← Portfolio · Carnet
Prévision de demande et de prix aériens — Afrique australe
Question métier
Peut-on prévoir prix et demande sur les routes aériennes d’Afrique australe à 7–30 jours pour que :
- Les compagnies aériennes (FlySafair, LIFT, SAA) ajustent dynamiquement leurs prix
- Les agences de voyage conseillent leurs clients sur les fenêtres optimales de réservation
- Les offices de tourisme anticipent la pression saisonnière de demande sur les routes Le Cap, Durban, Johannesburg
C’est l’analogue africain du projet de fréquentation des transports de Calgary — même boîte à outils de séries temporelles et de modélisation de la demande, appliquée à la demande inter-villes du transport aérien.
Données
Lancer python download_data.py (Kaggle CLI requis).
Cibles d’EDA
- Distribution des prix par compagnie et route
- Effets jour-de-la-semaine et heure-de-la-journée
- Patterns de tarification selon le délai avant départ
- Top des routes par volume (CPT–JNB, JNB–DUR, etc.)
Modélisation
| Famille |
Modèle |
| Séries temporelles classiques |
SARIMA sur volume journalier de vols par route |
| ML pour la prévision |
Prédicteur de prix gradient-boosté (route, compagnie, jour-de-la-semaine, délai) |
| Demande + prix conjoints |
LightGBM avec features d’élasticité-prix |
Validation
- 20 % des vols mis de côté pour la prédiction de prix (MAE, RMSE, MAPE)
- Découpage temporel pour la prévision de volume journalier
Déploiement
- API
GET /forecast?route=CPT-JNB&horizon=30 retournant volume attendu journalier + IP 95 %
- Endpoint de tarification dynamique pour les compagnies
Résultat métier
- Les prévisions de volume journalier alimentent la planification équipage/avion
- L’insight d’élasticité-prix éclaire les décisions de revenue management
- Le même pipeline s’étend trivialement aux réseaux de routes d’Afrique de l’Ouest et de l’Est