基于GBDT模型的机场旅客轨道交通出行预测研究

摘要：在当前我国各大城市机场的建设布局逐步成型的背景下，机场轨道交通建设为整治城市空间、优化城市功能、激发街区活力提供了有利契机。针对机场轨道建设中涉及的乘客出行预测问题，本文以长三角地区五个重要的机场为例，分析了影响机场旅客乘坐轨道交通出行的关键因素，并采用梯度上升决策树模型对出行情况进行预测，为我国机场轨道交通设施建设方案提供重要参考。

关键词：GBDT模型；轨道交通；预测

DOI：10.12433/zgkjtz.20240107

随着我国主要城市机场的布局逐渐成型，枢纽机场的综合交通系统建设日益引起重视。而轨道交通作为枢纽机场综合交通系统的重要组成部分，也越来越受到关注。为了更好地促进区域交通互联、提高旅客出行体验、为机场轨道交通建设提供可靠参考，需要精准预测机场旅客乘坐轨道交通出行情况。

预测机场旅客乘坐轨道交通出行是一个复杂的系统工程，本文以长三角地区五个引入轨道交通的机场为例，对机场旅客乘坐轨道交通出行的影响因素进行了分析，采用梯度上升决策树模型（Gredient Boost Decision Tree），分析不同的技术指标，预测机场旅客乘坐轨道交通出行，并对GBDT模型在预测机场旅客乘坐轨道交通出行中的适用性进行分析。

一、机场轨道交通的意义

近年来，我国交通基础设施建设取得了长足发展，枢纽机场联通轨道交通在实践中不断探索融合，逐步从以城市轨道为主的单一模式向多层次轨道交通系统转变。轨道交通（如地铁、轻轨、机场快线等）可以提供便捷的交通接驳服务，将机场与城市及其他交通枢纽相连。轨道交通作为一种载客量大、运行效率高的交通方式，可以分担机场周边道路的交通负荷，减少机场陆侧交通拥堵问题，还可以吸引更多旅客选择公共交通，减少私家车的使用，降低交通压力，改善交通流动性，使得旅客方便地从机场到达城市各个地区或其他目的地，提高了机场的可达性和互联性。

二、机场旅客乘坐轨道交通出行影响因素分析

（一）旅客出行时间

在经济学领域中，所有社会活动都被抽象成为生产和消费，当个人在参加生产和消费的过程中，始终会伴随时间消耗，即个人为自身的生产和消费付出的成本。把这种时间消耗推及到更广泛的社会层面，交通出行的时间消耗则成为国民经济活动中的一种成本支出。

旅客出行时间指的是乘客按照出行行为从出发点抵达目的地（机场）所消耗的时间。本文计算的旅客出行时间指旅客乘坐轨道交通（高铁/城际+城市轨道交通）抵达机场所花费的行程时间。

通过对长三角地区上海/浦东、上海/虹桥、南京/禄口、宁波/栎社、温州/龙湾五个引入轨道交通机场的到、离港外地旅客的出行时间进行分析，发现五个机场80%以上外地旅客的出行时间均在120min以内。

（二）高铁服务频次

高铁服务频次是指一天内由本地发往目的地的高铁车次数量，是为满足旅客出行需求提供运输服务产品的数量水平的集中体现。与民航运输相比，高铁在服务频次上的优势较为突出，高铁的在途运行也相对更加稳定，车次的安排更加固定，对于赶时间的旅客而言具有强大的吸引力。

通过对上海/虹桥、上海/浦东、南京/禄口、宁波/栎社、温州/龙湾五个引入轨道交通的到、离港外地旅客高铁的服务频次进行分析，发现上海虹桥机场的高铁服务频次为1175次、上海浦东国际机场的服务频次为1689次、南京禄口国际机场的服务频次为1601次、宁波栎社国际机场的服务频次为458次、温州龙湾国际机场的服务频次为506次。航空旅客出行选择上，机场与周边城市高铁的通达性越显著，高铁服务频次越高，吸引旅客人数越高。

（三）人口、GDP

机场的本质是服务于人，满足人的出行和货物运输需求，运输服务的供给充足与否、服务质量高低取决于人的需求。机场通过提供运输服务促进经济和社会的发展。

2019年，长三角地区三省一市常住人口累计22620.34万人，比上年增加178.96万人。其中，江苏省常住人口7976.3万人，比上年增加19.3万人。安徽省常住人口6365.9万人，比上年增加42.3万人。浙江省常住人口5850万人，比上年增加113万人。上海市常住人口2428.14万人，比上年增加4.36万人。

2019年，长三角地区实现GDP总量237252万亿元（“三省一市”GDP总和），比上一年的211471亿元增加了25781亿元，实际增加了10.9%。上海市是长三角地区的核心，2019年上海市实现GDP为38115.32亿元，比2018年的32679.87亿元净增加5435.45亿元，上海市GDP占长三角地区总量的16.07%。2019年江苏省实现GDP为99631.52亿元，比2018年的92595.40亿元净增加7036.12亿元，江苏省GDP占长三角地区总量42%。浙江省实现GDP为62352.00亿元，比2018年的56197.00亿元净增加6155.00亿元，浙江省GDP占长三角地区总量26.28%。安徽省实现GDP为37114.00亿元，比2018年的30012.7亿元净增加了7107.3亿元，安徽省占长三角地区总量15.64%。

三、机场旅客乘坐轨道交通出行预测

（一）梯度上升决策树预测模型

Boosting方法训练基分类器时采用串行的方式，各个基分类器之间有依赖。基本思路是将基分类器层层叠加，每一层训练时，对前一层基分类器分错的样本予以更高权重。测试时，根据各层分类器结果的加权得到最终结果。

（二）机器学习模型的性能评估

训练分类模型时，给出模型的预测性能的评估值，判断模型的优劣并选出不同参数设置下的最佳模型。机器学习中常见的做法是通过使用训练集样本数据训练模型，再采用校验集来做预测，对比拟合结果与真实值，从而评估模型。

（三）基于GBDT模型构建机场旅客乘坐轨道交通出行比例预测模型

通过设置迭代次数、最小叶子数、最大深度、学习速率等参数，训练GBDT模型中。

迭代次数：GBDT中决策树的个数；

最小叶子数：树结构中每个节点的最小叶子树；

最大深度：每颗决策树的深度、层次；

学习速率：数值小，学习速度慢；数值大，容易陷入局部极值。

训练模型采用特征指标权重，如图1所示：

旅客出行时间：0.632065

高铁服务频次：0.160983

人口（万人）：0.117718

GDP（亿元）：0.089234

根据梯度提升决策树模型可以看出，旅客出行时间在机场旅客乘坐轨道交通出行中权重较大，是影响机场旅客乘坐轨道交通出行的关键因素。

四、结语

为精准预测机场旅客乘坐轨道交通出行情况，本文选取上海/浦东、上海/虹桥、南京/禄口、宁波/栎社、温州/龙湾五个引入轨道交通的机场，深入剖析机场旅选择轨道交通出行的影响因素，建立机场旅客乘坐轨道交通出行比例预测模型，并得出以下结论：

第一，影响机场旅客乘坐轨道交通出行的因素繁多，主要的影响因素包括旅客出行时间、高铁服务频次、城市人口数量和GDP。

第二，长三角地区五个有代表性的机场80%以上的外地旅客出行时间均在120min以内。

第三，铁路列车开行频次在100次/日以上时，对旅客吸引率明显提高。

第四，铁路连接人口600万以上、GDP在8000亿以上的城市时，开展空铁联运有效。

第五，采用GBDT模型能精准预测机场旅客乘坐轨道交通出行情况，可知旅客出行时间是影响机场旅客乘坐轨道交通出行的关键因素。

参考文献：

[1]高国隆，秦嘉禧，李隆云.轨道交通多线引入枢纽机场方案研究[J].综合运输，2022，44（11）：30-35.

[2]张海涛.轨道交通引入枢纽机场方案探讨[J].智能城市，2021，07（04）：126-127.

[3]张倩丽.设立雄安新区背景下的京津冀空铁联运组织模式优化研究[D].天津：中国民航大学，2019.

[4]李航.后高铁时代云南民航发展对策探讨[J].民航管理，2017（09）：14-17.

[5]王岚，向曾皙，王帅.空铁联运模式下的综合交通枢纽规划设计——以广州白云机场T3站为例[J].交通与港航，2021，08（06）：65-73.

[6]王爱云.机场轨道交通客流预测问题研究[D].西安：长安大学，2014.

[7]向劲松，张道海，刘龙胜.经济中心城市机场轨道交通规划研究——国外经验与深圳实践[J].交通与运输（学术版），2011（Z1）：136-139.

[8]高宣扬.当代社会理论[M].北京：中国人民大学出版社，2017.

[9]蒋华雄，孟晓晨.京沪高铁对沿线城市间空间相互作用影响研究[J].北京大学学报（自然科学版），2017，53（05）：905-912.[10]Valiant L G. A Theory of the Learnable[J]. Communications of the ACM，1984，27（11）：1134-1142.

作者简介：张慧如（1991），女，河南省项城市人，大学本科，工程师，主要研究方向为机场综合交通规划。