일별 항공물동량 예측을 위한 의사결정나무 모형 비교 분석 (Comparative Analysis of Decision Tree Model for Daily Air Cargo Volume Prediction)

서지정보

· 발행기관 : 대한교통학회
· 수록지 정보 : 대한교통학회지 / 41권 / 1호 / 49 ~ 67페이지
· 저자명 : 문현, 김도훈, 하헌구

초록

글로벌 경제 성장과 세계무역기구(WTO) 체제의 등장으로 인해 국제 교역량이 증가함에 따라 항공운송산업은 지속적으로 성장하고 있다. 글로벌 항공운송시장에서 항공사 간 경쟁이 심화되고 있고 항공사들은 경쟁우위를 점하기 위해 질적 성장을 통한 경쟁력 강화를 모색하고 있다. 특히 항공사 생존의 핵심 요소 중 하나로 운영 효율성 증대가 대두되고 있다. 수요예측은 운영 효율화 달성을 위한 분야 중 하나이다. 항공수요예측은 항공산업 내 경제주체들의 의사결정에 기초자료 및 참고자료로 활용된다. 일별 항공물동량 예측은 공항이나 항공사의 장비 또는 인력의 운용 계획과 재배치 등 세부적인 운영계획 수립을 위한 필수자료로 활용된다. 본 연구에서는 ARIMA 모형과 의사결정 나무 방법론인 CART(Classification And Regression Tree), CHAID(Chi-squared Automatic Interaction Detection)를 결합하여 일별 항공물동량 예측모형을 추정하고 예측모형 간 예측정확도를 비교 분석하여 정확도 높은 일별 항공물동량 예측모형을 식별했다. 예측모형은 총 2단계를 거쳐 생성되었다. 첫 번째 단계에서는 주요 교역국의 주별 공휴일 수와 주별 ARIMA 예측치를 설명변수로 하여 주별 예측모형을 생성했다. 두 번째 단계에서는 첫 번째 단계에서 생성한 주별 예측모형을 통해 도출한 주별 예측치와 요일정보, 주요 교역국의 공휴일 정보를 설명변수로 하여 일별 예측모형을 생성했다. 해당 과정을 거쳐 생성된 일별 예측모형을 통해 성수기인 1월부터 향후 91일간의 예측정확도를 검증한 결과 CART 모형은 MAPE 기준 12.20%, CHAID 모형은 12.28%의 예측오차를 보였고 전통적인 시계열 예측기법인 ARIMA 모형은 11.35%의 예측오차를 보였다. 비수기인 7월부터 향후 91일간의 예측정확도를 검증한 결과 CART 모형은 MAPE 기준 10.47%, CHAID 모형은 11.20%, ARIMA 모형은 11.44%의 예측오차를 보였다. 본 연구에서는 일별 항공화물 예측모형 간 예측정확도를 비교분석하여 예측시점에 따라 적합한 모형을 식별하였다. 또한 예측모형 간 예측정확도 차이가 나는 원인에 대해 분석하고 시사점을 제시하였다.

영어초록

The Air transport industry continues to grow as international trade volume increases due to global economic growth and the emergence of the WTO system. Competition among airlines is intensifying in the global air transport market, and airlines are trying to strengthen their competitiveness through qualitative growth to gain a competitive advantage. In particular, increasing operational efficiency has emerged as a critical factor. Demand forecasting is one of the areas for achieving operational efficiency, and aviation demand forecasting is used as reference material for decision-making by economic players in the aviation industry. Daily air cargo forecasting is essential data for establishing detailed operational plans, such as operational planning and relocation of equipment or personnel from airports or airlines. This paper estimates the daily air cargo prediction model by combining the ARIMA model and the CART (Classification And Regression Tree) and CHAID (Chi-squared Automatic Interection Detection) methodology. And the accuracy of the prediction models was compared and analyzed to identify the accurate daily air cargo prediction model. The prediction model was generated through a total of two steps. In the first step, a weekly prediction model was generated using the number of holidays per week of major trading countries and the weekly ARIMA forecasting result. In the second step, a daily prediction model was generated using weekly prediction results from the first step and the day and holiday information of major trading countries. Based on the forecasting models in this paper, the air cargo for the next 91 days predicted from January, the CART model’s MAPE is 12.20%, the CHAID model’s MAPE is 11.35%, and the ARIMA model’s MAPE is 12.28%. For the air cargo for the next 91 days predicted from July, the CART model’s MAPE is 10.47%, the CHAID model’s MAPE is 11.20%, and the ARIMA model’s MAPE is 11.44%. This study identified which model is suitable for daily air cargo prediction according to the prediction point by comparing and analyzing the accuracy of daily air cargo prediction models. In addition, analyze the cause of the difference in accuracy between the prediction models and suggest implications.

참고자료

· 없음