Earticle

Demand estimates in electric power systems have traditionally consisted of time-series analyses over long time periods. The resulting database consisted of huge amounts of data that were then analyzed to create the various coefficients used to forecast power demand. In this research, we take advantage of universally used analysis techniques analysis, but we also use easily available data-mining techniques to analyze patterns of days and special days(holidays, etc.). We then present a new method for estimating and forecasting power flow using decision tree analysis. And because analyzing the relationship between the estimate and power system ceiling Trices currently set by the Korea Power Exchange. We included power system ceiling prices in our estimate coefficients and estimate method.

Load foretasting model used generally such as times series and econometric regression model often doesn't reflect the load characteristics of small remote islands. Therefore, in this paper load demand forecast is peformed using EGARCH-M non-linear forecasting model.

본 연구는 현재 정부의 규제완화 및 다양한 대체서비스의 등장으로 인해 점차 시장내 경쟁이 심화되어 가고 있는 기업용 전용선 서비스 시장에 있어 향후 경쟁상황이 어떻게 진행될지에 대한 연구를 통하여 이에 속한 기업들의 향후 시장전략을 제시하는 것을 목적으로 하고 있다. 향후 경쟁상황을 예측하는데 있어 본 연구에서는 사용하는 방법론으로 첫째, 기업용 전용선 서비스 시장의 전체 수요예측을 우선적으로 실시한 후 둘째, 전체 시장의 수요를 바탕으로 이에 속하는 개별 서비스간의 경쟁관계와 대체관계에 의한 개별 서비스 수요를 예측하게 된다. 이상과 같은 서비스간의 수요를 도출함으로써 시장내 경쟁상황과 경쟁정도를 파악하게 된다. 현재 기업용 전용선 서비스 시장의 경우 가장 큰 특징이 바로 신규 대체 서비스들의 등장이고, 이들 서비스에 의해 전체 시장규모가 얼마나 성장할 것인지, 전체 시장에서 개별 서비스들의 기여도는 어느 정도가 되는지가 최대 관심사이다. 이에 대한 문제를 해결하기 위해 본 연구에서는 신규 대체 서비스가 시장에 진입하였을 때 파급효과가 얼마나 되는지를 추정하여 수요를 예측하였다. 이에 대한 추정결과 연구대상으로 하고 있는 전용회선서비스, 프레임릴레이서비스, 가상사설망서비스에서 전용회선서비스에 대한 타 유사서비스들의 영향력은 그리 크지 않는 것으로 나타났으며, 이에 반해 가상사설망서비스는 프레임릴레이서비스를 대체하고 있는 것으로 분석되었다. 연구 결과를 통해 사업자들은 향후 시장경쟁 상황을 예측할 수 있기 때문에 이에 대해 적절한 사업전략을 수립하는데 큰 도움을 얻게 되리라 기대한다.적 분할납품 전략 적용 수요지로 선택하고 사이버 거래를 통해 생성된 물류가 부분적 분할납품 전략 적용 수요지에 분배되게 함으로써 각 분배 센타의 재고 완충역할을 수행하게 한다. 이에 따라 안전 재고 및 역 배송을 최소화 할 수 있을 뿐 아니라 미 출고로 인한 손실을 최소화하며 고객의 서비스를 일정하게 유지시킬 수 있을 것으로 기대된다.증진, 페기물 발생 억제 분야에 상당한 성공을 거두었으며, 지금도 지속적으로 유지 관리 및 미비한 부분(CAER, 등)의 향상에 노력하고 있다. Dow Korea의 수입 판매 부분에 주로 관련된 Product Stewardship 및 Distribution Code는 여러 사업부 및 여러 지역(미국, 유럽, 아시아 등)에 위치한 담당자가 관련된 까닭에 가장 복잡한 부분이어서 많은 인력과 시간을 소비하면서 노력하고 있으나 아직까지 소정의 목표에 도달하지 못했으며, 2000년 말에 모든 실행지침이 실행되도록 목표, 실행 계획 및 조직을 수정하여 노력하고 있다.lumn density at distant position from MD5 is larger than that in the (:entral region. We have deduced that this hot-core has a mass of 10sR1 which i:s about an order of magnitude larger those obtained by previous studies.previous studies.업순서들의 상관관계를 고려하여 보다 개선된 해를 구하기 위한 연구가 요구된다. 또한, 준비작업비용

특수일 부하를 예측하기 위하여 BP 신경회로망 모형과 다중 회귀모형을 구성한다. 신경회로망 모형은 패턴 변환비를 이용하고, 다중회귀 모형은 평일 환산비를 이용하여 특수일 부하를 예측한다. 주간 피크 부하예측 모형에 패턴 변환비를 이용하여 짧고 긴 특수일 부하를 예측 한 결과 주간 평균 오차율이 1∼2[%]로 나와 본 기법의 적합성을 확인할 수 있다. 하지만, 패턴 변환비 방법으로는 하계의 특수일 부하 예측은 어려웠다. 따라서 기온-습도, 불쾌지수 등을 설명변수로 하는 다중 회귀 모형을 구성하고 평일 환산비를 이용하여 하계의 특수일 부하를 예측한다. 평일만의 예측 모형과 예측 결과를 비교해 보면 월 평균 오차율이 비슷하게 나와 이용한 방법의 적합성을 확인하였다. 그리고, 통계적 검정을 통해 구성한 예측 모형의 유효성을 입증할 수 있었다. 이로서 본 연구에서 제시한 특수일 부하를 예측하는 기법의 적합성을 확인함으로서 피크 부하 예측시 큰 난점 중의 하나가 해결되었다.

BP neural network model and multiple-regression model were composed for forecasting the special-days load. Special-days load was forecasted using that neural network model made use of pattern conversion ratio and multiple-regression made use of weekday-change ratio. This methods identified the suitable as that special-days load of short and long term was forecasted with the weekly average percentage error of 1∼2[%] in the weekly peak load forecasting model using pattern conversion ratio. But this methods were hard with special-days load forecasting of summertime. therefore it was forecasted with the multiple-regression models. This models were used to the weekday-change ratio, and the temperature-humidity and discomfort-index as explanatory variable. This methods identified the suitable as that compared forecasting result of weekday load with forecasting result of special-days load because months average percentage error was alike. And, the fit of the presented forecast models using statistical tests had been proved. Big difficult problem of peak load forecasting had been solved that because identified the fit of the methods of special-days load forecasting in the paper presented.

This paper is presented the method peak load forecast based on multiple regression Model. Forecasting model was composed with the temperature-humidity and the discomfort index. Also the week periodicity was excluded from weekday change coefficient of two types. Forecasting result was good with about 3[%]. And, utility of presented forecast model using statistical tests has been proved. Therefore, This results establish appropriateness and fitness of forecast models using peak power demand forecasting.

전력수요의 예측은 예측기간에 따라 중장기 전력수요 예측과 단기 부하 예측으로 구분할 수 있다. 기존의 단기 부하예측은 주로 역전파 알고리즘(back propagation algorithm)다층퍼셉트론을 이용하여 예측을 하였으나 이는 학습시간이 많이 걸릴 뿐만 아니라 학습도중에 지역최소점(local minima)에 빠져 학습이 계속되지 못한다는 문제가 있다. 본 논문은 이러한 역전파 알고리즘의 문제점을 해결할 수 있는 방법으로 Radial Basis 함수(Radial Basis Function)를 이용하여 동적 단기부하 예측 모형을 제안한다. Radial Basis 함수는 하나의 은닉층(hidden layer)을 갖고 있으며, 전방향(feed-forward)학습을 한다는 특징이 있다. 본 논문에서 제안한 단기 부하 예측모형은 학습을 하기 위하여 시간대별 부하량을 클러스터링 하고, 이 클러스터의 중심값을 Radial Basis 함수의 은닉층으로 하여 학습을 한 다음 예측하고자 하는 패턴을 한 단위로 하여 시단대별로 예측하였다. 기존의 연구에서의 클러스터링 방법으로는 통계학의 K-Means 방법이나 Kohonen의 LVQ(Learning Vector Quantization)을 주로 이용하였으나 본 논문에서는 패턴의 분류에 있어서 다른 알고리즘보다 편차가 작은 Pal, et. al.의 GLVQ(Generalized LVQ) 알고리즘을 이용하였다. 본 논문에서 이용한 데이타는 1995년 3월 1일-3일, 6월 1일-3일, 7월 1일-3일, 9월 1일-3일, 11월 1일-3일의 72시간 데이타를 입력하여 월별 4일의 24시간의 예측시간으로 예측하였다. 실험결과 월별 1일과 3일까지의 학습데이타로 1시간 후의 부하량을 24시간동안 예측한 결과 1.3795%의 평균 오차율로 예측하였다.

This paper suggests the development of dynamic forecasting model for short-term power demand based on Radial Basis Function Network and Pal's GLVQ algorithm. Radial Basis Function methods are often compared with the backpropagation training, feed-forward network, which is the most widely used neural network paradigm. The Radial Basis Function Network is a single hidden layer feed-forward neural network. Each node of the hidden layer has a parameter vector called center. This center is determined by clustering algorithm. Theatments of classical approached to clustering methods include theories by Hartigan(K-means algorithm), Kohonen(Self Organized Feature Maps %3A SOFM and Learning Vector Quantization %3A LVQ model), Carpenter and Grossberg(ART-2 model). In this model, the first approach organizes the load pattern into two clusters by Pal's GLVQ clustering algorithm. The reason of using GLVQ algorithm in this model is that GLVQ algorithm can classify the patterns better than other algorithms. And the second approach forecasts hourly load patterns by radial basis function network which has been constructed two hidden nodes. These nodes are determined from the cluster centers of the GLVQ in first step. This model was applied to forecast the hourly loads on Mar. $4^{th},\;Jun.\;4^{th},\;Jul.\;4^{th},\;Sep.\;4^{th},\;Nov.\;4^{th},$ 1995, after having trained the data for the days from Mar. $1^{th}\;to\;3^{th},\;from\;Jun.\;1^{th}\;to\;3^{th},\;from\;Jul.\;1^{th}\;to\;3^{th},\;from\;Sep.\;1^{th}\;to\;3^{th},\;and\;from\;Nov.\;1^{th}\;to\;3^{th},$ 1995, respectively. In the experiments, the average absolute errors of one-hour ahead forecasts on utility actual data are shown to be 1.3795%.

In this paper, weekly maximum power demand forecasting method in consideration of temperature estimation using a time series model was presented. The method removing weekly, seasonal variations on the load and irregularities variation due to unknown factor was presented. The forecasting model that represent the relations between load and temperature which get a numeral expected temperature based on the past 30 years(1961~1990) temperature was constructed. Effect of holiday was removed by using a weekday change ratio, and irregularities variation was removed by using an autoregressive model. The results of load forecasting show the ability of the method in forecasting with good accuracy without suffering from the effect of seasons and holidays. Percentage error load forecasting of all seasons except summer was obtained below 2 percentage. (author). refs., figs., tabs.

In this study, potential Communication Satellite Application Services (CSASs) that are suitable for our communication environment have been identified through a detailed analysis of the CSASs offered in advanced countries. The existing demand forecast based on the defined CSAS category has been improved, and the transponder assignment policy has also been recommended. Managerial problems rather than technical ones for KOREASAT project have mainly been addressed and tackled in this study. For the successful implementation of the domestic communication satellite system, these two problems should be solved simultaneously. Therefore, future research that includes technical as well as managerial issues is expected to come out soon.

이 연구는 부산지역 외국인 관광객 수요의 현황과 향후 관광수요를 ARIMA, SARIMAX 및 XGBoost 모형을 활용하여 예측하였다. 분석 대상 기간은 2020년 1월부터 2024년 12월까지이고, 코로나19 팬데믹으로 인한 급격한 관광객수 감소 이후 2022년부터 빠른 회복세를 보이며 2023년부터는 팬데믹 이전 수준을 초과하는 증가세를 나타냈다. ARIMA 모형은 여름과 가을철에 집중되는 부산 관광수요의 계절성을 효과적으로 반영하였다. SARIMAX 모형 분석 결과, 전국관광객 수 변화가 부산 관광수요에 통계적으로 유의한 영향을 미쳤음을 입증하였다. 또한, XGBoost 모형은 변수 간의비선형 관계와 복잡한 상호작용 효과를 효과적으로 포착하며 안정적인 관광수요 예측 결과를 제공하였다. 이 연구의 분석결과는 부산 관광산업의 지속가능한 발전과 효과적인 관광정책 수립 및 마케팅 전략의 기초자료로 활용될 수 있다.

This study analyzed and forecasted foreign tourism demand for Busan using ARIMA, SARIMAX, and XGBoost models. Monthly data from January 2020 to December 2024 were analyzed, covering periods of significant decline due to the COVID-19 pandemic, rapid recovery in 2022, and tourism levels surpassing pre-pandemic figures from 2023 onward. The ARIMA model effectively captured seasonal variations, particularly highlighting the peak tourist arrivals in summer and autumn. The SARIMAX model confirmed a statistically significant influence of national tourism demand on Busan’s tourism, illustrating the close relationship between regional and nationwide tourism demand patterns. Furthermore, the XGBoost model demonstrated robust predictive capability by accurately capturing complex nonlinear relationships and interactions among variables, providing stable and reliable tourism demand forecasts. The findings of this study provide fundamental evidence for establishing sustainable tourism development strategies, tourism policy-making, and effective marketing plans for Busan.

2023년 인천항으로 들어오는 해상 특송화물이 큰 폭으로 증가하면서 통상 2∼3일 걸리던 통관 절차가 1주일 정도 소요되는 등통관 지체 현상이 심화하고 있었으며, 이는 중국 기업인 알리 익스프레스, 태무, 쉬인 등 대중국 해상 특송화물의 급격한 증가에따라 인천세관에서 처리할 수 있는 통관 처리 물량을 넘어섰기 때문이다. 인천항은 2021년 1,172만 건, 2022년 1,238만 건, 2023년1,575만 건으로 급증하는 추세였으며, 인천항에 쏟아지는 한-중 카페리 화물을 처리하기 위해 인천본부세관 해상특송물류센터는비상 상황으로 이어지고 있었다. 이에 따라, 2023년 12월 아암물류 2단지에 확장 이전하여 인천항 해상특송물류센터가 새롭게 구축되었으며, 화물을 검사하는 엑스레이(X-Ray) 라인이 6개에서 11개로 늘어났고 자동분류설비가 새롭게 도입되었으며 연간 통관처리 물동량이 종전 1,200만 건에서 2,200만 건으로 2배가량 늘어났다. 이에 따라 해외 직구 물품의 안전하고 신속한 통관으로 통관 처리의 신속화와 기업물류비 절감 등을 기대하고 있으며, 아암물류 2단지 내에 국내외 전자상거래 업체 유치로 고용 창출과지역경제 발전 기여를 기대하고 있다. 따라서 본 연구에서는 2023년 12월 아암물류 2단지로 확장 이전한 인천항 해상특송물류센터의 ‘연간 통관 처리 물동량 2,200만건은 충분한 것인가?’, ‘연간 통관 처리 물동량 2,200만 건은 어느 시점에서 초과할 것인가?’를 분석하는 데 중점을 두었다. 이를위해 첫째, 전자상거래 특송화물에 대한 현황 조사와 국내 해상 특송화물 통관장(일반적으로 ‘해상 특송화물 통관장’으로 통칭하지만 인천항은 ‘해상특송물류센터’로 명칭함)의 형태 및 벤치마킹을 수행하였다. 둘째, 인천항 해상 특송화물 연간 물동량 및 인천항 월별 수출입 통관 전자상거래 수입 물품 물동량을 조사하고, 스마트 포케스트(Smart Forecast, 미국 Smart Software사 개발, 이하 SF) 수요예측 솔루션과 이동평균법, 지수평활법 등 정량적 수요예측 기법을 이용하여 미래 물동량의 변화(2024년∼2030년)에대한 시계열 분석을 수행하였다. 그 결과 2030년에는 연간 통관 처리 물동량 2,200만 건을 초과할 것으로 산출되었다. 이에 따라인천항 해상특송물센터의 발전을 위한 단계적인 준비 사항과 정책적 제언을 제시하였다. 기존 연구는 해상특송 통관장 건립 사업의 타당성 분석 또는 해상특송 통관장의 최적 자동화설비 구축 등에 중점을 두었으나. 본 연구는 인천항 해상특송물류센터의 발전을 위한 시계열 분석을 통한 개선 방안과 정책적 제언을 제시하는 데 연구의 의미와차별성이 있다.

As the maritime express cargo entering Incheon Port increased significantly in 2023, customs clearance procedures, which usually took 2-3 days, were now taking about a week, and customs clearance delays were worsening. This was because the volume of customs clearance cargo from China, including Chinese companies such as AliExpress, Temu, and Shein, exceeded the amount that Incheon Customs could handle due to the rapid increase. Incheon Port showed a sharp increase from 11.72 million cases in 2021, 12.38 million cases in 2022, and 15.75 million cases in 2023, and the Incheon Main Customs Maritime Express Logistics Center was put on emergency alert to handle the Korea-China ferry cargo pouring into Incheon Port. Accordingly, the Incheon Port Maritime Express Logistics Center was newly established by expanding and relocating to Aam Logistics Complex 2 in December 2023. The number of X-ray lines for inspecting cargo has increased from 6 to 11, automatic sorting equipment has been newly introduced, and the annual processing volume has approximately doubled from 12 million to 22 million. In addition, in order to ensure safe and quick customs clearance of overseas direct purchase items, we are seeking to optimize customs clearance processing time and reduce corporate logistics costs, and we expect to contribute to job creation and regional economic development by attracting domestic and international e-commerce companies. Therefore, this study focused on analyzing “whether the annual processing volume of 22 million cases is sufficient” and “at what point will the annual processing volume exceed 22 million cases” of the Incheon Port Maritime Special Logistics Center, which was expanded and relocated to Aam Logistics Complex 2 in December 2023. To this end, first, we conducted a survey on the current status of e-commerce and special cargo, and the form and benchmarking of domestic maritime special cargo customs clearance. Second, the annual cargo volume of Incheon Port’s maritime express cargo and the monthly cargo volume of e-commerce import goods through export and import customs clearance at Incheon Port were investigated, and time series analysis on changes in future cargo volume (2024-2030) was performed using quantitative demand forecasting techniques such as Smart Forecast (demand forecasting solution developed by Smart Software, USA) and moving average method and exponential smoothing method. As a result, it was calculated that the annual cargo volume would exceed 22 million cases in 2030. Accordingly, step-by-step preparations and policy suggestions for the development of Incheon Port’s maritime express cargo center were presented. Previous studies have focused on the design of the optimal automated facility layout of the maritime express customs clearance office or the feasibility analysis of the maritime express customs clearance office construction project. This study has the significance and differentiation of presenting improvement measures and policy suggestions through time series analysis for the development plan of Incheon Port’s maritime express logistics center.

Purpose ? As the volume of data has increased due to advancements in supply chain management and IT technology, there is growing interest in demand forecasting using various types of time series data. This paper studies daily demand forecasting by comparing traditional time series prediction methods with machine learning-based prediction techniques to improve forecasting accuracy. Design/Methodology/Approach ? Using daily sales data from Bakery A’s hierarchy ERP system, a Hidden Markov Model (HMM) algorithm was applied to estimate the number of hidden state and perform daily demand forecasting. The accuracy of the HMM-based forecasts was then compared and analyzed against existing time series prediction methods. Findings ? The application of the Hidden Markov Model (HMM) at the end-item level demonstrated higher forecasting accuracy when compared to traditional time series methods across all forecast horizons. HMM proved to be highly effective in maintaining both efficiency and accuracy in daily demand forecasting, making it a suitable method for companies that require daily operational planning. Research Implications ? This study reviews existing research on time series prediction methods and introduces a new machine learning-based approach. By proposing an enhanced Hidden Markov Model, this research offers a method that can predict future daily demand by inferring state changes within data. Further research is needed to explore daily demand forecasting models in similar industries or service sectors, with a focus on comparing and evaluating applicability.

코로나19(COVID-19) 팬데믹은 전 세계 관광산업을 크게 위축시켰다. COVID-19 상황에서의 관광수요의 예측은 관광 관련 이해당사자들에게 큰 의미를 지닌다. 전통적 시계열 모형을 통한 수요예측은 COVID-19와 같은 외부적 충격을 잘 반영하지 못한다는 한계가 있다. 이 연구는 이러한 한계점을 보완하기 위해 개입 ARIMA 모형을 활용하여 방한 외래관광자 수요를 예측하였다. 특히 SARS, MERS와 같은 감염병 이후의 관광 회복탄력성을 정량적으로 측정하여 제시하였으며, 이를 반영하여 외래관광자 수요예측에 관한 세 가지 회복 시나리오를 제시하였다. 첫 번째 시나리오는 현재와 같이 COVID-19가 장기화 되었을 경우를 가정하였으며, 이 경우 방한 외래관광자 수는 현재와 큰 변화 없이 월별 10만~13만 명으로 예측되었다. 두 번째 시나리오는 SARS가 종식되고 난 이후 방한 외래관광자 수가 회복되는 속도를 가정한 경우로, 2023년 2월 160만 명으로 예측되었다. 세 번째 시나리오는 MERS가 종식되고 난 이후의 입국자 수 회복 속도를 적용하였으며, 2023년 2월 약 200만 명으로 나타났다. 이는 COVID-19가 종식되고 해외여행에 대한 위험 및 격리제도가 없어진다면 2개월에서 6개월 이내에 방한 외래관광자 추이가 COVID-19 이전 수준으로 회복할 수 있다는 것을 의미한다. 학술적으로 이 연구는 수요예측 모형의 예측력 비교를 통해 개입 ARIMA 모형이 방한 외래관광자 수에 대한 예측력이 높았다는 기존의 연구를 뒷받침하였다는 데 의의가 있다. 또한 처음으로 회복탄력성을 계량화하여 이후 관광회복력을 평가할 수 있는 체계를 제시하였다. 실무적으로 회복탄력성에 대한 실증분석 결과를 제시함으로써 정책입안자 및 관광 관련 사업체가 참고할 수 있는 객관적 자료를 제시하였다는 데 의의가 있다.

Predicting changes in the tourism industry following COVID-19 is a crucial task. Using an intervention ARIMA model that can compensate for external shocks such as COVID-19, this study forecasts the demand for inbound tourists visiting South Korea. Specifically, this study evaluates tourism's resilience in the aftermath of SARS and MERS. In addition, three recovery scenarios for forecasting tourism demand were presented, reflecting the resilience of the tourism industry. The first scenario assumes that COVID-19 is prolonged; in this case, the number of monthly inbound tourists is projected to remain stable between 100,000 and 130,000. The second scenario assumes the recovery rate of inbound tourists following the end of SARS, with 1.6 million visitors anticipated in February 2023. The third scenario assumes the recovery rate of inbound tourists after MERS has come to an end, with 2 million visitors anticipated in February 2023. Therefore, if COVID-19 is over, the trend of inbound tourists will return to pre-outbreak levels within two to six months. This study has academic significance because the intervention ARIMA model has the high prediction accuracy noted in prior research. In addition, it is significant because it is one of the only few tourism studies to conduct a quantitative study on tourism resilience after a disaster. Also, it can be helpful to policy-makers and tourism-related businesses in that it can present an empirical analysis system and provide objective data.

Global companies need to increase their competitiveness through efficient management and rapid decision-making of limited internal resources. Supply chain management(SCM) expands from raw material procurement to final customers. Due to the limitations of corporate resources and capital, accuracy of demand forecasting is essential to improve competitiveness. This study tested the artificial neural network(ANN) model to use it as a more improved demand prediction model required by material suppliers in the semiconductor industry. The predictive results of artificial neural network models and other traditional time series models such as Moving Average, Exponential Smoothing including Holt-Winter’s model, and ARIMA were compared with actual sales data. Based on this, the accuracy of the artificial neural network model according to the demand pattern of the semiconductor component industry was evaluated. The artificial neural network model predicted the highest average accuracy rate among demand prediction models and it can be expected to improve overall demand forecast accuracy which is able to contribute actual facing problem at similar supply chains. Demand forecasting is a beginning of sales and supply planning in supply chain management. This study is expected to provide one of cases at the demand forecast research due to lack of domestic research papers. It will also provide practical guidelines of real-world problem at various companies which was used actual data from semiconductor industry.

Demand forecasting is an important field and it is safe to say that forecasting is a key component of economic activity. An accurate forecasting is the key to determining the competitiveness of all economic players. Forecasting an uncertain future is a difficult task and radical change in the external environment are adding to the difficulty of forecasting. Amid the increasing demand for accurate demand forecasting, the emergence of Big data, AI, ML, and DL following the development of computing power is becoming a major turning point in the demand forecasting field as well. In addition to the traditional forecasting methodologies, the use of dataming techniques is also rapidly increasing. And various efforts have been continued to improve the forecasting accuracy. In this paper, a hybrid forecasting methodology which is combined time series model and data mining technique and a multistage methodology are presented for short-term forecasting. Specifically, we developed a hybrid forecasting model that combines SARIMA(Seasonal Autoregressive Integrated Moving Average) and Random Forest, and a multistage methodology that utilizing the forecasting result of the upper-category as a variable in the forecasting process of the sub-category. In order to verify the methodologies presented in this paper, we use the rental data of ‘Seoul bike’(shared bicycle in Seoul) as verification data. As a result of the forecasting ‘Seoul bike’ demand for the next 7 days(every 3 hours) of rental point clusters, the average forecasting accuracy was 81.5%. It is high accuracy level considering that the forecasting unit was 3hours, forecasting horizon was next 56 steps, and the average accuracy by Random forest was 65%. In addition, it was confirmed that high accuracy was maintained steadily regardless of the time difference from the forecasting point unlike the characteristics of general demand forecasting, And the high accuracy level was confirmed as a forecasting model not only a 3 hours forecasting, but also daily(90.1%) and weekly(91.7%) forecasting. The research shows the forecasting methodologies of this paper is worth to use as a short-term forecasting model. And we confirmed that the methodologies are very useful to forecasting daily and weekly demand as well. It is expected that the methodologies proposed in this paper will be widely used as an accurate forecasting model in more diverse fields.

MICE 산업은 고부가가치 산업으로 세계 각국에서 국가의 전략산업으로 육성하고자 국가 차원의 유치 활동과 지원에 앞장서고 있다. 이에 따라 합리적인 수요예측과 참가자 추이에 관한 연구는 MICE 관련 시설의 적정 규모 결정 및 기반시설 확보 등과 관련하여 성공적 운영을 위한 필수적인 작업이다. 한편 MICE 참가자 추이는 새로운 혁신이 특정 집단에 수용되는 확산과정으로 혁신의 개인적 수용과 사회적 확산과정의 관점을 적용할 수 있다. 이에 이 연구는 Bass의 확산모형을 활용하여 MICE 산업의 확산 효과를 분석하여 이에 따른 신규 참가자 수요예측을 실시하였다. 연구의 지역적 범위는 서울과 제주를 포함한 6대 광역시를 대상으로 하였으며, 참가자 유형을 내국인과 외국인으로 세분화하여 분석을 실시하였다. 연구 결과, Meeting 분야는 지역에 따라 각각 혁신 효과와 모방 효과가 있는 것으로 나타났다. Exhibition 분야는 모든 지역의 혁신 효과가 낮은 것으로 나타났으며, 일부 지역에서 모방 효과가 높게 나타났다. Convention 분야는 모든 지역의 혁신 효과가 낮은 것으로 나타났으며, 대부분의 지역이 모방 효과가 없는 것으로 나타났다. 이 연구에서 제시한 도시별 확산 효과 및 신규 참가자 수요예측 결과는 MICE 인프라 규모 결정 및 마케팅 전략 수립 등 참가자 수요 및 유형에 적합한 전략 수립을 위한 기초자료가 될 수 있을 것이다. 또한 향후 MICE 참가자의 확산 요인을 정확하게 파악하여 이에 따른 맞춤형 투자 및 전략 수립이 전제되어야 할 것이다. 나아가 관광 분야는 경쟁우위 확보를 위하여 서로 다른 산업의 유기적 결합을 통하여 새로운 형태의 산업이 지속적으로 등장하고 있다. 이처럼 MICE 산업과 같이 시장에 새로운 형태로 나타나는 산업의 수요예측에 있어서 Bass 확산모형의 적용 가능성을 이 연구에서 제시하였음에 학술적 의의가 있다.

The MICE industry is a high value-added industry and is taking the lead in attracting activities and support at the national level to foster it as a national strategic industry around the world. Accordingly, rational demand forecasting and research on the trend of participants are essential for successful operation in relation to determining the appropriate size of MICE-related facilities and securing infrastructure. This study analyzed the diffusion effect of the MICE industry using Bass' diffusion model, and predicted the demand for new participants. The regional scope of the study was targeting six metropolitan cities including Seoul and Jeju. The analysis was conducted by subdividing the types of participants into Koreans and foreigners. As a result of the study, it was found that the meeting field has an innovation effect and an imitation effect, respectively, depending on the region. In the exhibition area, the innovation effect in all regions was low, and the imitation effect was high in some regions. In the convention field, the innovation effect in all regions was low, and most regions showed no imitation effect. The results of the diffusion effect by city and the demand forecast for new participants suggested in this study can be the basic data for establishing strategies suitable for the needs and types of participants, such as determining the size of MICE infrastructure and establishing marketing strategies. In addition, it is necessary to accurately identify the factors of diffusion of MICE participants in the future and establish customized investment and strategies accordingly. Furthermore, in the tourism field, new types of industries are continuously appearing through the organic combination of different industries to secure a competitive advantage. As such, it is of academic significance that this study suggested the possibility of applying the Bass diffusion model to the demand forecasting of industries appearing in a new form in the market such as the MICE industry.

최근 고부가가치 산업인 스마트관광을 통해 지역경제를 활성화하고자 하는 지자체가 증가하고 있다. 뿐만 아니라, 연구자들 역시 스마트관광의 경제적 가치에 대해 논의하고 있지만 구체적인 자료를 제시하는 연구는 드물다. 따라서 이 연구는 지금까지 정립된 스마트관광의 개념 및 정의를 기반으로 스마트관광을 통한 관광객 수의 변화를 예측함으로써, 스마트관광이 갖는 경제적 가치에 대한 실증적 근거를 제시하고자 한다. 나아가, 스마트관광을 통한 지역경제 활성화를 도모하는 지자체에 구체적이고 객관적인 자료를 제시하는 데 그 목적이 있다. 이러한 연구목적을 달성하기 위해, 이 연구는 방문의사율과 실현율을 고려한 수요예측기법을 활용하였으며, 온라인 설문조사를 통해 데이터를 수집하였다. 구체적으로, 할당표본추출법을 통해 수도권에 거주하는 일반 성인을 대상으로 전주, 경주, 강릉에 스마트관광이 도입되면 대한 방문의사율에 대한 온라인 조사를 실시하였으며 분석결과, 기존의 관광도시였을 때보다 스마트관광도시일 경우 평균적으로 약 2배 정도의 관광객 수 증가가 예측되었다. 뿐만 아니라, 여성이 남성에 비해, 그리고 60대가 스마트관광 도시에 가장 높은 방문의향을 보이는 것으로 나타났으며, 기존도시일 때 보다 스마트관광도시일 때 방문의향이 더 높게 나타났다. 이러한 분석결과는 개념적으로만 논의되어왔던 스마트관광의 경제적 가치에 대한 실증적 근거로서, 이를 객관화하는데 기여했을 뿐만 아니라, 관광수요를 예측하는데 주로 게량기법이 적용되어 왔던 연구동향에 실현율을 이용한 시나리오 기법의 수요예측를 진행하였다는 점에서 연구의 범위를 확대하였다. 또한 이 연구는 추가분석을 통해 스마트관광에 대한 인구통계학적 특성에 기반한 구체적인 수요를 제시함으로써, 스마트관광을 통한 지역경제 활성화를 도모하는 지자체에 구체적인 기초자료를 제시하였다.

Recently, a growing number of local governments are seeking to invigorate the local economy through smart tourism, a high value-added industry. Thus, while many researchers discuss the economic value of smart tourism, there are few studies that present specific data. Therefore, the purpose of this study is to provide empirical basis for the economic value of smart tourism by predicting changes in the number of tourists through smart tourism. Furthermore, it aims to present specific and objective data to local governments that seek to revitalize the local economy through smart tourism. To achieve this research objective, this study utilized demand forecasting techniques that take into account visit intention and feasibility rates, and collected data through online surveys. Specifically, the study sampled the residents of metroplitan area through quota sampling and examined their respective willingness to visit Jeonju, Gyeongju, and Gangneung when they were traditional tourist cities and smart tourist cities. The analysis shows that the average number of tourists in smart tourist cities is expected to increase twice as much. In addition, as a result of analyzing the differences in the willingness to visit between existing cities and smart tourism cities, women showed higher willingness to visit than men, and 60s showed the highest willingness to visit. These analysis results were not only empirical grounds for the economic value of smart tourism, which had been discussed only conceptually, but the study also presented basic data to local governments seeking to vitalize the local economy through smart tourism.

본 연구는 최근 무역 갈등 및 한일 군사정보보협정 이슈의 영향으로 형성된 반한감정으로 인하여 급격히 감소하고 있는 방한 일본인 관광객을 대상으로 적합한 계량적 수요예측 기법들을 중심으로 각각의 분석모델들의 예측정확도를 비교하여 최적화된 예측모델을 선정하고 수요를 추정했다. 이를 위해 2010년 1월부터 2019년 11월까지 총 120개의 한국 입국 월별 시계열 자료를 바탕으로 홀트 지수평활모델, 윈터스 승법⋅가법모델, ARIMA모델을 이용하여 2020년부터 2024년까지의 수요를 예측했다. 예측결과, 윈터스 승법모델이 가장 적합한 것으로 선정되었으며, 윈터스 승법모델로 예측된 방한 일본인 관광객 수는 2,782,469명으로 2019년 대비 15% 감소하는 것으로 도출되었으며, 2020년 이후로 2%의 감소율로 지속적으로 감소하는 것으로 나타났다. 본 연구는 일본인 관광객의 수요를 예측한 선행연구가 수행된지 약 9년의 시간이 경과함에 따라 급변하는 관광시장의 변화를 반영한 최신의 시계열 자료를 활용함으로서, 기존 연구결과와 다르게 최근의 방한 일본인 관광객의 수요변화가 반영된 예측모델이 활용되었다는 점과 이를 활용한 방한 일본인 관광객의 잠재수요가 예측되었다는 점에서 의미가 있다고 사료된다. 또한, 본 연구결과를 바탕으로 향후 한국관광의 질적 및 지속가능한 성장을 위한 관광정책에 대한 시사점을 제시했다.

The purpose of this study is to forecast the demand of Japanese tourists to visit Korea for pleasure trips by selecting an optimized forecasting model after comparing four quantitative forecasting models in order to ensure the optimum level of forecast accuracy. Using time-series data consisting of the number of monthly arrivals of Japanese tourists to Korea from January 2010 to November 2019, this study forecasted the tourist demand from 2020 to 2024 by applying the Holt exponential smoothing model, Winter’s additive model, Winter’s multiplicative model, and the ARIMA model. Each model was evaluated by mean absolute percentage error (MAPE). The results suggested that Winter’s multiplication model was the most relevant in terms of accuracy (R²= 0.249, normalized BIC = 20.099, MAPE = 7.49%). Secondly, Winter’s multiplicative model showed that the number of Japanese tourists visiting Korea could drop by 15 percent from 2019 and will steadily decline by two percent every year from 2020. Third, the findings suggested that this method of prediction could help practitioners in the Korean tourism industry set strategic goals and management plans to attract inbound Japanese tourists based on the expected demand for leisure travel in Korea. In addition, in order to identify optimal modeling techniques and update demand forecasts for Korean tourism in major source markets, the results provide practitioners and policymakers with some practical implications to prepare policies to improve sustainable and competitive growth environments for Korean tourism.

VR is a technology that makes virtual space using computer technology and which is currently used mainly in the entertainment field such as games. However, its application is getting wider in scope as new contents are created by combining it with other industrial fields of study. Therefore, it is interesting to find out what effect VR shopping will have on the future of the distribution industry. Global distributors are testing the introduction of a new distribution model using VRs because VR shopping may become popular in the future, as people who actually shopped in real markets have moved to online shopping via PCs and then to mobile shopping. In this study, we estimated the size of the domestic VR shopping market. Since the VR industry is still in its introduction stage, there are almost no quantitative data, which are useful for predicting how the VR customer base will evolve. We therefore estimate the parameters of the Bass Diffusion Model using data on recent similar products that meet each of several scenarios. We then estimated the VR market size.

ntegrated Resort Casino is a hot issue and thus, how many Integrated Resorts are appropriate is a major concern for both government and private sector. Experts assert that the number of Integrated Resorts to be legalized should be determined on the basis of accurately forecasting demand for Integrated Resort. In this respect, the objective of this study is to forecast demand for Integrated Resort in the area of Yeongjong-do, Incheon. To achieve this objective this study employed both quantitative and qualitative forecasting techniques. This study also conducted an onsite survey for foreign tourists to examine visit intention if Integrated Resort is opened in Yeongjong-do, Incheon. The quantitative technique with visit intention forecasted that two to three Integrated Resorts are most appropriate in Yeongjong-do, Incheon. On the other hands, the qualitative technique using Delphi model predicted that two Integrated Resorts are most appropriate considering demand for casino: otherwise exceeding this demand could cause oversupply of Integrated Resorts. The results of this study will provide policy-makers with casino guidelines when legalizing the number of Integrated Resorts.

The Purpose of this study is the forecasting of air ticket demands. The forecasting of air ticket demands are important to airline business not only flight control but also the revenue.To figure out current market situation, Airline Company is supposed to check air ticket distribution channel first. Because Airline Companies rely on travel agent to distribute air ticket. Travel agents supply more than 90% of total air tickets in South Korea. This study has researched by DELPHI, because there is little study of forecasting of air ticket demands. And airlines sales officers who has specialty in the field.First, airlines refer following data for their forecasting of air ticket demands; i) Airline own data, ii) Government data iii) Travel agent data. Second, airlines don't trust travel agent data as much as neither their own data nor government data, however they refer agent data for their business plan as much as above data. Third, the main reason of low trustworthy between Airline Company and travel agent is the difference of airline preference. Fourth, Airline companies consider travel agents influence to customers'airline preference.