Air traffic management efficiency in the descent phase of flights is a key area of interest in aviation research for the United States, Europe, and recently other parts of the world. The efficiency of arrival travel times within the terminal airspace is one of nineteen key performance indicators defined by the Federal Aviation Administration (FAA) and the International Civil Aviation Organization, typically within 100 nmi of arrival airports. This study models the relationship between travel time within the terminal airspace and contributing factors using a multivariate log-linear model to quantify the impact that these factors have on the total travel time within the last 100 nmi. The results were compared with the baseline set of variables that are currently used for benchmarking at the FAA. The analyzed data included flight and weather data from January 1, 2018 to March 31, 2018 for five airports in the United States: Chicago O’Hare International Airport, Hartsfield-Jackson Atlanta International, San Francisco International Airport, John F. Kennedy International Airport, and LaGuardia Airport. The modeling results showed that there is a significant improvement in prediction accuracy of travel times compared with the baseline methodology when additional factors, such as wind, meteorological conditions, demand and capacity, ground delay programs, market distance, time of day, and day of week, are included. Root mean squared error values from out-of-sample testing were used to measure the accuracy of the estimated models.

飞行下降阶段的空中交通管理效率是美国，欧洲和最近世界其他地区的航空研究的关键领域。终端空域内到达旅行时间的效率是联邦航空局（FAA）和国际民用航空组织定义的19项关键绩效指标之一，通常在到达机场100海里以内。这项研究使用多元对数线性模型对终端空域内旅行时间与影响因素之间的关系进行建模，以量化这些因素对最近100 nmi内的总旅行时间的影响。将结果与FAA目前用于基准测试的基准变量集进行比较。分析的数据包括2018年1月1日至2018年3月31日期间美国五个机场的航班和天气数据：芝加哥奥黑尔国际机场，哈茨菲尔德-杰克逊亚特兰大国际机场，旧金山国际机场，约翰·肯尼迪国际机场和拉瓜迪亚机场。建模结果表明，与基线方法相比，在附加因素（例如风，气象条件，需求和容量，地面延误计划，市场距离，一天中的时间和时间）的基础上，与基线方法相比，旅行时间的预测准确性有了显着提高。周，包括在内。样本外测试的均方根误差值用于衡量估计模型的准确性。哈兹菲尔德-杰克逊亚特兰大国际机场，旧金山国际机场，约翰·肯尼迪国际机场和拉瓜迪亚机场。建模结果表明，与基线方法相比，在附加因素（例如风，气象条件，需求和容量，地面延误计划，市场距离，一天中的时间和时间）的基础上，与基线方法相比，旅行时间的预测准确性有了显着提高。周，包括在内。样本外测试的均方根误差值用于衡量估计模型的准确性。哈兹菲尔德-杰克逊亚特兰大国际机场，旧金山国际机场，约翰·肯尼迪国际机场和拉瓜迪亚机场。建模结果表明，与基线方法相比，在附加因素（例如风，气象条件，需求和容量，地面延误计划，市场距离，一天中的时间和时间）的基础上，与基线方法相比，旅行时间的预测准确性有了显着提高。周，包括在内。样本外测试的均方根误差值用于衡量估计模型的准确性。建模结果表明，与基线方法相比，在附加因素（例如风，气象条件，需求和容量，地面延误计划，市场距离，一天中的时间和时间）的基础上，与基线方法相比，旅行时间的预测准确性有了显着提高。周，包括在内。样本外测试的均方根误差值用于衡量估计模型的准确性。建模结果表明，与基线方法相比，在附加因素（例如风，气象条件，需求和容量，地面延误计划，市场距离，一天中的时间和时间）的基础上，与基线方法相比，旅行时间的预测准确性有了显着提高。周，包括在内。样本外测试的均方根误差值用于衡量估计模型的准确性。