CBL - Campus del Baix Llobregat

Projecte llegit

Títol: Un modelo para predecir los precios del transporte aéreo

Estudiants que han llegit aquest projecte:

Director/a: TRAPOTE BARREIRA, CÉSAR

Departament: FIS

Títol: Un modelo para predecir los precios del transporte aéreo

Data inici oferta: 14-02-2022     Data finalització oferta: 14-10-2022


Estudis d'assignació del projecte:
    GR ENG SIST AEROESP
Tipus: Individual
 
Lloc de realització: EETAC
 
Paraules clau:
modelización, aerolíneas, transporte, precio, red, incertidumbre, covid
 
Descripció del contingut i pla d'activitats:
El proyecto tiene como objetivo realizar un modelo que permita predecir la evolución de

los precios del transporte aéreo en un entorno de incertidumbre post-Covid.



Las aerolíneas salen adelante de una etapa de fuertes restricciones y pérdidas

económicas, sustentadas por ayudas públicas en muchos casos. La lógica económica

dicta que los costes serían altos y los precios deberían subir para sostener el sistema,

pero la competitividad feroz y la diferente posición de liquidez ha mostrado guerra de

precios. 'Podrá mantenerse en el tiempo? El proyecto tratará de establecer un modelo

para predecir la evolución.
 
Overview (resum en anglès):
The air transport industry has changed significantly over the last 10 years. The main differences have come from the behaviour in the purchase of airline tickets.

Nowadays, there is greater transparency between passengers and airlines, as information on available seats, services offered, flight schedules, etc. can be accessed. Price is the main determinant of consumer behaviour.

Thus, this paper analyses different airline pricing strategies, changes in air transport demand due to external events such as the 9/11 attacks, the SARS epidemic in Asia or the recent COVID-19 pandemic, and how these affected the industry.

Finally, a model has been created with data from different European airports for the year 2017. These data contain demand and supply information for different European routes.
The model consists of an Artificial Neural Network programmed in the Python programming language that based on some initial parameters, such as the airport of origin, destination airport, fuel price, competition on the route, passenger demand, among others, manages to predict prices with an accuracy between 72% and 76%.

© CBLTIC Campus del Baix Llobregat - UPC