THE ELECTRONIC SCIENTIFIC JOURNAL "YOUNG SCIENCE OF SIBERIA"

СРАВНИТЕЛЬНЫЙ АНАЛИЗ СЕЗОННОГО ХОДА ПАССАЖИРООБОРОТА ЖЕЛЕЗНОДОРОЖНОГО И АВИАТРАНСПОРТА НА ОСНОВЕ ЭКОНОМЕТРИЧЕСКОГО МОДЕЛИРОВАНИЯ

Receipt date: 
22.05.2020
Year: 
2020
Journal number: 
УДК: 
519.862.6
Article File: 
Abstract: 

В статье применительно к моделированию сезонных колебаний пассажирооборота железнодорожного и воздушного транспорта общего пользования рассматриваются 3 метода: фиктивных переменных, скользящей средней и гармонического анализа. Для построения моделей использованы месячные данные 2016-2019 гг. Все методы дают хорошую точность аппроксимации, в особенности – для ж/д транспорта. Спрогнозирован пассажирооборот на февраль 2020 года. Прогноз пассажирооборота оказался значительно более точным для ж/д транспорта, чем для транспорта воздушного

List of references: 
  1. Базилевский М.П., Гефан Г.Д. Проблема автокорреляции остатков регрессии на примере моделирования грузооборота железнодорожного транспорта по данным временных рядов / М.П. Базилевский, // Современные технологии. Системный анализ. Моделирование. — 2016. — № 1 (49). — С. 141-147.
  2. Базилевский М.П., Г.Д. Гефан. Об учёте эффектов автокорреляции во временных рядах // Информационные технологии и проблемы математического моделирования сложных систем. — Иркутск : ИрГУПС, 2015. — Вып. 14. — С. 11-22.
  3.  Гефан Г.Д., Иванов В.Б. Модели временных рядов в задачах прогнозирования солнечной активности для потребителей систем навигации GPS/ГЛОНАСС // Трансп. инфраструктура Сибирского региона: материалы межвуз. научно-практ. конференции. — Иркутск : Изд-во ИрГУПС, 2011. — С. 304-309.
  4. Grafeeva N. et al. Passenger traffic analysis based on St. Petersburg public transport //International Multidisciplinary Scientific GeoConference: SGEM: Surveying Geology & mining Ecology Management. – 2017. – Т. 17. – С. 509-516.
  5. Shcherbanin Y. A. The use of regression models to forecast passenger air travel indices //Studies on Russian Economic Development. – 2016. – Т. 27. – №. 3. – С. 269-275.
  6.  Aivazidou E., Politis I. Transfer function models for forecasting maritime passenger traffic in Greece under an economic crisis environment //Transportation Letters. – 2020. – С. 1-17.
  7.  Kang X., Liu F. Analysis and Forecast for the National Railway Passenger Turnover Volume Based on Time Series Method //Mathematics in Practice and Theory. – 2015. – Т. 2015. – №. 20. – С. 19.
  8.  Tang X., Deng G. Prediction of Civil Aviation Passenger Transportation Based on ARIMA Model //Open Journal of Statistics. – 2016. – Т. 6. – №. 5. – С. 824-834.
  9.  Wei Y., Li X. Forecast of Railway Passenger Transport Turnover Based on GM (1, 1) Model //2019 International Conference on Economic Management and Model Engineering (ICEMME). – IEEE, 2019. – С. 347-350.
  10.  Zhang D., Liu Z. Forecast and Model Establishment of Urban Rail—Transit Passenger Flow //Data Processing Techniques and Applications for Cyber-Physical Systems (DPTA 2019). – Springer, Singapore, 2020. – С. 969-977.
  11. Gefan G.D. Modeling the seasonal course of passenger turnover according to statistical data of time series / G.D. Gefan // Proceedings of The Sixth International Symposium on Innovation and Sustainability of Modern Railway, ISMR 2018, September 25-28, 2018, Irkutsk, Russia / Edited by Lei Xiaoyan and S. Kasrgapoltsev. – Beijing : China Railway Publishing House, 2018. – P. 634-636
  12. Елисеева, И.И. Эконометрика. – М.: Финансы и статистика, 2007. – 576 с.
  13. Федеральная служба государственной статистики [Электронный ресурс] Режим доступа: https://www.gks.ru/folder/23455
  14. Невская, Н. А.  Макроэкономическое планирование и прогнозирование : учебник и практикум для академического бакалавриата / Н. А. Невская. — Москва : Издательство Юрайт, 2017. — 186 с.
  15. Статистика: курс лекций / под ред. В.Г. Ионина. — М. : ИНФРА-М, 1997. — 310 с.