Модели анализа спроса на пассажирские авиаперевозки

Анализ спроса на авиаперевозки – это ключевой бизнес-процесс, вокруг которого разрабатываются стратегические и операционные планы каждой авиакомпании. На основе прогноза спроса разрабатываются стратегические планы развития маршрутной сети авиакомпании, а также планы по бюджетированию, финансовому планированию, планы продаж и маркетинга, планирование парка воздушных судов, оценка рисков и планы преодоления их последствий. Анализ спроса также облегчает важную управленческую деятельность, такую как принятие решений, оценка эффективности, разумное распределение ресурсов в определённых и неопределённых условиях развития системы воздушного транспорта.
На основе конкретных требований авиакомпании или применительно к конкретной воздушной линии может быть разработана индивидуальная модель прогнозирования спроса. Такая модель представляет собой расширение или сочетание различных качественных и количественных методов прогнозирования спроса. Задача разработки настраиваемой модели часто является итерационной, высоко детализированной и управляемой экспертными знаниями и может быть выполнена путём внедрения подходящего программного обеспечения для управления спросом.
Задача, поставленная в статье, не является постановочным заданием для построения модели, а только предлагает исследовать имеющийся теоретический материал по анализу спроса на авиаперевозки на основе наиболее известных моделей прогнозирования спроса на перевозки.
Методом научного исследования задачи, поставленной в статье, является метод научного анализа существующих моделей. Предложение и спрос на авиатранспортные услуги имеют взаимное, но асимметричное отношение. Хотя реализованный спрос на перевозку не может иметь место без соответствующего уровня предложения, авиатранспортная услуга может существовать и без соответствующего спроса. Это часто встречается в проектах, которые разрабатываются с запасом, удовлетворяющим ожидаемый уровень спроса, который может или не может быть реализован, или может его реализация займёт несколько лет. Регулярные авиатранспортные услуги формируют предложение, которое существует, даже если спрос недостаточен.
Приведённые в статье модели подчёркивают условия, в которых есть насыщение предложения, а с другой стороны, рассматриваются модели, в которых спрос формируется за счёт взаимной притягательности субъектов, формирующих спрос.

транспорт, спрос на авиаперевозки, прогнозирование, макроскопическая модель

1. Транспорт в России. 2018: Стат. сб. Росстат. – Т. 65. – М., 2018. – 101 с.

2. Rodriguez, J.-P. Geography of transport systems. 5th edition. New York: Routledge, 2020, 456 p.

3. Актуальные вопросы экономических наук: Материалы III междунар. науч. конф. – Уфа: Лето, 2014. – 172 с.

4. Sivakumar, A. Modelling Transport: A Synthesis of Transport Modelling Methodologies. Imperial College, London, 2017, 32 p. [Электронный ресурс]: https://pdfs. semanticscholar.org/b5ec/260c7b2e885a2f228bd9cd5f68 ed6fc101cf.pdf?_ga=2.259271945.2025433840. 1588192665-2114981230.1588192665. Доступ 19.12.2019.

5. EURO Journal on Transportation and Logistics, 2012, Vol. 1, pp. 135–155. [Электронный ресурс]: https://link.springer.com/article/10.1007/s13676-012-0006-9. Доступ 19.12.2019.

6. Hendry, D. F. Economic Forecasting. Nuffield College, University of Oxford. July 18, 2000, 70 p. [Электронный ресурс]: https://folk.uio.no/rnymoen/DFHForc. pdf. Доступ 19.12.2019.

7. Введение в математическое моделирование транспортных потоков: Учебное пособие. Изд. 2-е, испр. и доп. / Под ред. А. В. Гасникова. – М.: МЦНМО, 2013. – 428 с.

8. Метод наименьших квадратов: Метод. указания / Сост. Л. В. Коломиец, Н. Ю. Поникарова. – Самара: Изд-во Самарского университета, 2017. – 32 с.

9. Саженкова Т. В., Пономарёв И. В., Пронь С. П. Методы анализа временных рядов: Учебно-методическое пособие. – Барнаул: Изд-во Алт. ун-та, 2020. – 60 с.

10. Casella, G., Berger, R., Santana, D. Statistical Inference. 2nd edition, Duxbury Advanced Series, Pacific Grove, CA, 2002, 210 p. [Электронный ресурс]: https://www.coursehero.com/file/27287478/StatisticalInference-2nd-Edition-by-G-Casella-and-R-BergerSolutionspdf/. Доступ 19.12.2019.

11. Miller, S. J. The Method of Least Squares. Mathematics Department Brown University Providence, RI 02912, 2019, pp. 1–7. [Электронный ресурс]: https://www.coursehero.com/file/36451365/MethodLeast Squarespdf/. Доступ 19.12.2019.

12. Прогнозирование социально-экономических процессов: Учебно-методическое пособие / Авторсоставитель О. В. Капитанова. – Н. Новгород: Нижегородский госуниверситет, 2016. – 74 с.

13. Антохонова И. В. Методы прогнозирования социально-экономических процессов: Учебное пособие для вузов. – 2-е изд., испр. и доп. – Москва: Издательство Юрайт, 2019. – 213 с. [Электронный ресурс]: https://biblio-online.ru/bcode/444126. Доступ 19.12.2019.

14. Crescenzo, Di A., Spina, S. Analysis of a growth model inspired by Gompertz and Korf laws, and an analogous birth-death process. Mathematical Biosciences, 2016, Vol. 282, pp. 121–134. [Электронный ресурс]: https://arxiv.org/pdf/1610.09297.pdf. Доступ 19.12.2019.

15. Советов Б. Я., Сикерин А. В. Гравитационная и энтропийная модели потоков при территориальном планировании развития транспортной системы // Информатика и компьютерные технологии. – Известия СПбГЭТУ «ЛЭТИ». – 2016. – № 8. – С. 21–24.

16. Власов А. А. Теория транспортных потоков: Монография. – Пенза: ПГУАС, 2014. – 124 с.