1. 프로젝트 개요

1.1 기획의도

코로나19의 전 세계적 유행으로 인해 항공업계와 관련업계가 유례없는 불황을 겪고 있다. 항공업계의 경우 약 5조 이상, 관광업계의 경우 약 7.4조 이상의 피해규모를 보이고있다.

(단위 - 세로축 천명, 가로축 연도)

위 국내 입국자 추이를 살펴보면, 국제 경제에 크게 영향을 미쳤던 사스, 메르스, 코로나가 발생한 2003년, 2015년, 2020년에 입국자가 크게 감소하였다. 또한 국내 사드 배치 논란이 있었던 2017년에도 입국자가 감소한 것을 볼 수 있다. 이는 국내 입국자 수 데이터가 정치, 경제, 사회적인 외부 환경에 탄력적으로 반응하는 지표라는 것을 나타낸다. 정확한 수요예측을 통해 이러한 상황에 대비할 수 있다면 피해를 최소화할 수 있을 것이다. 이에 사회적 비용을 감소시키고 올바른 기획 및 전략을 도출하는데 도움을 주고자 다양한 데이터 지표들을 활용하여 정확한 국내 출입국자수 예측값을 보여주는 웹 플랫폼을 기획하였다.

• 외부환경에 탄력적으로 반응하는 지표인 국내 입국자 수 데이터를 정확히 예측해 이와 관련된 이해 관계자들(주식투자자, 숙박업자, 여행사, 항공사 등)이 올바른 대응전략을 도출 함에 도움을 주고자 한다.
• 정보를 필요로 하는 사람들이 자유롭게 접근할 수 있도록 웹 플랫폼 상에 정보를 공유하고자 한다.

1.2 목표

인천국제공항은 2019년 기준으로 7117만명이 이용할 정도로 대한민국을 대표하는 우리나라 최대의 국제공항이며 우리나라로 오가는 사람의 70%가 이곳을 거친다. 국토부의 발표에 따르면 국내 유입되는 외국인 중 98%가 인천국제공항을 이용하고 있다고 한다. 따라서 인천국제공항 이용객 추이는 우리나라의 외국인 유입 흐름을 대표한다고 볼 수 있다. 그래서 예측하고자 하는 승객 수는 인천국제공항의 승객 수를 대상으로 한다.

• 인천국제공항 이용객 데이터와 함께 정치(전쟁, THAAD배치 등), 사회(코로나 확진자, K-POP 콘서트, 자연재해 등), 경제(싱가포르 항공유가, 나스닥 지수, 경제 성장률 등) 데이터를 사용한다.
• 통상적인 통계 모델(SARIMAX)과 함께 AI 예측 기법(CNN, LSTM)을 통합하여, 선형 데이터 뿐 아니라 비선형 데이터에 모두 적용가능한 예측모델을 제안한다
• 도출된 결과를 웹페이지 상에 디스플레이할 수 있는 플랫폼을 개발한다

1.3 접근 전략

모델 개발에 앞서 기존 항공 수요 예측 관련 선행 연구를 조사하였다. 그 결과 과거에는 이동평균법이나 지수 평활법 그리고 ARIMA 기법 등 통계 기법을 주로 사용하였다. 이러한 통계 기법은 변동성이 크지 않은 데이터에 대해서 높은 정확도를 보이고, 학습 속도가 빠르다는 장점이 있다. 하지만 데이터의 변동성이 클 경우 정확도가 매우 떨어진다.

그리고 최근에는 딥러닝 기술이 발달하여 LSTM과 CNN 같은 기법이 주로 사용되었다. 딥러닝 기법은 사람의 영향을 최소화하고 입출력 형식에 따라 딥러닝 구조를 바꿔 다양하게 대응할 수 있다는 장점을 가진다. 변동성이 큰 데이터에 대한 예측이 통계 기법에 비해 정확하다.