[논문 리뷰] Hong Kong Air Traffic: Explanation and Prediction based on Sparse Seasonal ARIMA Model

Shuwen Chai|arXiv (Cornell University)|2021. 08. 12.

Forecasting Techniques and Applications인용 수 4

한 줄 요약

이 논문은 2004–2018년 기간의 역사적 자료를 활용하여 홍콩의 항공교통을 설명하고 예측하기 위해 희박한 계절적 ARIMA 모델 (0,1,1)×(4,1,0)₁₂을 제안한다. 모델은 2020년 1월부터 7월까지의 항공교통을 95% 신뢰구간 내에서 정확하게 예측하였으며, 주요 혼란 요인—특히 정치적 운동과 코로나19—의 영향을 정량화하여, 이러한 사건이 없었을 경우와 비교해 2020년 2월부터 11월까지 항공교통이 95% 감소했음을 보여주었다.

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.

연구 동기 및 목표

• 안정된 계절성과 추세 성분을 가진 홍콩 항공교통을 예측하기 위한 강력한 시계열 모델을 개발하기 위해.
• 2019년 정치적 불안정과 2020년 코로나19 팬데믹과 같은 주요 사회정치적 사건이 항공교통 패턴에 미치는 영향을 정량화하기 위해.
• 안정적이고 혼란스러운 사회 조건 하에서 희박한 계절적 ARIMA 모델의 예측 성능을 평가하기 위해.
• 외부 충격으로 인한 경제적·사회적 손실을 추정하기 위해 시계열 모델을 재사용할 수 있는지 보여주기 위해.

제안 방법

• 2004년부터 2018년까지의 월간 항공교통 데이터에 대해 희박한 계절적 ARIMA 모델 (0,1,1)×(4,1,0)₁₂를 식별하고 적합시켰다.
• 모델 선택은 정staionarity를 확인하기 위한 ADF 검정, ACF/PACF 분석, 정보 기준량(AIC/BIC)을 기반으로 하였으며, 모델 진단을 통해 적합성이 확인되었다.
• 2019년 1월부터 7월까지의 테스트 세트를 사용하여 모델을 검증하였고, 95% 신뢰구간 내에서 정확한 예측을 보였다.
• 2019–2020년 정치적 불안정을 제외한 데이터로 모델을 재적합하여 패닉의 영향을 분리하고, 예측된 값들을 기준선으로 삼았다.
• 외부 사건의 영향은 예측된 값과 실제 값의 차이를 계산하여 정량화하였으며, 기대된 항공교통에서의 이격을 '손실'로 정의하였다.
• 장기적 추세와 계절 패턴을 추출하고 분석하기 위해 시계열 분해를 적용하여 구조적 변화의 해석을 지원하였다.

실험 결과

연구 질문

• RQ1 희박한 계절적 ARIMA 모델은 안정된 사회 조건 하에서 홍콩 항공교통을 얼마나 잘 예측할 수 있는가?
• RQ2 2019년 정치적 불안정과 2020년 팬데믹과 같은 주요 사회정치적 사건은 계절성과 추세 효과를 초월해 항공교통 패턴을 얼마나 심각하게 방해하는가?
• RQ3 시계열 모델은 패닉이나 내전과 같은 외부 충격으로 인한 경제적 또는 사회적 손실을 추정하기 위해 재사용될 수 있는가?
• RQ4 코로나19 팬데믹으로 인해 홍콩에서 2020년 후반에 발생한 항공교통 손실의 규모는 모델 예측 수준과 비교해 어느 정도인가?
• RQ5 항공교통의 계절 패턴과 장기적 추세는 관광, 휴일, 세계적 위기와 같은 경제적·사회적 요인과 어떻게 관련이 있는가?

주요 결과

• 희박한 계절적 ARIMA 모델 (0,1,1)×(4,1,0)₁₂은 2020년 1월부터 7월까지의 항공교통을 95% 예측 구간 내에서 성공적으로 예측하였다.
• 모델은 2020년 2월부터 11월까지 정치적 운동과 팬데믹가 없었을 경우 예상 수준의 5% 수준으로 항공교통이 예측되었으며, 이는 95%의 손실을 의미한다.
• 가장 심각한 혼란은 2020년 4월에 발생하여 기준 예측 대비 예측 손실률이 99.95%에 이르렀다.
• 모델의 예측값은 실제값보다 항상 높게 나타났으며, 이는 모델가 갑작스러운 사회적 충격에 재추정 없이 적응하지 못함을 확인시켜 주었다.
• 분해 분석 결과, 7월, 8월, 12월은 관광과 휴가 여행으로 인해 정점이 오는 것으로 밝혀졌으며, 1월과 2월은 춘절과 관련된 보조 정점이 관찰되었다.
• ADF 검정 결과 원본 시계열에서 비정상성을 확인하였으며, 이는 모델 사양에서 일차 및 계절 차분을 모두 적용할 필요성을 뒷받침한다.