恶劣气象条件下系统性延误传播的数据驱动建模

天气条件造成的破坏性后果对于任何参与航空运输的人来说都是众所周知的。然而，这些干扰如何影响延误传播以及管理者和飞行员干预措施防止可能的大规模系统故障的有效性仍需进一步关注。在这项工作中，我们采用了一个基于智能体的数据驱动模型，该模型使用整个美国机场网络的真实航班性能记录开发，并重点关注2010年10月27日在美国发生的事件。当天发生了一场后来被称为2010年超级风暴的大型风暴复合体。我们的模型正确地再现了延误传播动态的演变。通过考虑不同的干预措施，我们甚至可以改进模型预测，使其更接近真实的延误数据。因此，我们的模型可以作为管理者评估不同干预措施的工具，以减少航空运输系统中破坏性条件的影响。