시계열 모형을 이용한 인천공항 이용객 수요 예측
Air passenger demand forecasting for the Incheon airport using time series models
0
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
인천공항은 대한민국으로 들어오거나 나가는 관문으로 나라의 이미지에 큰 영향을 미치므로 공항의 서비스 질을 유지하기 위해선 장기적인 공항 이용객 수 예측이 필요하다. 본 연구에서는 인천공항의 이용객 수요를 예측하기 위한 다양한 시계열 모형의 예측성능을 비교하였다. 인천공항 이용객 자료를 2002년 1월부터 2019년 12월까지 월 단위로 수집하여 살펴보면 일반적인 시계열자료에서 보이는 추세성과 계절성을 지니고 있다. 본 연구에서는 추세성과 계절성이 고려된 나이브 기법, 분해법, 지수 평활법, SARIMA, 그리고 PROPHET을 이용하여 단기, 중기, 장기예측 시계열모형을 비교하였다. 분석결과 단기예측은 최근 자료에 가중치를 준 지수 평활법이 우수했고 예상 2020년 연간 이용객 수는 약 7,350만명이다. 3년 후 인 2022년 중기예측은 정상성이 고려된 SARIMA모형이 우수하였고 예상 연간 이용객 수는 약 7,980만명이다. 4단계 인천공항 건설사업이 완료되는 2024년 예상 연간 여객수용 인원은 9,910만명이고 PROPHET모형이 가장 우수하였다.
Abstract
The Incheon airport is a gateway to and from the Republic of Korea and has a great influence on the image of the country. Therefore, it is necessary to predict the number of airport passengers in the long term in order to maintain the quality of service at the airport. In this study, we compared the predictive performance of various time series models to predict the air passenger demand at Incheon Airport. From 2002 to 2019, passenger data include trend and seasonality. We considered the naive method, decomposition method, exponential smoothing method, SARIMA, PROPHET. In order to compare the capacity and number of passengers at Incheon Airport in the future, the short-term, mid-term, and long-term was forecasted by time series models. For the short-term forecast, the exponential smoothing model, which weighted the recent data, was excellent, and the number of annual users in 2020 will be about 73.5 million. For the medium-term forecast, the SARIMA model considering stationarity was excellent, and the annual number of air passengers in 2022 will be around 79.8 million. The PROPHET model was excellent for long-term prediction and the annual number of passengers is expected to be about 99.0 million in 2024.
참고문헌 (30)
- "Incheon Airport, Expects losses this year due to COVID19 impact" (2020)[URL]
- 홍지숙, "시계열 빅데이터를 활용한 김해공항 항공수요예측", 예술인문사회 융합 멀티미디어 논문지, 8(12), pp.899~908 (2018), 사단법인 인문사회과학기술융합학회[DOI]
- 윤성욱, "항공 수요예측 및 고객 수하물 컨베이어 확장 모형 연구 : 인천공항을 중심으로", 대한교통학회지, 32(4), pp.401~409 (2014), 대한교통학회[DOI]
- 홍지숙, "시계열 자료를 이용한 항공 수요예측 -대구국제공항을 중심으로-", 관광연구, 34(3), pp.61~77 (2019), 대한관광경영학회
- 김경범, "계절 ARIMA 모형을 이용한 제주공항 여객 수요예측 및 효율적 운영에 관한 연구", 한국산학기술학회논문지, 13(8), pp.3381~3388 (2012), 한국산학기술학회[DOI]
- 임재환, "교차검증을 이용한 국내선 항공수요예측", 한국항공운항학회지, 27(1), pp.43~50 (2019), 한국항공운항학회[DOI]
- 김영록, "한국의 국제선 항공수요 예측과 검토", 한국항공운항학회지, 27(3), pp.98~105 (2019), 한국항공운항학회[DOI]
- 유정훈, "미관찰 지역 특성을 고려한 내국인 국제선 항공수요 추정 모형", 대한교통학회지, 36(2), pp.141~154 (2018), 대한교통학회[DOI]
- 조힘찬, "도심권 공항 터미널 환경 개선을 위한 빅 데이터 기반의 항공수요예측", 한국융합학회논문지, 10(8), pp.165~170 (2019), 한국융합학회[DOI]
- 김형호, "시스템다이내믹스를 이용한 항공여객 수요예측에 관한 연구", 디지털융복합연구, 16(5), pp.137~143 (2018), 한국디지털정책학회[DOI]
- W. H. K. Tsui, "Forecasting of Hong Kong airport's passenger throughput", Tourism Management, 42, pp.62~76 (2014)[DOI]
- Y. H. Li, "Passenger Flow Forecast of Sanya Airport Based on ARIMA Model", International Conference of Pioneering Computer Scientists, Engineers and Educators, pp.442~454 (2018)
- A. Samagaio, "Comparative analysis of government forecasts for the Lisbon Airport", Journal of Air Transport Management, 16(4), pp.213~217 (2010)[DOI]
- H. Grubb, "Long lead-time forecasting of UK air passengers by Holt–Winters methods with damped trend", International Journal of Forecasting, 17(1), pp.71~82 (2001)[DOI]
- 홍승현, "국제공항에 있어서 문화예술 공간 도입에 관한 연구 - 인천국제공항을 중심으로 -", 한국실내디자인학회 논문집, 21(6), pp.280~288 (2012), 한국실내디자인학회
- 최성수, "공항이용객의 공항서비스품질 인식이 공항브랜드이미지와 국가이미지에 미치는 영향: 인천국제공항 및 제주국제공항 이용객을 중심으로", 관광레저연구, 29(8), pp.211~231 (2017), (사)한국관광레저학회
- 최병권, "공항서비스에 대한 인천국제공항 이용자의 지각된 서비스품질과 만족에 관한 연구", 무역학회지, 32(2), pp.377~397 (2007), 한국무역학회
- K. I. Stergiou., "Short‐term fisheries forecasting : comparison of smoothing, ARIMA and regression techniques", Journal of Applied Ichthyology, 7(4), pp.193~204 (1991)[DOI]
- "Forecasting: principles and practice" (2018)[URL]
- R. B. Cleveland, "STL : A seasonal-trend decomposition", Journal of official statistics, 6(1), pp.3~73 (1990)
- ETS, "Time series analysis using SAS", pp.2016, S. S. Cho
- T. M. Dantas, "Air transportation demand forecast through Bagging Holt Winters methods", Journal of Air Transport Management, 59, pp.116~123 (2017)[DOI]
- G. E. Box, "Time series analysis : forecasting and control" (2015), John Wiley & Sons
- M. Valipour., "Long‐term runoff study using SARIMA and ARIMA models in the United States", Meteorological Applications, 22(3), pp.592~598 (2015)[DOI]
- S. J. Taylor, "Forecasting at scale", The American Statistician, 72(1), pp.37~45 (2018)[DOI]
- R. J. Hyndman, "Another look at measures of forecast accuracy", International journal of forecasting, 22(4), pp.679~688 (2006)[DOI]
- G. Athanasopoulos, "Forecasting male and female inmate numbers : A comparison of ARIMA and ETS modelling results", BOCSAR NSW Crime and Justice Bulletins, 12 (2018)
- 박추환, "우리나라 항공산업이 지역경제에 미치는 파급효과 분석: 다지역산업연관분석(MRIO)을 이용하여", 국토연구, 68, pp.231~251 (2011), 국토연구원[DOI]
- 임재필, "코로나(COVID)-19에 따른 항공산업의 위기관리와 과제", 관광연구저널, 34(7), pp.139~154 (2020), 한국관광연구학회[DOI]
- D. Y. Jeong, "COVID-19, changes the future of travel", Issue & Diagnosis, 419, pp.1~25 (2020)