Havacılık Sektöründe Talep Tahmininin Önemi: Yolcu Talebi Üzerine Bir Tahmin Modeli

Global gelişmeler ve gerçekleştirilen yatırımlar sayesinde, 1990'lı yıllarda daha çok üst gelirli insanlara hitap eden hava yolu ulaşımı, 2000'li yıllardan sonra düşük maliyetli taşıyıcıların da güçlü bir şekilde piyasaya girmesiyle orta ve düşük gelirli insanlara da hitap etmiş ve daha çok talep görmeye başlamıştır. Hava yolu taşımacılığı, hız, güvenlik ve konfor gibi üstünlükleri sebebiyle, kara, demir ve denizyolu ulaşımına göre daha çok tercih edilmektedir. Sektördeki gelişmeye paralel olarak akademik alanda da hava taşımacılığı konusunun incelendiği çalışmalarda yükselen bir ivme göze çarpmaktadır. Hava yolu firmalarının yüksek derecede öneme sahip olan filo ve ağ gibi ticari planlamalarının başarısı, talep tahminin tutarlılığı ile ilişkilidir. Bu çalışmada 1950 ile 2015 yılları arasında hava yolu yolcu taşımacılığı tahmini konusunda sunulmuş 114 adet makale teknik, yıl ve ülke bazında incelenmiştir. İnceleme sonucunda, son yıllarda ekonometrik modeller yerine yapay zekâ tekniklerinin ön plana çıktığı görülmüştür. Çalışmada havacılık sektöründe yolcu talep tahmininin kritik bir öneme sahip olduğu göz önüne alınarak, yapay zekâ teknikleri ile ekonometrik bir model olan regresyon tekniği karşılaştırması yapılmıştır. Adaptif sinirsel bulanık çıkarım sistemi (ANFIS), yapay sinir ağları ve regresyon analizinin kullanıldığı bu çalışmada, havacılık sektöründe yolcu talep tahmini konusunda en başarılı ve güvenilir sonuçları "yapay sinir ağları" tekniğinin verdiği bulunmuştur. Çalışmanın bir diğer amacı da, hava yolu yolcu talebini etkileyen faktörleri bulmaktır. Bu sebeple literatürde bulunan faktörler derlenmiş, ardından korelasyon analizine tabi tutulup ilişkili olanlar belirlenmiştir

The Importance of Demand Estimation in the Aviation Sector: A Model to Estimate Airline Passenger Demand

Due to global developments and investments, airline transportation, which was more appealing to higher-income individuals in 1990s, has been gaining popularity among medium- and low-income individuals since 2000s with proliferation of low-cost carriers in the market. Speed, security and comfort are among the main reasons air transportation is preferred over other modes of transportation. Similar to improvements in the sector itself, academic studies on air transportation are also gaining momentum. Airline firms' success in key projections such as fleet and network planning are closely related to demand estimation consistency. In this study, 114 academic publications are examined by their techniques, years and countries. As a result of this review, we observe that artificial intelligence techniques are becoming more preferable over econometric models in recent years. In this work, considering the significance of demand forecasting in the aviation sector, we aim to compare artificial intelligence methods and regression analysis technique. As a result of our study, we conclude that the most successful and reliable results for the demand forecasting are obtained through artificial neural network technique. Another aim of this study is to explore the factors that influence airline passenger demand. To that end, we compiled influential factors from related academic literature and conducted correlation analysis to determine related ones.

Kaynakça

Abed, S. Y., Ba-Fail, A. O., & Jasimuddin, S. M. 2001. An econometric analysis of international air travel demand in Saudi Arabia. Journal of Air Transport Management, 7(3), 143-148.

Agatonovic-Kustrin, S., and R. Beresford. "Basic Concepts of Artificial Neural Network (ANN) Modeling and Its Application in Pharmaceutical Research."Journal of Pharmaceutical and Biomedical Analysis 22, no. 5 (2000): 717-27.

AIRBUS. "Global Market Forecast 2016-2035 | Airbus, a Leading Aircraft Manufacturer." AIRBUS.com. 2015. Erişim Tarihi Ekim 08, 2016. http://www.airbus.com/company/market/forecast/?eID.

Ba-Fail, A. O., Abed, S. Y., & Jasimuddin, S. M. 2000. The determinants of domestic air travel demand in the Kingdom of Saudi Arabia. Journal of Air Transportation World Wide, 5(2), 72-86.

Bağırkan, Şemsettin 1982. İstatistiksel Analiz, İstanbul: Önsöz Basım ve Yayıncılık.

Blinova, T. O. 2007. Analysis of possibility of using neural network to forecast passenger traffic flows in Russia. Aviation, 11(1), 28-34.

Boeing. "Traffic and Market Outlook." BOEING.com. 2016. Erişim Tarihi Ekim 8, 2016. http://www.boeing.com/commercial/market/long-term-market/traffic-and-market-outlook/.

Caner, Murat, and Emre Akarslan. "Mermer Kesme İşleminde Spesifik Enerji Faktörünün ANFIS Ve YSA Yöntemleri Ile Tahmini." Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi 2, no. 15 (April 2009): 221-26.

Chen, Jui-Chi. Forecasting Method Applications to Recreation and Tourism Demand. Doktora Tezi, 2000.

Çağlar, Tarık. “Talep Tahmininde Kullanılan Yöntemler ve Fens Teli Üretimi Yapan Bir İşletmede Uygulanması.” Yüksek Lisans Tezi, Kırıkkale Üniversitesi, 2007.

DDS. “Direct Data Solutions”. Erişim Tarihi Şubat 14, 2017. https://dds.diio.net DHMI. "Sektör Raporu 2014." 2015. Erişim Tarihi Ekim 07, 2016. www.dhmi.gov.tr/getBinaryFile.aspx?Type=14&dosyaID=2009.

DHMİ. "Uçak, Yolcu Ve Yük SerisiTahminleri." DHMI.gov.tr. October 2016. Erişim Tarihi Ekim 08, 2016. http://www.dhmi.gov.tr/getBinaryFile.aspx?Type=14&dosyaID=1049.

Doganis, R. 2009. Flying Off Course IV: Airline Economics and Marketing. Routledge.

Eurocontrol. "Eurocontrol Seven-Year Forecast February 2016." EUROCONTROL.int. 2016. Erişim Tarihi Ekim 09, 2016. https://www.eurocontrol.int/sites/default/files/content/documents/official-documents/forecasts/sevenyear-flights-service-units-forecast-2016-2022-Feb2016.pdf.

Jang, J. S. 1993. ANFIS: adaptive-network-based fuzzy inference system. IEEE transactions on systems, man, and cybernetics, 23(3), 665-685.

IATA. "IATA Annual Review 2016." IATA.org. 2016. Erişim Tarihi Ekim 9, 2016. https://www.iata.org/publications/Documents/iata-annual-review-2016.pdf.

ICAO. "Air Transport, Passengers Carried." Worldbank.org. Erişim Tarihi Ekim 9, 2016. http://data.worldbank.org/indicator/IS.AIR.PSGR.

Karahan, Mehmet. "İstatistiksel Tahmin Yöntemleri: Yapay Sinir Ağları Ile Ürün Talep Tahmini Uygulaması." Doktora Tezi, Selçuk Üniversitesi, 2011.

Karlaftis, Matthew G. 1994. Critical Review and Analysis of Air-Travel Demand. Computational Models, Software Engineering, and Advanced Technologies in Air Transportation, 71-87.

Kaya, İ., Oktay, S., & Engin, O. 2005. kalite kontrol problemlerinin çözümünde yapay sinir ağlarinin kullanimi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 21(1-2), 92-107.

Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. 1998. Forecasting methods and applications. John Wiley & Sons.

Orhunbilge, N. 2002. Uygulamalı Regresyon ve Korelasyon Analizi. İstanbul Üniversitesi İşletme Fakültesi Yayını, No: 281, 5-12.

Pagoni, I., Psaraki-Kalouptsidi, V. 2016. The impact of carbon emission fees on passenger demand and air fares: A game theoretic approach. Journal Of Air Transport Management, 55, 41-51.

Sarames, G. N. 1972. World Air Travel Demand, 1950-1980.

Song, H., & Li, G. 2008. Tourism demand modelling and forecasting—A review of recent research. Tourism Management, 29(2), 203-220.

TOBB, "Türkiye Sivil Havacılık Meclisi Sektör Raporu." June 2014. Erişim Tarihi Ekim 4, 2016. http://www.tobb.org.tr/Documents/yayinlar/2014/TurkiyeSivilHavacilikSektorRaporu.pdf.

Transport. "İşte Türk Sivil Havacılığının Fotoğrafı." UTIKAD.org.tr. 2012. Erişim Tarihi Ekim 9, 2016. http://www.utikad.org.tr/haberler/?id=10034.

Tretheway, M. W., & Oum, T. H. 1992. Airline economics: foundations for strategy and policy.

TUİK, İ. G. 2014. Göstergeler 1923-2013.

Turkish Airlines. “Tarihce.” Erişim Tarihi Şubat 14, 2017. http://www.turkishairlines.com/tr-tr/kurumsal/tarihce

World Economic Forum. "The Travel & Tourism Competitiveness Report 2015." WEFORUM.com. Erişim Tarihi Ekim 23, 2016. http://www3.weforum.org/docs/TT15/WEF_Global_Travel.

Literatür Araştırması bölümünde yer alan kaynaklar şu adreste yer almaktadır: https://www.docdroid.net/IBP2HO0/literatur-taramasi.pdf.html

Kaynak Göster