รายงานพยากรณ์ความต้องการการเดินทางทางอากาศของประเทศ

คณะทำงานเพื่อพยากรณ์ความต้องการการเดินทางทางอากาศของประเทศ

สำนักงานการบินพลเรือนแห่งประเทศไทย (กพท.) ได้จัดตั้งคณะทำงานเพื่อพยากรณ์ความต้องการการเดินทางทางอากาศของประเทศ โดยมีผู้แทนสถาบันการขนส่ง จุฬาลงกรณ์มหาวิทยาลัยและหน่วยงานในอุตสาหกรรมการบิน ได้แก่ กรมท่าอากาศยานบริษัท ท่าอากาศยานไทย จำกัด (มหาชน) บริษัท วิทยุการบินแห่งประเทศไทย จำกัด การท่าอากาศยานอู่ตะเภา และบริษัท การบินกรุงเทพ จำกัด (มหาชน) โดยคณะทำงานฯ ได้จัดทำรายงานพยากรณ์ความต้องการการเดินทางทางอากาศของประเทศ  มีเนื้อหาประกอบด้วย วิธีการและผลการพยากรณ์ความต้องการเดินอากาศรอบระยะเวลา 5 ปี และ 10 ปี รวมทั้งการคาดการณ์ผลกระทบต่อความต้องการเดินอากาศจากสถานการณ์การแพร่ระบาดของเชื้อไวรัสโควิด-19 เพื่อให้หน่วยงานในอุตสาหกรรมและบุคคลที่สนใจนำไปใช้ประโยชน์ต่อไป

ในส่วนของสถาบันการขนส่ง จุฬาลงกรณ์มหาวิทยาลัยนั้น ดร.พัฒนพงษ์ แสงหัตถวัฒนา ดร. อรณิชา อนุชิตชาญชัย นักวิจัย AR-5 และรองศาสตราจารย์ ดร. มาโนช โลหเตปานนท์ ผู้อำนวยการสถาบัน ได้เข้าร่วมเป็นหนึ่งในคณะทำงานร่วมกับหน่วยงานในอุตสาหกรรมการบิน อาทิ กรมท่าอากาศยาน บมจ. ท่าอากาศยานไทย บมจ. การบินกรุงเทพ ซึ่งผู้แทนสถาบันฯ ทำหน้าที่ทบทวนงานศึกษาเกี่ยวกับการพยากรณ์ความต้องการเดินทางทางอากาศในต่างประเทศ พัฒนาแบบจำลองสำหรับการพยากรณ์ โดยใข้เทคนิคต่าง ๆ เช่น Vector Autoregressive Model และวิเคราะห์ข้อมูลที่รวบรวมได้จากหน่วยงานต่าง ๆ ในคณะทำงาน นอกจากนี้ ยังให้คำแนะนำเกี่ยวกับข้อสมมติฐานต่าง ๆ ในการพยากรณ์ความต้องการเดินทางทางอากาศของประเทศในอนาคต โดยเฉพาะสมมติฐานที่เกี่ยวกับสถานการณ์แพร่ระบาดของโรคโควิด 19 ที่กระทบต่อความต้องการในการดินทางทางอากาศ ซึ่งผลการพยากรณ์จากแบบจำลองที่พัฒนาขึ้นมาพบว่า หลังจากการหดตัวเนื่องจากโควิด 19 คาดว่าทั้งความต้องการในการเดินทางทางอากาศระหว่างประเทศและในประเทศ จะกลับเข้าสู่ระดับเดิม (ก่อนเกิดการแพร่ระบาด) ในปี 2566 (ในกรณีดีที่สุด) และ ในปีที่ 2568 (ในกรณีเลวร้ายที่สุด) ผลการพยากรณ์นี้จะสามารถนำไปใช้ในการวางแผนพัฒนาท่าอากาศยานของประเทศในอนาคตต่อไป

wantair

[seed_social]
บทความก่อนหน้า
การบินไทย การรถไฟ และองค์การขนส่งมวลชนกรุงเทพ: ความเหมือนที่แตกต่าง
บทความถัดไป
Land use regression modeling for fine particulate matters in Bangkok, Thailand, using time-variant predictors: Effects of seasonal factors, open biomass burning, and traffic-related factors
Google Map