Türkiye’deki Hava Taşımacılığı Üzerine Bir Tahminleme Çalışması

Yıl 2019, , 53 - 62, 27.08.2019

Çiğdem Kalathilparmbil , Özlem Şahin

https://doi.org/10.18506/anemon.452549

Öz

Planlama
ve kontrol işlemlerinde tahminleme önemli bir araçtır. Gelecekteki
belirsizliklerin aydınlanması, değerlendirilmesi, önlemlerin alınması açısından
tahmin yani öngörü, kritik bir rol oynamaktadır. Özellikle hava taşımacılığı
gibi sürekli büyüyen bir sektörde de gelecek için öngörünün yapılarak
planlamanın gerçekleştirilmesi her açıdan önemlidir. Bu nedenle öncelikle
Devlet Hava Meydanları İşletmesi (DHMİ)’nin Türkiye genelindeki havalimanları
için yayımladığı istatistikler doğrultusunda 2002-2017 yıllarına ait iç hat,
dış hat ve toplam olmak üzere uçak, yolcu ve yük trafiğinden oluşan bir veri
seti hazırlanmıştır. Bu veri seti yardımıyla çalışmada,  hızla büyüyen hava taşımacılığı için
2018-2023 yılları arasındaki uçak, yolcu ve yük trafik sayılarının eğri uydurma
yöntemi kullanılarak tahmin edilmesi amaçlanmıştır. Elde edilen tahmin
sonuçları 2019 ve 2020 yılları için DHMİ’nin tahminleri ile karşılaştırılmış ve
sonuçların birbirine yakın olduğu gözlenmiştir. 

Anahtar Kelimeler

Hava Taşımacılığı, Uçak Trafiği, Yolcu Trafiği, Yük Trafiği

A Forecasting Study on Air Transportation in Turkey

Öz

Forecasting
is a significant tool for planning and controlling processes. It plays a critical
role in enlightening, evaluating, and taking measures for future uncertainties.
It is also important in every respect to realize the planning for the future in
a continuously growing air transportation industry. In this study, a data set;
including domestic, international and total aircraft movements, passenger and
freight is prepared by using the published statistics of General Directorate of
State Airport Authority for the years between 2002-2017.  By using the curve fitting method,
forecasting the number of the domestic, international and total aircraft
movements, passenger and freight, between 2018-2023, is aimed.  The obtained forecasting results are compared
to DHMI’s forecasting results. The close results are observed.

Anahtar Kelimeler

Air Transportation, Flight Traffic, Passenger Traffic, Freight Traffic, Curve Fitting

Kaynakça

• Dantas, TM., Oliveria FLC., & Rpolho HMV. (2017). Air transportation demand forecast through Bagging Holt Winters methods. Journal of Air Transport Management, (59), 116-123.
• Devlet Hava Meydanları İşletmesi Resmi websitesi, (Erişim: 10.07.2018), http://www.dhmi.gov.tr/istatistik.aspx
• Efendigil, T., & Eminler, Ö.M. (2017). Havacılık sektöründe talep tahmininin önemi: yolcu talebi üzerine bir tahmin modeli. Tarım ve Gıda Değer Zincirlerinde Yöneylem Araştırmaları ve Endüstri Mühendisliği Özel Sayısı, 12 (özel sayı), 14-30.
• Eurocontrol Seven Year Forecast (2018-2024), Flight Movements and Service Units. (Erişim: 22.07.2018), https://www.eurocontrol.int/sites/default/files/content/documents/official-documents/forecasts/seven-year-flights-service-units-forecast-2018-2024-Feb2018.pdf
• Gangwar H.S. (2015). Textbook of Engineering Mathematics-III.(Erişim:25.06.2018), https://www.newagepublishers.com/samplechapter/001938.pdf
• International Civil Aviation Organization (2006). Manual on Air Traffic Forecasting- Doc. 8991, Third Edition.
• Kuzu, S., & Yıldırım, B.F., (2017). Box-Jenkins ve gri tahmin yöntemleri ile Türkiye’de hava yolu ulaşım talebinin tahmini. Söke İşletme Fakültesi Priene Uluslararası Sosyal Bilimler Dergisi, 1(2), 36-49.
• Lee, Y. X. & Zhong, Z.W. (2016). A study of the relationship between adverse weather conditions and flight delay. Journal of Advances in Technology and Engineering Research, 2(4), 113-117.
• Madhwal Y., & Avdeeva Z. (2017). Planning in aircraft industry based on prediction of air traffic. Procedia Computer Science, (122), 1047–1054.
• Murphy, C.M., Miller, B., and Sherry, L. (2015). Effects of Fuel Price on Total Fuel Burn and System Capacity- An Analysis of Advanced Engine and Airframe Technology and Airline Responses to Changes in Fuel Price, 5th AIAA Aviation Technology, Integration, and Operations Conference.
• Nai, W., Liu, L., Wang S., & Dong, D. (2017). An EMD–SARIMA-Based Modeling Approach for Air Traffic Forecasting, Algorithms, 10 (4), 139. doi:10.3390/a10040139
• Önder, E., & Hasgül, Ö. (2009). Yabancı ziyaretçi sayısının tahmininde box jenkins modeli, winters yöntemi ve yapay sinir ağlarıyla zaman serisi analizi. İstanbul Üniversitesi İşletme İktisadi Enstitüsü Yönetim Dergisi, 20(62), 62-83.
• Önder E., & Kuzu, S. (2014). Forecasting air traffic volumes using smoothing techniques, Journal of Aeronautics and Space Technologies, 7(1), 65-85.
• Phyoe, SM., Guo R., & Zhong ZW. (2016). An air traffic forecasting study and simulation, International Journal of Science and Technology, 2(3), 55-69.
• Qin, Q., & Yu, H. (2015). A Statistic Analysis of Flight Delays of Major US Airports: Illustrated by the Example of the JFK Airport, Proceedings of 4th International Conference on Logistics, Informatics and Service Science, 469-474.
• Tong, L.,Ying, C., & Qian, W. (2017). A Curve Fitting Method for Evaluating Pilot Operation Quality. International Conference on Mechatronics and Intelligent Robotics, (2), 93-101.
• Ulaşan ve Erişen Türkiye (2017). Havacılık ve Uzay Teknolojileri.(Erişim:06.06.2012), http://www.udhb.gov.tr/images/faaliyet/a5ec26a31a72281.pdf
• Yumakoğulları, Ö., Aydemir R., & Güloğlu, B. (2015). The development of turkish air traffic fleet and mro market, KOSBED, (30), 31 – 50.