[論文レビュー] Hong Kong Air Traffic: Explanation and Prediction based on Sparse Seasonal ARIMA Model

Shuwen Chai|arXiv (Cornell University)|Aug 12, 2021

Forecasting Techniques and Applications被引用数 4

ひとこと要約

本論文は、2004年から2018年の歴史的データを活用して、香港の空港交通を説明・予測するスパースな季節的ARIMAモデル (0,1,1)×(4,1,0)₁₂を提案する。このモデルは、2020年1月から7月にかけての交通量を95%信頼区間内で正確に予測し、特に政治的動乱およびCOVID-19の影響を定量化する。2020年2月から11月にかけて、これらの出来事の影響がない場合の予測値と比較して、航空交通量は95%減少した。

ABSTRACT

The monthly air traffic of a city is a time series with an obvious seasonal pattern, and is closely related to the economic situation and social environment of the city. In Hong Kong, for example, July, August, and October tend to be the peak season of traffic flow, while there is also a relatively fixed off-season. In the case of a stable social environment, a carefully identified and fitted seasonal ARIMA model can predict the traffic flow in the future months well. This work selects the air traffic data, including arrival and departure passengers of Hong Kong, after the financial crisis and before the political storm. A sparse seasonal ARIMA$(0,1,1) imes(4,1,0)_{12}$ is built, which can correctly predict the air traffic from January to July in 2020 within its $95\%$ confidence interval. Furthermore, this work decomposes the time-series and find that important events, like the financial crisis, political storm, and the COVID-19 outbreak, affect the level of air traffic to some extent. For example, the political storm and epidemic prevention and control that happened after 2019 made the air traffic drop significantly. According to my sparse seasonal ARIMA model, the air traffic from February to November in 2020 is only $5\%$ of what it should be without these two events. This is a valuable application of the time-series model in the air traffic loss estimation.

研究の動機と目的

• 安定した季節的およびトレンド成分を示す香港の空港交通を予測する強固な時系列モデルの構築を目的とする。
• 2019年の政治的混乱および2020年のCOVID-19パンデミックといった主要な社会的・政治的出来事が、空港交通パターンに与える影響を定量化すること。
• 安定的および混乱的な社会状況下におけるスパースな季節的ARIMAモデルの予測性能を評価すること。
• 外部ショック（パンデミックや内乱など）に起因する経済的・社会的損失を推定するために、時系列モデルを再利用可能であることを示すこと。

提案手法

• 2004年から2018年までの月次空港交通データに、スパースな季節的ARIMAモデル (0,1,1)×(4,1,0)₁₂を特定し、フィッティングする。
• モデル選択はADF検定による定常性の確認、ACF/PACF分析、および情報量規準（AIC/BIC）に基づき行われ、モデル診断により妥当性が確認された。
• 2019年1月から7月のテストデータを用いてモデルを検証した結果、95%信頼区間内で正確な予測が得られた。
• 2019年から2020年の政治的混乱を除いたデータで再フィッティングを行い、パンデミックの影響を分離する。この際、予測値をベースラインとして用いた。
• 外部出来事の影響は、予測値と実測値の差を計算することで定量化され、「損失」は予想される交通量からの逸脱として定義された。
• 時系列分解を適用して長期的トレンドおよび季節的パターンを抽出・分析し、構造的変化の解釈を支援した。

実験結果

リサーチクエスチョン

• RQ1 スパースな季節的ARIMAモデルは、社会的に安定した状況下で、香港の空港交通をどの程度正確に予測できるか？
• RQ2 2019年の政治的混乱および2020年のパンデミックといった主要な社会的・政治的出来事は、季節的およびトレンド要因を超えて、空港交通パターンにどの程度の混乱を引き起こすか？
• RQ3 時系列モデルは、パンデミックや内乱といった外部ショックに起因する経済的または社会的損失を推定するために再利用可能か？
• RQ4 COVID-19パンデミックの影響で、2020年後半に香港の空港交通量がモデル予測値と比較してどの程度減少したか？
• RQ5 空港交通の季節的パターンおよび長期的トレンドは、観光、休日、世界的な危機といった経済的・社会的要因とどのように相関しているか？

主な発見

• スパースな季節的ARIMAモデル (0,1,1)×(4,1,0)₁₂は、2020年1月から7月にかけての空港交通量を95%予測区間内に正確に予測した。
• モデルは、2020年2月から11月にかけて、政治的動乱およびパンデミックの影響がない場合の予測値と比較して、交通量がわずか5%にまで低下すると予測した。これは95%の損失を示している。
• 最も深刻な混乱は2020年4月に発生し、ベースライン予測と比較して予測損失率が99.95%に達した。
• モデルの予測値は2020年中に常に実測値よりも高かったため、再推定を行わない限り、急激な社会的ショックに適応できないことが確認された。
• 分解分析により、7月、8月、12月は観光および休暇旅行の影響でピーク月であることが判明した。一方、1月および2月は中国正月に連動した二次的ピークを示した。
• ADF検定の結果、元の時系列に定常性が確認されず、モデル仕様において一次および季節的差分の両方が必要であることが裏付けられた。