Predicting delays in commercial flights is an increasing challenge due to rising air traffic demand, which generates additional costs and operational complexity. This study synthesizes and evaluates machine learning approaches for flight delay predictions, aiming to identify the most accurate prediction logic and assess the role of sample size in model performance. A systematic literature review was conducted, followed by a meta-analysis of 1077 studies published between 2015 and 2025. The studies were classified by prediction logic (binary classification or regression) and evaluated in terms of model effectiveness using Data Envelopment Analysis and Tobit regression to determine the influence of explanatory variables. The results show that binary classification approaches achieved higher average accuracy than regression models did, with confidence intervals validating their relative effectiveness. Furthermore, findings indicate that the use of more complex models does not guarantee improved predictive performance, suggesting that researchers should prioritize robust variable selection rather than constantly adopting increasingly complex methods. This work provides a comprehensive overview of machine learning methods for flight delay predictions and highlights implications for optimizing airport operations and enhancing passenger experience through the adoption of more reliable predictive strategies.
Anais do XXI Simpósio de Transporte Aéreo - SITRAER 2024 (2448-1912) - O Impacto Da Concessão No Desempenho De Aeroportos Regionais: O Caso De Campina Grande-Pb
O presente estudo tem como objetivo estabelecer uma hierarquização dos indicadores de desempenho logístico-operacional aplicáveis à avaliação do nível de serviço em terminais de carga aérea, com base no estudo de caso do Terminal de Cargas do Aeroporto Internacional Santa Genoveva (SBGO), em Goiânia/GO. O trabalho estrutura-se em três frentes metodológicas complementares: (i) revisão sistemática da literatura nacional e internacional sobre avaliação de desempenho em terminais de carga, com ênfase em abordagens multicritério; (ii) levantamento empírico de campo junto à empresa operadora logística do terminal (PACLOG); e (iii) aplicação do método Analytic Hierarchy Process (AHP) para atribuição de pesos relativos a critérios e subcritérios previamente validados. Os resultados indicam que os critérios “Infraestrutura”, “Tempo”, “Localização” e “Custo” são os mais relevantes para a percepção de desempenho logístico-operacional, sendo a infraestrutura o critério com maior peso decisório. No nível dos subcritérios, destacam-se como prioritários o espaço físico e os dispositivos de segurança (infraestrutura), o tempo de permanência da carga (tempo) e as variáveis relacionadas à receita e às taxas aeroportuárias (custo). A análise final contempla o impacto global dos indicadores e sua ordenação por prioridade, sintetizada por meio de gráficos e tabelas hierárquicas. Do ponto de vista aplicado, os achados oferecem suporte técnico à formulação de políticas públicas, priorização de investimentos, revisão de processos operacionais e planejamento urbano-logístico nos entornos aeroportuários. O modelo proposto pode ser replicado em outros terminais brasileiros, contribuindo para uma abordagem mais integrada, quantitativa e orientada à decisão no setor de carga aérea. O estudo ainda preenche lacunas da literatura científica, ao incorporar elementos da eficiência urbana-logística no contexto da infraestrutura aeroportuária regional.