土木在线论坛 \ 道路桥梁 \ 交通规划 \ 基于腹地理论的机场群旅客吞吐量预测

基于腹地理论的机场群旅客吞吐量预测

发布于:2022-07-12 09:27:12 来自:道路桥梁/交通规划 [复制转发]




写在前面:

为确定机场群各机场合理的规模和功能、促进区域航空基础设施协同规划与发展,对机场群旅客吞吐量预测方法开展研究。基于手机信令数据标定人均乘机次数,并建立人均乘机次数与人均GDP的关系模型,计算预测年地区乘机总量。利用出行时耗计算机场各区域场强,划分机场腹地范围,并提出功能因子参数,进而构建完整的旅客吞吐量预测模型。以广东省机场群中规划的佛山新机场为例进行应用研究,明确其功能定位不低于珠海金湾机场且不超过广州白云国际机场,其旅客吞吐量水平2035年约为2 900~3 700万人次·a -1 ,2050年约为5 300~6 700万人次·a -1 。实践应用表明,基于腹地理论的机场群旅客吞吐量预测方法具有可实施性,解决了传统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。

         


丁晨滋

广州市交通规划研究院有限公司 工程师


研究背景

随着中国城镇化进程的推进,城市群的建设成为整合区域资源、协调竞合以谋求高效发展的必经道路,粤港澳大湾区、长江三角洲、京津冀等区域规划已成为重要国家战略。基础设施协同是区域协调、一体化发展的核心,机场是城市发展的重要战略要素,是区域一体化发展中各城市竞合、协调的重点考量对象。


旅客吞吐量是机场群各机场功能、规模确定的重要依据。机场旅客吞吐量的预测方法较多,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 [1] 。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,陈玉宝 等 [2] 采用组合加权方法对预测结果进行组合预测,减少预测误差。基于机场旅客吞吐量变化特点,李明羲 [3] 将利用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预测中。从地面集疏运角度,李冬梅 等 [4] 提出基于四阶段法的机场客流方向分布优化模型;利用广义回归神经网络和基于遗传算法的BP神经网络,路尧 [5] 提出机场旅客空间分布预测优化模型。


总体而言,既有旅客吞吐量预测模型多以地区生产总值(GDP)、历史客流数据进行回归分析,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 [6-7] 。本文以手机信令数据为支撑,考虑机场群各机场竞合关系,提出基于腹地理论的机场旅客吞吐量预测模型,从区域机场竞合视角预测机场群各机场旅客吞吐量。


腹地理论概述

1

腹地理论概念

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。如今,腹地更多地是指任何聚落(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 [8] 。德国城市地理学家瓦尔特·克里斯塔勒(Walter Christaller)在《德国南部的中心地》中建立了中心地理论,提出中心地及其商品服务范围的基本概念 [9] ,将中心地腹地定义为消费者愿意去该中心地得到货物或服务的最远距离,标志着腹地概念的诞生。其后,城市腹地、港口腹地等概念逐渐被提出、扩大,并演变出多种理论,但腹地的内涵都是指中心地的影响、辐射区域,中心地与腹地通过交通、信息等保持密切联系。经过几十年发展,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 [10]

2

腹地范围确定

中心城市作为一定区域的核心,其影响力大小被称为场强。场强模型是确定腹地范围的主要方法之一,计算公式为

   

式中: F ik 为城市 i k 点上的场强; Z i 为城市i的综合规模,可为人口、经济、交通设施规模等; D α ik 为城市 i k 点的距离/km; α 为摩擦系数,表示距离衰减的强弱,取经验值2。确定各点场强后,根据场强大小可确定城市腹地范围。


最小研究单元划分越细致,对腹地范围的识别越精准。本文考虑数据采集情况,基于广东省街镇边界、交通设施、天然阻隔等因素划分1 678个交通分区(见图1),交通分区的平均面积约为100 km 2

   

图1 广东省交通分区示意


机场群旅客吞吐量预测方法

1

预测流程

机场群由腹地范围内竞合关系明显的若干机场构成。机场群旅客吞吐量预测流程总体包含三个部分:1)基于手机信令数据挖掘获取现状人均乘机次数,并合理预测未来人均乘机次数,进而预测区域乘机总规模;2)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;3)结合各机场具体功能进行因子调整(见图2)。

   

图2 机场群旅客吞吐量预测流程


2

预测模型

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。人均乘机次数是地区人口乘机意愿的体现,是地区经济发展水平、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、机场功能(航线密度及分布)等因素。本文考虑机场旅客吞吐量与腹地范围、人口规模、人均乘机次数、机场功能等因素构建预测模型

   

式中: f m 为机场 m 的航空旅客吞吐量/(万人次·a -1 ); n 为机场 m 腹地范围区域数量; p i 为区域 i 的人口数/万人; γ i 为区域 i 的预测年人均乘机次数/(次·人 -1 ·a -1 ); σ m 为机场 m 的功能因子,主要为机场航班分布及密度影响因子。

3

参数计算

基于手机信令数据的人均乘机次数预测

3.1

受人口规模及构成、经济发展水平差异化影响,不同交通分区的人均乘机次数具有明显差异,传统问卷调查手段受到样本数量等限制,难以精准掌握分区级的人均乘机次数数据。而随着大数据的普及和技术成熟,利用手机信令数据可识别交通分区级的人口、航空客流规模(具体算法如图3所示),获得现状交通分区级的人均乘机次数指标。计算公式如下:

   

式中: γ' i 为交通分区 i 现状人均乘机次数/(次·人 -1 ·a -1 ); y im 为利用手机信令数据识别的交通分区 i 至机场 m 的航空客流规模/(人次·a -1 ); t 为机场总数/个; p i 为交通分区 i 的人口数/万人,可利用手机信令数据识别,识别算法见文献 [11] )。

   

图3 基于手机信令数据的机场陆侧客流识别算法流程

资料来源:《广州市新一轮交通综合调查总报告》。


算法的核心是利用手机信令数据分别识别机场群中各机场旅客的来源地分布,获得交通分区 i 的各机场客流规模,叠加计算交通分区i的总航空客流规模(见图4),进而得到各交通分区的人均乘机次数。以广州市为例,将属于广州市的交通分区求和得到2019年广州市航空客流规模约为4 439万人次·a -1 ,除以当年人口得到广州市人均乘机次数约为2.90次·人 -1 ·a -1

   

图4 基于手机信令数据的广东省机场陆侧客流识别示例


手机信令数据虽然可以精确计算到交通分区级别的人均乘机次数,但目前仍缺乏历史数据积累。为分析人均乘机次数与社会经济之间的发展关系,本文采用机场历年旅客吞吐量除以当年城市人口粗略计算各年份城市级人均乘机次数,并与人均GDP(按城市统计)进行关联分析。结果表明,人均乘机次数的增长率近似于人均GDP增长率(见表1)。基于这一关系,利用手机信令数据计算2019年交通分区 i 的人均乘机次数,并利用公式(4)预测未来年交通分区i的人均乘机次数。

   

式中: γ' i 为交通分区 i 现状人均乘机次数/(次·人 -1 ·a -1 ); γ i 为交通分区 i 预测年人均乘机次数/(次·人 -1 ·a -1 ); GDP' is 为交通分区 i 对应城市 s 现状人均GDP/(万元·人 -1 ); GDPi s 为交通分区 i 对应城市 s 预测年人均GDP/(万元·人 -1 )。即同一城市 s 不同交通分区 i 的人均乘机次数变化比例均取该城市 s 的人均GDP变化比例,待后续手机信令数据有足够历史积累后,可以对该关联统计做更精准的研究。


表1 人均GDP与人均乘机次数的关系

   

资料来源:根据各城市统计局和中国民用航空局官网公布数据整理。


值得说明的是,历史关联分析所统计的并非严格意义的人均乘机次数。以广州市为例,广州白云国际机场旅客吞吐量实际上包含了广州市、佛山市、东莞市等城市的部分航空客流,以广州白云国际机场旅客吞吐量除以广州市人口所得广州市人均乘机次数会偏高。

基于腹地理论的机场客流腹地分析

3.2

类似于场强模型,机场群中各机场辐射强度与其集疏运网络和机场规模相关,机场 t 的腹地范围可按以下方法确定:


1)根据公式(1)计算机场 m 在交通分区 i 的场强 F mi 。采用机场航班起降能力表征机场规模 Z m ,机场 m 到交通分区 i 的距离 D α mi 可用出行时耗表征,出行时耗基于集疏运网络的时间阻抗矩阵获取。


2)机场腹地范围判断。对于交通分区 i ,将 t 个机场场强值进行比较,如最大场强值为机场 m 在交通分区 i 的场强,则将交通分区 i 纳入机场 m 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。如果交通分区 i 的两个及以上的机场场强接近,则将其优先纳入功能更强的机场腹地。

机场功能因子确定

3.3

根据腹地理论划分的腹地,其本质涵义为各机场基于自身集疏运能力能够覆盖的优势腹地,可以初步判断该机场所处的位置和自身交通设施水平所能服务到的客流。但机场实际客流腹地不仅可能相互重叠,而且会依据机场自身功能强弱(航线航班数量、中转能力、价格优势等)存在分流和被分流的可能,因此各机场的实际旅客吞吐量视功能强弱可能高于或低于其优势腹地范围所能覆盖的客流。本文提出机场功能因子参数来反映机场功能强弱,对优势腹地范围客流进行修正,从而预测机场实际旅客吞吐量规模。


根据2019年广州白云国际机场、深圳宝安国际机场、惠州平潭机场、珠海金湾机场、湛江机场、揭阳潮汕国际机场、梅州机场的旅客吞吐量统计数据,以及利用手机信令数据计算的各机场优势腹地范围覆盖的航空客流规模,进而标定功能因子 σ t 为0.82~1.14(见表2)。由标定结果来看,广州白云国际机场优势腹地的客流规模为6 418.9万人次·a -1 ,而实际吞吐量为7 339万人次·a -1 ,功能因子大于1,说明其功能较强,实际服务的客流高于自身优势腹地范围需求;湛江机场功能因子低于1,说明自身功能尚不足以满足其优势腹地范围覆盖的客流需求,优势腹地范围覆盖的客流需求被其他机场分流。


表2 机场功能因子标定结果

   

注:惠州平潭机场承担深圳第二机场功能,因此将深圳宝安国际机场和惠州平潭机场一并考虑;揭阳潮汕国际机场、梅州机场按服务粤东地区进行整体考虑;佛山沙堤机场由于旅客吞吐量规模较低,机场功能因子标定未予以考虑。

资料来源:根据中国民用航空局官网公布数据整理。


实践应用

1

佛山新机场概述

2021年批复选址的佛山新机场属于广东省9大机场之一(见图5),是粤港澳大湾区世界级机场群的重要组成部分,规划为4F级机场,功能定位为珠三角西部区域性枢纽机场、广州国际航空枢纽的重要组成部分、珠江西岸综合交通枢纽。佛山新机场落成后将会极大改善粤西缺乏机场服务的现状,同时由于广州白云国际机场空域受限、地面基础设施紧张,佛山新机场可以分流广州白云国际机场佛山方向客流压力,共同支撑广佛肇经济圈发展,也为广州白云国际机场更好地发挥和发展国际航空枢纽功能提供重要保障。

   

图5 广东省机场群分布

资料来源:依据百度地图绘制。


2

广东省人均乘机次数预测

基于划分的广东省1 678个交通分区,利用2019年广东省移动手机信令数据进行分析,得到各分区人均乘机次数(见图6a)。广东省2019年人均乘机次数为1.24次·人 -1 ·a -1 ,其中广州、深圳分别为2.90次·人 -1 ·a -1 和2.64次·人 -1 ·a -1 ,佛山为1.53次·人 -1 ·a -1 ,茂名、肇庆、河源、揭阳等区域人均乘机次数仍较低。


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(见图6b)。结果显示,广东省2035年人均乘机次数为2.53次·人 -1 ·a -1 ,2050年为3.10次·人 -1 ·a -1 。广东省2050年的人均乘机次数与2019年美国持平(3次·人 -1 ·a -1 ),为新加坡的一半(6.2次·人 -1 ·a -1 )。

   
   

图6 广东省分区域人均乘机次数现状与预测

资料来源:基于2019 年广东省移动手机信令数据绘制。


3

广东省机场群客流腹地范围划分

根据广东省轨道交通(包含干线铁路、城际铁路、城市轨道交通)及高速公路规划情况,建立全省交通网络模型,并根据各机场未来规划的集散设施情况将其连接至网络模型。基于此模型测算各交通分区到达各机场的出行时耗分布(见图7)。依据《民用机场飞行区技术标准》(MH5001—2013),飞行区等级指标Ⅰ根据基准飞行场地长度分为1~4级,分别赋予数值1~4;飞行区等级指标Ⅱ按照最大翼展分为A~F,分别赋予数值1~6。由此计算4F级航班起降能力取值为4×6=24。利用公式(1)划分出各机场的优势腹地范围(见图8)。

   

图7 基于集疏运网络的机场出行时耗


   

图8 机场优势腹地范围划分示意


4

佛山新机场客流规模预测

根据各区域规划人口、人均乘机次数和机场腹地范围划分,计算得到各机场的优势腹地客流规模(见表3)。由于优势腹地范围并非最终的实际客流腹地,需要结合机场功能因子对其实际客流规模进行校正。佛山新机场是区域性枢纽机场,结合其在编的集疏运系统规划情况,即便在最不利的条件下也将不低于现状珠海金湾机场在其周边区域中的地位;由于佛山新机场未来辅助广州白云国际机场共同成为广州国际航空枢纽的重要组成部分,可以判断其功能地位在最有利的发展条件下也不会超过广州白云国际机场在区域中的功能地位。因此,其功能因子约为0.90~1.14(分别为珠海金湾机场和广州白云国际机场的功能因子),进而预测佛山新机场旅客吞吐量水平2035年约为2 900~3 700万人次·a -1 ,2050年约为5 300~6 700万人次·a -1


表3 各机场腹地范围客流规模预测

   

注:粤东包括梅州机场、揭阳潮汕国际机场,粤西为湛江机场。


写在最后

本文借助手机信令数据分析技术手段,标定机场群现状人均乘机次数,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。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。该方法能够充分体现机场间的竞合关系,在区域协同发展的时代背景下,可以成为区域层面机场群统筹规划的有力工具。


本文研究仍存在三个方面局限性:一是基于人均乘机次数的旅客吞吐量预测未能充分反映航空与高铁的竞合关系;二是手机信令数据缺乏历史数据积累,在人均乘机次数与社会经济的发展关系中使用城市机场历年旅客吞吐量除以城市人口代替历史人均乘机次数,存在一定局限性,待手机信令数据有四五年积累后可对该部分展开进一步研究;三是机场功能因子仅通过现状实际旅客吞吐量与腹地客流规模比值作为功能强弱的参考,而实际上功能因子与机场的航点航线覆盖、航线班次频率、航班价格、机场服务水平等多种因素高度相关且动态变化,本文尚未能深入研究上述变化对预测结果的影响。


参考文献(上滑查看全部):

[1] 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.

[2] 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.

CHEN Y B, ZENG G. Civil aviation passenger throughput forecasting research based on combination forecasting method: capital airport[J]. Journal of civil aviation university of China, 2014, 32(2): 59-64.

[3] 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.

LI M X. Airport passenger throughput forecasting based on improved grey model[D]. Kunming: Yunnan University, 2018.

[4] 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,2013,11(4):87-93.

LI D M, LI W Q, FAN D T. Research on ground transportation demand forecast for large airport[J]. Journal of transportation engineering and information, 2013, 11(4): 87-93.

[5] 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.

LU Y. Research on spatial distribution prediction and ground access mode choice of large airports in cities[D]. Beijing: Beijing University of Technology, 2019.

[6] 舒严娇. 机场旅客吞吐量预测方法研究[D]. 南京:南京航空航天大学,2008.

SHU Y J. Airport passenger throughput prediction methods[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2008.

[7] 李国彦,李南,王志清. 我国机场旅客吞吐量预测方法及其现状[J]. 中国民用航空,2004,41(5):26-28.

LI G Y, LI N, WANG Z Q. Measures to forecast Chinese airport passenger capacity[J]. China civil aviation, 2004, 41(5): 26-28.

[8] Johnston R J, Gregory D, Pratt G, et al. The Dictionary of Huamn Geography[M]. Cambridge, USA: Wiley-Blackwell, 1994.

[9] Ray M N. Urban Geography[M]. New York: John Wiley & Sons, 1975.

[10] 周春山,孔凡娥. 腹地理论及其应用研究[J]. 规划师,2007,23(4):91-93.

ZHOU C S, KONG F E. Hinterland theory and its application[J]. Planners, 2007, 23(4): 91-93.

[11] 宋程,陈嘉超,李彩霞,等. 基于大数据的城市活力区和中心城区边界识别:以广州市为例[J]. 城市交通,2020,18(4):71-78.

SONG C, CHEN J C, LI C X, et al. Urban vitality zone and central district identification based on big data: a case study in Guangzhou city[J]. Urban transport of China, 2020, 18(4): 71-78.


全部回复(2 )

只看楼主 我来说两句抢地板
  • 不负盛世
    不负盛世 沙发

    感谢,学习一下。

    2022-07-12 14:03:12

    回复 举报
    赞同0
  • 大魔术jsjj
    大魔术jsjj 板凳

    谢谢分享

    2022-07-12 13:58:12

    回复 举报
    赞同0
这个家伙什么也没有留下。。。

交通规划

返回版块

3402 条内容 · 113 人订阅

猜你喜欢

阅读下一篇

海南省交通运输厅党组书记、厅长调整!

5月31日海南省第六届人民代表大会常务委员会第三十六次会议通过任免名单。其中会议决定任命: 司迺超 为海南省交通运输厅厅长,决定免去巴特尔的海南省交通运输厅厅长职务。 巴特尔在今年4月海南省委领导班子换届中,当选为海南省委常委,后同时任省委秘书长、省委办公厅主任。 公开履历显示,司迺超出生于1976年2月,辽宁阜新人,1997年毕业于北京航空航天大学计算机科学与工程专业。1998年1月,他进入海南省计划厅工作,先后任职海南省发展计划厅、海南省发展与改革厅,2006年9月任海南省发展与改革厅机关团委书记。

回帖成功

经验值 +10