Сценарный подход к прогнозированию авиаперевозок с учетом санкционных ограничений

Урюпин Илья Вадимович   Власенко Андрей Олегович   Сухарев Алексей Александрович   

Статья опубликована в журнале «Проблемы прогнозирования» (ISSN: 0868-6351 (Print), ISSN: 3034-0071 (Online)), №3 2026

RUEN
СЦЕНАРНЫЙ ПОДХОД К ПРОГНОЗИРОВАНИЮ АВИАПЕРЕВОЗОК С УЧЕТОМ САНКЦИОННЫХ ОГРАНИЧЕНИЙ

УРЮПИН Илья Вадимович, к.ф.-м.н., uryupin93@yandex.ru, Федеральный исследовательский центр «Информатика и управление», Российская академия наук, Москва, Россия
ORCID: 0000-0001-7258-754X

ВЛАСЕНКО Андрей Олегович, andrey.vlasenko84@gmail.com, Общество с ограниченной ответственностью «Межотраслевой аналитический центр», Москва, Россия
ORCID: 0000-0002-1286-8857

СУХАРЕВ Алексей Александрович, alx.sukharev@gmail.com, Национальный исследовательский университет «Высшая школа экономики», Москва, Россия
ORCID: 0009-0004-3119-9734

Аннотация. В статье представлен сценарный подход к прогнозированию пассажирооборота российских авиакомпаний в условиях санкционных ограничений. Методика сочетает модель спроса, основанную на ВВП и эластичности по тарифу, с оценкой провозной способности, ограниченной выбытием парка и неопределенностью поставок отечественных воздушных судов. Балансировка спроса и предложения осуществляется через корректировку авиатарифа. Распределение перевозок между внутренним и международным рынками моделируется на основе его зависимости от соотношения их доходных ставок. По результатам расчетов представлен прогноз пассажирооборота к 2040 г. в трех сценариях.

Ключевые слова: авиация, моделирование, пассажирские авиаперевозки, долгосрочное прогнозирование, эластичность спроса по тарифу, Россия, санкции, сценарное планирование.

DOI: 10.47711/0868-6351-216-60-73

Статья поступила в редакцию 12.11.2025. Статья принята к публикации 09.12.2025.

Для цитирования: И.В. Урюпин, А.О. Власенко, А.А. Сухарев. Сценарный подход к прогнозированию авиаперевозок с учетом санкционных ограничений // Проблемы прогнозирования. 2026. № 3 (216). С. 60-73. DOI: 10.47711/0868-6351-216-60-73

A SCENARIO-BASED APPROACH TO FORECASTING AIR TRANSPORTATION INCORPORATING SANCTION RESTRICTIONS

I.V. URYUPIN, Cand. Sci. (Math. and Physics), Federal Research Center «Computer Science and Control», Russian Academy of Sciences, Moscow, Russia
ORCID: 0000-0001-7258-754X

A.O. VLASENKO, OOO «Intersectoral Analytical Center», Moscow, Russia
ORCID: 0000-0002-1286-8857

A.A. SUKHAREV, National Research University Higher School of Economics, Moscow, Russia
ORCID: 0009-0004-3119-9734

Abstract. This article presents a scenario-based approach to forecasting passenger traffic for Russian airlines under sanction restrictions. The methodology integrates a demand model based on GDP and fare elasticity, with an assessment of capacity constrained by fleet attrition and uncertainty in the supply of domestically produced aircraft. Demand and supply are balanced through adjustments to airfare. The distribution of traffic between domestic and international markets is modeled as a function of their relative yield rates. Based on the calculations, a forecast for passenger traffic through 2040 is presented for three scenarios.

Keywords: aviation, modeling, passenger air transportation, long-term forecasting, fare elasticity of demand, Russia, sanctions, scenario planning.

DOI: 10.1134/S107570072670005X

Received 12.11.2025. Accepted 09.12.2025.

For citation: I.V. Uryupin, A.O. Vlasenko, and A.A. Sukharev. A Scenario-Based Approach to Forecasting Air Transportation Incorporating Sanction Restrictions // Studies on Russian Economic Development. 2026. Vol. 37. No. 3. Pp. 355–364. DOI: 10.1134/S107570072670005X

Литература/References

  1. Клочков В.В., Нижник М.В., Русанова А.Л. Прогнозирование экономической эффективности создания новых видов скоростного пассажирского транспорта // Проблемы прогнозирования. 2009. № 3. С. 58-76. [Klochkov V.V., Nizhnik M.V., Rusanova A.L. Prognozirovanie ekonomicheskoi effektivnosti sozdaniya novykh vidov skorostnogo passazhirskogo transporta // Problemy prognozirovaniya. 2009. No. 3. Pp. 58-76. (In Russ.)]
  2. Горшкова И.В., Клочков В.В. Экономический анализ перспектив развития воздушного транспорта в малонаселенных регионах России // Проблемы прогнозирования. 2011. № 61 (29). С. 36-52. [Gorshkova I.V., Klochkov V.V. Economic analysis of development prospects for air transport in Russia’s sparsely populated regions // Studies on Russian Economic Development. 2011. Vol. 22. No. 6. Pp. 611-621. (In Russ.)] DOI: 10.1134/S1075700711060037.
  3. Егошин С.Ф., Смирнов А.В. Авиатранспортная доступность и транспортная дискриминация населения в субъектах Российской Федерации // Научный вестник МГТУ ГА. 2018. Т. 21. № 3. C. 78-90. [Egoshin S.F., Smirnov A.V. Air transport accessibility and transport discrimination of the population in the constituent entities of the Russian Federation // Nauchni vestnik MGTU GA. 2018. No. 3. Pp. 78-90. (In Russ.)]
  4. Урюпин И.В. Определение стандарта транспортной доступности для внутренних пассажирских авиаперевозок // Мир транспорта. 2023. Т. 21. № 3 (106). С. 66-73. [Uryupin I.V. Defining Standard of Access to Domestic Air Travel // World of Transport and Transportation. 2023. Vol. 21. Iss. 3 (106). Pp. 214-221. (In Russ.)] DOI: 10.30932/1992-3252-2023-21-3-6.
  5. Горбунов В.П. Эволюция представлений о транспортной доступности // Бюллетень транспортной информации. 2019. № 8. С. 10-14. [Gorbunov V.P. The evolution of ideas about transport accessibility // Byulleten transportnoy informatsii 2019. No. 8 (290). Pp.10‑14. (In Russ.)]
  6. Abdella J.A. et al. Airline ticket price and demand prediction: A survey // Journal of King Saud University-Computer and Information Sciences. 2021. Vol. 33. No. 4. Pp. 375-391. DOI: 10.1016/j.jksuci.2019.02.001.
  7. Pivac J. et al. Planning the Airport Terminal Facilities Based on Traffic Demand Forecast and Dominant Share of Airline Business Model: Case Study of Pula Airport // Applied Sciences. 2025. Vol. 15. No. 5. P. 2547. DOI: 10.3390/app15052547.
  8. Hopfe D.H., Lee K., Yu C. Short-term forecasting airport passenger flow during periods of volatility: Comparative investigation of time series vs. neural network models // Journal of air transport management. 2024. Vol. 115. P. 102525. DOI: 10.1016/j.jairtraman.2023.102525.
  9. Фролов И.Э. Оценка потенциала развития российской авиации в долгосрочной перспективе с учетом освоения Арктики: воспроизводственный и технологический аспекты // Проблемы прогнозирования. 2016. № 6 (159). С. 30-41. [Frolov I.E. Assessment of Russian aviation development for long-term prospects with the regard for Arctic developing: reproductive and technological aspects // Studies on Russian Economic Development. 2016. Vol. 27. No. 6. Pp. 629-637. DOI: 10.1134/S1075700716060046. (In Russ.)]
  10. Рублев В.В. Анализ эффективности мер государственной поддержки региональных пассажирских авиаперевозок в Российской Федерации // Современная экономика: проблемы и решения. 2020. № 7 (127). С. 161-177. [Rublev V.V. Analysis of the effectiveness of state support measures for regional passenger air transport in the Russian Federation // Sovremennaya ekonomika: problemy i resheniya. 2020. No. 7 (127). Pp. 161-177. (In Russ.)] DOI: 10.17308/meps.2020.7/2404.
  11. Gudmundsson S.V., Cattaneo M., Redondi R. Forecasting temporal world recovery in air transport markets in the presence of large economic shocks: The case of COVID-19 // Journal of Air Transport Management. 2021. Vol. 91. P. 102007. DOI: 10.1016/j.jairtraman.2020.102007.
  12. Dantas T.M., Oliveira F.L.C., Repolho H.M.V. Air transportation demand forecast through Bagging Holt Winters methods // Journal of Air Transport Management. 2017. Vol. 59. Pp. 116-123. DOI: 10.1016/j.jairtraman.2016.12.006.
  13. Cunningham S.W., De Haan A.R.C. Long-term forecasting for sustainable development: air travel demand for 2050 // International journal of environment and sustainable development. 2006. Vol. 5. No. 3. Pp. 297-314.
  14. Abraham B. et al. Statistical methods for forecasting. New York: Wiley, 1983. Vol. 179. 445 p. DOI: 10.1002/9780470316610.
  15. Richmond S.B. Forecasting air passenger traffic by multiple regression analysis // Journal of Air Law and Commerce. 1955. Vol. 22. 434 p.
  16. Ervural B.C. Air Passenger Demand Forecasting Using Machine Learning Algorithms: A Case Study of Turkey in Airline Industry // Smart and Sustainable Operations Management in the Aviation Industry. CRC Press, 2024. Pр. 29-54.
  17. Meliyana S.M. et al. A Seasonal ARIMA (SARIMA) Model for Forecasting Domestic Passenger Traffic at Sultan Hasanuddin Airport // Quantitative Economics and Management Studies. 2025. Vol. 6. No. 1. Pp. 144-153. DOI: 10.35877/454RI.qems3935.
  18. Addepalli S. et al. Socio-economic and demographic factors that contribute to the growth of the civil aviation industry // Procedia Manufacturing. 2018. Vol. 19. Pр. 2-9. DOI: 10.1016/j.promfg.2018.01.002.
  19. Ottolenghi E., Fixler A., Fanusie Y.J. Flying Above the Radar. Sanctions Evasion in the Iranian Aviation Sector. 2016. URL: https://s3.us-east-2.amazonaws.com/defenddemocracy/uploads/documents/Ottolenghi_Fixler_Fanusie_Aviation_Sanctions_Evasion.pdf
  20. Dixon M.C. The maintenance costs of aging aircraft: insights from commercial aviation. Rand Corporation, 2006. Т. 486.