新冠肺炎疫情对全国省会城市客运航空网络的影响研究

刘恒宇,杨本继

(北京邮电大学 经济管理学院，北京 100876)

一、引 言

随着经济的快速发展，国内客运航空需求持续攀升，客运航空网络快速扩张。国际航空运输协会数据显示：2019年，中国国内客运航空市场同比增长8.5%，增速位列全球客运航空市场榜首；根据2019年国内航空客运量计算，中国将在2024—2025年取代美国成为全球最大的客运航空市场。然而，2019年末暴发的新型冠状病毒肺炎疫情(下文简称“新冠肺炎疫情”)重创了我国客运航空网络。根据国家民航局数据：国内客运航班数量于2020年2月13日降至最低点，当日实际执飞航班数3 981架次，仅为同期的23%左右。随着新冠肺炎疫情逐步得到控制，国内客运航班数量也逐渐恢复：2020年9月，国航、东航、南航的国内航线客运量同比上涨 1.3%、1.22%、2.51%，国内航空出行需求已基本恢复至正常水平。尽管如此，全国各地依然有疫情零星暴发，如2020年末至2021年初，成都、北京、石家庄、大连等地相继暴发新疫情；2021年5月底至今，全国多地疫情反复。在疫情常态化防控下，国内客运航空网络始终处于不稳定状态。因此，研究新冠肺炎疫情对全国客运航空网络的影响，尤其是识别疫情下航空网络中的关键节点与薄弱环节，有助于空管与航运者在疫情中合理地优化网络布局，具有重要的现实意义与社会价值。

国内学者已从不同视角研究我国客运航空网络，研究视角可归纳为三大类：(1)网络布局视角。马学广等[1]基于中国180个地级市的航空客运数据初步揭示了全国城市网络的空间形态、整体联系和局部联系特征；吴威等[2]从机场体系空间布局、机场可达性、机场服务能力以及航空运输产出等方面分析了长江经济带航空运输发展格局；刘望保等[3]利用复杂网络模型分析世界城市网络，并指出世界城市网络形态表现出明显层级性特征，且高层级城市高度聚集在西欧、北美和东亚地区。(2)网络客流视角。张永莉等[4]建立了半对数形式的线性计量经济模型来分析影响航空客运量的因素，并指出城市间距离、机场旅客吞吐量、人口密度、邮政电信业务总量等指标为关键影响因素；党亚茹等[5]分析了我国的航空客流现状，指出我国航空客流网络呈现出“小世界特性”以及“东重西轻”的发展格局。(3)网络结构视角。金凤君[6]首次提出我国航空网络呈现以北京、上海、广州为中心的“轴-辐”结构特征；彭语冰等[7]提出国内航空网络形成了多层次、多中心的辐射网络结构，且北京处于网络的绝对中心地位；王海江等[8]运用基于O-D联系网络的GIS空间分析法来解析全国通航中心城市间的航空网络结构，指出北京、上海、广州为全国性中心。上述研究均将正常运行状态下的客运航空网络作为研究对象。最近，杜方叶等[9]从全球航空网络视角探讨了新冠肺炎疫情对我国国际航空网络连通性的影响。目前，尚无文献定量分析新冠肺炎疫情对国内客运航空网络的影响。

本文将新冠肺炎疫情下国内客运航空网络作为研究对象，分析了疫情动态发展对全国客运航空网络的影响。首先，本文搜集了2020年11月至2021年1月间全国省会城市之间(含22个省的省会城市，4个直辖市和5个自治区的首府城市，不含港澳台地区)开通的航班数据，基于对该时间段全国疫情数据的分析将疫情发展划分为了常态化防控、轻微、严重三个阶段。其次，本文利用社会网络分析法分析了疫情下各省会城市在客运航空网络中“影响力”与“控制力”指标的动态变化，识别出航空网络中的关键节点与薄弱环节。最后，结合分析结果，本文对疫情下客运航空网络的布局调整策略提出了政策建议。本文不仅丰富了我国客运航空网络的相关研究成果，所得管理学启示还能为我国客运航空业的决策者与管理者在疫情中制定客运航空网络布局调整方案提供理论依据。

二、研究方法

(一)社会网络分析法

城市之间开通的航班、列车、长途汽车等构成了以城市为节点的交通网络，许多学者使用社会网络分析法来研究交通网络的结构特征以及节点之间的关系。例如，任新惠等[10]、张凡等[11-12]使用社会网络分析法研究了航空网络结构，刘恒宇等[13]、Chu等[14]、Chen等[15]利用该方法研究了铁路网络结构。社会网络分析法是分析复杂网络的一种有力方法。它基于图论、多维量表等技术方法分析网络中实体在不同维度下的关系，并根据度中心性、中间中心性、接近中心性等属性指标分析出个体在整个网络所处的层次或地位。我国幅员辽阔，省份划分细致，几乎所有省会城市之间均开通了直航航班(除部分距离过近的城市，以及部分城市与拉萨市尚未开通直航航班外)，构成了复杂的客运航空网络。此外，我国各省份人口分布、经济发展相对不均，客运航空需求与服务能力(包括机场建设、配套基建等)也呈现出明显的差异与层级关系。最明显的特征是：北京、上海、广州三地在我国客运航空网络中占据绝对领导地位[7-8]，上述三地也分别是我国三大航空公司国航、东航、南航的基地所在。基于上述分析，本文采用社会网络分析法来研究新冠肺炎疫情下全国省会城市客运航空网络的动态特征。

(二)核心指标选取

城市之间开通的航班数量取决于城市的经济体量、人口密度等因素。毫无疑问，一个城市与其他城市开通的直航客运航班数量越多，该城市在客运航空网络中的影响力也就越大。此外，部分城市开通的航班数量虽然不多，但是其周边城市必须经过该城市中转才能前往其他目的地，因此，这些城市在客运航空网络中具有较强的网络控制力，具有“不可替代性”。社会网络分析法中的“度中心性”与“中间中心性”指标分别刻画了某个节点在网络中的“通达能力”(即网络影响力)与“中转能力”(即网络控制力)，下文将对这两个指标进行刻画。

1.度中心性

“度中心性”的核心思想是：一个核心点是处在一系列联系“核心”位置的点，该点与其他点有多个直接联系；若某个节点度数越高，那么在与其他点“关联紧密”的意义上，该节点具有越高的影响力[13]。在有向网络中，一个节点的“度中心性”等于与其直接相连的节点的个数。为了反映客运航空网络中各省会城市之间的连通强度，本文以省会城市之间开通的双向直达客运航班数量为权重。记Nij表示i城市到j城市开通的直航客运航班数量(此值具有方向性，即Nji表示j城市到i城市开通的直航客运航班数量)。基于“度中心性”的核心思想，可通过式(1)刻画i城市在客运航空网络中的“度中心性”Di：

(1)

2.中间中心性

“中间中心性”亦称为“中介中心性”。它表示：当其他节点之间连通的最短路径必须经过该节点时，该节点在网络中连接其他节点的垄断程度。可见，一个节点的“中间中心性”越大，说明该节点在网络中的控制力越强。假设j城市与k城市之间的最短路径数量为SPjk，其中，经过i城市中转的最短路径数目为SPjk(i)，则i城市控制j城市与k城市航线的能力可表达为：

Pjk(i)=SPjk(i)/SPjk

(2)

进而，i城市在整个网络中的“中间中心性”为：

(3)

根据Freeman[16]的研究，星形网络中各节点“中间中心性”能达到的最大值为(n2-3n+2)/2，其中，n表示节点个数。因此，经过标准化后i城市在客运航空网络中的“中间中心性”可计算如下：

BC′i=2BCi/(n2-3n+2)

(4)

综上分析，本文对客运航空网络中的节点指标定义如表1所示：

表1 客运航空网络指标定义

三、数据来源与疫情阶段划分

(一)数据来源

本文从中国民航信息集团公司旗下的航旅纵横网站获取了2020年11月1日至2021年1月31日全国31个省会城市共计33个机场(1)论文撰写时，北京拥有首都国际机场和北京大兴国际机场；上海拥有上海浦东国际机场、上海虹桥国际机场，其余各省份城市均只有一个机场。彼时成都天府国际机场尚未建成。开行的客运航班数据。选取此时间段数据理由如下：首先，本文的数据爬取始于2020年9月，而此前每日开通的客运航班数据已无法从公开渠道获取；2020年国庆(10月)与2021年春节(2月)期间出现了全国客运航班数量的暴涨与暴跌，这分别由“国庆长假”与“就地过年”等因素促成，并不能客观反映疫情对客运航空网络的影响，因此本文舍弃了这两个时间段的数据。其次，2020年11月，疫情防控管已进入常态化，各地出行政策相对宽松；2020年12月与2021年1月，新冠肺炎疫情在成都、北京、石家庄、东三省等地相继暴发，且疫情形势持续加重(如图1所示)，全国出行政策收紧。因此，2020年11月至2021年1月的数据涵盖了从疫情防控常态化向疫情严重发展的整个过程。

图1 2020年11月至2021年1月全国疫情发展形势图

本文所选用的客运航班数据遵循以下原则：(1)仅包含国内31个省会城市机场之间的航班数据，其他非省会城市的航班数据不统计在内。事实上，我国开通的绝大部分客运航班集中在省会城市之间(除深圳、三亚等少数城市外)；(2)数据以天为统计单位，即所统计的航班数量基于当天0～24时计划起飞的客运航班数量；(3)对拥有多个机场的省会城市的航班数量进行合并计算，例如北京的首都国际机场与大兴国际机场、上海的虹桥国际机场与浦东国际机场；(4)两个省会城市之间统计双向开通的航班数量，因此每日均可得如表2所示的“非对称客运航班数量矩阵”。其中，列向量表示航班始发地，行向量表示航班目的地。例如，2021年1月1日上海至乌鲁木齐开通的航班数量为22架次，乌鲁木齐至上海开通的航班数量为21架次。

表2 2021年1月1日全国省会城市客运航班数量矩阵(单位：架次)

(二)疫情发展的阶段划分

结合图1所描绘的全国疫情数据，本文将疫情发展划分为以下三个阶段：(1)常态化防控阶段，即2020年11月，此段时间国内无新疫情暴发，全国出行政策相对宽松，全国日均客运航班总量维持在14 500架次左右；(2)疫情轻微阶段，新疫情于2020年12月7日在成都、19日在北京、24日在沈阳相继暴发，疫情形势相对轻微，疫情地区出行政策收紧，全国日均客运航班总量略微下降至14 000架次左右；(3)疫情严重阶段，2020年1月，石家庄、哈尔滨、长春、上海等地相继暴发新疫情，且石家庄、北京和哈尔滨的疫情形势分别于1月4日、20日、26日加重，风险等级上升，全国出行政策全面收紧，全国日均客运航班总量跌至12 000架次左右。图2描绘了全国省会城市客运航班总量在疫情不同阶段的变化趋势。

图2 客运航班总量在疫情不同阶段的变化趋势

四、疫情对客运航空网络的影响分析

在对全国疫情发展进行阶段划分后，本文通过对各阶段中任意两个省会城市之间的日开行客运航班数量求均值，获得疫情常态化防控、轻微和严重阶段的“全国省会城市客运航班数量矩阵”，见文后附表1～3。在此基础上，本文借助Ucinet软件[13]分析了各省会城市在三个阶段中的“度中心性”与“中间中心性”指标，并分别从“网络影响力”与“网络控制力”两个维度分析新冠肺炎疫情对全国省会城市客运航空网络的影响(如表3所示)。

表3 疫情各阶段全国省会城市客运航空网络指标

续 表

(一)新冠肺炎疫情下全国省会城市网络影响力分析

各省会城市的网络影响力通过“度中心性”指标来刻画，由表3可知：在疫情常态化防控阶段，北京、上海、广州、成都、重庆所开行的客运航班数量在全网占比位列前5。其中，北京、上海、广州的占比高于7%，成都、重庆的占比在6%～7%之间。根据Kim等[17]提出的“截断点”思想(2)“截断点”思想是指当个体属性按大小顺序排列的后数值出现相对明显差异时，可以取前一个指标的值作为分界值对个体划分等级。，本文根据网络影响力将全国省会城市划分为5个等级，如表4所示。第一等级的省会城市是我国的“航空三巨头”——北京、上海、广州，这三个城市是我国的一线城市，其中北京与上海均有双机场；第二等级的省会城市是“成渝经济圈”的引擎——成都、重庆，这两个城市作为西南门户人口密度大(仅重庆市人口就超过3 000万)、旅游资源丰富；第三和第四等级的省会城市主要是我国西北、东北及华东地区的交通枢纽，这些城市人口密度较大，所开通的客运航班数量全网占比不低于3.5%。

表4 全国省会城市网络影响力等级划分

2020年12月，随着北京、成都、沈阳等地暴发轻微疫情，全国客运航空网络由疫情常态化防控阶段发展为疫情轻微阶段，研究发现：

(1)北京、成都的人口密度、经济体量、旅游资源均位列全国头部位置，与其他省会城市建立了密切的航线往来。以兰州与南京为例，它们在疫情常态化防控阶段与北京、成都开行的日均航班数量分别占各自航班总量的23%和15%。因此，当北京、成都发生疫情时，其他省会城市会大幅削减通往这两个城市的航班量，进而导致网络影响力普遍下降。

(2)经济发达省会城市(除上海与天津外)的网络影响力受轻微疫情影响较小。例如，重庆、武汉、长沙、郑州因为本身经济体量大，即使削减了通往北京、成都的航班，每日仍会开行大量航班来维持其经贸往来。然而，上海的网络影响力受轻微疫情影响降幅最大，这是因为上海的高网络影响力很大程度上依赖于京沪航线，该航线的航班数量居全国第一。当北京暴发疫情时会严重削弱上海的航空网络影响力。天津的网络影响力大幅下降是由于其地理位置过于靠近北京，其大量商贸活动的开展依赖于北京，当北京暴发疫情时会抑制天津的商贸活跃度，导致其航班数量大幅削减。

(3)当网络中占据领导地位的省会城市(如网络影响力等级高的北京、成都)暴发轻微疫情时，其周边拥有发达铁路网络的省会城市的网络影响力反而会提高。例如，与北京邻近的石家庄与济南，与成都邻近的西安，在北京、成都暴发轻微疫情时网络影响明显提升。其中，北京与石家庄、济南通过“京沪线”“京广线”等串联起来，成都与西安之间则开通了“西成客专”。这是因为：网络影响力等级高的省会城市即使因暴发轻微疫情而大幅削减航班，但其本身的客运需求仍然旺盛。在此情形下，其他省会城市的旅客(尤其是远距离旅客)会通过航班首先前往其邻近省会城市，再通过短途的、快捷的铁路交通前往目的地。

(4)尽管东北三省非传统意义上的经济发达地区，但沈阳暴发的轻微疫情仍然提高了哈尔滨与长春的网络影响力。这是因为沈阳作为东三省连接外部的“守门人”，因疫情被“封锁”后，其他省会城市只能通过哈尔滨与长春与东北地区保持联系。

(5)北京、成都作为国内的热门旅游城市，暴发轻微疫情会促使拉萨、南宁、海南等远离疫情暴发地的热门旅游省份的省会城市的网络影响力提高。这是因为在疫情轻微阶段，非疫情地区并不会紧缩旅游政策(除新疆一直实施严格的外防内控措施)，北京、成都因疫情不能满足的游客需求转移到了其他“安全”的热门旅游省份。

2020年12月，在北京、沈阳疫情尚未完全消除的情况下，石家庄、哈尔滨、长春、上海等地相继暴发新疫情，且疫情形势持续加重，全国客运航空网络由疫情轻微阶段发展为严重阶段，研究发现：

(1)除上海与成都外，所有省会城市的网络影响力均有所下降。这是因为新一轮疫情波及面更广、影响程度更深，且疫情暴发地区多与北京在地理位置以及人员流动上关系紧密(如河北地区与东北地区)。北京因其政治、经济、文化中心的特殊地位，全国紧急收紧出行政策(包括春节期间实行的“就地过年政策”)，全方位削减了客运航空网络的航班总量。据统计：相较于疫情轻微阶段，疫情严重阶段的全国客运航班总量降幅达8.7%，其中，疫情高风险地区的沈阳、石家庄的航班量降幅超过30%。

(2)上海与成都网络影响力提高的原因在于：这两个城市的客运需求巨大；上海虽然暴发了新的疫情，但其疫情形势并不严峻；沪蓉航线随着成都解除疫情航班数量有所提升(根据附表2和附表3，沪蓉航线的航班量在疫情严重阶段环比增长12%)。

综上分析可得到以下重要结论：北京、上海、广州、成都、重庆在全国省会城市客运航空网络中占据领导地位，当这些城市暴发轻微疫情时会提高其周边拥有发达铁路网络的省会城市的网络影响力。然而，当这些城市暴发严重疫情时(尤其是北京)，其他省会城市的网络影响力会全面下降。此外，热点旅游省份暴发轻微疫情会提高远离疫情暴发地的其他热门旅游省份省会城市的网络影响力。

(二)新冠肺炎疫情下全国省会城市网络控制力分析

各省会城市的网络控制力通过“中间中心性”指标来刻画。同样借助“截断点”思想，基于网络控制力指标，本文将全国省会城市划分为5个等级，如表5所示。对比表4与表5可以发现，从网络控制力角度分析，第一等级的省会城市大多是由贵州、呼和浩特、乌鲁木齐、银川等二三线省会城市。网络控制力不仅反映了某个省会城市在网络中的不可替代性，更反映了网络中的“薄弱环节”。以呼和浩特、乌鲁木齐为例，其所在的内蒙古自治区与新疆维吾尔自治区从面积来看均是我国的大省，然而，除省会城市外，这两个自治区并无其他经济强市或人口大市；相反，这两个自治区的经济发展整体滞后、居住人口分散。因此，内蒙古自治区与新疆维吾尔自治区的大部分城市要与外省份(尤其是远距离省份)展开经贸往来，必须通过呼和浩特或乌鲁木齐进行中转。例如，呼伦贝尔前往其他省份的航班多需要经过呼和浩特中转。此外，成都、重庆、广州也具有较高的网络控制力，前两者作为西南甚至西北的门户(许多飞往西藏或兰州的航班也会在川渝地区中转)，后者则作为华东的门户服务两广和江西省(目前南宁市和南昌市的航线网络不全，大多通过广州中转)。

表5 全国省府城市网络控制力等级划分

对比数据分析可知：北京、成都、沈阳等地暴发的轻微疫情使得全国省会城市客运航空网络的中介能力整体下降14.5%，仅天津的中介能力有所提升；石家庄、哈尔滨、长春、上海等地再次暴发新疫情，且北京疫情形势加重后，全国省会城市客运航空网络的中介能力进一步整体下降12.3%，仅郑州、长沙、南昌的中介能力有所提升。

毫无疑问，从网络控制力角度分析，新疫情的暴发对客运航空网络造成了负面影响，并导致绝大部分省会城市(尤其是北京、上海、广州这样的网络领导者)的网络控制力下降了。然而，正如前文的分析，网络整体控制力的下降意味着疫情下客运航空网络的“薄弱环节”随之暴露。上述现象可以从以下两方面进行解释：首先，随着疫情恶化，出行政策逐步收紧，客运航空需求下降，中转需求亦减少，因此“中转瓶颈”问题相对不突出；其次，为了突破疫情下客运航空网络的“中转瓶颈”，我国空管与航运部门临时增加多条短途航线(含单向和双向)来缓释客运需求。如表6所示，在疫情轻微阶段，航空公司增加了天津至沈阳等航班来缓解北京的中转压力；在疫情严重阶段，航空公司主要增加了郑州、南昌、长沙等地的短途航班来盘活中东部客运航空网络。整体来看，2020年11月至2021年1月，全国省会城市之间新增10条双向短途航线和19条单向短途航线，且新增航线具有两个特点：(1)疫情形势越严峻，新增的临时短途航线越多；(2)新增临时短途航班主要位于我国中东部地区，一是因为这些地区人口密度高、经济相对发达，二是因为其所在地理位置有利于更好地发挥新增航线的辐射效应。

表6 疫情轻微阶段和疫情严重阶段全国省会城市间新增短途航线

综上分析可得到以下重要结论：省会城市的网络控制力越高,越能反映出全国省会城市客运航空网络中的“薄弱环节”所在。具体表现为，呼和浩特、乌鲁木齐等经济欠发达省会城市以及成都、重庆、广州三地在网络中具有较高的网络控制力。随着疫情发展，我国中东部地区按需新增临时短途航线能够有效突破客运航空网络的“中转瓶颈”。

五、结论与政策建议

本文通过构建疫情发展三个阶段的全国省会城市客运航班数量矩阵，利用社会网络分析法分析了各省会城市的网络影响力和网络控制力在三个阶段中的动态变化，得到以下主要结论及与之对应的政策建议：

(1)就网络影响力而言，北京、上海、广州、成都、重庆在全国省会城市客运航空网络中占据领导地位，当它们暴发轻微疫情时，会提高其周边拥有发达铁路网络的省会城市的网络影响力；当它们(尤其是北京)暴发严重疫情时，全国各省会城市的网络影响力会全面下降。因此，当具有高网络影响力的城市暴发轻微疫情时，空管与航运部门应该将更多航线布局到靠近疫情暴发地且具备发达铁路网络的周边城市，以缓解旅客需求；当具有高网络影响力的城市暴发严重疫情时，全国客运航空网络的恢复能力取决于这些城市的疫情防控以及恢复情况。因此，政府应该加大对高网络影响力城市的疫情防控力度，否则将重创全国客运航空网络。

(2)热点旅游省份暴发轻微疫情会提高其他远离疫情暴发地的热门旅游省份省会城市的网络影响力。因此，在疫情轻微阶段，当热门旅游省份暴发疫情，空管与航运部门应该将更多航线布局到远离疫情暴发地的其他旅游省份，以适当引流旅客、舒缓游客出行需求，也能弥补航空公司在疫情中的损失。

(3)就网络控制力而言，呼和浩特、乌鲁木齐等经济欠发达省份的省会城市以及成都、重庆、广州在网络中具有较高的网络控制力。同时，这些省会城市也是我国客运航空网络的“薄弱环节(中转瓶颈)”所在。因此，政府应该加大对高网络控制力城市的疫情防控力度，否则，高网络控制力城市暴发疫情将在一定程度上影响其所控制地域的旅客出行或中转需求。此外，空管与航运部门可以根据疫情发展形势以及旅客出行需求变化，在我国中东部地区动态增设临时短途航线来破除客运航空网络的“中转瓶颈”。