Browse

인터넷 검색 트래픽을 활용한 제주 항공여객 단기 수요예측 모형 연구
A Study on the Short-Term Demand Forecasting Model of Jeju Airport Passenger Using Internet Search Traffic

Cited 0 time in Web of Science Cited 0 time in Scopus
Authors
박태용
Advisor
이수영
Issue Date
2019-08
Publisher
서울대학교 대학원
Keywords
제주공항항공수요단기 수요예측검색 트래픽빅데이터
Description
학위논문(석사)--서울대학교 대학원 :행정대학원 공기업정책학과,2019. 8. 이수영.
Abstract
어느 산업분야를 막론하고 정확한 수요예측은 해당 산업의 적정 공급량을 결정하기 위하여 매우 중요하다. 항공분야의 수요예측도 마찬가지로 적정 시설규모의 결정과 시설 운영계획을 수립하기 위하여 정확한 예측이 필수적이다. 하지만 국내의 수요예측은 중장기 수요예측만 시행하고 있으며 그 정확성이 높지 않아 중장기 수요예측의 실패는 18년 현재 김해공항, 제주공항, 대구공항 등의 공항시설 용량포화로 이어지고 있다. 이에 체계적이고 정확한 단기 수요예측은 여객수요 급증의 추세를 보다 빠르게 예보하여 중장기 수요예측을 서둘러 보완이 가능케 하고, 포화된 공항의 운영측면의 단기적 계획 조정을 용이하게 하여 그 필요성이 높다.
단기 수요예측을 위해서는 항공수요의 특성이 일정한 계절성과 추세성을 가지고 있으므로 시계열적인 수요예측 모형을 기본으로 하였으며, 여객수요의 급증 및 급감의 단기적 변동성을 반영하기 위하여 인터넷 검색트래픽에 주목하였다. 인터넷 활용이 높은 현대 사회에서 여행 전 사전에 여행정보를 인터넷으로 검색하는 행태에 착안하여 인터넷 검색트래픽이 실제 항공수요 발생에 선행할 것으로 보아 이 검색트래픽의 추이를 단기 수요예측 모형에 적용하였다.
본 연구의 단기 수요예측 모형은 제주공항 국내선 출·도착 여객 합계를 대상으로 하였다. 그간의 여객처리 실적을 기반으로 시계열 모형인 계절적 ARIMA 모형을 기본 모형으로 형성하였으며, 단기적 변동성으로 볼 수 있는 계절적 ARIMA 모형의 잔차를 보정하기 위한 방법으로 잔차를 종속변수, 인터넷 검색트래픽을 독립변수로 하는 회귀모형을 형성하여 이를 다시 계절적 ARIMA 모형과 결합하여 최종 혼합모형을 형성하였다.
잔차를 인터넷 검색트래픽으로 적합시키는 회귀모형을 형성을 위하여 제주여행과 관련된 검색어 후보군을 선정하였으며, 이 검색트래픽이 실제 수요변화에 선행한다고 보아 시간차의 개념을 적용하였다.
잔차를 보정하지 않은 계절적 ARIMA 모형과 최종 혼합모형의 예측 정확성을 비교 결과 회귀모형 형성 구간인 트레이닝 세트에서는 MAPE가 ARIMA 모형의 경우 3.84%, 혼합모형의 경우 3.21%로 0.63%p 향상되었다. 그리고 실제 예측으로 활용하는 구간인 테스트 세트에서는 3개월 간 예측의 경우 MAPE가 ARIMA 모형의 경우 3.21%, 혼합모형의 경우 2.54%로 0.67%p 향상되었다. 하지만 7개월 간 예측의 경우는 ARIMA 모형 2.95%, 혼합모형 4.27%로 오차율이 1.32%p 증가하였다. 이는 회귀모형을 형성하는 트레이닝 세트의 일부 기간에서 기존 추세와 다르게 감소하여 깨끗하지 못한 시계열 추세로 정확도가 떨어지는 결과로 이어졌을 가능성이 있지만 그럼에도 불구하고 3개월까지의 초단기 항공수요 예측에는 혼합모형이 보다 정확도가 향상되었음을 확인하였다.
본 연구에서 활용한 인터넷 검색트래픽을 활용한 미래 수요예측 방법의 핵심은 적절한 검색트래픽 데이터를 찾아내는 것이라 볼 수 있다. 본 연구방법은 항공분야 뿐 아니라 분야를 확장하여 타 산업군의 수요예측에서도 실정에 맞게 활용한다면 보다 예측력이 높은 결과를 얻을 수 있을 것으로 기대한다.
Accurate demand forecasts for any industry are important for determining the appropriate amount of supply for that industry. Likewise, demand forecasts for aviation are essential to determine the appropriate size of the facility and to establish a facility operating plan. However, in domestic airport policy, only mid- to long-term demand forecasts are implemented and the accuracy of the mid- to long-term demand forecast is not high.
So, the failure of the mid- to long-term demand forecast has led to the capacity saturation of airport facilities in Gimhae, Jeju and Daegu airports as of 2018. Thus, systematic and accurate short-term demand forecasts are needed to predict the trend of a surge in passenger demand more quickly. The recognition of the expected surge in passenger traffic makes it possible to quickly supplement mid- to long-term demand forecasts and facilitate short-term planning adjustments on the operational side of the saturated airport.
For short-term demand forecasts, the characteristics of air demand have a constant seasonality and trend, so a time-series demand prediction model was based on the basis of a time-series demand prediction model, and the Internet search traffic was noted to reflect the short-term volatility of the sharp increase and decline in passenger demand. In today's society with high Internet utilization, people search for travel information on the Internet before traveling. Thus, the trend of search traffic was applied to the short-term demand forecast model, as Internet search traffic is expected to precede actual air demand.
Based on past passenger demand, a time series model, the seasonal ARIMA model, was formed as a basic model. To compensate for the residuals of the seasonal ARIMA model, which can be referred to as short-term variability, a regression model with residuals as dependent variables and Internet search traffic as independent variables was formed. It was then combined with the seasonal ARIMA model to form the final mixed model.
To form a regression model that fits Internet search traffic into residuals, a group of search words related to Jeju trip was selected and the concept of time difference was applied as it was assumed that this search traffic precedes actual demand changes.
Comparing the predicted accuracy of the final mixed model with the seasonal ARIMA model that did not calibrate the residuals, the MAAPE improved 0.63%p to 3.84% for the ARIMA model and 3.21% for the mixed model in the training set, which is the regression model formation segment. In addition, in a test set that is used as an actual forecast, MAPE improved 0.67%p to 3.21% for ARIMA models and 2.54% for mixed models over a three-month period. However, for the seven-month forecast, ARIMA model 2.95% and mixed model 4.27% increased the error rate by 1.32%. This result may be the result of a series trend that is not clean, decreasing differently from normal trends in some periods of the training set forming the regression model. Nevertheless, short-term air demand forecasts up to three months confirmed that the mixed model was more accurate.
The key to the future demand prediction method using Internet search traffic used in this study can be to find appropriate search traffic data. This research method is expected to achieve more predictive results if it expands the aviation sector as well as other industrial groups' demand forecasts.
Language
kor
URI
https://hdl.handle.net/10371/161729

http://dcollection.snu.ac.kr/common/orgView/000000157164
Files in This Item:
Appears in Collections:
Graduate School of Public Administration (행정대학원)Dept. of Public Enterprise Policy (공기업정책학과)Theses (Master's Degree_공기업정책학과)
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse