네트워크 경쟁력은 항공산업 본연의 경쟁력으로, 잠재수요를 확보한 목적지에 신규노선을 개설하는 것은 네트워크 경쟁력을 강화하기 위한 대표적인 방법이다. 최근 들어 공항당국을 중심으로 신규항공사를 유치하고 노선을 증설하며 운항을 증편하는 활동이 활발해지고 있는 추세이며, 이에 따라 유발수요를 추정하는 방법에 대한 필요성이 증대하고 있다. 따라서 본 연구는 신규노선을 개설하는 경우 수요 예측에 대한 모델을 제안한다. 선행 연구 검토를 통해 유발 수요를 네 가지 유형, 즉 직항, 이원, 배후 및 브리지 수요로 구분하였으며, 수요 유형별로 통계적으로 유의한 설명변수를 선정하였다. 거리, 주변 공항 대비 상대적 용량 및 우회도가 주요 독립변수로 검토되었고, 인천공항의 사례를 중심으로 이 독립변수들과 통계적으로 유의한 계수값을 도출하여 신규 노선 개설 시 유발 수요를 예측하기 위한 모델을 제안하였다. 본 연구가 항공관련 기관들이 신규 항공 노선을 개발관련 연구를 촉진시키는 계기가 되기를 기대해 본다.
네트워크 경쟁력은 항공산업 본연의 경쟁력으로, 잠재수요를 확보한 목적지에 신규노선을 개설하는 것은 네트워크 경쟁력을 강화하기 위한 대표적인 방법이다. 최근 들어 공항당국을 중심으로 신규항공사를 유치하고 노선을 증설하며 운항을 증편하는 활동이 활발해지고 있는 추세이며, 이에 따라 유발수요를 추정하는 방법에 대한 필요성이 증대하고 있다. 따라서 본 연구는 신규노선을 개설하는 경우 수요 예측에 대한 모델을 제안한다. 선행 연구 검토를 통해 유발 수요를 네 가지 유형, 즉 직항, 이원, 배후 및 브리지 수요로 구분하였으며, 수요 유형별로 통계적으로 유의한 설명변수를 선정하였다. 거리, 주변 공항 대비 상대적 용량 및 우회도가 주요 독립변수로 검토되었고, 인천공항의 사례를 중심으로 이 독립변수들과 통계적으로 유의한 계수값을 도출하여 신규 노선 개설 시 유발 수요를 예측하기 위한 모델을 제안하였다. 본 연구가 항공관련 기관들이 신규 항공 노선을 개발관련 연구를 촉진시키는 계기가 되기를 기대해 본다.
A network connectivity has been regarded as a key element to strengthen a business competitive power in the aviation industry, so many airport authorities try to attract the new airlines and scheme out new air routes. With this trend, a study for an induced travel demand estimation methodology is ne...
A network connectivity has been regarded as a key element to strengthen a business competitive power in the aviation industry, so many airport authorities try to attract the new airlines and scheme out new air routes. With this trend, a study for an induced travel demand estimation methodology is needed. This study introduces a demand estimation method, especially for a new air route to a promising destination. With the results of previous studies, the derived demand is classified into four types - Local, Beyond, Behind and Bridge. The explanatory variables are established for each type of demand and the main independent variables are composed of distance, ratio of detour, and relative capacity compared with other airports. The equations using such variables and statistically significant coefficients are suggested as the model to make an estimation of derived demand for a new route. Therefore this study will be expected to take an initial step for all related parties to be involved more deeply into developing new air routes to enhance network connectivity.
A network connectivity has been regarded as a key element to strengthen a business competitive power in the aviation industry, so many airport authorities try to attract the new airlines and scheme out new air routes. With this trend, a study for an induced travel demand estimation methodology is needed. This study introduces a demand estimation method, especially for a new air route to a promising destination. With the results of previous studies, the derived demand is classified into four types - Local, Beyond, Behind and Bridge. The explanatory variables are established for each type of demand and the main independent variables are composed of distance, ratio of detour, and relative capacity compared with other airports. The equations using such variables and statistically significant coefficients are suggested as the model to make an estimation of derived demand for a new route. Therefore this study will be expected to take an initial step for all related parties to be involved more deeply into developing new air routes to enhance network connectivity.
Abdelghany A. et al.(2010)이 제시한 단기간 동안의 수요 예측에 대한 시계열적 모델은 무엇을 평가하는가?
(2010)은 단기간 동안의 수요 예측에 대한 시계열적 모델을 제시하였다. 이모델은 계절성, 유류비, 항공사 전략, 사고 및 재무 상태 등과 같은 여러 외부 요인들이 공항 활동에 얼마나 영향이 미치는지 평가하였다. 공항 관점에서 총수요 예측에 적용한 동 모델은 적정 설명 변수들을 파악하는 데 시사점을 주고 있다.
일반적으로 네트워크 수준은 무엇으로 평가 될 수 있는가?
일반적으로 네트워크 수준은 그 범위 (Coverage)와 깊이(Depth)로 평가될 수 있는데, 범위는 도시 수로, 깊이는 운항빈도수로 표시될 수 있다. 또한 항공 스케쥴의 효율성을 나타내는 웨이브 구조 특성은 네트워크 수준을 평가하는 도구로 활용될 수 있다.
유발수요는 어떤 유형으로 분류되는가?
신규 노선 개설 시 유발수요는 직항 수요, 이원수요, 배후 수요 및 브리지 수요와 같이 네 가지 유형으로 분류될 수 있다. 유발 수요 유형은 중요한 의미를 갖는데, 신규 수요, 전환 수요 또는 재분배 수요가 각 유형에 따라 다른 형태로 산출되기 때문이다.
참고문헌 (9)
Abdelghany A., Guzhva V.S. (2010), Time-series Modelling Approach for Airport Short-term Demand, Journal of Airport Management, 5(1), 72-87.
Grosche T., Rothlauf F., Heinzl A. (2007), Gravity Models for Airline Passenger Volume Estimation, Journal of Air Transport Management, 13(4), 175-183.
Koo T.T.R., Tan D.T., Duval D.T. (2013), Direct air Transport and Demand Interaction: A vector error-correction model approach, Journal of Airport Management, 28, 14-19.
Lee S. Y., Yoo K. E., Park Y. H. (2009), Development of Continuous Indirect Connectivity Model for Evaluation of Hub Operations at Airport, J. Korean Soc. Transp., 27(4), Korean Society of Transportation, 195-206.
Lee S. Y., Yoo K. E., Park Y. H. (2014), A Continuous Connectivity Model for Evaluation of Hub-and-spoke Operations, Transportmetrica A: Transport Science, 10(10).
Malighetti P., Paleari S., Redondi R. (2008), Connectivity of the European Airport Network: Self-Help Hubbing and Business Implications, Journal of Air Transport Management 14, 53-65.
Park Y. H., Kim S. Y., Kim J. Y. (2006), An Analysis for Transferring Connectivity at Incheon International Airport, J. Korean Soc. Transp., 24(6), Korean Society of Transportation, 75-85.
Wilken D., Berster P., Gelhausen M. (2006), Airport Choice in Germany: New Empirical Evidence of the 2003 German Air Traveller Survey, Journal of Airport Management, 1(2), 165-179.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.