Λειτουργική βελτιστοποίηση του αεροδρομίου Ελ.Βενιζέλος, εφαρμόζοντας μοντέλα πρόβλεψης της μελλοντικής ζήτησης αερομεταφορών

Abstract

Η διπλωματική εργασία με τίτλο "Λειτουργική βελτιστοποίηση του αεροδρομίου Ελ. Βενιζέλος, εφαρμόζοντας μοντέλα πρόβλεψης της μελλοντικής ζήτησης αερομεταφορών" επικεντρώνεται στη μελέτη των διαδικασιών βελτιστοποίησης της λειτουργίας του αεροδρομίου μέσω της χρήσης προηγμένων μοντέλων πρόβλεψης ζήτησης. Η ραγδαία αύξηση της παγκόσμιας αεροπορικής κίνησης δημιουργεί νέες προκλήσεις για τα αεροδρόμια, απαιτώντας στρατηγικές που συνδυάζουν λειτουργική αποτελεσματικότητα και αειφορία. Ο κύριος στόχος της παρούσας έρευνας είναι η ανάλυση της υφιστάμενης λειτουργίας του Διεθνούς Αερολιμένα Αθηνών και η εφαρμογή μοντέλων πρόβλεψης για την εκτίμηση της μελλοντικής ζήτησης. Χρησιμοποιούνται μέθοδοι στατιστικής ανάλυσης και τεχνικές μηχανικής μάθησης για τη δημιουργία προβλέψεων, οι οποίες αξιολογούνται ως προς την ακρίβεια και την αποδοτικότητά τους στην υποστήριξη της λήψης αποφάσεων. Τα αποτελέσματα καταδεικνύουν τη χρησιμότητα των μοντέλων πρόβλεψης στην ενίσχυση της στρατηγικής λειτουργίας, προτείνοντας συγκεκριμένες βελτιώσεις στις διαδικασίες διαχείρισης επιβατών. Οι προτεινόμενες παρεμβάσεις μπορούν να συμβάλουν στην ελαχιστοποίηση των καθυστερήσεων, στη βελτιστοποίηση της χρήσης των πόρων του αεροδρομίου και στην αναβάθμιση της εμπειρίας των επιβατών. Η εργασία καταλήγει σε συμπεράσματα που υπογραμμίζουν τη σημασία της υιοθέτησης καινοτόμων τεχνολογιών από τη διοίκηση του αεροδρομίου και προτείνει κατευθύνσεις για περαιτέρω έρευνα.The present thesis, titled "Operational Optimization of Athens International Airport 'Eleftherios Venizelos' through Forecasting Models of Future Air Transport Demand", focuses on the study of optimizing airport operations by applying advanced demand forecasting models. The rapid growth of global air traffic poses new challenges for airports, requiring strategic approaches that balance operational efficiency with sustainability. The primary objective of this research is to analyze the current operational framework of Athens International Airport and to implement forecasting models in order to estimate future demand. The study employs statistical analysis methods and machine learning techniques to generate forecasts, which are subsequently evaluated based on their accuracy and effectiveness in supporting decision-making processes. The results demonstrate the value of forecasting models in enhancing strategic airport operations, suggesting specific improvements in passenger flow management procedures. The proposed interventions aim to reduce delays, optimize resource utilization, and improve the overall passenger experience. The study concludes by emphasizing the importance of adopting innovative technologies by airport management and outlines directions for future research in the field of air transport planning and optimization.