旅游业影响下新疆地区航空网络结构演化系统动力学仿真

朱晓明， 葛 炬

(新疆农业大学 交通与物流工程学院，新疆 乌鲁木齐 830052)

引言

伴随社会经济快速发展，更加舒适、便捷、高效的旅游方式，已经成为当前消费者追求的旅游体验[1]，航空出行方式渐渐成为游客长距离旅游的首选，航空网络结构也随之发生着深刻的变化。新疆地区土地面积辽阔，拥有丰富的旅游资源[2]，在“旅游兴疆”的政策引导下，入境游客数量快速增加，对新疆地区航空网络结构产生了较大影响。因此，有必要研究旅游业对新疆区域航空网络结构产生的影响，分析其对新疆地区航空网络结构的影响，找出其演化规律，为新疆地区航空网络的发展建设提供理论依据。

近年来，针对旅游业影响下的航空网络结构演化问题，相关学者进行了多方位的研究。第一类研究集中在分析旅游业和航空运输业间的相关关系。林岚等[3]通过网络分析原理，分析了我国旅游业和航空运输业的关联发展问题，通过对两者之间的作用机制进行分析发现，旅游和航空运输业的发展依赖度较高，且在未来时间内将会继续加强。何调霞等[4]通过使用灰色关联性分析方法，对我国旅游业和航空运输业之间的关联性进行分析，量化结果表现出旅游业和航空运输业的发展之间存在复杂的关联性，两者间呈现出波动变化的发展趋势。王兆峰[5]从空间结构特征上对我国西南地区入境旅游发展和航空运输业的作用机理分析，发现入境游客流量对航空客运量的影响高于航空客运量对入境游客流量的影响。王姣娥等[6]在分析全国和省域的旅游业、航空运输业发展时，发现两者不仅在时间上有着高度的相关性，而且在空间上表现出很高的依赖性。第二类研究主要关注旅游和航空业中部分特征间的耦合关系。戢晓峰等[7]采用社会网络分析方法，研究了旅游业对航空网络的物理特征，如中介性中心度、网络密度等特征的影响。Ergas等[8]在分析机场扩容和旅游发生量的作用机制时，发现作为门户的机场和旅游发展有着密切关系。Bieger[9]针对新兴形式的旅游业、旅游目的地对航空运输发展的影响，开发出一个系统分析框架来分析它们的深入关系，为航空公司目的地决策提供参考。Jameel等[10]基于1990—2000十年间28个国家之间双边旅游流量数据集，采用引力框架分析了航空运输基础设施对游客目的地选择方面的影响。第三类研究侧重分析旅游业和航空运输业发展过程中的主要影响因素。苏建军等[11]采用时间序列分析法，利用25年间的相关数据分析了中国航空运输业发展对旅游业发展的影响，得出航线里程、客运量对国内游客出行的影响最大。付帼等[12]通过分析机场与旅游业发展的耦合关联性发现，机场区位是影响旅游业发展的主要关联因素。

从当前的研究情况来看，旅游业和航空运输业发展之间存在紧密的联系，且作用关系复杂，但很少有研究从旅游业发展角度考虑其对航空运输业发展的影响。在我国，存在许多旅游资源十分丰富的地区(如新疆维吾尔自治区)，在相关政策刺激下，当地旅游业会快速发展，并对航空网络结构产生深远影响。鉴于此，提出旅游业影响下的航空网络结构演化研究方法，并以新疆地区的航空网络结构演化为对象，通过构建旅游业影响下航空网络结构演化系统指标体系，在指标间两两相关性分析基础上，采用系统动力学(System dynamics，SD)[13]建立航空网络结构演化模型，讨论旅游业影响下新疆地区航空网络结构演化特征，为新疆地区旅游业、航空运输业发展提供理论支撑。

1 旅游业影响下航空网络结构演化机理分析

航空网络结构的演化表现在其各个指标特征(如航班频次、机场数量等)的变化上，受社会发展变化影响会在时空分布上发生演变，是一种典型的复杂网络。演化没有固定的模式[14]，可以是从有序到无序，或者是由无序变为有序的一个过程。航空运输在发展过程中，如果影响其变化的各类因素一直保持平稳状态，那么航空网络结构也将会处于一种稳定的状态。而在现实中，社会的经济发展总处在动态变化中，当某些诱因刺激超出某一界限后，其性态便会发生变化，当多个诱因的演化路径在某一时间发生综合效应，就会表现为航空网络结构的变化。

本研究的主要目的是分析旅游业发展对航空网络结构演化的影响，那么，航空网络结构演化可以理解为航空网络受旅游业发展而产生的相互作用的影响，导致其网络几何特征发生改变的过程。旅游业影响下的航空网络结构演化过程可用图1表示。

图1 旅游业影响下的航空网络结构演化示意图Fig.1 Schematic diagram of aviation network structure evolution under the influence of tourism

2 航空网络结构演化系统动力学仿真方法

2.1 系统指标体系及相关性分析

系统的概念是相对于所研究的问题而建立的，如果所研究的问题已经确立，那么这个系统也就随之确立。从系统动力学的角度来看，一个系统发生变化的根本原因来自于内部的改变，当不考虑外界因素对系统产生影响时，系统边界就可以理解为系统所包含的基本单元的数量。根据图1中航空网络结构的演化机制，系统边界可从旅游业发展、航空网络结构特征和其它要素影响三个方面进行分析，这几个方面之间又存在着复杂的正反馈和负反馈关系，共同作用影响航空网络结构的演化。通过层次化的分析，建立了航空网络结构演化系统的指标体系，如图2所示。

图2 航空网络结构演化系统指标体系Fig.2 System indicator system of aviation network structure evolution

对于系统中的多个指标，为了判定指标间是否存在两两作用关系，对各指标间进行相关性分析。本文采用R系数的方法，来计算两个变量间的相关程度。

(1)

表1 系统各指标间相关系数Table 1 Correlation coefficients between system indicators

2.2 航空网络结构演化SD模型

由于航空网络结构演化是旅游业发展、航空网络结构特征和其它要素影响这三个子系统间所形成的反馈网络结构在时空下通过特征变化综合形成的，结合表1中对系统各指标两两关系的分析，当相关系数大于0.3时认为指标间存在较强相关性。对于两两相关的因素间，通过主观逻辑推理来分析它们之间是属于正反馈或负反馈。在航空网络结构演化的三个子系统中，旅游业是主要驱动因素，旅游业的发展和旅游人数、旅游收入、旅游产品规模息息相关，同时，一些和旅游业发展相关的指标还会以间接的方式影响旅游业发展，如旅游产品的质量会直接影响旅游人数。航空网络结构特征子系统中的各指标会直接影响航空网络结构的变化，加快航空网络结构演变。此外，为了体现模型的客观性，模型中还存在一些其它要素的影响，这些影响有些属于正反馈，有些属于负反馈。在此基础上，构建了旅游业影响下的航空网络结构演化SD模型，如图3所示。其中，不同子系统内部，子系统之间通过相互影响，形成了多个正、负反馈回路。在此给出主要的8条反馈回路：

图3 航空网络结构演化SD模型Fig.3 SD model of aviation network structure evolution

(1)旅游业发展→+旅游人数→+旅游产品规模→+旅游业发展；

(2)旅游业发展→+旅游人数→+旅游停留时间→+旅游净收入→+旅游业发展；

(3)旅游业发展→+航班频次→+航空出行供给→+旅游产品规模→+旅游人数→+旅游业发展；

(4)旅游业发展→+干线机场比例→+航空网络结构→+旅游业发展；

(5)旅游业发展→+机场数量→+航线平均距离→+航空网络结构→+旅游业发展；

(6)旅游业发展→+地区经济发展水平→+环保政策→-其它要素带来的增量→-航空网络结构→-旅游业发展；

(7)地区经济发展水平→+其它要素带来的增量→+航空网络结构→+旅游业发展→+地区经济发展水平；

(8)航空发展政策→+机场数量→+航空出行供给→+航空网络结构→+航空发展政策。

2.3 因素间动力学方程

根据所建立的旅游业影响下的航空网络结构演化SD模型，分析每一指标的特征，确定其变量类型。此外，要实现对存在两两作用影响的指标在时间序列下的量化分析，首先需要确定两个指标间的动力学方程，再根据具体应用场景收集相关数据信息，实现模型仿真。以系统中各指标的变量类型为参考依据，获得指标间的动力学方程，如表2所示。

表2 系统各指标类型分析及动力学方程Table 2 Analysis of system indicators and dynamic equations

3 模型仿真及结果分析

2019年，新疆维吾尔自治区政府提出“旅游兴疆”战略，打造经济增长新模式。以新疆地区2021—2030年这10年间旅游业影响下的航空网络结构演化作为仿真对象，借助Vensim商业仿真软件，对新疆地区航空网络未来阶段的演化趋势进行分析。对于航空网络结构演化模型中的各个指标，从我国航空出行服务平台飞友网(http://www.variflight.com)、民航资源网(http://www.carnoc.com)、新疆旅游资源门户网(http://www.xjlymh.com)、中国统计局(http://www.stats.gov.cn)等平台获取相关数据信息。此外，依靠专家知识对无法直接获取客观数据的指标进行主观判断。在进行模型仿真时，以月为单位时间,设置总仿真时间为120，步长为1。

3.1 系统各指标参数输入

在航空网络结构演化系统中，各指标分别代表不同的社会经济特征，它们在取值和单位上都存在不同的量纲，无法直接作为模型输入条件。因此，在获取各指标的初始数据后，需要对各个指标做规范化处理，将所有指标的值转化成为无量纲的标准值。对每一指标的量化数据，采用极差变换法，根据指标的特征转化为[0,1]区间内的越大越好或越小越好型规范化数值[15]。越大越好和越小越好型指标的规范化处理方法分别如式(2)、(3)所示。对于系统中一些无法直接获取到相关数据的指标，借助专家经验对该指标进行量化打分。

(2)

(3)

其中，dij代表所要量化指标的原始数据值，Dij代表经过极差变换后的规范化值，dmax(j)代表该指标数据集中的最大值，dmin(j)代表该指标数据集中的最小值。根据所获取的各个指标的量化值，使用式(2)-(3)计算得到模型中各变量的无量纲化初始参数，如表3、表4所示。

表3 主要静态参数输入值Table 3 Input values of main static parameters

表4 主要动态参数输入值Table 4 Input values of main dynamic parameters

3.2 旅游发展系统调控方案分析

在航空网络结构演化SD模型中，旅游业发展子系统中共有5个指标(L11、L12、L13、L14、L15)，选择这5各指标作为调控变量，设计出5种不同的旅游业发展策略，根据每种策略的量化值(表5)，进行SD仿真，对不同旅游发展政策下新疆地区的航空网络结构演化特征进行分析。

表5 不同旅游发展方案参数设置Table 5 Parameter settings of different tourism development plans

方案1：保持现行旅游政策不变。方案2：在现行方案基础上，根据“旅游兴疆”政策的发展内涵，实现旅游人数、旅游净收入翻一番。方案3：在方案2基础上，实现旅游产品质量提升一倍。方案4：在方案3基础上，实现旅游产品规模扩大一倍。方案5：在方案4基础上，实现旅游停留时间提升两倍。

3.3 模型仿真结果及分析

通过SD仿真对5种旅游发展策略下航空网络结构子系统中机场数量、航空出行供给、航线平均距离、航班频次和干线机场比例在2021—2030年的演化情况，分别如图4-8所示。从新疆地区航空网络结构各指标的总体变化来看，航空网络结构演化呈现非线性的特征，具体表现如下：

图4 机场数量演化特征Fig.4 The evolution characteristics of the number of airports

图5 航空出行供给演化特征Fig.5 The evolution characteristics of aviation travel supply

图6 航线平均距离演化特征Fig.6 The evolution characteristics of average route distance

图7 航班频次演化特征Fig.7 The evolution characteristics of flight frequency

图8 干线机场比例演化特征Fig.8 The evolution characteristics of the proportions of trunk airports

(1)在保持现状旅游政策下，即方案1，新疆地区机场数量、航空出行供给和航线平均距离这三个主要特征将在步长20的位置，即2022年第三季度末基本保持平稳，演化速率增长分别是2021年初的1.63、2.09和3.02倍。在这10年间，航班频次保持平稳发展状态，干线机场比例一直持续发展，2030年的演化增长率分别是2021年的1.09和1.86倍。

(2)根据方案2的仿真结果可以看出，在“旅游兴疆”政策的影响下，航空网络结构中的机场数量、航空出行供给、航线平均距离、和航班频次的演化速率在2022年第三季度末将分别提升17.5%、31.4%、17.4%和69.4%，随后航空网络结构特征进入缓慢演化阶段。

(3)方案3是在方案2的基础上实现实现旅游产品质量提升一倍，根据仿真结果，在2022年第三季度航空网络结构中的机场数量、航空出行供给、航线平均距离和航班频次的演化速率相比方案2将分别提升4.6%、8.1%、4.7%和13.3%。相比方案2，旅游业发展对航空网络结构特征的影响显著减小，说明旅游产品质量主要带来的是远期影响。

(4)方案4对航空网络结构演化最为显著的影响体现在干线机场比例演化速度的提升速度上，干线机场比例演化速度是方案1-3的1.96倍。此外，在2022年第三季度航空网络结构中的机场数量、航空出行供给、航线平均距离和航班频次的演化速率相比方案3将分别提升23.4%、34.7%、23.3%和76.5%。

(5)方案5对航空网络结构演化的影响更一步深入，相比方案4，主要体现在航空网络结构5个指标从初始阶段持续到2030年，机场数量、航空出行供给、航线平均距离、航班频次和干线机场比例的演化率分别提升17.3%、23.9%、16.9%和39.3%。但整体来看，采取方案4对航空网络结构演化的影响已得到充分体现。

综合来看，在“旅游兴疆”政策刺激下，新疆地区航空网络结构将会在2021—2022年进入快速演化期。届时，如果没有进一步的旅游发展政策刺激，新疆地区航空网络结构将在2022年后进入一个平稳发展期。方案3、4、5是在方案2的基础上对旅游业的进一步深入发展，从模型仿真结果来看，采取方案3对航空网络结构特征的影响相对较小，而方案4和5的实施会对航空网络结构产生较大的影响。因此，若考虑不对航空网络结构产生深入影响前提下进一步发展旅游业，可考虑采取方案3，从提高旅游人数、提升旅游产品质量和增加旅游净收入三个方面入手。

3.4 模型检验

为了检验所建立的航空网络结构演化SD模型是否能够客观地反映出航空网络结构的演化特征，对新疆地区2015至2019年航空网络结构特征中指标“航空出行供给”的演化特征进行验证。在图3所建立的SD模型中输入2015年新疆地区各指标的初始化无量纲值，通过模型仿真得到2015—2019年航空出行供给的演化特征。通过飞友网得到2015—2019年间新疆地区历年旅客吞吐量，根据式2进行无量纲化处理，得到航空出行供给的客观演化规律。模型仿真结果和客观真实值的结果对比如图9所示。可以看出，在2015—2019年间新疆地区的航空出行供给表现出持续增长的趋势，模型仿真结果在真实值上下波动，仿真结果表现出的整体演化趋势和真实的演化规律具有一致性，表明所建立的航空网络结构演化SD模型具有良好的适用性。

图9 模型仿真结果和真实值对比Fig.9 Comparison between model simulation result and real value

在航空网络结构演化SD模型中，节点“航空网络结构特征”代表航空网络结构的演化总体趋势，分别在模型中调整旅游人数、旅游停留时间、旅游净收入、旅游产品规模、旅游产品质量的初始输入条件，通过计算航空网络结构特征的变化程度，对模型可靠性进行检验，结果如图10所示。当旅游人数增加10%时，航空网络结构特征演化速度增长4.5%；当旅游停留时间增加10%时，航空网络结构特征演化速度增长1.2%；当旅游净收入增加10%时，航空网络结构特征演化速度增长2.6%；当旅游产品规模降低10%时，航空网络结构特征演化速度降低3.3%；当旅游产品质量降低10%，航空网络结构特征演化速度降低1.9%。模型表现出良好的灵敏度。

4 结论

基于层次化的分析，从“旅游业发展”“航空网络结构特征”和“其它要素影响”这3个方面构建旅游业影响下航空网络结构演化系统指标体系。由于影响航空网络结构演化的几个子系统间有着复杂的反馈作用关系，对指标间的两两关系进行分析，使用系统动力学建立航空网络结构演化模型，能客观地反映出时间序列下复杂反馈系统的演化特征。对2021—2030年新疆地区旅游业影响下的航空网络结构演化特征实例分析发现，在方案1(现行旅游发展政策)的影响下，新疆地区航空网络结构中各指标的演化增长率均在2021年的2倍以上，航空网络结构的主要特征指标将在2022年第三季度末前处于快速发展期，随后进入平稳期。在方案2(旅游兴疆政策)的影响下，新疆地区航空网络结构特征在2022年第三季度末前的演化速度将会进一步加快，其中，对航班频次的演化速度影响最高，达到69.4%。同时，受“旅游兴疆”政策影响，2022年后新疆地区航空网络结构将依然保持在演化期。方案3、4、5是在方案2基础上进一步的旅游业发展策略，其中方案3的实施对航空网络结构中各指标演化的影响最小。因此，在“旅游兴疆”发展政策的收官阶段，若想在不对航空网络结构产生深入影响前提下进一步发展旅游业，可考虑从提高旅游人数、提升旅游产品质量和增加旅游净收入三个方面入手。

通过对比新疆地区2015至2019年航空网络结构特征中“航空出行供给”的真实发生值和模型仿真值，所建立的航空网络结构演化SD模型预测结果和真实值具有一致性，模型适用性良好。此外，通过改变模型的输入条件，模型灵敏性表现良好，说明了模型具有较高的科学性。由于本研究考虑的是社会常态发展下的旅游业和航空运输业发展，对于突然暴发的新冠疫情并未考虑在研究范围内，因此研究结果可能存在一定的局限性，未来研究中可考虑提升模型的复杂性，以更加客观地反映新疆地区旅游业发展对航空网络结构演化的影响。