Моделі для дослідження перспектив розвитку авіаційної галузі
DOI:
https://doi.org/10.20535/1560-8956.44.2024.302412Ключові слова:
машинне навчання, прогнозування часових послідовностей, задача регресії, задача кластеризаціїАнотація
В статті розглянуто проблему перспектив розвитку авіаційної галузі у світі. В такій великій галузі просто необхідно детально аналізувати тенденції для покращення логістики й збільшення прибутку. Кластеризація країн дозволить
авіакомпаніям детально вивчити можливі напрями розширення свого бізнесу, подивитися на головні центри авіації, переглянути, у які країни можна розповсюдити свій бізнес. Детальний аналіз тенденцій в авіавиробництві – головне, на що повинні орієнтуватися авіавиробники, оскільки такі тенденції змінюються дуже швидко і їх треба намагатися прогнозувати. Для розбиття країн на кластери за кількістю перельотів між ними створено кластеризаційну модель за допомогою Лувенського методу. Було виділено 5 кластерів, які переважно залежали від географічного місцезнаходження країн. Така модель може застосовуватися навіть поза межами авіації, адже вона вказує не лише на географічну близькість певних країн, але й на геополітичну та економічну ситуації в цих країнах, а також на відносини між різними країнами. Авіакомпанії можуть використовувати такі візуалізації для аналізу, які країни можна «захопити», а які – уже мають дуже серйозного гравця на ринку й конкуренція там буде дуже складною. Для прогнозування виробництва літаків побудовано модель для прогнозування виробництва літаків моделі Airbus A320, літаків із 4 двигунами та з поршневими двигунами. Ці моделі дадуть підказку для авіавиробників щодо того, які літаки треба
виготовляти, а авіакомпаніям – які купувати, щоб збільшити прибуток за рахунок виробництва трендових літаків з одного боку та зменшити втрати через моральне застаріння авіапарку з іншого.
Бібл. 17, іл. 14
Посилання
Airbus A380: End of a multibillion-dollar dream. URL: https://www.dw.com/en/airbus-a380-the-end-of-a-multibillion-dollar-dream/a-60124995 (from: 20.06.2023).
Keras: Depp Learning for humans. URL: https://keras.io (from: 29.05.2023).
Louvain Community Detection. URL: https://github.com/taynaud/python-louvain (from: 29.05.2023).
Prophet | Forecasting at scale. URL: https://facebook.github.io/prophet (from:29.05.2023).
Gephi – The Open Graph Viz Platform. URL: https://gephi.org (from: 29.05.2023).
nginx. URL: https://nginx.org (from: 29.05.2023).
Dube, K., Nhamo, G., Chikodzi, D. COVID-19 pandemic and prospects for recovery of the global aviation industry // Journal of air transport management, 2021, Vol. 92. DOI: 10.1016/j.jairtraman.2021.102022
Pereira, B.A., Lohmann, G., Houghton, L. Innovation and value creation in the context of aviation: a Systematic Literature Review // Journal of air transport management, 2021, Vol. 93. DOI: 10.1016/j.jairtraman.2021.102076
Cui, Qiang; Yu, Li-Ting A Review of Data Envelopment Analysis in Airline Efficiency: State of the Art and Prospects // Journal of advanced transportation, 2021, Vol.2021. DOI: 10.1155/2021/2931734
Tarasonok D. Y., Oliinyk Y. O., Likhouzova T. A. Models for forecasting flight delays // Inter-branch scientific and technological digest «Adaptive systems of automatic control» № 2(43), 2023
Aircraft Type Designators. URL: https://www.icao.int/publications/doc8643/pages/search.aspx (from: 29.05.2023).
Open data @ OurAirports. URL: https://ourairports.com/data (from: 29.05.2023).
Fast unfolding of communities in large networks. URL: https://arxiv.org/pdf/0803.0476.pdf (from: 29.05.2023).
Reingold Layout. URL: https://www.sciencedirect.com/topics/computerscience/reingold-layout (from: 29.05.2023).
Кластеризація. URL: https://flights.compich.com/clustering (from: 29.05.2023).
Emirates Fleet Details and History. URL: https://www.planespotters.net/airline/Emirates (from: 29.05.2023).
Delta Air Lines Fleet Details and History. URL: https://www.planespotters.net/airline/Delta-Air-Lines (from: 29.05.2023).
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.