Pronóstico de demanda de tráfico aéreo mediante metodología Bayesian Structural Time Series BSTS

• Autores: Heivar Yesid Rodríguez Pinzón, Óscar Díaz Olariaga
• Localización: Ingeniería y Desarrollo en la Nueva Era / coord. por Edgar Serna M., 2022, ISBN 978-628-95135-5-4, págs. 315-326
• Idioma: español
• Enlaces
  • Texto Completo Libro (pdf)
• Resumen

  • La planificación aeroportuaria y por lo tanto el desarrollo de las infraestructuras aéreas depende en gran medida de los niveles de demanda que se prevén para el futuro. Para planificar las inversiones en infraestructura de un sistema aeroportuario y satisfacer las necesidades futuras, es esencial predecir el nivel y la distribución de la demanda, tanto de pasajeros como de carga aérea. Para este trabajo se realizó un pronóstico, a medio-largo plazo (10 años), de la demanda de pasajeros y de carga aérea, aplicado a un caso de estudio concreto (Colombia), teniendo en cuenta el impacto en el tráfico aéreo en el periodo más severo de la pandemia del covid-19 (2020) y el periodo de la postpandemia (2021). Para conseguir el objetivo y como planteamiento metodológico se desarrolla un modelo del tipo Bayesian Structural Time Series BSTS, diseñado para trabajar con datos de series temporales, utilizado para la selección de características, la previsión de series temporales, la predicción inmediata y la inferencia del impacto causal. De los resultados obtenidos se destacan dos aspectos: 1) que tanto la demanda como la tendencia de crecimiento de la misma se recuperará muy pronto (en solo un par de años) con respecto al año prepandemia (2019), en el caso de estudio analizado; y 2) el modelo presenta valores MAPE aceptables (entre 1% y 7%, según la variable a pronosticar), lo que convierte al método BSTS en una metodología alternativa viable para el cálculo de pronóstico de tráfico aéreo.