【机场群旅客运输需求模式探析与预测实证17000字（论文）】

[33]。考虑到不同地区乘客选择的不同喜好，不同城市的乘客应对应不同的效用函数，即模型中的参数会有所不同，结合上述情况，我们确定不同城市离散选择模型中效用函数的参数如下。表4.7GBA旅客选择模型参数参数广州佛山深圳珠海肇庆东莞惠州中山江门香港澳门θ1.10.950.950.61.081.0212111θ-0.001-0.0145-0.017-0.03-0.04-0.021-0.015-1-0.01-1-0.017θ-0.017-0.021-0.01-0.01-0.01-0.016-0.021-0.021-0.021-0.02-0.02机场旅客吞吐量预测基于已构建的旅客选择模型，计算GBA机场群内不同城市旅客选择各机场的概率，计算结果如下。表4.8GBA旅客机场选择概率广州佛山深圳珠海肇庆东莞惠州中山江门香港澳门广州67.79%85.09%22.57%10.47%86.20%49.90%8.98%8.31%72.68%0.00%22.36%深圳14.73%9.00%60.81%0.54%9.50%33.67%68.37%0.00%6.82%0.00%0.59%珠海3.24%1.93%0.35%45.78%0.57%1.17%0.28%52.09%9.17%0.00%40.76%佛山0.46%2.05%0.21%0.44%2.32%0.18%0.03%0.00%0.58%0.00%0.16%惠州0.38%0.09%2.24%0.08%0.00%2.59%7.68%0.00%0.18%0.00%0.07%香港10.84%0.41%13.56%0.52%1.02%11.67%14.45%0.00%2.58%100.00%0.52%澳门2.55%1.42%0.27%42.16%0.38%0.82%0.21%39.59%7.99%0.00%35.54%将已经分配好的各个城市的航空旅客量，乘以机场选择概率，得到前往不同机场的流量，结果如下。表4.9GBA旅客机场选择流量广州佛山深圳珠海肇庆东莞惠州中山江门香港澳门广州29641323176748221187136970145637730779162040748416528571454125401700606深圳644246718697933198656235995415735618080156987190426238045140珠海141890840116818380430658982504121405223512331197657279103100447佛山20125842611010795229507101724327962146036466012493惠州1663851841411791815640447594564047601133905104香港474108786105713351535123445182142001120444501610604979110639234澳门111513829487414096928236381681715145417121251724449936102702983将机场来自每个城市的旅客流量相加，得到机场的客运吞吐量预测值，结果如下。表4.10GBA区域内所有机场吞吐量预测预测值实际值绝对误差相对误差广州80342935.1733784756964460.19.49%深圳53101449.852931925169524.8030.32%珠海12317595.91228298234613.91520.28%佛山950451.11587772572726.11548.29%惠州2502486.782553545-51058.2162.00%香港65378193.271287552-5909358.88.29%澳门10279600.19611287668313.0586.95%通过结果的误差分析可以发现，深圳机场、珠海机场、惠州机场的误差值在1％以下，惠州机场的误差为2％，都具有非常好的预测效果。而广州、香港、澳门机场的结果相对偏高。将预测结果的误差与第二章中的预测结果进行对比，得到的误差对比结果如下。表4.11GBA机场几种预测方法误差对比机场计量经济模型趋势外推机场群模型广州7.39％1.24％9.49％深圳2.80％1.37％0.32％珠海5.34％19.04％0.28％香港15.89％13.12％8.29％通过主要机场分析几种模型的误差，可以发现深圳机场、珠海机场、香港机场的预测结果精度都有很大的提升。可见该模型对于机场群的旅客需求预测具有比较好的效果。但是，广州白云机场的预测精度并不高，其原因可能是：第一，旅客选择效用函数中的参数本应该通过抽样调查来进行估计，而本文缺乏样本选择的是参数调试的方法，因此模型本身可能存在一些误差。第二，从对比结果发现趋势外推法对于广州机场的预测效果非常好，而以经济指标为自变量的计量经济模型和机场群模型误差大小相当，这可能是因为广州市机场的航空旅客需求量和地区生产总值的线性关系并不强。综上所述，在实际的应用中，预测者需要根据某个地区实际的情况，选用多种模型进行事预测对比，通过误差分析选用最合适于当地的模型来使用。本章小结本章对GBA机场群的旅客运吞吐量进行了预测。首先对珠三角机场群的建设和运行情况进行了分析，对珠三角机场群的整体情况和主要机场的运行情况进行了介绍；接着依据已经构建的模型，以2006-2018年的历史数据为已知条件，对2019年珠三角各机场的客运需求进行了预测。首先是对GBA旅客总体需求和珠三角GDP进行回归分析。考虑到经济因素影响的滞后效应，以第一年的GDP为自变量，以第二年的旅客吞吐量为因变量，得到2019总旅客吞吐量的预测值。再然后根据旅客选择模型，利用参数调试的方法确定旅客选择效果函数的表达式，得到旅客的机场选择概率，进而得到各机场的航空旅客需求。预测结果表明，该模型对机场群大多数机场的旅客需求预测具有较好的效果。总结与展望本文的研究内容是机场群航空运输需求模式的分析与预测。主要工作如下:本文综述了目前国内外机场旅客吞吐量预测方法，定量预测方法有计量经济法、趋势外推法、波布加公式法、BP神经网络预测法等。选取计量经济法和趋势外推法对GBA机场群几个主要机场的旅客吞吐量进行预测，根据2006-2018年的历史数据对2019旅客吞吐量进行预测，结果表明，广州白云机场和深圳宝安机场的误差较小，精度较高;珠海金湾机场和香港国际机场的误差较大。分析原因为，没有考虑机场群内机场之间的竞争因素影响。根据离散选择模型，构建机场群的旅客选择模型，并基于该选择模型构建机场群的旅客吞吐量预测模型。根据构建的机场群旅客吞吐量模型，对GBA机场的旅客吞吐量进行了预测，对结果进行了分析，并对模型的精度进行了评价。本文的创新之处在于运用离散选择模型来表示机场组内旅客的选择行为，并考虑机场组内机场之间的竞争关系建立了机场组内旅客需求模型。本文的模型也存在一些缺陷和不足，比如：构建选择模型时选择的自变量不够多，可能不够全面。参数的确定需要大量的样本数据支撑，本文采用的是参数调试法来确定参数。由于缺乏样本数据，对于地面交通的时间和成本的估计可能存在误差。没有考虑到非民航交通方式（如高铁、轮船）等在机场群内的竞争作用。本文主要在于提供一种机场群旅客吞吐量预测模型，基于以上问题，对于模型的后续优化处理，我们鼓励有创造性和钻研精神的学者来继续这一工作。参考文献刘佳,王莉莉.基于机场群的航班选择机场模型分析研究[J].交通运输工程与信息学报,2013(02):77-81.江海锋.国内机场群地面交通运输体系发展探讨[J].财经界.2021,(09):45-46.冯广东,邓海超.从互联互通视角看我国三大世界级机场群建设发展策略[J].民航管理.2021,(01):39-43.谭跃进,陈英武,罗鹏程,程志军.系统工程原理[M].科学出版社,2017:136-146.DargayJ,GatelyD.Income’seffectonvehicleownershipworldwide:1960-2015[J].TransportationResearch(PartA),1999,(33):101-138.Cigliano,J.M.AMeta-analyticReviewofInternationalTourismDemand[J].JournalofTravelResearch,1999,37(3):273-284.V.AProfillidis,EconometricandfuzzymodelsfortheforecastofdemandintheairportofRhodes[J].JournalofAirTransportManagement,Volume6，Issue2,April2000:95-100.唐琮沅.基于CRP范式的机场企业战略研究[M].中国民航出版社,2006.HessS,PolakJW.Mixedlogitmodellingofairportchoiceinmulti-airportregions[J].JournalofAirTransportManagement,2005,11.LucaSD.Modellingairportchoicebehaviourfordirectflights,connectingflightsanddifferenttravelplans[J].JournalofTransportGeography,2012,22:148-163.ACWY,BJLL,ACYH.Modelingjointairportandroutechoicebehaviorforinternationalandmetropolitanairports-ScienceDirect[J].JournalofAirTransportManagement,2014,39:89-95.JungSY,YooKE.Astudyonpassengers'airportchoicebehaviorusinghybridchoicemodel:AcasestudyofSeoulmetropolitanarea,SouthKorea[J].JournalofAirTransportManagement,2016,57:70-79.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(05):26-28.焦朋朋.机场旅客吞吐量的影响机理与预测方法研究[J].交通运输系统工程与信息,2005(01):107-110.黄为.国内中小机场吞吐量预测和分析方法研究[J].机场管理,2002(4):14-15.崔晓冰,陈默,郭菁菁,王璐阳,丁庭葳.StudyonTouristRadiationRangeofBeijingTianjinHebeiAirportGroup[J].OpenJournalofTransportationTechnologies交通技术,2020,9(3):251-258姚晏斌,高金华.灰色模型GM(1,2)在机场旅客吞吐量预测中的应用[J].中国民航飞行学院学报,2006,17(4):12-16.肖海波,秦鲁敏,阳劲.基于BP神经网络的机场旅客吞吐量预测[J].山西科技,2005(05):121-122.邓院昌,马磊.广州白云国际机场航空客运需求预测[J].科技创新导报,2019,016(034):4-5,7.闻新.智能故障诊断技术:MATLAB应用[M].北京航空航天大学出版社,2015.张良勇,郭猛.基于BP神经网络的北京民航客运量预测[J].河北企业,2020,000(004):35-36.李海峰,刘欣仪.区域机场网络可达性模型研究[J].航空计算技术,2020,v.50;No.216(03):19-24.SimonHA.Boundedrationalityinsocialscience:Todayandtomorrow[J].Mind&Society,2000,1(1):25-39.McFaddenDL.Econometricanalysisofqualitativeresponsemodels[J].Handbookofeconometrics,1984,2:1395-1457.ThomasA,DomencichandDaniclMcFadden.UrbanTravelDemand,ABehavioralAnalysis[M].NewYork:AmericanElsevierPublishingCompany,1975:136-137.Gonzalez.Thevalueoftime:atheoreticalreview[J].TransportReviews,1997,17(3):245-266.Tseng,Y-Y.andE.T.Verhoef,Valueoftimebytimeofday:astated-preferencestudy[J].TransportationResearchParB,2008,42:608-618.LiuJT.AirportChoiceinMulti-airportRegions:AnEmpiric