一种基于腹地理论的目标地机场群旅客吞吐量预测方法与流程

1.本发明属于机场群旅客吞吐量预测技术领域，尤其涉及一种基于腹地理论的目标地机场群旅客吞吐量预测方法。


背景技术：

2.旅客吞吐量是机场群各机场功能、规模确定的重要依据。目前，机场旅客吞吐量预测的方法较多，定性的预测方法包括调查预测法、类比法、集合意见法和德尔菲法等，定量的预测方法包括时间序列法、趋势外推法和回归分析法等[惠山林.民用机场旅客吞吐量预测方法探讨[j].科协论坛,2010(1):142-143.]。陈玉宝，曾刚为克服单一定量预测方法的缺陷，基于多元线性回归模型和时间序列趋势外推模型，采用组合加权方法对预测结果进行组合预测提高预测的准确性，减少预测误差[陈玉宝,曾刚.基于组合预测方法的民航旅客吞吐量预测研究——以首都机场为例[j]. 中国民航大学学报,2014,32(2):59-64.]。李明羲基于机场旅客吞吐量变化特点，将人工神经网络对灰色模型进行残差修正的改进型灰色模型用于机场旅客吞吐量的预测中[李明羲.基于改进型灰色模型的机场旅客吞吐量预测[d].昆明:云南大学,2018.]。李冬梅，李文全，范东涛等从地面集疏运角度，提出以四阶段法为基础，结合机场集疏运特征优化方向分布模型[李冬梅,李文权,范东涛.大型机场地面集疏运需求预测方法研究[j].交通运输工程与信息学报,2013(4):87-93.]；路尧利用广义回归神经网络和遗传bp神经网络，提出了机场旅客空间分布预测优化模型[路尧.大型机场旅客城市空间分布预测与交通方式选择行为研究[d].北京:北京工业大学,2019.]。
[0003]
现有的机场群旅客吞吐量预测方法存在以下缺点：
[0004]
既有旅客吞吐量预测模型多以gdp、历史客流数据作为回归分析，忽视机场群竞争因素、机场辐射圈的影响、出行者对航班选择的影响。


技术实现要素：

[0005]
鉴于此，为解决传统的机场群旅客吞吐量预测方法所存在的忽视机场群竞争因素、机场辐射圈的影响、出行者对航班选择的影响等诸多缺陷，本发明以大数据为支撑，考虑机场群各机场竞合关系，提出了基于腹地理论机场旅客吞吐量预测模型，从区域机场竞合视角合理预测机场旅客吞吐量。
[0006]
本发明的技术方案如下：
[0007]
一种基于腹地理论的目标地机场群旅客吞吐量预测方法，主要流程如下：
[0008]
1)首先将目标地划分为若干区域，利用现状年该目标地移动信令数据挖掘，得到现状各区域人均乘机次数：
[0009]
利用手机信令数据识别目标区域人口和目标区域乘机数量，利用公式(1)获得各区域现状人均乘机次数指标；
[0010]
[0011]
式中，γ
′i为区域i现状人均乘机次数(次/人/年)，y
it
为利用手机信令识别的区域i至机场t的航空客流规模(人次)，pi为区域i的人口数(万人)，所述pi利用手机信令数据识别；
[0012]
2)按照各区域社会经济发展目标，计算预测年各区域人均乘机次数；
[0013]
基于人均乘机次数的增长率近似等于人均地区生产总值增长率关系，利用步骤1)计算所得的区域i现状人均乘机次数γ
′i，并利用公式(2)计算得到预测年各区域i的人均乘机次数γi；
[0014][0015]
式中，gdp
′
is
为区域i对应城市s现状人均gdp(万元/人)，gdp
is
为区域i对应城市s预测年人均gdp(万元/人)；
[0016]
3)预测目标地机场群中各机场的航空吞吐量规模；
[0017]
所述目标地机场群包含m个机场，采用如下式(3)计算目标地机场群中某一个机场t的航空吞吐量规模：
[0018][0019]
式中，f
t
为机场t的航空吞吐量(万人次/年)，pi为区域i的人口数(万人)，γi为区域i的预测年人均乘机次数(次/人/年)，n为机场t腹地范围区域数量，σ
t
为机场t的功能因子，所述σ
t
为机场航班分布及密度影响因子。
[0020]
优选地，所述步骤3)中，
[0021]
其中，机场t腹地范围区域数量n按以下方法确定：
[0022]
3.1):根据下式(4)计算区域i的机场t的场强；采用机场航班起降能力表征机场的综合规模z
t
，用区域i与机场t的出行时耗表征距离出行时耗基于集疏运网络的时间阻抗矩阵获取；
[0023][0024]
式中，f
ti
为机场t在区域i的场强，z
t
为机场t的综合规模，为区域i到机场t的距离，α为摩擦系数；
[0025]
其中，区域i到机场t的距离按以下方法确定：
[0026]
根据省域轨道及高速公路规划情况建立全省交通网络模型，并根据各枢纽未来规划集散设施情况将枢纽连接至网络模型，基于此模型测算各区域与各机场的时耗矩阵，得到区域i到机场t的时间距离其中，所述省域轨道包含高普铁、城际、地铁；
[0027]
3.2)确定机场t腹地范围区域数量n：对于区域i，将m个机场场强值进行比较，若最大场强为机场j，则区域i纳入机场j的腹地，循环计算至所有区域，从而划分出机场群各机场的腹地范围区域数量n。
[0028]
优选地，所述步骤3)中，
[0029]
机场t的功能因子σ
t
的确定步骤如下：
[0030]
根据各机场的旅客吞吐量统计数据，现状各区域人均乘机次数、腹地人口计算数据进行标定，功能因子σ
t
在0.82-1.14。
[0031]
本发明采用以上技术方案与现有技术相比，具有以下有益效果：
[0032]
(1)本发明借助最新的手机信令大数据技术手段，标定现状人均乘机次数，并建立人均乘机次数与人均gdp的关系模型，预测未来年地区乘机总量，提高了预测的精确性。
[0033]
(2)本发明基于腹地理论，利用出行时耗计算机场对各区域场强，确定各机场腹地范围，进而提出机场旅客吞吐量预测模型，创新性地将腹地理论应用于机场群旅客吞吐量预测模型中，兼顾了机场群竞争因素、机场辐射圈的影响、出行者对航班选择对吞吐量预测的影响，使得预测更加精准。
[0034]
(3)本发明还以广东省机场群中的佛山新机场为例进行应用研究，结果表明基于腹地理论的机场旅客吞吐量预测方法具有可实施性，并解决了传统的时间序列、回归分析模型对机场群间的竞合关系、机场功能考虑不够全面的问题。
附图说明
[0035]
图1是机场群旅客吞吐量预测流程图。
[0036]
图2是基于手机信令的枢纽客流识别算法流程图。
具体实施方式
[0037]
下面将结合附图和实施例对本发明做进一步的详细说明。
[0038]
1腹地理论概述
[0039]
1.1腹地理论概念
[0040]
腹地(hinterland)原意是指港口的从属区域，通过这些区域，港口集聚出口物资和分配进口物资。现在腹地更多的是指任何聚落(或聚落中的商业设施)中具有影响力的空间范围，是以聚落为商品交换枢纽的区域[r.j.johnston,etc.the dictionary of huamn geography[m]. usa:cambridge,massachusetts,1996.]。christaller在《德国南部的中心地》建立了中心地理论，提出了中心地及其商品服务范围的基本概念[ray.m.northan.urban geography[m].usa:new york, 1975.]，将中心地腹地定义为某中心商品能够达到消费者手中的空间边界，标志着腹地概念的诞生。其后，城市腹地等概念逐渐被提出、扩大，并演变多种理论，但腹地都是中心地的影响、辐射区域，中心地与腹地通过交通、信息等保持密切联系。经几十年发展，腹地理论逐渐被应用至经济区划与区域规划、城市规划、港口规划、服务设施布局规划、公司总部选址等方面。
[0041]
1.2腹地范围确定
[0042]
中心城市作为一定区域的核心，影响力大小称为“场强”，因此，场强模型是确定腹地范围的主要方法之一，计算公式如(1)所示：
[0043][0044]
式中，f
ik
为i城市在k点上的场强，zi为i城市的综合规模，为i城市到k点距离，α为摩擦系数。确定各点场强后，根据场强大小确定城市腹地范围。
[0045]
2机场旅客吞吐量预测流程
[0046]
参见附图1，目标地机场群中各机场旅客吞吐量预测流程如下：
[0047]
1)首先将目标地划分为若干区域，利用现状年该目标地移动信令数据挖掘，得到
现状各区域人均乘机次数；
[0048]
2)合理预测未来各区域人均乘机次数：按照各区域社会经济发展目标，计算预测年各区域人均乘机次数；
[0049]
3)预测目标地机场群中各机场的航空吞吐量规模：根据机场集疏运的出行可达性(出行时耗)，利用腹地理论划分机场腹地范围，将区域乘机规模分担到各机场；最后结合各机场具体功能进行因子调整，得到各机场旅客吞吐量规模。
[0050]
3旅客吞吐量预测模型构建
[0051]
3.1吞吐量预测模型
[0052]
国内外学者研究表明，地区人口数与机场旅客吞吐量之间存在着一定关系，人口数是衡量航空市场的重要因素；人均乘机次数是当地人口乘机意愿的体现，是当地经济发展水平、综合交通运输网络充分竞合后航空市场分担的表征；机场旅客吞吐量一定程度上也取决于机场的竞争力，具体包括客流腹地、机场自身功能(航线密度及分布)等因素，因此建立如下式(2)所示机场旅客吞吐量与腹地范围、人口规模、人均乘机次数、机场功能因素的预测模型。
[0053][0054]
式中，f
t
为机场t的航空吞吐量(万人次/年)，pi为区域i的人口数(万人)，γi为区域i的预测年人均乘机次数(次/人/年)，n为机场t腹地范围区域数量，σ
t
为机场t的功能因子(主要为机场航班分布及密度影响因子)。
[0055]
3.2基于手机信令数据的人均乘机次数预测
[0056]
人均乘机次数可通过问卷调查获取，但对于机场群而言，受行政限制及样本限制，问卷调查难以获得满意效果。随着手机信令数据普及和技术成熟，利用手机信令数据识别区域人口、区域乘机数量(具体算法如图2所示)，获得现状人均乘机次数指标。
[0057][0058]
式中，γ
′i为区域i现状人均乘机次数(次/人/年)，y
it
为利用手机信令识别的区域i至机场t的航空客流规模(人次)，pi为区域i的人口数(万人，利用手机信令数据识别)。
[0059]
由于历史手机信令数据难以获取，采用机场实际旅客吞吐量计算各年份城市级人均乘机次数，并与人均地区生产总值(按城市统计)关联分析，结果表明人均乘机次数的增长率近似于人均地区生产总值增长率(见表1)。基于人均乘机次数的增长率近似等于人均地区生产总值增长率关系，利用手机信令数据计算2019年各区域i人均乘机次数，并利用公式(4)预测未来年各区域i 的人均乘机次数模型。
[0060][0061]
式中，gdp
′
is
为区域i对应城市s现状人均gdp(万元/人)，gdp
is
为区域i对应城市s预测年人均gdp(万元/人)。
[0062]
表1现状人均gdp与人均乘机次数关系一览表
[0063][0064][0065]
注：
[0066]
3.3基于腹地理论的机场客流腹地分析
[0067]
类似于场强模型，机场群中各机场幅度与其集疏运网络和机场规模相关，故机场t的腹地范围按以下方法确定：
[0068]
step1:根据式(1)计算区域i的机场t的场强f
ti
。采用机场航班起降能力表征机场规模z
t
，用区域i与机场t的出行时耗表征距离出行时耗基于集疏运网络的时间阻抗矩
阵获取。
[0069]
step2:确定机场t腹地范围区域数量n：对于区域i，将m个机场场强值进行比较，若最大场强为机场j，则区域i纳入机场j的腹地，循环计算至所有区域，从而划分出机场群各机场的腹地范围区域数量n。
[0070]
3.4机场功能因子的确定
[0071]
机场旅客吞吐量除腹地客流外，还包含中转客流，同时，腹地范围内客流在机场选择中也会考虑航班分、班次等影响，即旅客吞吐量亦受到机场功能影响，为此需利用机场功能因子对腹地计算客流进行修正。根据广州白云机场、深圳宝安机场、惠州机场、珠海机场、湛江机场、揭潮汕机场、梅州机场的旅客吞吐量统计数据，现状人均乘机次数、腹地人口计算数据进行标定，功能因子σ
t
在0.82-1.14。
[0072]
表2机场功能因子标定结果一览表
[0073]
机场名称腹地客流(万人)实际吞吐量(万人)功能因子σ
t
广州白云机场6418.97337.81.14宝安 惠州机场5234.25548.51.06珠海机场1370.31228.20.90湛江机场365.9298.40.82揭阳潮汕 梅州机场924.9802.60.87
[0074]
4实践应用——广东省机场群各机场客流预测
[0075]
4.1广东省人均乘机次数预测
[0076]
将广东省域划分为1678个交通分区，利用2019年广东省移动信令数据挖掘，得到现状各分区人均乘机次数，全省现状平均人均乘机次数约1.24次/人/年，其中广州、深圳约达到2.9次/人/ 年、2.64次/人/年，佛山约达到1.53次/人/年，茂名、肇庆、河源、揭阳等区域人均乘机次数仍较低。
[0077]
根据公式(4)，按照各市社会经济发展目标，计算预测年各区域人均乘机次数情况。计算结果显示，广东全省2035年人均乘机次数为2.53次/人/年，2050年为3.1次/人/年，与美国现状人均乘机次数持平(3次/人/年)，为新加坡的一半(6.2次/人/年)。
[0078]
4.2广东省机场群客流腹地范围划分
[0079]
根据全省轨道(包含高普铁、城际、地铁)及高速公路规划情况，建立全省交通网络模型，并根据各枢纽未来规划集散设施情况将枢纽连接至网络模型，基于此模型测算各区域与各机场的时耗矩阵，进而划分各机场腹地范围。
[0080]
4.3广东省机场群各机场客流规模预测
[0081]
根据各区规划人口和人均乘机次数、机场腹地范围划分，计算得到各机场的腹地客流规模如表3所示。佛山新机场是区域性枢纽机场，结合其目前在编的集疏运系统规划情况可以判断佛山新机场在区域中的功能地位在最不利的条件下也将不低于现状珠海机场在其周边区域中的地位，此外，由于佛山新机场未来辅助白云机场共同成为广州国际航空枢纽的重要组成，可以判断其功能地位在最有利的发展条件下也不会超过白云机场现状在区域中的功能地位，故其功能因子约为0.9-1.14(分别为珠海机场和白云国际机场的功能因子)，则可以预测佛山新机场实际吞吐量水平2035年约在2900-3700万人次/年之间波动；2050年约在5300-6700人次/年之间波动。
[0082]
表3各机场腹地范围客流规模一览表
[0083][0084]
本发明采用以上技术方案与现有技术相比，具有以下有益效果：
[0085]
(1)本发明借助最新的手机信令大数据技术手段，标定现状人均乘机次数，并建立人均乘机次数与人均gdp的关系模型，预测未来年地区乘机总量，提高了预测的精确性。
[0086]
(2)本发明基于腹地理论，利用出行时耗计算机场对各区域场强，确定各机场腹地范围，进而提出机场旅客吞吐量预测模型，创新性地将腹地理论应用于机场群旅客吞吐量预测模型中，兼顾了机场群竞争因素、机场辐射圈的影响、出行者对航班选择对吞吐量预测的影响，使得预测更加精准。
[0087]
(3)本发明还以广东省机场群中的佛山新机场为例进行应用研究，结果表明基于腹地理论的机场旅客吞吐量预测方法具有可实施性，并解决了传统的时间序列、回归分析模型对机场群间的竞合关系、机场功能考虑不够全面的问题。
[0088]
对于本领域的普通技术人员来说，在不脱离本技术创造构思的前提下，还可以对本发明的实施例做出若干变型和改进，这些都属于本技术的保护范围。