Airport Delay Prediction with Temporal Fusion Transformers

由于航班延误会对乘客、航空公司和机场造成损失，因此预测航班延误对于航空业所有利益相关者的决策至关重要，并且已经有许多研究尝试进行预测。然而，以往的延误预测通常是分类的，并且在高度聚合的水平上进行。为了改进这一点，本研究提出了一种新的时间融合变压器模型，用于预测美国前30个机场每15分钟的到达延误数值。我们模型的输入包括机场需求和容量预测、历史机场运营效率信息、机场风和能见度条件以及航线天气和交通状况。结果显示，我们的模型在测试集上表现出小的预测误差，达到了令人满意的性能。此外，模型输出的可解释性分析确定了延误预测的重要输入因素。

本论文旨在利用新颖的Temporal Fusion Transformer模型，预测美国前30个机场每15分钟的航班到达延误时间，以解决航班延误对乘客、航空公司和机场的影响问题。

本论文提出的Temporal Fusion Transformer模型，将机场需求和容量预测、历史机场运营效率信息、机场风和能见度条件以及路线天气和交通状况等作为输入，预测航班到达延误时间。相比之前的研究，本论文的关键思路在于实现了对每15分钟的精细预测，并在测试集上取得了较小的预测误差。

本论文的实验使用了美国30个机场的数据集，模型的输出结果可解释性较强，可以识别出影响延误的重要输入因素。此外，论文还提供了模型的开源代码。值得继续深入研究的是，如何将该模型应用于其他国家和地区的机场，以及如何进一步提高模型的预测精度。

在相关研究方面，此前的延误预测通常是针对整体的分类预测，而本论文则是针对每15分钟的精细预测。此外，也有一些研究关注航班延误的原因分析，如《Airline Delay Analysis: A Review of Some Stochastic Models》。