Resumen de Pronóstico de la demanda de transporte de carga aérea. Caso de estudio colombia
Juan Gerardo Muros Anguita, Óscar Díaz Olariaga
La planificación aeroportuaria depende en gran medida de los niveles de actividad que se prevén para el futuro y, para planificar las instalaciones e infraestructuras de un sistema aeroportuario y poder 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 corto plazo (5 años), de la demanda de transporte de carga aérea, aplicado a un caso de estudio concreto (Colombia), teniendo en cuenta el periodo pandémico más severo (2020). Para realizar el pronóstico se presenta un planteamiento basado en métodos de Machine Learning/ Deep Learning ML/DL de redes neuronales convolucionales, que permiten análisis no lineales espacio-temporales, como los espacios de multivariables y de multisteps temporales. Estas técnicas presentan ventajas frente a los métodos clásicos estadísticos, ya que los métodos estadísticos solo permiten análisis lineales y limitados en sus predicciones temporales. El análisis desarrollado establece la longitud óptima del periodo de predicción; por otro lado, la metodología propuesta permite identificar las variables socioeconómicas más relevantes en la predicción de la demanda de carga aérea, a partir del análisis variacional de diferentes combinaciones de las variables. Los resultados muestran que la demanda de carga aérea internacional es fuertemente dependiente del GDP y el PCG (Per Cápita GDP), mientras que la demanda de carga aérea doméstica depende significativamente del PCG. Los resultados muestran, para el país-caso de estudio, una muy rápida recuperación de la demanda de carga aérea a índices de la pre pandemia, comportamiento ya encontrado en otros estudios e investigaciones.
