張亞男，席洋，楊嘉鈺，劉劍鋒

(北京城建設(shè)計(jì)發(fā)展集團(tuán)股份有限公司，北京100037)

0 引言

2018年4月，習(xí)總書記在考察海南島時(shí)提出支持海南全島建設(shè)自由貿(mào)易試驗(yàn)區(qū)。兩年多以來，政府部門不斷發(fā)布政策鼓勵(lì)海南自貿(mào)港建設(shè)。受其影響，?？谑袑?duì)外客運(yùn)需求將有所波動(dòng)，對(duì)外客運(yùn)承載能力將承受巨大考驗(yàn)。

學(xué)者運(yùn)用多種方法研究城市對(duì)外客運(yùn)預(yù)測(cè)。劉夏等[1]根據(jù)三亞機(jī)場(chǎng)的實(shí)際數(shù)據(jù)進(jìn)行仿真，提出灰色預(yù)測(cè)模型對(duì)機(jī)場(chǎng)客流量的預(yù)測(cè)精度較高；楊新湦等[2]結(jié)合指數(shù)平滑法、灰色預(yù)測(cè)GM(1,1)模型、線性趨勢(shì)外推法，賦予相應(yīng)權(quán)重，通過組合預(yù)測(cè)模型預(yù)測(cè)珠三角民航客運(yùn)量。由于航空客運(yùn)量的復(fù)雜時(shí)變性，以上預(yù)測(cè)方法仍有一定的局限性。Wang 等[3]提出利用改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)鐵路客流量，但由于對(duì)外客運(yùn)量與社會(huì)經(jīng)濟(jì)的強(qiáng)關(guān)聯(lián)性，受政策影響的波動(dòng)性等因素難以量化，預(yù)測(cè)值難以發(fā)揮模型精確度。程小康[4]考慮社會(huì)經(jīng)濟(jì)指標(biāo)與民航客運(yùn)的非線性關(guān)系，構(gòu)造基于判別分析-SVR的“影響因素-民航客運(yùn)量”模型，但未考慮機(jī)場(chǎng)供給系統(tǒng)對(duì)航空客運(yùn)需求的影響，預(yù)測(cè)結(jié)果有失準(zhǔn)確。

系統(tǒng)動(dòng)力學(xué)模型是由Forrester[5]開發(fā)的基于復(fù)雜系統(tǒng)、系統(tǒng)行為時(shí)變以及閉環(huán)反饋來描述系統(tǒng)關(guān)系的模型。Sterman[6]提出五步建立系統(tǒng)動(dòng)力學(xué)模型的方法，步驟之間進(jìn)行不斷迭代和反饋，形成新的系統(tǒng)回路，該方法目前已被應(yīng)用于各個(gè)領(lǐng)域。Lyneis[7]利用系統(tǒng)動(dòng)力學(xué)模型預(yù)測(cè)商用噴氣飛機(jī)的行業(yè)需求，并使用系統(tǒng)動(dòng)力學(xué)模型預(yù)測(cè)市場(chǎng)行為[8]。該理論在交通行業(yè)同樣應(yīng)用廣泛，在定性因素如政策導(dǎo)向下的模型中更受歡迎，如公交價(jià)格的影響分析[9]、交通系統(tǒng)與城市群發(fā)展的因果反饋關(guān)系[10]等。系統(tǒng)動(dòng)力學(xué)對(duì)預(yù)測(cè)過程中各子系統(tǒng)之間的關(guān)系具有良好的表現(xiàn)效果，比較適用于宏觀層面、影響因素較多的預(yù)測(cè)，故本文利用此模型預(yù)測(cè)?？谑性趪?guó)家政策發(fā)展的新形勢(shì)背景下的對(duì)外客運(yùn)量。

1 對(duì)外客運(yùn)量預(yù)測(cè)的系統(tǒng)動(dòng)力學(xué)分析

1.1 需求預(yù)測(cè)系統(tǒng)結(jié)構(gòu)

城市對(duì)外客運(yùn)需求是交通出行便捷、經(jīng)濟(jì)飛速發(fā)展衍生的高等級(jí)出行需求，直接反映國(guó)家經(jīng)濟(jì)和社會(huì)活動(dòng)的發(fā)展，受經(jīng)濟(jì)、社會(huì)等因素影響較大。經(jīng)濟(jì)方面，良好的經(jīng)濟(jì)活動(dòng)造就了大量出行需求，同時(shí)出行需求又促進(jìn)了經(jīng)濟(jì)發(fā)展，增進(jìn)了進(jìn)一步進(jìn)行交通設(shè)施投資增加交通供給的可能性，提高國(guó)內(nèi)生產(chǎn)總值比重(GDP)，三者互為正反饋。社會(huì)因素方面，人口數(shù)量及居民的社會(huì)經(jīng)濟(jì)特征是主要影響因素，對(duì)外出行方式中航空、鐵路、水運(yùn)等有不同的服務(wù)特征，因此出行需求受出行者的職業(yè)、收入、人均出行次數(shù)、出行距離等社會(huì)經(jīng)濟(jì)特征影響。此外，客運(yùn)需求同樣受設(shè)施供給約束，即客運(yùn)需求的預(yù)測(cè)要全面考慮經(jīng)濟(jì)因素、社會(huì)因素及供給能力的影響。

1.2 海島型城市對(duì)外客運(yùn)預(yù)測(cè)特點(diǎn)及模型適應(yīng)性分析

作為典型的海島型城市，?？谑袑?duì)外出行供給方式及需求組成存在典型特點(diǎn)。供給方面，海峽隔閡使得對(duì)外客運(yùn)出行主要依靠航空及港口完成，出行方式較為單一；需求上，?？谑械亩囗?xiàng)特點(diǎn)決定了需求成分更加混合，包含本地常住人口、候鳥人口、旅游出行、吸引就業(yè)4 種出行需求。本地常住人口與常規(guī)統(tǒng)計(jì)年鑒中定義的不同，是指在?？诰幼“肽暌陨喜碛泻？趹艏娜丝?；候鳥人口指季節(jié)性往返流動(dòng)的人口，2019年已納入海口市統(tǒng)計(jì)調(diào)查制度；旅游出行指從外地到海口旅游的群體，包括過夜和不過夜游客，旅游時(shí)間相比候鳥人口短，居住選擇以入住賓館、酒店為主；吸引就業(yè)人口指從2018年海南省實(shí)行一系列人才引進(jìn)政策后，所吸引外地的相關(guān)人才來?？谑新鋺舻娜丝凇＿@4種類型的人口，出行特征差異化比較突出，例如候鳥人口和旅游人口進(jìn)出島的頻次和規(guī)律比較明顯，而吸引就業(yè)人口按照政策一般都屬于教育程度較高的人才，1年內(nèi)出行方式選擇和出行頻次與本地常住人口有所不同，故需要差異化考慮不同群體的出行特征。

此外，在海南自貿(mào)港確立的大背景下，更為顯著的政策影響增加了預(yù)測(cè)的不確定性。綜合看來，影響?？谑袑?duì)外客運(yùn)需求的因素中除定量因素之外，更多的需要考慮定性因素的影響，包括不同程度的政策、社會(huì)經(jīng)濟(jì)要素變化等，需要根據(jù)因素特點(diǎn)與定量要素建立聯(lián)系將其量化，以提升預(yù)測(cè)準(zhǔn)確度。

系統(tǒng)動(dòng)力學(xué)模型是一種結(jié)構(gòu)化仿真方法，融合了定性、定量因素，彌補(bǔ)了單純定性或定量方法的不足，可以有效應(yīng)用于具有非靜態(tài)、反饋性、不規(guī)則等特征的系統(tǒng)。對(duì)于?？谑锌瓦\(yùn)需求預(yù)測(cè)，系統(tǒng)可通過事先設(shè)計(jì)政策方案及社會(huì)經(jīng)濟(jì)發(fā)展程度，結(jié)合模擬結(jié)果分析政策差異對(duì)模型預(yù)測(cè)結(jié)果的影響，對(duì)于非線性復(fù)雜社會(huì)經(jīng)濟(jì)系統(tǒng)來說，是一種非常實(shí)用且有效的分析方法。

1.3 模型背景研判

(1)現(xiàn)狀背景

2019年，?？谑谐Ｗ∪丝?32.79 萬人，冬季候鳥人口可達(dá)27.2 萬人，全市實(shí)現(xiàn)地區(qū)生產(chǎn)總值1671.93億元。?？谑心壳皩?duì)外運(yùn)輸主要依靠美蘭機(jī)場(chǎng)及客運(yùn)港口：美蘭機(jī)場(chǎng)2019年共運(yùn)送旅客2421.66萬人次，實(shí)際接待旅客能力2200萬人次，已處于過飽和狀態(tài)；客運(yùn)港口2019年旅客吞吐量1497.9萬人次，實(shí)際旅客通過能力2000萬人次。人口、GDP數(shù)據(jù)來源于《2019年海口市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》；機(jī)場(chǎng)吞吐量數(shù)據(jù)來源于《2019年民航機(jī)場(chǎng)生產(chǎn)統(tǒng)計(jì)公報(bào)(中國(guó)民航局)》；港口吞吐量數(shù)據(jù)來源于《?？诮y(tǒng)計(jì)年鑒》。

(2)政策背景

自2018年《中共中央國(guó)務(wù)院關(guān)于支持海南全面深化改革開放的指導(dǎo)意見》發(fā)布以來，密集的政策支撐成為海南自貿(mào)港蓬勃發(fā)展的新動(dòng)力，各項(xiàng)政策從不同方面有所影響，具體如表1所示。

表1 自貿(mào)港政策總結(jié)Table 1 Summary of Hainan Free Trade Port policies

(3)設(shè)施規(guī)劃

根據(jù)《美蘭機(jī)場(chǎng)總體規(guī)劃修編》，美蘭機(jī)場(chǎng)二期擴(kuò)建項(xiàng)目計(jì)劃于2020年年底開通，年吞吐量增至3500 萬人次，緩解當(dāng)前壓力；并計(jì)劃在2025—2035年間陸續(xù)擴(kuò)建，2035年實(shí)現(xiàn)年吞吐量6000 萬人次的目標(biāo)。規(guī)劃港口將承擔(dān)輪渡及湛海高鐵客運(yùn)，2025年承擔(dān)2000 萬人次，遠(yuǎn)期能力約可達(dá)4000 萬人次。

1.4 系統(tǒng)邊界和基本假設(shè)

結(jié)合模型特點(diǎn)，將對(duì)系統(tǒng)影響較大、聯(lián)系密切的因素納入系統(tǒng)。除4種出行需求之外，將經(jīng)濟(jì)發(fā)展變化及自貿(mào)港政策納入考慮范圍。綜上，建立客運(yùn)需求預(yù)測(cè)因果關(guān)系如圖1所示。

圖1 客運(yùn)需求預(yù)測(cè)因果關(guān)系圖Fig.1 Causal diagram of passenger demand forecast

模型所含4 項(xiàng)直接影響要素在社會(huì)經(jīng)濟(jì)及政策影響下形成4組負(fù)反饋環(huán)：

(1)負(fù)反饋環(huán)Ⅰ，?？趯?duì)外客運(yùn)需求→+需求減去供給→-GDP→+全島基礎(chǔ)設(shè)施投資→+候鳥人口數(shù)量→+候鳥人口需求→+?？趯?duì)外客運(yùn)需求；

(2)負(fù)反饋環(huán)Ⅱ，?？趯?duì)外客運(yùn)需求→+需求減去供給→-GDP→+人均可支配收入→+常住人口出行次數(shù)→+常住人口需求→+?？趯?duì)外客運(yùn)需求；

(3)負(fù)反饋環(huán)Ⅲ，?？趯?duì)外客運(yùn)需求→+需求減去供給→-GDP→+就業(yè)人口數(shù)量→+就業(yè)人口需求→+?？趯?duì)外客運(yùn)需求；

(4)負(fù)反饋環(huán)Ⅳ，?？趯?duì)外客運(yùn)需求→+需求減去供給→-GDP→+商旅出行需求→+?？趯?duì)外客運(yùn)需求。

基于上述反饋環(huán)建立需求預(yù)測(cè)反饋模型。

2 系統(tǒng)流圖和動(dòng)力學(xué)模型

2.1 系統(tǒng)變量

篩選有累積屬性的變量作為狀態(tài)變量，包含6個(gè)狀態(tài)變量，24 個(gè)輔助變量，7 個(gè)常量及10 個(gè)速率變量，具體如表2所示。

表2 需求預(yù)測(cè)模型變量符號(hào)Table 2 Variable of forecast model

2.2 系統(tǒng)流圖及動(dòng)力學(xué)模型

對(duì)外客運(yùn)需求由本地常住人口、吸引就業(yè)人口(新?？谌?、候鳥人口及商旅出行共同組成，不同出行特征決定其可分為4 個(gè)不同子模型考慮。其中常住人口出行次數(shù)主要受經(jīng)濟(jì)、政策等因素影響，且歷史數(shù)據(jù)波動(dòng)較大，故單獨(dú)分為子模型考慮。經(jīng)濟(jì)因素通過影響收入等間接影響不同需求，故經(jīng)濟(jì)因素可量化為GDP水平單獨(dú)作為子模型建立與其他模型的聯(lián)系。綜上，模型共考慮6 個(gè)子模型，對(duì)應(yīng)6個(gè)系統(tǒng)變量，如圖2所示。

圖2 子模型關(guān)系圖Fig.2 Sub model diagram

(1)常住人口

常住人口變化與對(duì)應(yīng)年份的自然增長(zhǎng)率相關(guān)。?？谑腥丝诮Y(jié)構(gòu)較全國(guó)老齡化比重低，自然增長(zhǎng)率略高(人口增長(zhǎng)率參考《?？诮y(tǒng)計(jì)年鑒》)。

式中：P(t)為人口數(shù)量；t為對(duì)應(yīng)年份；dt為時(shí)間變化；Pborn為出生人口；Pdeath為死亡人口。

(2)常住人口出行次數(shù)

?？谑芯用癯鰨u次數(shù)從2006年的人均2 次逐步增長(zhǎng)至2019年的3.5次。隨著城鎮(zhèn)化率增長(zhǎng)、居民可支配收入提升，居民平均出島次數(shù)將進(jìn)一步增加，同時(shí)受政策導(dǎo)向等影響會(huì)有波動(dòng)變化。出行次數(shù)參考《?？谑芯用癯鲂写笳{(diào)查》。

“客餐招待，你簽名就行了，去吃吧，不差。景點(diǎn)先擱著，我想了下，6萬塊錢不能白扔給你們，礦山復(fù)采、尾砂開發(fā)是我們著手在搞的大項(xiàng)目，可行性評(píng)估出來了，前景很好，你替我寫篇煽情的報(bào)道，撒出去，沒準(zhǔn)能引來投資?！?/p>

式中：R(t)為常住人口出行次數(shù)；U為城鎮(zhèn)化率遞增；S為人均可支配收入；γ為轉(zhuǎn)換系數(shù)；λ為供需調(diào)節(jié)系數(shù)。

(3)候鳥人口

候鳥人口變化率與海南省基本一致，全市占比隨周邊吸引力變化會(huì)有波動(dòng)變化。預(yù)測(cè)至2035年，?？谑泻蝤B人口占比將從現(xiàn)狀的16%變?yōu)?0%(數(shù)據(jù)參考《?？谑袊?guó)土空間總體規(guī)劃(2020-2035》中間稿)。

(4)就業(yè)人口

受自貿(mào)港人才引進(jìn)政策的影響，?？谑芯蜆I(yè)人口將呈現(xiàn)迅速增加態(tài)勢(shì)。截至2020年11月20日，海南省共引進(jìn)人才20.1 萬人。結(jié)合近年人才引進(jìn)的強(qiáng)力推動(dòng)，在上限2035年新增100 萬人的調(diào)控下，人才引進(jìn)吸引力將呈現(xiàn)先高后低的變化趨勢(shì)(數(shù)據(jù)參考《海南省國(guó)土空間規(guī)劃(2020-2035》中間稿)。

式中：W(t)為就業(yè)人口數(shù)量；Wi為規(guī)劃遠(yuǎn)景年總吸納就業(yè)人數(shù)；A為遷入吸引率。

(5)商旅需求

式中：B(t)為商旅出行需求；E為GDP 增長(zhǎng)率；μ為政策調(diào)節(jié)系數(shù)；

(6)全省GDP及產(chǎn)業(yè)結(jié)構(gòu)

GDP是對(duì)外客運(yùn)需求預(yù)測(cè)的關(guān)鍵因素，與總需求及各組成部分都呈現(xiàn)互動(dòng)反饋關(guān)系。GDP 增長(zhǎng)通過增加居民收入間接提升出行次數(shù)，通過基礎(chǔ)建設(shè)投資增加城市吸引力及候鳥人口出行需求，通過帶動(dòng)就業(yè)人口遷入增加商旅需求，這些同時(shí)反哺GDP增長(zhǎng)。但需求的過度增長(zhǎng)將導(dǎo)致供需失衡，返回來抑制部分出行需求，減緩GDP增速，因此均為負(fù)反饋環(huán)，需要合理處理各組成部分與GDP 增長(zhǎng)之間的關(guān)系。GDP 中二三產(chǎn)業(yè)是引發(fā)交通運(yùn)輸需求的重要來源，其中第二產(chǎn)業(yè)是推動(dòng)貨運(yùn)量增長(zhǎng)的重要原因，第三產(chǎn)業(yè)產(chǎn)值則對(duì)客運(yùn)量有顯著影響[12]。?？谑?020年三次產(chǎn)業(yè)結(jié)構(gòu)比為4.5∶15.0∶80.5，未來以交通運(yùn)輸業(yè)、旅游業(yè)等為主的第三產(chǎn)業(yè)將成為?？谑挟a(chǎn)業(yè)結(jié)構(gòu)的主導(dǎo)，故本文利用第三產(chǎn)業(yè)比重與對(duì)外客運(yùn)量的相關(guān)關(guān)系進(jìn)行預(yù)測(cè)(GDP數(shù)據(jù)參考《?？谑袊?guó)土空間總體規(guī)劃(2020—2035》中間稿)。

將因果關(guān)系圖量化，并借助Vensim_PLE 軟件建立海口市對(duì)外客運(yùn)需求預(yù)測(cè)模型系統(tǒng)流圖，如圖3所示，基于此開展仿真預(yù)測(cè)。

圖3 客運(yùn)需求預(yù)測(cè)系統(tǒng)流圖Fig.3 Flow diagram of passenger demand forecasting system

3 模型仿真

3.1 參數(shù)標(biāo)定及模型檢驗(yàn)

針對(duì)2020—2035年?？谑袑?duì)外客運(yùn)需求進(jìn)行預(yù)測(cè)。預(yù)測(cè)前利用2006—2019年?？谑薪y(tǒng)計(jì)年鑒數(shù)據(jù)進(jìn)行模型檢驗(yàn)，并對(duì)相關(guān)參數(shù)進(jìn)行標(biāo)定，包括候鳥人口占比、GDP 轉(zhuǎn)換系數(shù)、政策調(diào)節(jié)系數(shù)等8項(xiàng)參數(shù)，主要采用歷史調(diào)查法、表函數(shù)估計(jì)法[13-14]等。如候鳥人口占比利用表函數(shù)估計(jì)方法進(jìn)行標(biāo)定，GDP 轉(zhuǎn)換系數(shù)利用歷史調(diào)查法標(biāo)定[15-16]。預(yù)測(cè)結(jié)果與真實(shí)值對(duì)比結(jié)果如表3和圖4所示。根據(jù)檢驗(yàn)結(jié)果，對(duì)外客運(yùn)需求預(yù)測(cè)誤差均在5%以內(nèi)，可信度較高，故可以使用該模型進(jìn)行對(duì)外客運(yùn)需求的預(yù)測(cè)和分析。

圖4 對(duì)外客運(yùn)量需求預(yù)測(cè)與實(shí)際歷史值對(duì)比Fig.4 Comparison of external passenger volume demand forecast and actual historical value

表3 各年份預(yù)測(cè)值與實(shí)際值相對(duì)誤差Table 3 Relative error between predicted value and actual value in each year

3.2 仿真結(jié)果分析

在校核模型的基礎(chǔ)上，以2020年為起點(diǎn)，2035年為終點(diǎn)，時(shí)間步長(zhǎng)為1年，融合上述政策背景，利用模型仿真預(yù)測(cè)未來需求，得到的結(jié)果及變化趨勢(shì)如圖5所示。

圖5 2020—2035年對(duì)外客運(yùn)量需求預(yù)測(cè)值Fig.5 Forecast value of external passenger volume demand from 2020 to 2035

預(yù)測(cè)結(jié)果顯示，未來15年?？谑袑?duì)外客運(yùn)需求呈穩(wěn)步上升趨勢(shì)。分區(qū)段來看，2020—2022年為疫情影響后的快速回暖期，且隨機(jī)場(chǎng)二期開通使用，需求較2019年大幅增加；2024—2025年機(jī)場(chǎng)、港口通行能力有所飽和，客運(yùn)需求增長(zhǎng)受到部分制約，增速放緩；2026年隨機(jī)場(chǎng)指廊擴(kuò)建及湛海高鐵建成，客運(yùn)需求得到極大的釋放，且島內(nèi)自貿(mào)港建設(shè)規(guī)模成形，客運(yùn)需求在2026—2031年步入快速增長(zhǎng)階段，2032年之后客運(yùn)需求隨島內(nèi)發(fā)展平穩(wěn)也逐漸穩(wěn)定；預(yù)計(jì)在2035年將突破8000萬人次。

3.3 關(guān)鍵因素敏感性分析

總量把控的前提下，需要密切關(guān)注關(guān)鍵影響因素對(duì)最終客運(yùn)需求的影響程度，利用系統(tǒng)動(dòng)力學(xué)模型優(yōu)勢(shì)，采取控制變量原則分析因素的影響效果，以對(duì)其重要性及未來的發(fā)展研判做出指導(dǎo)。

(1)GDP變化情況下設(shè)施能力匹配分析

不同GDP 增長(zhǎng)速度下的對(duì)外客運(yùn)需求變化關(guān)系如圖6所示。GDP增速越大，對(duì)外客運(yùn)需求增長(zhǎng)越快。增速方面，當(dāng)GDP 增速保持在9%及以下時(shí)，對(duì)外客運(yùn)需求可維持穩(wěn)定的增速，2022年與2025年增速差保持在5%以內(nèi)；當(dāng)GDP 增速大于9%時(shí)，需求增速將受供給能力變化有所抑制，2025年增速僅2%，比2022年小7.02%。總量方面，GDP增速12%與6%相比，對(duì)外客運(yùn)需求差異值由2022年的470萬人次下降至2025年的280萬人次，差距逐漸縮小，隨2025年設(shè)施擴(kuò)容使用后才進(jìn)一步拉開差距。證明當(dāng)近年GDP 增速大于9%時(shí)，需要及時(shí)提前設(shè)施建設(shè)，滿足對(duì)外客運(yùn)的增長(zhǎng)需求。

圖6 GDP變化情況敏感性分析Fig.6 Sensitivity analysis of GDP changes

(2)就業(yè)引進(jìn)人口分析

分別分析人才引進(jìn)規(guī)模在60萬～140萬人時(shí)對(duì)應(yīng)GDP的變化情況，如圖7所示。人才引進(jìn)規(guī)模為100 萬人時(shí)，全省GDP 發(fā)展增速最快；2035年GDP總額分別較60 萬人及140 萬人時(shí)增加6.9%及5.1%，過少的引入無法帶動(dòng)本地經(jīng)濟(jì)發(fā)展，而過多的引入則受供給水平制約，與部分商旅需求形成競(jìng)爭(zhēng)關(guān)系，同樣導(dǎo)致GDP增速放緩。

圖7 人才引進(jìn)規(guī)模敏感性分析Fig.7 Sensitivity analysis of talent introduction scale

(3)設(shè)施供給能力影響分析

上述預(yù)測(cè)基于機(jī)場(chǎng)及湛海高鐵于2025年開通的假設(shè)進(jìn)行。作為不同類型的交通設(shè)施，開通時(shí)間的差異對(duì)需求有相應(yīng)影響，也可體現(xiàn)出兩種交通方式的適應(yīng)性特征。假設(shè)兩者有不同的開通計(jì)劃，考慮4種情況對(duì)比分析，如表4所示。

表4 對(duì)外交通設(shè)施開通計(jì)劃Table 4 Opening plan of external traffic facilities

圖8為設(shè)施供給能力敏感性分析，整體趨勢(shì)上，情景1～情景4的客運(yùn)需求依次降低，即設(shè)施擴(kuò)容越早，需求增長(zhǎng)越快。情景1 與情景2、3 對(duì)比，2028年，高鐵推遲開通減少了1.6%的客運(yùn)需求，而機(jī)場(chǎng)推遲開通則減少了7.2%；同樣，情景2、3 與4對(duì)比，分別增加了12%與5.7%，相差約6.3%。數(shù)據(jù)表明，機(jī)場(chǎng)擴(kuò)建開通影響遠(yuǎn)大于高鐵開通影響，即湛海高鐵與機(jī)場(chǎng)擴(kuò)建相比，機(jī)場(chǎng)對(duì)需求的抑制作用更顯著，高鐵影響較小，證明對(duì)海島型城市而言，出行距離均偏長(zhǎng)，且受跨海效率影響，航空于高鐵相比在200 km 以上更具明顯優(yōu)勢(shì)，因此?？谑袡C(jī)場(chǎng)的規(guī)劃建設(shè)比高鐵開通更為重要。

圖8 設(shè)施供給能力敏感性分析Fig.8 Sensitivity analysis of facility supply capacity

4 結(jié)論

系統(tǒng)動(dòng)力學(xué)模型能夠良好的適用于定性、定量多因素影響下的對(duì)外客運(yùn)需求預(yù)測(cè)，通過融合短期政策影響及長(zhǎng)期發(fā)展趨勢(shì)，模型較好地反映出疫情變化影響、自貿(mào)港政策推動(dòng)、設(shè)施供需關(guān)系及未來發(fā)展平穩(wěn)不同階段的發(fā)展特征，本次針對(duì)典型海島型城市對(duì)外客運(yùn)量預(yù)測(cè)有以下幾點(diǎn)特征。

(1)區(qū)別于傳統(tǒng)模型僅依靠歷史數(shù)據(jù)進(jìn)行需求預(yù)測(cè)而將政策導(dǎo)向等典型特征作為特殊值篩選出樣本集的方法缺陷，系統(tǒng)動(dòng)力學(xué)模型可融合定性因素，更加完善地考慮政策導(dǎo)向更為重要情境下的需求預(yù)測(cè)。

(2)模型可較高精度的擬合歷史數(shù)據(jù)，誤差可控制在5%以內(nèi)，并可對(duì)未來發(fā)展做出預(yù)測(cè)，未來2035年?？谑袑?duì)外需求將突破8000萬人次。

(3)模型對(duì)多因素敏感性分析滿足不同場(chǎng)景下預(yù)測(cè)結(jié)果的需要。GDP分析表明，量化的增速是反映客運(yùn)需求增長(zhǎng)規(guī)律的重要參考依據(jù)，根據(jù)當(dāng)年經(jīng)濟(jì)形勢(shì)可調(diào)節(jié)設(shè)施擴(kuò)容計(jì)劃；政策性人才引進(jìn)規(guī)模控制在100萬人左右可實(shí)現(xiàn)最大的經(jīng)濟(jì)效益；機(jī)場(chǎng)和高鐵的建設(shè)時(shí)序分析證明，機(jī)場(chǎng)開通相比高鐵可拉動(dòng)需求增長(zhǎng)增加6.3%，這與兩種交通方式競(jìng)合分析結(jié)果相吻合，即航空是海島型城市對(duì)外出行的主要方式。

通過本文研究，建議未來自貿(mào)港政策的頒布實(shí)施提前評(píng)估不同政策對(duì)交通系統(tǒng)的影響評(píng)價(jià)，合理研判地區(qū)承載力對(duì)政策引導(dǎo)的適應(yīng)性，以確保政策可以落地實(shí)施，實(shí)現(xiàn)能力與實(shí)施目標(biāo)的相互反饋校核。本文模擬仿真了政策引導(dǎo)下對(duì)外客運(yùn)需求的變化機(jī)理，但研究仍存在一些不足，部分微觀影響因素并沒有納入到模型中，今后將繼續(xù)對(duì)模型和參數(shù)設(shè)置進(jìn)行完善，進(jìn)一步提高模型的適用性。