$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

항공화물수요예측에서 계절 ARIMA모형 적용에 관한 연구: 인천국제공항발 미주항공노선을 중심으로
Application of SARIMA Model in Air Cargo Demand Forecasting: Focussing on Incheon-North America Routes 원문보기

大韓交通學會誌 = Journal of Korean Society of Transportation, v.35 no.2, 2017년, pp.143 - 159  

서보현 (인하대학교 물류전문대학원) ,  양태웅 (인하대학교 물류전문대학원) ,  하헌구 (인하대학교 물류전문대학원)

초록
AI-Helper 아이콘AI-Helper

본 연구는 2003년 1사분기부터 2016년 2사분기 까지 인천국제공항에서 미주노선을 통하여 미주 내 공항에 도착하는 항공화물의 시계열 자료를 통하여 SARIMA 모형을 활용하여 항공화물 수요예측을 시행하였다. 또한 SARIMA 모형을 활용하여 만들어진 수요예측 모형과 기존 연구에 주로 활용되어졌던 ARIMA 모형을 활용하여 만들어진 수요예측 모형과 비교분석함으로써, 주기적인 특성 및 계절성을 가진 시계열 자료에 대한 SARIMA 모형의 상대적으로 우수한 예측 정확성을 입증하였다. 기존의 항공 관련 연구는 주로 여객에 관한 연구가 상대적으로 많았다. 또한 화물과 관련된 연구에서도 특정노선이 아닌 공항이나 전체에 대한 연구가 대부분이었다. 이러한 상황에서, SARIMA 모형을 활용하여 미주지역이라는 특정 노선에 대한 항공화물의 수요를 예측한 본 연구는 큰 의의가 있다고 생각된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

For forecasting air cargo demand from Incheon National Airport to all of airports in the United States (US), this study employed the Seasonal Autoregressive Integrated Moving Average (SARIMA) method and the time-series data collected from the first quarter of 2003 to the second quarter of 2016. By c...

주제어

#계절성ARIMA   #수요예측   #항공화물   #항공물동량 예측  

질의응답

핵심어 질문 논문에서 추출한 답변
ARIMA모형의 문제점은 무엇인가? ARIMA(p,d,q) 모형을 통한 수요예측은 다양한 분야에서 널리 사용되고 있다. 하지만 ARIMA모형은 원 시계열자료가 계절성과 같은 주기적인 특성을 가진 경우에는 시계열 자료의 주기적인 특성까지 반영하기 힘들다는 문제점이 존재한다. SARIMA(Seasonal Autoregressive Intgrated Moving Average)모형은 ARIMA모형의 이러한 문제점을 보완한 모형이다.
ARIMA모형에서 시계열 자료가 불안정적일 경우 어떤 과정을 거쳐야 하는가? ARIMA모형을 활용하여 수요를 예측하기 위해서는 주어진 시계열 자료의 안정성(stationary)을 우선적으로 확인하여야 한다. 만약 시계열 자료가 불안정적일 경우 에는 차분(differencing) 혹은 적분(Integrated)의 과정을 통하여 불안정적인 시계열 자료를 안정적인 시계열 자료로 바꾸는 과정을 거쳐야 한다. ARIMA(p,d,q) 모형의 기본형태는 Equation(1)로 나타낼 수 있다.
ARIMA 모형이란 무엇인가? ARIMA(Autoregressive Integrated Moving Average) 모형은 ‘종속변수 Yt는 독립변수 Xn에 의해 설명된다.’라는 일반적인 회귀방법론이 아니라 ‘종속변수 Yt는 Yt의 과거값과 확률적 오차항에 의해 설명된다.’는 경제 시계열의 확률적 특성에 기반을 둔 예측방법론이다(Box G. E.
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. Ariuntuya T. I. (2013), A study on the Airline Demand Forecsting ICN-ULN International Routes, Thesis of korea Aerospace University(Master). 

  2. Arnaldo S. R. (2013), Forecasting air passengers at Sao Paulo International Airport Using a Mixture of Local Experts Model, Journal of Air Transport Management, 26, 35-39. 

    상세보기 crossref

  3. Box G. E. P., Jenkins G. M., Reinsel G. C. (1976), Time Series Analysis, Forecasting and Control, San Francisco, Holden Day. 

  4. Chang Y. W., Liao M. Y. (2010), A Comparison of Time Series Models for Forecasting Outbound Air Travel Demand, Journal of Aeronautics, Astronautics and Aviation, Series A, 42(2), 73-78. 

  5. Chen C. F., Chang Y. H., Chang Y. W. (2009), Seasonal ARIMA Forecasting of Inbound Air Travel Arrivals to Taiwan, Transportmetrica, 5(2), 125-140. 

    상세보기 crossref

  6. Choi J. H., Yoo K. W., Lee S. Y. (2015), Demand Estimation Methodology for a New Air Route, J. Korean Soc. Transp., 33(2), Korean Society of Transportation, 145-153. 

    원문보기 상세보기 crossref

  7. Chou T. Y., Liang G. S., Han T. C. (2011), Application of Fuzzy Regression on Air Cargo Volume Forecast, Quality and Quantity Volume 47. 

  8. Dickey D. A., Fuller W. A. (1979), Distribution of the Estimators for Autoregressive Time Series With a Unitroot, Journal of the American Statistical Association,74(366), 427-431. 

  9. Erma S. Y., Chou S. Y., Chen C. H. (2010), Air Passenger Demand Forecasting and Passenger Terminal Capacity Expansion: A System Dynamics Framework, Expert Systems With Applications, 37(3), 2324-2339. 

    상세보기 crossref

  10. Kim S. M., Bae H. J., Park Y. H. (2015), Forecasting the LCC Air Passenger Demand in Incheon National Airport with Seasonal ARIMA Model, Journal of Aviation Management Society of Korea, 2015(02015), 45-45. 

  11. Kim Y. J. (2014), Study on Low Cost Carrier Demand Forecasting Using Seasonal ARIMA Model: Domestic Jeju Route Inland Route Forecast Comparison Analysis, Journal of Tourism Studies, 26(1), 3-25. 

  12. Min K. C., Jun Y. I., Ha H. K. (2013), Forecasting the Air Cargo Demand With Seasonal ARIMA Model: Focusing on ICN to EU Route, J. Korean Soc. Transp., 31(3), Korean Society of Transportation, 3-18. 

  13. Pablo C. M., Gema C. G., Vicente I. L., Ruben S. G. (2004), An Air Traffic Demand Forecasting Model Applied To Santander Airport, International Journal of Transport Economics, 31(2), 197-208. 

  14. Yoon J. S., Huh N. K., Kim S., Hur H. Y. (2010), A Study on International Passenger and Freight Forecasting Using the Seasonal Multivariate Time Series Models, Communications of the Korean Statistical Society, 17(3), 473-381. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로