Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo

Abstract

Las aerolíneas sobrevenden sus vuelos rutinariamente basadas en el supuesto de que una porción de los pasajeros con un tiquete no van a abordar su vuelo o cancelaran previamente. Se tiende a usar modelos de forecast convencionales para estimar la probabilidad de que un pasajero (con unas características únicas del mismo) llegue o no a su vuelo. En este trabajo se propone una metodología que estime la cantidad de personas que no asisten a un vuelo, teniendo en cuenta las características propias del vuelo y no del pasajero a través de modelos de aprendizaje automático. A través de este modelo, se genera una herramienta de fácil uso que permite tener un estimativo del número real de no-show en un vuelo, ya sea para un uso por el área operacional o de revenue de una aerolínea. Se usa como caso de estudio una aerolínea de bajo costo situada en Colombia.

Airlines overbook their flights in a daily basis based on the assumption that a portion of the passengers with a ticket are not going to board their flight or they are going to cancel. Forecasts models are used to estimate the probability for a passenger (with unique characteristics) to arrive for their flight. In this work a new methodology is proposed that estimates the amount of people that doesn't arrive to the flight, based on the unique characteristics of the flight and not the passenger through machine learning algorithms. Through this model an easy to use tool is created that is able to estimate the no-show number in a real flight. A los cost Colombian airline is used as study cased.