OEST - DGAC - base TEMIS

More documents

Recommendations

Info

... le trafic est fonction de cinq liaisons... ... et est mieux prévu en 1994 qu'avec une prévision directe Un modèle moins robuste pour les huit autres radiales Une correction des valeurs atypiques, et une classification des lignes à effectuer ©OEST Synthèse. Décembre 1995 MODELISATION Une régression avec stepwise du trafic domestique hors les huit radiales sur les 52 lignes restantes de la base allégée a permis de sélectionner cinq lignes qui suffisent à déterminer l'ensemble par relation statistique : Bastia-Nice, Biarritz- Orly, Bordeaux-CDG, Lyon-Toulouse, Orly-Rennes. Le modèle retenu est le suivant : Trafic total hors radiales soumises à la concurrence* = 0,021 + 0,092 Bastia-Nice (0,003) (0,023) + 0,305 Biarritz-Orly + 0,061 Bordeaux-CDG + 0,174 Lyon-Toulouse +0,136 Oriy-Rennes. (0,023) (0,010) (0,025) (0,010) R2 = 0,920 DW= 1,841 * Les données sont exprimées en variation du logarithme. Ce modèle a ensuite été utilisé pour la prévision à court terme, par application des méthodes de Box et Jenkins à chacune des cinq séries de trafic sélectionnées par le modèle de suivi, puis par combinaison linéaire des prévisions obtenues pour l'année 1994 (les modèles SARIMA*, d'abord estimés sur 1987- 1994, ont été réestimés sur 1987-1993, pour fournir une prévision pour l'année 1994). On a également retenu un modèle SARIMA pour le trafic total hors radiales soumises à la concurrence, et comparé aux réalisations les prévisions obtenues par ces deux méthodes, pour l'ensemble de l'année 1994. On constate que, pour chacun des mois de l'année, la prévision obtenue en utilisant le modèle de régression est plus proche de la réalisation que la prévision directe. Alors que le trafic se redresse en 1994, la prévision par régression conduit à une sousestimation du trafic de 1,5% contre 2,2% pour la prévision directe. Enfin, pour l'ensemble des huit radiales restantes, un modèle SARIMA a également été constitué. Mais à la différence du modèle précédent, son intérêt se limite au suivi conjoncturel sur le passé récent ; de fait, la robustesse du modèle sur ces lignes sujettes à des modifications sensibles n'est pas assurée. A titre d'exemple, une prévision de ce trafic sur l'année 1994 sous-estime de 5% le trafic effectivement réalisé. Cet outil de suivi du trafic domestique mensuel hors radiales soumises à la concurrence, qui apparaît robuste (les cinq lignes sélectionnées sur la période 1987-1994 le sont aussi sur 1987-1993), peut être utilisé pour une estimation mensuelle rapide à partir des cinq liaisons retenues, et comme indicateur avancé par une prévision à quelques mois, par combinaison linéaire des prévisions à quelques mois réalisées pour chacune des cinq liaisons. Le modèle pourra être amélioré après correction systématique des valeurs atypiques de la base de données allégée et redressée qui a servi à la constitution du modèle ; ce travail de correction devrait également permettre d'améliorer les modèles de prévision retenus. En particulier, une classification préliminaire des lignes permettrait d'identifier un certain nombre de groupes de lignes dont l'évolution du trafic soit similaire, et de retenir une ligne représentative de chaque groupe. • * Modèles ARIMA saisonniers (cf méthodologie détaillée dans le rapport d'étude disponible à l'OEST).
Que soient ici remerciés Mme Ruth Bergel et M. Philippe Crébassa qui ont eu la gentillesse de m'accorder beaucoup de leur temps précieux, ainsi que toutes les personnes de la DGAC et de l'OEST qui m'ont apporté éclaircissements et assistance. pagel
Page 1: Ministère de l'Équipement, du Log
Page 7 and 8: TABLE DES MATIERES TABLE DES MATIER
Page 9: INTRODUCTION page4
Page 13: PARTIE I : TRAITEMENT DE LA BASE DE
Page 17 and 18: I - Description de la base de donn
Page 19 and 20: II-3- Fiabilité des sources La né
Page 21: On en déduit alors une approximati
Page 25 and 26: I- Choix du modèle Rappelons l'obj
Page 27 and 28: Nous travaillerons désormais avec
Page 29 and 30: Classe 51 8 7 6 5 4 3 2 1 Voilà un
Page 31 and 32: On constate (et les autres graphiqu
Page 33 and 34: fig 4 : La série de trafic à mod
Page 35 and 36: 2,5 2 1,5 1 0,5 0 -0.51 -1.5 -2 -2.
Page 37 and 38: fig 8 : NIMES - ORLY OU : Y (/) est
Page 39 and 40: BORDEAUX CDG mois LYON TOULOUSE ORL
Page 41 and 42: III-2 Validation du modèle Voici l
Page 43 and 44: La figure 12 permet de visualiser l
Page 45: 0.5 -0.5! -1 ! AUTOCORRELATION DES
Page 49 and 50: Maintenant que nous disposons d'un
Page 51 and 52: Pour éviter de biaiser la modélis
Page 53 and 54: Le modèle s'écrit : (1 -.B)(l -B
Page 55 and 56:
0.5 -0.5 -1 ;•• Fig 6 : Corrél
Page 57 and 58:
Voilà les résultats des estimatio
Page 59 and 60:
-0.5 -1 Fig 11 : Corrélogramme et
Page 61 and 62:
0.5 -0.5 -1 r. Fig 14 : Corrélogra
Page 63 and 64:
Nous stabilisons la saisonnalité p
Page 65 and 66:
II - Comparaison des deux méthodes
Page 67 and 68:
55000 27000 22000 17000 12000 7000
Page 69 and 70:
On constate sur la figure 21 que la
Page 71 and 72:
0-5 -0.5 -1 !•! Fig 24 : Corrélo
Page 73:
Trafic de 8RADC0NCUR et sa prévisi
Page 77:
Nous avons, dans un premier temps,
Page 81:
Bibliographie élémentaire >/ Chri
show all

OEST - DGAC - base TEMIS

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?