民用机场航空运输业务量预测方法综述

邵亚萍

摘要：航空运输作为我国交通运输的重要组成部分，伴随当下国民经济水平的提升，民用航空运输业务量逐渐增长。民航业航空运输业务量预测能够为民航管理工作的开展提供数据依据，对促进民用机场服务质量的提升具有重要作用。对此文章就民用机场航空运输业务量的预测方法进行罗列，以对当下民用航空工作的开展提供理论研究。

关键词：民用机场 航空运输业务量 预测方法

近年来，航空运输业务量逐渐增长，民航运输作为国家经济水平的重要体现，是当下国际运输与国内远距离的主要途径。民航的发展与国家经济水平与国际竞争力的提升具有重要意义，由此对航空运输业务量的预测能够对民航业务发展进行规律化研究，能够为民航建设提供依据。

一、航空业务量影响因素

1.1国民经济因素

国民经济与民航发展具有相关关系。我国东部及沿海地区民航运输量和GDP均比西部和中部地区要发达。一个地区经济的发达程度在一定程度上依赖交通运输的发展，而航空运输又是五种交通运输方式中最快捷的运输方式，对高新科技产业的促进作用也是其他运输方式无法比拟的。

1.2旅游市场因素

航空运输的发展是旅游人数增长的原因，同时一个地区旅游人数的增长也会带来民航客运量的增长。航空运输作为五大运输方式之一，优势越来越明显，不仅是促进地区经济繁荣发展的强劲动力，还是帶动旅游业快速腾飞的发动机。旅游市场强劲的发展势头与巨大的发展潜力，同时也可为当地的民航航空业务量提供更为广阔的市场。

1.3人口因素

旅客运输的对象是人。所以人口数量、人口密度、人口结构、人口流动，均会造成旅客吞吐量的变化。张宗清研究了七大地区人口和旅客吞吐量的变化关系，得出人口总量和旅客吞吐量的比例关系。依照这一比例，可以根据某地区人口数量和旅客吞吐量的关系建立回归模型，拟合出当地的旅客吞吐量。

二、航空运输业务量预测方法

2.1 Verhulst灰色预测

Verhulst模型作为灰色预测模型的一种，是针对数据增长曲线呈S型或者变异S型的这类问题进行研究的一种有效方法。机场流量受到GDP、地区经济等因素的影响，但这些指标又不能完全反映其变化J清况，符合灰色预测的基本条件。同时，机场流量受跑道资源、航班时刻资源以及人员保障资源等因素的限制而不可能无限增长，流量变化趋势最终将会呈现S型曲线发展。这种趋势适用于描述增长先增快后减慢的情形，航班保障量不能无限增长下去，等到达一定量的时候就会趋于饱和，verhulst能够很好地预测这种增长，适用于开始阶段年增长量递增快速，随后增长减缓，达到一定程度后增长量稳定，最终达到饱和状态。

2.2多元线性回归模型

回归分析通常用于预测分析时间序列模型以及发现变量之间的因果关系。按照变量个数，通常分为一元回归分析和多元回归分析。根据前述分析可知，影响航空运输业务量的因素有很多，主要有经济发展因素、旅游市场因素、人口因素等，因此航空业务量的回归分析预测属于多元回归的范畴。

该方法首先要找出影响预测值的主要变量，比如影响旅客吞吐量变化的主要因素有当地GDP指数、旅游人数、当地人口数、工业指数等。

2.3趋势外推预测

趋势外推预测方法是根据事物的历史和现实数据，寻求事物随时间推移而发展变化的规律，从而推测其未来状况的一种常用的预测方法。

趋势外推法的假设条件是：

1）假设事物的发展过程没有跳跃式变化，即事物的发展变化是渐进型的。

2）假设所研究系统的结构、功能等基本保持不变，即假定根据过去资料建立的趋势外推模型能适合未来情形，能代表未来趋势变化的情况。

由以上两个假设条件可知，趋势外推预测法是事物发展渐进过程的一种统计预测方法。简言之，就是运用一个数学模型，拟合一条趋势曲线，然后用这个模型外推预测未来时期事物的发展。趋势外推预测法主要利用描绘散点图的方法和差分法计算进行模型选择。趋势外推法主要优点是：可以揭示事物发展的未来，并定量地估价其功能特性。趋势外推预测法比较适合中长期预测。

2.4智能算法预测

近年来用于航空业务量预测的智能算法研究主要有神经网络、遗传算法等。神经网络算法以人脑中的神经网络作为启发，其中最著名的算法就是BP（backpropagarion）算法。它是通过迭代性来处理训练集中的实例，对比经过神经网络后，输入层预测值与真实值之间的误差，再通过反向法（从输出层、隐藏层、输入层）以最小化误差来更新每个连接的权重。BP神经网络具有强大的数学描述性，且方便用计算机语言表达。

2.5比较法

与其他机场进行比较的预测技术具有很高的实际价值。在此技术中，分析人员将要预测的机场与其他经济发展类似地区的机场的吞吐量及增长速度相对比，来确定预测机场的航空业务量及增长率。该技术的一个特殊用途是在重大变化或针对新建机场缺乏历史数据的情况下，预测机场的航空业务量。

针对新建机场，由于没有运输业务量历史数据或者历史数据缺乏，很难用上述方法对其航空业务量进行精确地计算。可以选择相近地区、经济规模和人口结构差不多的地区所在的机场航空运输业务量数据作为参考。通过对比分析产业结构、各大运输方式的竞争性、旅客、货物的运输需求量，对数据进行合理的修正，从而得到该机场的航空运输业务量数据。一般建议选择多个机场对比分析，可以得到更为准确的数据。

三、结束语

由于航空业务量数据的随机性以及预测所需求的基础数据属于不同类别，为得到更好的预测精度应对数据进行降噪处理和归一化处理，从而实现航空运输业务量的准确预测。在实际应用过程中需要采用多种方法进行组合预测，得到不同情况下的预测结果，避免某一预测方法的局限性造成预测结果的偏差。

参考文献：

[1]郭发文.区域通用航空短途运输运营的关键影响因素分析——基于短途运输运营实践的总结[J].空运商务，2020（08）：30-33.

[2]赵民合.关于“十二五”民航运输和机场建设的思考[J].综合运输，2010（02）：12-15.