COVID-19 afecta la aviación en todo el mundo. La aviación civil de China casi se ha recuperado a sus niveles previos a la epidemia en el mercado nacional, pero todavía hay brotes locales que afectan el tráfico aéreo. Este documento propone medir el impacto de los brotes locales de COVID-19 mediante el método de aprendizaje automático y el método de control sintético como un grupo de control contrafactual para medir dicho impacto. En este estudio, utilizamos el algoritmo LightGBM para construir un grupo de control contrafactual y transformar el problema de predicción de series temporales en un problema de ajuste a nivel espacial. Encontramos que los métodos de aprendizaje automático pueden medir dicho impacto con mayor precisión. Tomamos los brotes locales en Beijing y Dalian como ejemplos, y nuestra medida de sus impactos muestra que el impacto de un brote en el tráfico aéreo interurbano se puede dividir en períodos de retraso, declive, estabilidad y recuperación, y durará un largo período (más de 40 días) a menos que haya estímulos externos, como días festivos. Los brotes redujeron el número de pasajeros en las ciudades en un 90%. Finalmente, mostramos el impacto en la red de tráfico aéreo y encontramos que cuando ocurre un brote local en una gran ciudad, las ciudades turísticas o las estaciones pequeñas se verán muy afectadas.