Η παρούσα εργασία μελετά τα δεδομένα τεσσάρων επιβατικών και δύο εμπορικών πτήσεων, όπως αυτά είναι προσβάσιμα στην ιστοσελίδα flightradar24. Η εξαγωγή των δεδομένων πραγματοποιήθηκε μέσω της ανάπτυξης μιας εφαρμογής «offline web harvesting» σε γλώσσα Python. Οι επιβατικές πτήσεις που επιλέχθηκαν είναι η AY41 της FINAIR από Ελσίνκι για Σεούλ, η LH716 της Lufthansa από Φρανκφούρτη για Τόκυο, η  TK417 της Turkish Airlines από Κωνσταντινούπολη για Μόσχα και η GQ214 της Sky Express από Αθήνα για Ηράκλειο. Οι εμπορικές πτήσεις είναι η CK 210 από Άμστερνταμ για Σανγκάη και η CK 212 από Φρανκφούρτη για Σανγκάη της China Cargo Airlines.

Από το πρώτο κεφάλαιο διαφάνηκε η μεγάλη σημασία και ο αντίκτυπος των πτήσεων στην οικονομική ανάπτυξη και την εξασφάλιση θέσεων εργασίας σε πολλούς τομείς και εμπορικές δραστηριότητες της σύγχρονης κοινωνίας και οικονομίας. Περαιτέρω, φάνηκε ότι οι αερομεταφορές αναπόφευκτα επηρεάζουν την καθημερινότητα εκατομμυρίων πολιτών σε διάφορους τομείς, από το βιοτικό τους επίπεδο μέχρι την υγεία τους.

Η μελέτη ανέδειξε ότι οι πτήσεις και τα οικονομικά και στατιστικά στοιχεία αυτών, επηρεάζονται άμεσα από πλήθος παραγόντων, με κυριότερους τις γεωστρατηγικές, πολιτικές και περιβαλλοντικές μεταβολές και εξελίξεις. Ο πρόσφατος πόλεμος Ρωσίας – Ουκρανίας είναι πολύ χαρακτηριστικό παράδειγμα και απέδειξε πόσο πιο χρονοβόρες και κοστοβόρες μπορούν να γίνουν οι πτήσεις.

Η βαθύτερη ανάγνωση των δεδομένων αποκαλύπτει πτυχές των πτήσεων, που παρόλο που μπορεί να μοιάζουν μικρές και όχι σημαντικές, παρ’ όλα αυτά επηρεάζουν σε μεγάλο βαθμό την πολιτική των αεροπορικών εταιρειών και χαράσσουν τη στρατηγική τους και τον τρόπο συμπεριφοράς τους. Το πλήθος των νομικών κειμένων, οι πολυάριθμοι οργανισμοί και ελεγκτικοί μηχανισμοί δείχνουν το μέγεθος και τη σημασία της αεροπλοΐας στις μέρες μας. Βέβαια, η απόκτηση των δεδομένων, ήταν το προαπαιτούμενο για την ανάλυση αυτών, κάτι που πρόσφερε η ανάπτυξη του κώδικα μέσω της Python, της καταλληλότερης γλώσσας για τον σκοπό αυτό.

This paper studies the data of four passenger and two commercial flights, as they are accessible on the website flightradar24. Data extraction was carried out through the development of an "offline web harvesting" application in Python language. The selected passenger flights are FINAIR AY41 from Helsinki to Seoul, Lufthansa LH716 from Frankfurt to Tokyo, Turkish Airlines TK417 from Istanbul to Moscow and Sky Express GQ214 from Athens to Heraklion. Commercial flights are CK 210 from Amsterdam to Shanghai and CK 212 from Frankfurt to Shanghai by China Cargo Airlines.

From the first chapter it became clear the great importance and impact of flights on economic development and job creation in many sectors and commercial activities of modern society and economy. Furthermore, it was seen that aviation inevitably affects the daily lives of millions of citizens in various areas, from their standard of living to their health.

The study showed that flights and their economic and statistical data are directly affected by a number of factors, the main ones being geostrategic, political and environmental changes and developments. The recent Russia-Ukraine war is a very typical example and proved how much more time-consuming and costly flights can become.

A deeper reading of the data reveals aspects of flights that, although they may seem small and unimportant, nevertheless greatly influence airline policy and shape their strategy and behavior. The multitude of legal texts, the numerous organizations and control mechanisms show the size and importance of aviation nowadays. Of course, the acquisition of the data was the prerequisite for their analysis, which was offered by the development of the code through Python, the most suitable language for this purpose.