Impacto da Covid-19 Sobre as Movimentações dos Aeroportos Brasileiros / Impact of Covid-19 on Movements at Brazilian Airports
Resumen
O setor da aviação civil brasileira sofreu impactos significativos nas suas atividades em decorrência da pandemia da COVID-19. Desse modo, o presente trabalho teve como objetivo avaliar o impacto do primeiro ano da pandemia sobre a movimentação de cargas e passageiros nos aeroportos brasileiros. Para isto, foram coletados dados históricos (séries temporais) das movimentações de cargas e passageiros do sistema Hórus da Secretaria Nacional de Aviação Civil, compreendendo o período de janeiro de 2004 a fevereiro de 2020. Em seguida, foram obtidas as estatísticas descritivas e identificados os padrões das duas séries. Logo após, foram avaliados os desempenhos de cinco modelos de previsão (dois individuais e três de combinação) para obtenção de valores futuros das séries temporais de março de 2020 a fevereiro de 2021. Foi possível observar que o modelo de Holt-Winters Aditivo foi o mais preciso para prever a movimentação futura de cargas. Além disso, pôde-se verificar que o modelo SARIMA(0,1,1)(0,1,1)12 foi o mais recomendado para prever a movimentação futura de passageiros nos aeroportos brasileiros. Por fim, constatou-se que o volume observado de movimentação de cargas foi 28,55% inferior ao volume previsto pelo modelo de Holt-Winters Aditivo para o período de março de 2020 a fevereiro de 2021). Já o volume observado de movimentação de passageiros foi 63,41% inferior ao volume previsto pelo modelo SARIMA(0,1,1)(0,1,1)12 para o mesmo período.
Palavras-chave: Aeroportos. Movimentação. COVID-19. Previsões. Séries temporais.
ABSTRACT
The Brazilian civil aviation sector suffered significant impacts on its activities as a result of the COVID-19 pandemic. Thus, the present work aimed to evaluate the impact of the first year of the pandemic on the movement of cargo and passengers at Brazilian airports. For this, historical data (time series) of cargo and passenger movements of the Horus system of the National Civil Aviation Secretariat were collected, covering the period from January 2004 to February 2020. Then, descriptive statistics were obtained and the patterns of the two series. Afterwards, the performances of five forecast models (two individual and three combination) were evaluated to obtain future values of the time series from March 2020 to February 2021. It was possible to observe that the Additive Holt-Winters model was the best model. more accurate for predicting future cargo movement. In addition, it was possible to verify that the SARIMA(0,1,1)(0,1,1)12 model was the most recommended for predicting the future movement of passengers at Brazilian airports. Finally, it was found that the observed volume of cargo handling was 28.55% lower than the volume predicted by the Additive Holt-Winters model for the period from March 2020 to February 2021). The observed volume of passenger movement was 63.41% lower than the volume predicted by the SARIMA(0,1,1)(0,1,1)12 model for the same period.
Keywords: Airports. Movement. COVID-19. Forecasts. Time series.
Referencias
BATES, J. M.; GRANGER, C. W. J. The Combination of Forecasts. OR, v. 20, n. 4, p. 451, 19 dez. 1969.
BAYER, F. M.; SOUZA, A. M. Wavelets e modelos tradicionais de previsão: um estudo comparativo. Revista Brasileira de Biometria, v. 28, p. 40-61, 2010.
BOX, G.; JENKINS, G. Time series analysis, forecasting and control. San Francisco: Holden-Day, 1976. 575 p.
CHOI, J. H. Changes in airport operating procedures and implications for airport strategies post-COVID-19. Journal of Air Transport Management, v. 94, p. 102065, 2021.
COSTANTINI, M.; PAPPALARDO, C. A hierarchical procedure for the combination of forecasts. International Journal of Forecasting, v. 26, n. 4, p. 725–743, 1 out. 2010.
COSTA, A. S.; FÔRO, G. S. S.; VIEIRA, J. L. COVID-19 e as cadeias de suprimentos: uma revisão bibliográfica dos principais impactos no Brasil. Revista Vianna Sapiens, v. 11, n. 2, p. 1–28, 2020.
DE GOOIJER, J. G.; HYNDMAN, R. J. 25 years of time series forecasting. International Journal of Forecasting, v. 22, n. 3, p. 443–473, 2006.
FERREIRA, L. D.; GARCIA, C. M.; HENKES, J. A. Análise dos processos operacionais da empresa aérea Latam Brasil referente aos impactos ambientais em suas operações com as aeronaves Airbus 320. Revista Gestão & Sustentabilidade Ambiental, v. 9, n. 2, p. 96–119, 2020.
GRANGER, C. W. J.; RAMANATHAN, R. Improved methods of combining forecasts. Journal of Forecasting, v. 3, n. 2, p. 197–204, 1984.
HOLT, C. C. Forecasting seasonals and trends by exponentially weighted moving averages. International Journal of Forecasting, v. 20, n. 1, p. 5–10, 2004.
HOTLE, S.; MUMBOWER, S. The impact of COVID-19 on domestic U.S. air travel operations and commercial airport service. Transportation Research Interdisciplinary Perspectives, v. 9, p. 100277, 2021.
HYNDMAN, R. J.; ATHANASOPOULOS, G. Optimally Reconciling Forecasts in a Hierarchy. Foresight: The International Journal of Applied Forecasting, n. 35, p. 42–48, 2014.
LEVINE, D. M.; STEPHAN, D. F.; SZABAT, K. A. Estatística - Teoria e Aplicações - Usando Microsoft Excel. 6. ed. Rio de Janeiro: LTC, 2016.
MAKRIDAKIS, S. G.; WHEELWRIGHT, S. C.; HYNDMAN, R. J. Forecasting: Methods ans Applications. 3. ed. New York: John Wiley & Sons, 1998.
NASSIF, V. M. J.; CORRÊA, V. S.; ROSSETTO, D. E. Estão os empreendedores e as pequenas empresas preparadas para as adversidades contextuais? Uma reflexão à luz da pandemia do Covid-19. Revista de Empreendedorismo e Gestão de Pequenas Empresas, v. 9, n. 2, p. 1, 2020.
SILVA, R. B. Z.; BRIGANTE, C. S.; OLIVEIRA, G. P. F.; LUCENA, I. B. E. Uso de modelos de previsão de séries temporais para avaliação do impacto da pandemia da Covid-19 sobre a movimentação de passageiros no aeroporto internacional de Várzea Grande-MT. In: Anais do 35º Congresso de Pesquisa e Ensino em Transportes da ANPET, 2021.
SENNA, V.; SOUZA, A. M. Consequências da pandemia de covid-19 para a aviação civil no Brasil. Exacta, 2021. doi: https://doi.org/10.5585/exactaep.2021.19744.
SUN, X.; WANDELT, S.; ZHANG, A. How did COVID-19 impact air transportation? A first peek through the lens of complex networks. Journal of Air Transport Management, v. 89, p. 101928, 2020.
WEBBY, R.; O’CONNOR, M. Judgemental and statistical time series forecasting: a review of the literature. International Journal of Forecasting, v. 12, n. 1, p. 91–118, 1996.
DOI: http://dx.doi.org/10.12819/2023.20.9.7
Enlaces refback
- No hay ningún enlace refback.
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
Atribuição (BY): Os licenciados têm o direito de copiar, distribuir, exibir e executar a obra e fazer trabalhos derivados dela, conquanto que deem créditos devidos ao autor ou licenciador, na maneira especificada por estes.
Não Comercial (NC): Os licenciados podem copiar, distribuir, exibir e executar a obra e fazer trabalhos derivados dela, desde que sejam para fins não-comerciais
Sem Derivações (ND): Os licenciados podem copiar, distribuir, exibir e executar apenas cópias exatas da obra, não podendo criar derivações da mesma.
ISSN 1806-6356 (Impresso) e 2317-2983 (Eletrônico)