In nature, origin-destination air passenger flows are correlated both spatially and temporally due to spatial and temporal relationships of human behaviors and environments. However, most existing studies for modeling air passenger flows have assumed these relationships to be independent; few studies have considered either spatial or temporal dependences. To consider both, we develop spatio-temporal autoregressive models of monthly origin-destination air passenger flows. Benefited from the special structure of a spatio-temporal dependence matrix in our model, the proposed model incorporates multidimensional autoregressive coefficients that enable more effective predictive performance. Its application to real open-access aviation data in 2010 demonstrates the effectiveness of the proposed models in forecasting monthly air passenger flows.
항공 승객 흐름에 영향을 끼치는 인간 행동과 환경적 요인은 자연적으로 서로 공간적으로 그리고 시간적으로 연관되어 있다. 이러한 시공간적 특성은 월별 출발-도착 항공 승객 흐름이 서로 시공간 상관성을 갖게 한다. 그러나 기존 항공 승객 흐름에 대한 연구들은 시공간 상관성을 고려하지 않거나, 공간 상관성 만을 고려하거나, 또는 시간 상관성만을 고려하고 있다. 따라서 본 연구에서는 월간 항공 승객 흐름의 시공간 상관성을 모두 고려한 시공간 자기상관성 모형을 개발하였다. 실제 2010년 오픈-액세스 (open-access) 항공 데이터를 적용한 실험에서, 본 연구에서 개발한 시공간 자기상관성 모형은 기존 연구에서 제안한 모형들과 비교해 더 우수한 결과를 보였다.또한 본 연구에서 쓰인 모형의 시공간 상관성 행렬 구조는 다차원 자기상관성 상관계수 도입을 가능하게 한다. 다차원 자기상관성 상관계수를 도입한 모형은 다른 모형에 비해 실제 데이터를 사용한 예측 실험에서 더 우수한 결과를 보였다.
