Главная Случайная страница


Категории:

ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника






Анализ разнообразных методов прогнозирования

Рассмотрим целесообразность использования разнообразных методов прогнозирования с определением спроса именно на авиаперевозку.

1. Экспертные оценки

Под этим понимают методы упорядочения прогнозов на основе пред­ложений и выводов экспертов. Применение их обосновано в том случае, если личный опыт и интуиция экспертов играют при прогнозировании решающую роль.

2. Методы активного и пассивного прогнозирования

Пассивное прогнозирование — предсказание значений показателя, ко­торый нас интересует, без указания того, какими в действительности путя­ми предсказания значения будет достигнуто. К пассивным методам отно­сится экстраполяция временных рядов. Такой прогноз осуществляется обычно в предположении, что и в будущем сохраняются те же тенденции, которые имели место в прошлом и нашли свое отражение в использован­ных статистических данных.

Методы активного прогнозирования точнее описывают реальный ме­ханизм формирования анализируемого показателя. На первом этапе — про­гнозируется спрос на перевозку (например, с помощью регрессионных моделей), на втором — ведется эластичное выравнивание полученного зна­чения спроса путем учета вариантов привлечения ресурсов. При этом ре­шается задача оптимального распределения имеющегося ресурса. Полу­ченное решение принимается за активный прогноз объема перевозок, ко­торый считается более точным, так как объединяет случайные экспертные и детерминантные пассивные методы.

3. Индивидуальные и групповые модели

Индивидуальная модель прогнозирования основана на рассмотрении каждого объекта по раздельности. На основе статистических данных, ко­торые характеризуют анализируемый объект, применяя, например, мето­ды теории регрессии, выводят аналитические зависимости объемов пере­возок от таких сопутствующих переменных, как, например год, числен­ность населения города, платежеспособность и др. Прогнозирование осу­ществляется экстраполяцией этой зависимости для значений сопутствую­щих переменных, которые ожидаются в будущем.

Групповая модель базируется на рассмотрении некоторой совокупнос­ти всех объектов одновременно. Широкие возможности групповой модели прогнозирования основаны на том, что она устанавливает объективно су­ществующую зависимость уровня авиационных перевозок от уровня раз­вития объекта, который характеризуется набором значений сопутствующих переменных для данного объекта. Групповая модель — динамическая, так как данные фиксируют развитие разнообразных городов и аэропортов на


экономика гражданской авиации Украины

разнообразных стадиях. Широкие возможности представляют комбинации индивидуальных и групповых моделей. Эти модели дают довольно точные результаты, но при наличии значительной информации.

4. Методы "вверх"и "вниз".

Данные прогнозов, которые традиционно складываются для авиатран­спорта, размещаются как по объектам прогнозирования (регион, аэропорт, направление), так и по временному признаку (от 5 лет и более, год, квар­тал, месяц). Поэтому возникает проблема взаимосвязанности (сбаланси­рованности, согласованности) прогноз разнообразных уровней, ведь обще­экономическая ситуация также очень непостоянная.

В случае прогнозирования "вверх" сначала составляют прогнозы низ­шего уровня, а прогнозы такого уровня получают прямым суммированием прежде составленных прогнозов. Аналогичным воображением составляют прогнозы по месяцам, потом суммированием — прогноза по годам и т. п.

При прогнозировании "вниз" сначала одним из вышеупомянутых ме­тодов составляют общий прогноз деятельности авиапредприятия (часто с распределением его по зонам дальности), потом по аэропортам и, в конце концов, по направлениям. Оба последних метода, несмотря на достоин­ства, имеют определенные недостатки, так как мало опираются на формализованные модели.

Исходя из того, что общая экономическая ситуация стабилизируется то можно утверждать о целесообразности использования формализованных математических методов прогнозирования, или наиболее пригодных для современных условий некоторых их элементов.

4.4. Метод экспертных оценок и его практическая реализация при прогно­зировании развития гражданской авиации Украины до 2015 года

Применение экспертных оценок для анализа и прогнозирования круп­номасштабных объектов предполагает последовательный многоуровневый и опрос экспертов, в результате которого получается полный перечень проблем (условий-предпосылок), необходимых для решения исходной цели прогноза.

Процесс получения информации от экспертов формализуется с помо­щью специально разработанных анкет для каждого объекта прогноза. В каждом туре анкеты необходимо учитывать информацию, полученную от экспертов в предшествующем туре. Хотя форма анкеты несколько ограни­чивает свободу "импровизации" экспертов и результаты определены задаваемыми вопросами, эти недостатки можно до некоторой степени преодолеть, предоставляя эксперту возможность высказать свои особые суждения, которые потом анализируются и обобщаются.

На этом этапе получаем многоальтернативную прогнозную графу типа дерева, вершиной которого является исходная цель прогноза, а ветвями дерева, направленными вниз, направления, проблемы, научно-техничес­кие, организационно-экономические и другие условия.


Характеристика методов прогнозирования авиаперевозок 119

Математическими моделями, которые описывают исследуемый объект, будет служить специально разработанный комплекс алгоритмов качествен­ного и количественного анализа, с помощью которого можно получить необходимые прогнозные оценки.

Заключительный этап прогнозирования состоит из управления про­гнозируемым объектом и перевода прогнозных оценок в план. Это слож­ная задача, решение которой тяжело формализовать. На этом этапе ведет­ся сравнение множества альтернатив по разнообразным показателям и определяется оптимальная альтернатива или наиболее близкая к ней. Ре­шением этой задачи является выбор так называемого "компромиссного" варианта, который, может, не является оптимальным, но представляется наиболее подходящим из совокупности исследуемых критериев.

Современность характеризуется тем, что все формы общественной жизни и их взаимодействие усложнились. Усилились взаимосвязи и взаимозави­симости науки, техники, экономики, социальных условий. Возросли ди­намизм развития всех сторон общественной жизни и разнообразие воз­можных вариантов путей и средств решений тех или иных проблем соци­ально-экономического процесса.

Задача состоит в том, чтобы учесть взаимодействие множества объек­тивных и субъективных, внутренних и внешних для данного общественно­го процесса факторов; добиться возможности предусмотреть как управле­ние общественным развитием соответствовало бы действительности, было научным и убедительно достоверным.

В данное время существует много методов и приемов предвидения будущего, в основе которых лежит два подхода: математический и эврис­тический.

К математическим методам относятся методы экстраполяции и методы моделирования.

Методы экстраполяции дают оценку дальнейшего положения прогно­зируемого объекта как непосредственное продолжение его соответствую­щего действительности положения. Хотя методы могут применяться к объек­там, описываемым качественными показателями, они всего лишь исполь­зуются для прогнозирования характеристик, технологических нормативов, тенденций, которые изменяются во времени. Например быстродействую­щие ЭВМ, затраты на создание ЭВМ, изменения в росте потребностей общества в структуре и численности научных кадров и других.

Методы моделирования используют в качестве моделей прогнозируе­мого объекта дифференциальные уравнения с заданными начальными ус­ловиями или некоторые логические конструкции.

Если модель адекватна реальному объекту, то она может служить сред­ством для экстраполяции. В то же время, применение экстраполяции пред­полагает использование каких-нибудь теоретических и эмпирических мо­делей. Эти методы взаимозависимы и служат для определения отражения исследуемого объекта в будущем.

Методы экстраполяции отражают характер параметров времени и дают достаточно красивый прогноз изменения этих параметров на период до 10 лет.


Результаты прогнозов на более продолжительное время — 10—15 лет значи­тельно ухудшаются, поскольку в условиях научно-технического прогресса могут происходить значительные качественные изменения, которые приво­дят к скачкообразным изменениям статистических размеров. Факты пока­зывают, что механическая экстраполяция предыдущих статистических дан­ных на будущее без учета динамики и структурных изменений исследуемого объекта и его составных ненадежна и неудовлетворительна, даже по отношению к компонентам, которые владеют относительной автономнос­тью и устойчивостью. В этом случае лучше применять эвристические мето­ды, использующие экспертные оценки, так как источником идей, которые будут способствовать научно-техническому прогрессу, являются люди.

Эвристические методы применяются преимущественно для прогнози­рования объектов и процессов, которые не поддаются прямым методам анализа и формального описания в данный момент времени. Главная цель методов — определение новых направлений развития исследуемого объек­та и возможных путей их осуществления. Методы основаны на использо­вании толкований значительного числа высококвалифицированных специ­алистов (экспертов), имеющих большой опыт в исследуемой области. Такие методы носят название "методов экспертных оценок".

Суть методов заключается в том, что на базе обоснованных мнений компетентных специалистов можно построить ряд гипотез развития объекта прогноза.

Прогнозирование на основе экспертных оценок формирует благоприят­ные условия для научных поисков, смелых творческих гипотез, как в настоя­щее время, так и на будущее. Кроме того, такие прогнозы учитывают эруди­цию и творческий характер главных ученых, их априорные и интуитивные оценки возможных вариантов развития, то есть разрешают учесть те факторы, которые не учитываются при использовании математических методов.

Методы экспертных оценок можно условно разделить на две группы: индивидуальные экспертные оценки и коллективные экспертные оценки.

Методы коллективной экспертной оценки основаны на известном аме­риканском методе Дельфи. Общим для них является группа высококвали­фицированных специалистов, которых называют экспертами и которые работают в данной области. Опрос экспертов проводится в несколько ту­ров, ответы даются в количественной или качественной форме (да, нет, хорошо, плохо). Все эксперты дают свои оценки независимо друг от друга, обосновывая свою мысль. После любого тура проводится статистическая обработка его результатов. Любой из участников опроса знакомится с от­ветами других участников, тем не менее, при этом целиком устраняется непосредственное их общение.

В упрощенном виде эти методы представляют собой итеративную пос­ледовательность циклов мозговой атаки.

Методы экспертных оценок постоянно развиваются и совершенству­ются. Сотрудниками Института кибернетики имени В.М. Глушкова АН Украины под руководством академика В.М. Глушкова разработана и ус-


пешно применяется методика прогнозирования, основанная на идее, ко­торая состоит в объединении методов Дельфи и Перт.

В основу эвристического прогнозирования положен метод Дельфи, особенностью которого является последовательный многоуровневый опрос экспертов.

Для проведения первого тура приглашаются главные специалисты в ис­следуемой области. Перед ними ставиться цель прогноза и просят указать условия, необходимые для ее выполнения, а также назвать главных специа­листов, которые могли бы взяться за их решение. В результате такого опра­шивания, учитывая полный перечень высказанных условий для осуществ­ления исходной цели, получаем графы, представленные на рис. 4.1.

Рис. 4.1. Прогнозные графы, после проведения первого тура экспертизы

Данные графы состоят из двух уровней. На первом уровне — прогнози­руемая цель, на втором — цели, необходимые для достижения исходной. Цели второго уровня называются предпосылками цели первого уровня, то есть, с который они связаны.

При проведении второго тура любая из условий второго уровня графа рассматривается как исходная проблема и направляется для оценки глав­ным специалистам из данной проблемы и тем, кто был назван участника­ми первого тура в качестве специалистов, которые могли бы взяться за ее решение.

Перед участниками второго тура ставят такую же задачу, как и перед участниками первого тура. В результате проведения этого этапа экспертизы, для каждой проблемы второго уровня в оценке одного эксперта получаем графы, аналогичные, изображенному на рис. 4.1. Тем не менее, условия, предложенные экспертами в качестве предпосылок, могут пересекаться. Это означает, что для разных проблем, рассмотренных разными экспертами, были указаны одни и те же условия, необходимые для осуществления поставлен­ных. Полученный в результате проведения второго тура экспертизы про­гнозный граф будет иметь вид, представленный на рис. 4.2.

Горизонтальными связями обозначены эксперты, привлеченные для уча­стия во втором туре экспертизы. Из рис. 4.2 очевидно, что одно начало дает множество стоков. Условия третьего уровня графа (рис. 4.2) предлагаются в качестве исходных прогнозируемых проблем участникам третьего тура.


Этот процесс продолжается до тех пор, пока на каком-то шаге не будет полученный набор условий, которые не имеют предпосылок. Это может быть в двух случаях — если проблема решена, или, если эксперт в данный момент не видит путей ее решения.

Рис. 4.2. Прогнозируемые графы, после проведения второго тура экспертизы

Введем обозначения и определения, принятые при дальнейшем изло­жении.

Пусть Т= {0, 1, ..., N} — множество номеров вершин (событий) граф и их связей, S = {sіj , i =1, ..., N,j = 0, 1, ..., N — nm} — множество вершин граф, которые отвечают прогнозируемым условиям, л. — число вершин граф на і-ом уровне, і = 1, ..., m... Индекс j не обязательно принимает все значения от 0 к N-nm , так как не каждое условие граф может иметь пред­посылки.

Определение 1. Множество вершин S и множество связей между ними Т создают простую графу типа дерево G(S, T), если

— множества S и T можно разбить соответственно на подмножества Si, и Тi i = 1, ..., m так, что S=S1 US2 U... U S2, U... USm ,

 


Xарактеристика методов прогнозирования авиаперевозок 123



 


Характеристика методов прогнозирования авиаперевозок 125



 


 



 


пi — количество экспертов, которые оценивают i-й уровень граф, i = 1,..., т. Оценка М — числа простых прогнозных граф, которые описывают много альтернативных прогнозных граф G(S, T) имеет вид



(4.05)


Информация, полученная от экспертов, должна подвергаться качествен­ному и количественному анализу. Система алгоритмов качественного ана­лиза заключается в представлении экспертных оценок в виде адекватной информации и удобной для проведения дальнейших прогнозных разрабо­ток. Общая структура качественного анализа состоит из построения взаи­мозависимых алгоритмов, которые разрешают экспертные оценки вообра­зить в виде системы линейных алгебраических уравнений с нулевыми пе­ременными и выделить полный набор альтернатив, которые описывают прогнозируемые данные.

Исходной моделью для прогнозных исследований служат результаты опроса экспертов, проведенных по специальным таблицам.

В результате привлечения алгоритмов, получаем множество




 


Во многих реальных ситуациях разработка устройства (явления spk) может быть начата и до окончания работ по созданию всех комплектующих элемен­тов и решение всех научно-технических и технологических проблем. Это оз­начает, что имеет важное значение определения времени tпор наступление каж­дого события и возможность варьирования времени его начала и конца.

Алгоритмы расчета прогнозной графы по времени преследуют цель со­здания аппарата для анализа степени влияния разных по типу условий осуществления фиксированного явления.

В общем случае задачу можно сформулировать следующим образом:

Найти



так что


(4.08)


Экономика гражданской авиации Украины



 


где v = 1, ..., np ; tиq некоторые постоянные.

Первые три случая описываются алгоритмом, который отвечает (4.07).




 



 


Если ранги нумеруются, то Q = Р и основные явления определяются с учетом Q = Ре.

Сумма рассчитывается с учетом упорядочения по уменьшению распре-деления рангов слева направо.


Определение 10. Неосновными явлениями куста

называ-

ются те явления sіp (вершины), сумма рангов которых удовлетворяет усло-вие:


(4.11)

где к определяется из соотношения (4.10).

Из определения 9 выходит, что основные условия это те, которые име-ют наибольшие значения qіp и являются наиболее весомыми. Понятно, что в многих реальных системах возможно учитывать только sіp, которые отв-чают условию (4.10). При этом определении значение функции имеют мес следующие соотношения:



(4.12)


при условии



(4.13)



 


Если при анализе прогнозных данных будет так, что Трк завышено, то при такой ситуации целесообразно принять, что разработка может быть начата уже при наличии условий, которые определяются справа налево (см. рис. 4.3), то есть, если имеет место условие (4.11).

Представляя значение tпор в формуле (4.09), получим оценку величины tpk. Обозначим tpk, которое мы получили по формуле (4.08), через Т, а tpk , которое получено по одному из алгоритмов, которые описаны формулами



(4.12—4.13), через ТА. Тогда для какого-либо алгоритма

= 1.,4,

 


Важной характеристикой количественного анализа прогнозной графы является определение качественной оценки компетентности экспертов. Опи-шем один из объективных методов определения компетентности экспертов.


Пусть каждому эксперту предложат оценить компетентность других эк­спертов. Обозначим компетентность экспертов через с.; оценку величины сі;., предложенную j-м экспертом, аij (аij — это относительная компетент­ность i-го эксперта, соответственно к мнения j-го эксперта). Естественно, что относительная компетентность подчиняется условиям

(4.14)

и



(4.15)


а числа сi удовлетворяют таким условиям:

(4.16)



(4.17)


Равенство (4.15) означает, что любой эксперт должен дать оценку дру­гим экспертам так, чтобы сумма всех оценок равнялась единице. Если перед экспертами не ставить такого условия, то можно пронумеровать оцен­ки экспертов после опроса следующим образом



(4.18)


Равенство (4.17) значит, что сумма компетентности всех экспертов дол­жна равняться единице.

Пусть нужно оценить размер х , причем оценка размера х, предложенная i-м экспертом, равняется хi. Наиболее распространенный способ оценки раз­мера х есть определение среднего значения по результатам опроса, то есть:

а с учетом компетентности экспертов эта формула имеет вид


(4.19)

Если роль х в формуле (4.19) будет величинами сi,, какие нами оцене­ны, а роль хi. — величины аij, то формула (4.19) для оценки компетентности экспертов сi будет иметь вид


(4.20)

Следовательно, чтобы найти компетентность экспертов, необходимо решить линейную алгебраическую систему (4.20) при дополнительном ог­раничении (4.17). При этом получим систему, которая будет иметь един-


где А1 и А2 — квадратные матрицы.

Разложение матрицы А означает, что ряд экспертов может разделится на две группы, из которых члены одной целиком считают некомпетентны-ми членов другой группы. Вполне вероятно, что в этом случае необходимо изменить состав совета. Поэтому определение разложимости матрицы есть важный момент в поставленной задаче. Так как уравнение системы (4.20) линейно зависимые, то одно из них можно опустить и рассматривать n-1 уравнение, которые осталось с дополнительным условием (4.17). Получа-ем неоднородную алгебраическую систему с п уравнений из п неизвестны-ми, которая решается одним из методов решения алгебраических систем, для которой есть стандартная программа для данной ЭВМ.

Анализ экспертных данных

Для проведения прогнозных работ в области развития авиационного транспорта Украины соответственно вышеописанной методике рабочая груп-па использовала данные экспертизы, проведенные кафедрой маркетинга НАУ.

Экспертиза проводилась по специально разработанным таблицам. Для проведения экспертизы были привлечены 37 экспертов разного уровня ком-петентности. Компетентность экспертов оценивалась по 10-бальной шка-ле. Опрос проводился в один тур, по заранее заготовленным и размножен-ным анкетам. Заполнение анкет проводилось вручную без помощи ЭВМ.

Материалы таблиц были взяты в качестве исходных данных как экс-пертные оценки для обработки на ЭВМ.

Из представленной информации были полученные данные:

— объект прогноза: гражданский авиатранспорт Украины;

— цель прогноза: определить стратегию развития гражданского авиа-
транспорта Украины;

— дальность прогноза: 2015 г.

Из экспертных данных, представленных в таблицах были выделены две проблемы, которые, по мнению экспертов в данное время являются опре-деляющими в области гражданской авиации Украины:

1. Рост объема авиаперевозок по Украине;

2. Направление авиарейсов.

Проблемы представляют собой условия одного уровня и отражают суть проблемы только в плане выделенному экспертами для исследования В


Экономика гражданской авиации Украины

качестве условий, необходимых для выполнения любой из проблем при­нималась группа факторов, которые ограничивают рост объема авиапере­возок по видам ресурсов:

1. Энергоносители;

2. Трудовые ресурсы, которые отвечают квалификации;

3. Авиатехника;

4. Прибыли населения;

5. Другие факторы.

В результате экспертизы в качестве других факторов были вьщелены: . 1. Безопасность полетов;

2. Удобство пользования;

3. Высокие государственные налоги;

4. Насыщенность местной торговой сети;

1. Укажите, в каком году может быть достигнут по Украине объем авиа­перевозок 1990 года (например, 2005, 2010 или 2015 года).

Таблица АЛ.

 

  Прогнозируемые годы, когда будет достигнут объем перевозок 1990 года
В пределах Украины  

2. Оцените по 100-балльной шкале, какие факторы будут ограничивать рост объема перевозок.

Таблица 4.2.

 

Виды ресурсов Оценка
1. Энергоносители; 2. Трудовые ресурсы, которые отвечают квалификации; 3. Авиатехника; 4. Доходы населения; 5. Другие показатели (по согласию с экспертами)  

3. Укажите пару городов, по которым наиболее вероятно выполнение авиарейсов в перспективе.

Таблица 4.3.

 

Пункт вылета | Пункт прилета
В пределах Украины
В пределах СНГ
Дальние страны

4. Какие виды авиатехники наиболее перспективные для эксплуатации воздушным транспортом Украины с учетом изменения структуры спроса и факторов, которые ограничивают объемы авиаперевозок.


Таблица 4.4.
Пункт вылета Пункт прилета
В пределах Украины  
В пределах СНГ  
Дальние страны  

5. Объемы производства

6. Отсутствие механизма использования потенциала Украины;

7. Структурные показатели;

8. Развитие наземной базы;

9. Тарифы;

 

10. Взаиморасчеты;

11. Другие показатели.

Проблемы и факторы оценивались по 100-балльной шкале по степени важности.

Построение прогнозной графы

На основании данных, описанных выше, были построены много­альтернативные прогнозные графы G(T,S) типа дерева (рис. 4.4). Графы имеют пять уровней, состоят из 73 вершин, имеет обычные условия. Любая из вершин отвечает множеству, которое состоит из оценок экспертов, ко­торые характеризуют прогнозируемые условия.

Построение прогнозных граф сводилось к тому, что за исходную цель с номером 1.0, что отвечает самому высокому уровню граф, принималась цель прогноза: определить стратегию развития гражданского авиатранс­порта Украины. Число к точке означает порядковый номер вершины, с которым связанна данная. Предпосылками исходной цели (то есть услови­ями более низкого уровня) служили две проблемы (проблемы 1 — рост объема авиаперевозок по Украине, вершина 2.1; проблема 2 — направле­ния выполнение авиарейсов, вершина 3.1).

Предпосылками целей 2.1 и 3.1 служила группа факторов, которая ха­рактеризует виды ресурсов, которые влияют на рост объема перевозок и обеспечение связи между городами: 4.2, 4.3 — энергоносители; 5.2, 5.3 — трудовые ресурсы; 6.2, 6.3 — авиатехника; 7.2, 7,3 — прибыли населения; 8.2, 8.3 — безопасность полетов; 9.2, 9.3 — удобство пользователя; 10.2, 10.3 — высокие государственные налоги; 11.2, 11.3 — насыщенность мест­ной торговой сети; 12.2, 12.3 — объем производства; 13.2, 13.3 — отсут­ствие механизма использование потенциала Украины; 14.2, 14.3 — струк­турные факторы; 15.2, 15.3 — развитие наземной базы; 16.2, 16.3 — тари­фы; 17.2, 17.3 — взаиморасчеты; 18.2, 18.3 — другие факторы.

Многоальтернативные прогнозные графы G(T, S) были разбиты на под­множество G.(T, S), и = 1, ..., 37 одноальтернативных прогнозных граф. Поскольку все элементы множества G(T, S) имеют подобную структуру, приведем только один из них в качестве примера (рис. 4.4). С целью боль­шей наглядности на рис. 4.4 показанная только часть связей между усло­виями разных уровней, соединительные линии опущены, номера вершин, записанные в скобках отвечают номерам вершин много альтернативных прогнозных граф, изображенного на рис. 4.5.


Рис. 4.4. Многоальтернативные прогнозные графы

Условия критериев, выдвинутые экспертами для оценки исследуемых проблем включают экономические и организационные факторы, которые определяют уровень технологии и организационное обеспечение и носят более выраженный качественный характер. Поэтому была начата попытка с помощью описанной методики и имеющихся программных средств, полу­чить обобщенные оценки для выработки прогноза. Для решения этой зада­чи были частично использованы модифицированные алгоритмы, описан­ные с помощью выражений (4.06—4.20). Все эксперты были проранжованы в порядке убывания оценок их компетентности и согласно методике разделены на две группы: в первую группу вошли 11 экспертов, сумма оценок, компетентность которых была не менее некой заданой (оценка ком­петентности формировалась по методике, выраженной формулами (4.14—


4.20); в другую группу вошли 26 оставшихся экспертов. С учетом такого деления были получены два варианта прогнозных оценок. Первый вариант соответствует мнению экспертов, принадлежащих к первой группе (согласно методике группа соответствует основным рангам важности) с высокими оценками компетентности. Второй вариант соответствует обобщенному мнению экспертов, принадлежащих ко второй группе.

Рис. 4.5. Одноальтернативные прогнозные графы

В результате прогнозных исследований получены следующие данные: 1. Выделено множество факторов, влияющих на рост объема перево­зок, вычислена их обобщением оценка ценности. Оценки приводятся в процентном выражении в отдельности по каждой группе. Отсутствие оце­нок обозначено прочерком.

Таблица 4.5

 

 

Номер группы Факторы
Энерго­ресурсы Трудовые ресурсы Авиатех­ника Трудовые доходы населения Безо­пас­ность полетов Комфорт­ность пользова­теля
 
- -
  высокие государ­ственные налоги насыщен­ность местной торговой сети объем произвол ства отсутствие механизма использования потенциала Украины структур ные факторы развитие наземной базы

Продолжение таблицы 4.5

 

  5
  10
7 -
- - - - -
  тарифы взаимо­расчеты другие факторы      
       
- -      
-      

2. Получена наиболее перспективная сеть авиарейсов в пределах Украины, СНГ и в странах дальнего зарубежья по двум группам экспертов. В виду некорректной постановки вопроса и ответов на него, приводим только узлы связи, наиболее приоритетные из них, расположенные в по­рядке уменьшения (бьии выделены нами как наиболее повторяемые).

 

В границах Украины
1 группа 2 группа
Киев Львов Симферополь Одесса Донецк Харьков Днепропетровск Луганск Херсон Другие областные центры Киев Симферополь Донецк Львов Одесса Ужгород Харьков Луганск Черновцы Днепропетровск Херсон Мариуполь Другие областные центры
В границах СНГ
Москва Санкт- Петербург Столицы СНГ Столицы стран, республик РФ Москва Санкт-Петербург Столицы СНГ Столицы стран, республик РФ
В страны дальнего зарубежья
Столицы европейских государств Ближний Восток США Канада Индия Пекин Юго-Восточная Азия Латинская Америка Столицы европейских государств Ближний Восток США Канада Индия Пекин Юго-Восточная Азия Латинская Америка Африка Австралия

Характеристика методов прогнозирования авиаперевозок



3. Получено два "компромиссных" варианта стратегии развития граждан-ской авиации Украины с набором характеристик и их оценок, которые опи-саны в таблицах. Первой стратегии соответствует вариант группы 1 с оценкой времени реализации равной 2015 году. Второй стратегии соответствует вариант группы 2 с оценкой времени реализации 2010 года. Тем не менее, если ис-пользовать вышеупомянутые алгоритмы, то оценки времени соответственно по первому и второму вариантам будут равняться 2010 и 2015 годам.

4.5. Количественная прогнозная оценка развития авиационных пассажир-ских перевозок до 2020 года

Линейная связь между ростом ВВП государства (или в целом стран мира) и ростом воздушных перевозок очевидна. Например, средний коэф-фициент эластичности пассажирооборота (или тоннокилометраж) от ВВП равняется 2, то есть на каждый процент изменения ВВП приходится 2 процента изменения пассажирооборота (рис. 4.6).

Рис. 4.6. Рост мирового ВВП и объема регулярных перевозок

Очевидно, что уровень ВВП на душу населения определяет в целом степень экономического развития государства. Вообще, государства с развитой экономи­кой относятся к странам с уровнем ВВП не менее 20 тыс. долл. на душу населе­ния. В Европе "похожих" по территории и населению с Украиной можно назвать только 4 страны: Великобритания, Франция, Германия и Испания. Украина по относительному показателю ВВП уступает этим странам в 25-33 раза. Нетрудно подсчитать, что для того, чтобы догаать эти страны по ВВП необходимо будет несколько десятилетий

Последнее изменение этой страницы: 2016-07-23

lectmania.ru. Все права принадлежат авторам данных материалов. В случае нарушения авторского права напишите нам сюда...