DOI: https://doi.org/10.22630/eiol.2025.10.4.27
تاريخ النشر: 2026-01-31
المؤلف: Luiza Ochnio وآخرون
الموضوع الرئيسي: تقنيات التنبؤ وتطبيقاتها
نظرة عامة
يقدم هذا القسم دراسة حالة حول تطبيق طرق التنبؤ لتوقع حجم حركة الركاب وعوامل الحمولة لشركة طيران ويز إير. تشير التحليلات إلى أنه تم استخدام نماذج تنبؤ مختلفة، حيث لوحظت أفضل أداء في بعض النماذج، بينما حقق نموذج الاتجاه أضعف النتائج. ومن الجدير بالذكر أن نتائج التنبؤ لعوامل الحمولة أظهرت اختلافات طفيفة مقارنة بتلك الخاصة بحجم الركاب.
بشكل عام، أظهرت جميع النماذج دقة محسنة في التقاط الأنماط الزمنية، على الرغم من أن التنبؤات لعوامل الحمولة كانت مرتبطة بأخطاء تنبؤ أعلى. وهذا يشير إلى أنه بينما يمكن للنماذج التنبؤ بالاتجاهات بفعالية، لا يزال هناك تحدٍ في تحقيق الدقة، خاصة في توقعات عوامل الحمولة.
مقدمة
ت outlines مقدمة الورقة التحولات الكبيرة في قطاع النقل الجوي على مدى العقدين الماضيين، مع تسليط الضوء على التوسع السريع لشركة ويز إير، التي نقلت أكثر من 60 مليون راكب في السنة المالية 2024/2025 مع أسطول يضم أكثر من 200 طائرة إيرباص A320/A321. يتطلب هذا النمو توقعات دقيقة لطلب الركاب وعوامل الحمولة، والتي تعتبر حاسمة لإدارة الإيرادات، وتحسين المسارات، وتخطيط السعة. تركز استراتيجية شركة الطيران على تعزيز الاتصال في الأسواق الناشئة من خلال شبكة طرق واسعة تشمل المطارات الرئيسية والثانوية والمخدومة بشكل غير كافٍ، مما يحقق عوامل حمولة عالية تحسن الكفاءة التشغيلية والعائد.
تهدف الورقة إلى تحليل ومقارنة فعالية طرق التنبؤ المختلفة المطبقة على شركة ويز إير كدراسة حالة من 2015 إلى 2025. تعترف بتعقيد توقع حركة الركاب وعوامل الحمولة بسبب مجموعة من العوامل الخارجية (مثل تقلبات أسعار الوقود، والظروف الاقتصادية الكلية، والأحداث الجيوسياسية) والعوامل الداخلية (بما في ذلك سياسات التسعير والأنشطة التسويقية). ستستخدم الدراسة بيانات تاريخية متاحة للجمهور، مع التركيز على مقاييس الركاب وعوامل الحمولة، وهي منظمة لتشمل مراجعة الأدبيات، ووصف المنهجية، وعرض النتائج التجريبية. السؤال البحثي الرئيسي يستقصي أي طرق التنبؤ تحقق أفضل أداء ضمن نموذج أعمال شركة الطيران.
طرق
تشمل منهجية البحث المستخدمة في هذه الدراسة تحليل بيانات الركاب وعوامل الحمولة من أبريل 2014 إلى أبريل 2025. يتم تقسيم مجموعة البيانات إلى مجموعات تدريب واختبار، حيث يتم استخدام مجموعة بيانات التدريب لتقييم دقة نماذج التنبؤ. تشير الإحصائيات الوصفية الأساسية إلى عدد مرتفع بشكل ملحوظ من الركاب لشركة الطيران قيد الدراسة.
تستخدم الدراسة طرق التنبؤ البسيطة، التي تعمل على افتراض عدم وجود تغييرات كبيرة في العملية التي يتم تحليلها. هذه الطريقة سهلة التنفيذ وفعالة في السيناريوهات التي تحدث فيها تقلبات عشوائية طفيفة في المتغير المعني. ومع ذلك، من المهم ملاحظة أن جودة التنبؤات الناتجة باستخدام هذه الطريقة تميل إلى أن تكون منخفضة نسبيًا. يتم تمثيل معادلة التنبؤ على أنها \( Y_t = Y_{t-1} \)، حيث \( Y_t \) تشير إلى القيمة المتوقعة للمتغير \( Y \) في الوقت \( t \)، و \( Y_{t-1} \) هي القيمة الملاحظة في الفترة الزمنية السابقة.
نقاش
في قسم النقاش من الورقة، يؤكد المؤلفون على أهمية التنبؤ الدقيق بالطلب في النقل الجوي، وهو أمر ضروري للتخطيط الفعال واتخاذ القرارات الإدارية، بما في ذلك حجم الأسطول وتطوير المسارات. يبرزون الاستخدام السائد لطرق التنبؤ بالسلاسل الزمنية، وخاصة طريقة هولت للتنعيم الأسي ونماذج ARIMA، بسبب قدرتها على استخدام البيانات التاريخية حول حجم الركاب وحركة الطيران. تُعتبر طريقة هولت، التي تلتقط مكونات المستوى والاتجاه، ملحوظة لمرونتها في التكيف مع التغيرات في أنماط النمو، على الرغم من أنها قد تواجه صعوبة مع التحولات المفاجئة في الطلب. كما يشير المؤلفون إلى أن النماذج الأبسط يمكن أن تعمل كمعايير مقارنة فعالة ضد الأساليب الإحصائية أو التعلم الآلي الأكثر تعقيدًا، خاصة في سياق تقييم أداء التنبؤ.
تناقش الورقة أيضًا تطبيق نماذج الاتجاه، بما في ذلك الأشكال الخطية والتربيعية، وخوارزمية هايندمان-خانداكار لاختيار نموذج ARIMA، التي تعمل على تحسين معلمات النموذج من خلال تقليل معيار معلومات أكايكي المصحح (AICc). تشير النتائج إلى أن النماذج الإحصائية الكلاسيكية، بما في ذلك نموذج هولت الخطي، تؤدي بشكل جيد في توقع طلب الركاب، بينما تحقق نموذج الاتجاه نتائج أضعف. بالإضافة إلى ذلك، يكشف تحليل توقعات عوامل الحمولة أن طرق السلاسل الزمنية تلتقط بشكل فعال الاعتماديات الزمنية والسلوكيات الموسمية، مما يبرز فائدتها في تحليل استخدام السعة. بشكل عام، تستنتج الدراسة أنه على الرغم من وجود طرق متقدمة، تظل النماذج التقليدية تنافسية في دقة التنبؤ لحركة الركاب وعوامل الحمولة.
DOI: https://doi.org/10.22630/eiol.2025.10.4.27
Publication Date: 2026-01-31
Author(s): Luiza Ochnio et al.
Primary Topic: Forecasting Techniques and Applications
Overview
This section presents a case study on the application of forecasting methods to predict passenger traffic volume and load factors for Wizz Air airlines. The analysis indicates that various forecasting models were employed, with the best performance observed in certain models, while the trend model yielded the weakest results. Notably, the forecasting outcomes for load factors exhibited slight variations compared to those for passenger volumes.
Overall, all models demonstrated improved accuracy in capturing temporal patterns, although the forecasts for load factors were associated with higher forecasting errors. This suggests that while the models can effectively predict trends, there remains a challenge in achieving precision, particularly in load factor predictions.
Introduction
The introduction of the paper outlines the significant transformations in the air transport sector over the past two decades, highlighting the rapid expansion of Wizz Air, which carried over 60 million passengers in the 2024/2025 financial year with a fleet of over 200 Airbus A320/A321 aircraft. This growth necessitates precise forecasting of passenger demand and load factors, which are crucial for revenue management, route optimization, and capacity planning. The airline’s strategy focuses on enhancing connectivity in emerging markets through an extensive route network that includes major, secondary, and underserved airports, thereby achieving high load factors that improve operational efficiency and yield.
The paper aims to analyze and compare the effectiveness of various forecasting methods applied to Wizz Air as a case study from 2015 to 2025. It acknowledges the complexity of forecasting passenger traffic and load factors due to a multitude of exogenous factors (such as fuel price fluctuations, macroeconomic conditions, and geopolitical events) and endogenous factors (including pricing policies and marketing activities). The research will utilize publicly available historical data, focusing on passenger and load factor metrics, and is structured to include a literature review, methodology description, and presentation of empirical results. The primary research question investigates which forecasting methods yield the best performance within the airline’s business model.
Methods
The research methodology employed in this study involves analyzing passenger data and load factors from April 2014 to April 2025. The dataset is divided into training and testing subsets, with the training dataset utilized to evaluate the accuracy of forecasting models. Basic descriptive statistics indicate a notably high passenger count for the airline under investigation.
The study employs naïve forecasting methods, which operate under the assumption of no significant changes in the analyzed process. This approach is straightforward to implement and is effective in scenarios where minor random fluctuations occur in the variable of interest. However, it is important to note that the quality of forecasts generated using this method tends to be relatively low. The forecasting equation is represented as \( Y_t = Y_{t-1} \), where \( Y_t \) denotes the forecasted value for the variable \( Y \) at time \( t \), and \( Y_{t-1} \) is the observed value at the previous time period.
Discussion
In the discussion section of the paper, the authors emphasize the significance of accurate demand forecasting in air transport, which is essential for effective planning and management decisions, including fleet sizing and route development. They highlight the prevalent use of time series forecasting methods, particularly Holt’s exponential smoothing and ARIMA models, due to their ability to utilize historical data on passenger volumes and air traffic. Holt’s method, which captures level and trend components, is noted for its adaptability to changes in growth patterns, although it may struggle with abrupt demand shifts. The authors also point out that simpler models can serve as effective baseline comparators against more complex statistical or machine learning approaches, particularly in the context of evaluating forecasting performance.
The paper further discusses the application of trend models, including linear and quadratic forms, and the Hyndman-Khandakar algorithm for ARIMA model selection, which optimizes model parameters by minimizing the Akaike Information Criterion corrected (AICc). The findings indicate that classical statistical models, including Holt’s linear model, perform well in forecasting passenger demand, while the trend model yields weaker results. Additionally, the analysis of load factor forecasting reveals that time series methods effectively capture temporal dependencies and seasonal behaviors, underscoring their utility in capacity utilization analysis. Overall, the study concludes that while advanced methods exist, traditional models remain competitive in forecasting accuracy for passenger traffic and load factors.