Інтелектуальна система для розширення мережі авіаційних маршрутів

Abstract

Актуальність даного дослідження полягає у необхідності підвищення ефективності прогнозування рентабельності авіаційних маршрутів, розробці програмного забезпечення з використанням методів прогнозування на основі наявних даних для вирішення відповідної задачі. Це дозволить визначити динаміку попиту клієнтів на обрані маршрути і зробити відповідні висновки щодо подальшої діяльності. Об’єктом дослідження є процеси супроводження авіаційних перевезень пасажирів та маршрутизації. Предметом дослідження є методи, моделі та засоби для аналізу і прогнозування попиту на авіаційні перевезення. Метою дослідження є підвищення ефективності розширення мережі авіаційних маршрутів за рахунок створення інтелектуальної системи для прогнозування динаміки попиту на рейси між аеропортами. В результаті виконання роботи було досліджено модель глибокого навчання (рекурентна нейронна мережа), визначено основні її переваги та недоліки, а також розроблено програмне забезпечення, в якому реалізовано відповідний метод. Дана робота складається з шести розділів. Кожен розділ відповідно присвячений: аналізу досліджень і публікацій, розгляду існуючих моделей, моделюванню сценаріїв і альтернативних рішень, програмній реалізації та тестуванню, методичній частині магістерської роботи, охороні праці. Загальний обсяг роботи – 112 сторінок. Магістерська кваліфікаційна робота містить один додаток, 44 рисунки, 12 таблиць і посилання на 50 літературних джерел. A relevance of this study lies in the need to increase the effectiveness of forecasting the profitability of aviation routes, developing software using forecasting methods based on available data to solve the relevant problem. This will make possible to determine the dynamics of customer demand for the selected routes and draw appropriate conclusions regarding further activities. An object of the research is the processes of accompanying air transportation of passengers and routing. A subject of the research are methods, models and tools for analyzing and forecasting the demand for air transportation. A purpose of the study is to increase the effectiveness of expanding the network of aviation routes by creating an intelligent system for forecasting the dynamics of demand for flights between airports. As a result of the work, the model of deep learning (recurrent neural network) was investigated, its main advantages and disadvantages were determined, and software was developed, which implements the corresponding method. This work consists of six sections. Each section is respectively dedicated to: analysis of research and publications, consideration of existing models, modeling of scenarios and alternative solutions, program implementation and testing, methodological part of the master's work, labor protection and life safety. The total volume of work is 112 pages. Thesis contains one appendix, 44 figures, 12 tables and references to 50 literary sources in it.