional Phoenix Sky Harbor es la columna vertebral de las aerolíneas nacionales y de Southwest Airlines. |
| |
Uno de los centros de transporte claves del suroeste de Estados Unidos. Además, el Cluster 7 es un caso particular, ya que solo cuenta con un aeropuerto, el de San Juan de Puerto Rico. |
| |
Supusimos que debido a la ubicación geográfica especial, cualquier vuelo que sale del aeropuerto de San Juan tiene que recorrer una larga distancia. |
| |
Y eso es todo sobre el análisis geográfico y ahora mi compañera Aishwarya nos dará una conclusión. |
| Aishwarya Krishna Prasad |
En conclusión, intentamos aprovechar la facilidad de uso de los nodos DTW en SAS Enterprise Miner y también las sofisticadas técnicas de visualización y preprocesamiento en JMP Pro 16.0 para realizar nuestro análisis de series de tiempo para nuestros datos de vuelo. |
| |
Realizamos una agrupación temporal dinámica de 54 aeropuertos, que se agruparon en siete grupos según los patrones de demora durante enero y junio de 2020. |
| |
Observamos que la demora del transportista es en la mayoría de los casos la principal causa de demora en cada grupo, mientras que la demora tardía de la aeronave no se queda muy atrás como causa principal de demora en la mayoría de los grupos. |
| |
Como parte del trabajo futuro, se pueden incluir los puntos de datos de COVID para mejorar aún más este análisis y también discutir la correlación entre el retraso y la tasa de cancelación de vuelos. |
| |
Muchas gracias por escucharnos. Espero que te haya gustado nuestra presentación. |
