تحليل بيانات الرحلات الجوية وبناء نموذج تنبؤ بالتأخيرات باستخدام Random Forest و داشبورد تفاعلي

قمت بتنفيذ مشروع شامل لتحليل بيانات الرحلات الجوية وقياس تأثير العوامل المختلفة على مدة التأخير، مع تقديم تمثيل بصري تفاعلي ودعم التنبؤ باستخدام Machine Learning.

الخطوات الأساسية:

تحليل البيانات واستكشافها (EDA):

دراسة تأثير شركات الطيران، المطارات، والمسارات على التأخيرات.

تجهيز البيانات للتعامل مع القيم الفارغة والمتغيرات الفئوية والعددية.

بناء داشبورد تفاعلي:

عرض أهم مؤشرات الأداء المتعلقة بالتأخيرات عبر رسوم بيانية بصرية (Bar Charts، Histograms، وغيرها).

تمكين المستخدم من تصفية البيانات حسب متغيرات مختلفة مثل الشركة، المطار.

توفير رؤى مباشرة لدعم اتخاذ القرار وتحسين العمليات التشغيلية.

معالجة البيانات للـ Machine Learning:

ترميز المتغيرات الفئوية باستخدام One-Hot Encoding.

تطبيق Standard Scaling على المتغيرات العددية لتجهيزها للنمذجة.

بناء نموذج تنبؤي:

استخدام Random Forest Classifier للتنبؤ بحدوث التأخير.

تقييم أداء النموذج باستخدام MAE، MSE، و R² Score.

تحليل أهمية المتغيرات لمعرفة أكثر العوامل تأثيرًا على التأخير.

أهم النتائج:

داشبورد تفاعلي واضح يعطي صورة شاملة عن التأخيرات .

نموذج تنبؤي دقيق يتيح التنبؤ بإحتمالية حدوث التأخير لكل رحلة، مع فهم العوامل المؤثرة.