王占偉，趙明明，李華星

（1.濱州學院 機場學院，濱州256603）

（2.西北工業(yè)大學 航空學院，西安710072）

0 引 言

全球特別是亞洲地區(qū)的經(jīng)濟近年來發(fā)展迅速，在提升本地區(qū)航空運輸產(chǎn)業(yè)發(fā)展的同時，也造成各機場之間激烈競爭的局面，為了應對這種局面，許多機場都在進行新建或改擴建，例如，2019年，北京大興機場開通運行4條跑道，2040年前規(guī)劃新建3條跑道。運營績效是機場運營狀態(tài)的核心指標，提高機場的未來運營績效，是機場可持續(xù)發(fā)展的關(guān)鍵，對其進行準確預測，是改善機場運營績效的基礎。為了制定相應的戰(zhàn)略滿足航空運輸市場的需求，機場公司需要進行航空運輸需求的預測，除了各大機場，還有國際民航組織（ICAO）、國際航空運輸協(xié)會（IATA）、聯(lián)邦航空管理局（FAA）、波音公司（Boeing）、空客公司（Air‐bus）和中國商飛（COMAC）等都十分重視航空運輸需求預測。

很多研究者對機場運營績效進行預測研究。陳太林等將灰色理論應用于機場航空業(yè)務量的預測，提出了灰色模型的預測方法，并指出該方法理論先進，預測結(jié)果較為可靠，具有一定的應用價值；林小平等利用灰色理論，建立了成都雙流機場貨郵吞吐量的預測模型，通過實際數(shù)據(jù)與預測結(jié)果的比較，證明灰色模型對于雙流機場貨郵吞吐量的預測具備可行性，同時具有較高的精度；A.Ahmed等提出了用于機場短期需求預測的時間序列模型，該模型對外界不同因素如何影響機場活動水平做出了評估；B.C.B.Rafael等提出了一種改進的灰色模型，用于預測航空運輸旅客需求的增長，并用美國國內(nèi)航空運輸?shù)臄?shù)據(jù)對灰色模型和提出的模型表現(xiàn)進行了比較；H.K.T.Wai等運用Box-Jenkins季節(jié)ARIMA模型和ARI‐MAX模型對香港國際機場旅客吞吐量進行預測，并預測2015年機場旅客吞吐量的增長趨勢；陳玉寶等采用組合加權(quán)法對首都機場2012—2016年的旅客吞吐量進行預測，發(fā)現(xiàn)組合預測法能夠提高預測的準確性，減少預測誤差；楊新湦等采用指數(shù)平滑模型、灰色模型、線性趨勢外推法三種組合方法對未來珠三角地區(qū)特征年民航客運量和貨運量進行預測；Wang Zhanwei等采用灰色模型定量分析法對亞洲12個機場的運營績效進行了預測，利用2014—2017年的統(tǒng)計數(shù)據(jù)來預測2018—2021年的運營績效。但由于突發(fā)的新冠肺炎嚴重沖擊，導致2020、2021年的預測值失真嚴重，另外上述研究對機場的運營績效指標包含不夠全面，除參考文獻［11］之外，其余文獻只考慮了航空服務績效或機場財務績效。

本文研究的機場運營績效指標包括航空服務績效和機場財務績效，其中，航空服務績效包含兩個子指標：旅客吞吐量和貨郵吞吐量，機場財務績效包含兩個子指標：機場整體收益和機場凈收入。考慮到突發(fā)事件定量預測造成的失真問題，本文采用定性和定量相結(jié)合的方法對10大樣本機場運營績效進行預測。

1 機場運營績效預測方法

1.1 灰色模型

灰色模型是建立在灰色理論基礎之上的，需要原始的預測參數(shù)序列。在建立灰色模型GM（1，1）之前，要做兩種檢驗：準光滑性檢驗和準指數(shù)檢驗，如果這兩種檢驗都通過，則可以建立灰色模型GM（1，1）對參數(shù)進行預測，否則要對原始數(shù)據(jù)進行對數(shù)等轉(zhuǎn)換之后再進行檢驗，具體檢驗和預測流程見參考文獻［11-12］。

1.2 ARIMA模型

自回歸綜合移動平均值（ARIMA）模型提供了一種時間序列預測方法，旨在描述數(shù)據(jù)中的自相關(guān)。在多元回歸模型中，使用預測因子的線性組合預測變量，在自回歸模型中，使用變量過去值的線性組合預測變量?！白曰貧w”表明它是變量對自身的回歸。移動平均模型不是使用回歸中預測變量的過去值，而是使用類似回歸模型的過去預測誤差。如果將差分模型與自回歸模型和移動平均模型相結(jié)合，就得到一個非季節(jié)性ARIMA模型。

任何隨時間順序觀察到的對象都是一個時間序列。在預測時間序列數(shù)據(jù)時，目的是估計觀測序列將如何繼續(xù)。在描述ARIMA模型中的時間序列時，使用了諸如“趨勢”和“季節(jié)性”等需要更仔細定義的術(shù)語。當數(shù)據(jù)長期減少或增加時，就會出現(xiàn)一種趨勢，因此序列不必是線性的。有時將趨勢稱為“變化的方向”，即它可能從增加的趨勢變?yōu)闇p少的趨勢。正如相關(guān)性是度量兩個變量之間線性關(guān)系的程度一樣，自相關(guān)性是度量時間序列的滯后值之間的線性關(guān)系。

1.3 評估定量預測模型的精確性

為了評估定量預測模型的精確性，需要對預測值進行檢驗，根據(jù)實際值和預測值的大小，計算殘差和相對誤差。

預測誤差值為預測值與實際值在對應時間的差值，即：

預測誤差值在一定程度上可以反映出預測模型的成功與否。在本文中，采用兩種測量方法來測量預測模型的精度，兩種方法分別是平均絕對百分比誤差

e

和最大絕對百分比誤差

e

。首先計算

e

。

式中：

n

為誤差數(shù)；

x

為實際值；

e

為誤差值。然后計算

e

。

式中：

x

為實際值；

e

為誤差值。

e

和

e

兩個參數(shù)的數(shù)值越小，意味著預測結(jié)果越精確，越令人滿意。當

e

和

e

的數(shù)值小于5%時，說明預測結(jié)果精度較高。

2 數(shù)據(jù)集

在選擇樣本機場時，主要遵循以下兩個原則之一：（1）東亞、東南亞以及南亞的航空運輸樞紐，并且都是所在國家的代表性機場，2019年旅客吞吐量超過4 000萬人次；（2）機場公司是上市公司。因此，選取的樣本機場為：北京首都（PEK）、東京羽田（HND）、上海浦東（PVG）、廣州白云（CAN）、深 圳 寶 安（SZX）、上 海 虹 橋（SHA）、香 港（HKG）、英迪拉·甘地（DEL）、樟宜（SIN）、仁川（ICN）。

航空服務中，最能體現(xiàn)機場運營績效的指標為旅客吞吐量、貨郵吞吐量；在非航服務中，本文選擇機場整體收益、機場凈收入兩個指標。2019年末，突然發(fā)生了新冠肺炎，2020年擴散到了全球，這是突發(fā)事件，不具有長期性，造成2020年機場運營績效（SZX和PVG的貨郵吞吐量除外）大幅下降，除了SZX和PVG逆勢增長的貨郵吞吐量以外的其他2020年機場運營績效的數(shù)據(jù)不能作為原始數(shù)據(jù)。因此，對于運營績效的預測，本文以10大機場2016—2019年的旅客吞吐量、貨郵吞吐量、機場整體收益、機場凈收入作為原始數(shù)據(jù)（2020年SZX和PVG逆勢增長的貨郵吞吐量也作為原始數(shù)據(jù)），預測2021—2025年的機場運營績效。由于本文采用的樣本機場涉及多個國家（中國、日本、韓國、新加坡和印度），為了確保機場之間具有可比性，所有財務數(shù)據(jù)（包括機場總收益和凈收入）均轉(zhuǎn)換為美元。采用定性定量結(jié)合分析法預測機場運營績效的研究思路如圖1所示。

圖1 采用定性定量結(jié)合分析法預測機場運營績效Fig.1 Using combination of qualitative and quantitative analysis to forecast airport operational performance

樣本機場的名稱和主要特征如表1所示，每年的平均運營數(shù)據(jù)（2016—2019）如表2所示。

表1 樣本機場及其主要特征一覽表Table 1 List of sample airports and their main characteristics

表2 樣本機場年均運營數(shù)據(jù)（2016—2019年）Table 2 Annual average operating data of sample airports（2016—2019）

本文的數(shù)據(jù)來源包括：國際機場協(xié)會（ACI）、CAPA Fleet Database、國際航空運輸協(xié)會（IA‐TA）、中國民用航空局（CAAC）、世界銀行集團（WBG）、國際貨幣基金組織（IMF）、國際權(quán)威評級機構(gòu)晨星網(wǎng)（Morningstar）、機場年度報告、機場月度報告以及機場官方網(wǎng)站等。

根據(jù)ACI的排名，廣州白云機場2020年的客運量超過4 300萬人次，從2019年的全球11位躍居第1位；深圳寶安機場（從第26位上升到第5位）、北京首都機場（從第2位降至第6位）、上海虹橋機場（從第46位上升到第9位）。

3 實證結(jié)果分析

2019年末突發(fā)的新冠肺炎，造成2020年機場運營績效大幅下降，隨著疫苗的廣泛接種，預計2021年機場運營開始恢復，2022年將恢復到2019年的水平，2023年重新進入上升階段，因此2021—2022年機場運營績效采用定性分析的方法進行預測，2023—2025年的用模型來預測。亞洲樞紐機場年度運營績效屬于平穩(wěn)的時間序列數(shù)據(jù)（突發(fā)事件需要用定性分析進行修正），ARIMA和灰色模型兩種方法都適合對其進行預測和分析，先對兩種預測方法進行比較，根據(jù)比較結(jié)果，選擇更優(yōu)的預測法進行預測。

3.1 兩種預測方法的比較

對于兩種模型的比較，主要從以下兩個方面進行：首先，檢查預測模型的適用性；然后，評估預測結(jié)果的誤差并對兩種方法進行對比。

本文采用廣州白云國際機場2009—2017年的旅客吞吐量歷史數(shù)據(jù)來預測2018年的旅客吞吐量，并與2018年旅客吞吐量真實數(shù)據(jù)進行驗證，進而對比兩種預測方法的準確性。用來預測對比的數(shù)據(jù)如表3所示。

表3 廣州白云機場和北京首都機場旅客吞吐量（2018年1-9月）Table 3 Passenger throughput of Guangzhou Baiyun Airport and Beijing Capital Airport（Jan.to Sep.，2018）

對廣州白云、北京首都機場旅客吞吐量進行預測，灰色模型和ARIMA兩種預測方法比較結(jié)果如表4所示。

表4 兩種預測方法比較Table 4 Comparison of two forecast methods

從表4可以看出：兩種預測方法的預測結(jié)果都是可以接受的，但是相比ARIMA模型，灰色模型更優(yōu)。用同樣的方法對所選擇的10大機場的運營績效指標——旅客吞吐量的預測進行對比分析，發(fā)現(xiàn)灰色模型更優(yōu)。

3.2 采用定性定量結(jié)合分析法預測機場運營績效

本文中機場運營績效包括旅客吞吐量、貨郵吞吐量、機場整體收益、機場凈收入4大指標，基于旅客吞吐量預測結(jié)果確定了灰色模型預測方法更有效，因此先用灰色模型預測北京首都機場的運營績效指標——旅客吞吐量，根據(jù)文獻［11-12］，得到使用同樣的比較法，發(fā)現(xiàn)對于運營績效指標——貨郵吞吐量、機場整體收益、機場凈收入的預測結(jié)果，灰色模型預測方法同樣更有效，因此確定采用灰色模型方法對亞洲10大樞紐機場運營績效展開預測。

采用灰色模型進行預測，得到2016—2020年10大機場運營績效的

e

（如表5所示）和

e

（如表6所示），其中PVG、SZX預測值的平均絕對百分比誤差是2017—2020年的，其他8大機場是2016—2019年的；PVG、SZX預測值的最大絕對百分比誤差是2017—2020年的，其他8大機場是2016—2019年的。

表5 預測值的平均絕對百分比誤差（2016—2020年）Table 5 Average absolute percentage error of forecasted values（2016—2020）

表6 預測值的最大絕對百分比誤差（2016—2020年）Table 6 Maximum absolute percentage error of forecasted values（2016-2020）

從表6可以看出：機場的旅客吞吐量和貨郵吞吐量的

e

相對比較大，這主要是由于航空運輸市場需求的較大波動造成的。為了檢驗模型的精確度，將2016—2020年10大機場的預測誤差進行分析。以上海浦東機場為例，旅客吞吐量的

e

僅為0.60%，貨郵吞吐量的

e

僅為1.13%，機場整體收益的

e

為0.30%、機場凈收入的

e

僅為0.06%。在預測結(jié)果的所有

e

中，最大的是2.60%；同樣，還是以上海浦東機場為例，旅客吞吐量的

e

僅為0.91%，貨郵吞吐量的

e

僅為1.71%，機場整體收益的

e

僅為0.32%，機場凈收入的

e

僅為0.06%，在預測結(jié)果的所有

e

中，最大的是3.80%。預計從2023年開始未來三年機場的運營績效將穩(wěn)步提升，所有預測結(jié)果的

e

和

e

都小于4%，因此認為灰色模型預測結(jié)果是可接受的。

對10大機場2021—2025年的運營績效進行預測，考慮到中國大陸疫情控制措施得當、效果良好，2021年五一假期國內(nèi)出游火爆，但國際防疫形勢依然嚴峻，因此2021—2022年運用定性分析預測法（除了上海浦東和深圳寶安機場貨郵吞吐量預測），2023—2025年運用灰色模型定量預測法。

由于新冠疫情突發(fā)事件，為了提高預測的可靠性，對2021—2025年預測的數(shù)據(jù)用定性分析法進行如下修正：

（1）預計中國大陸5大機場（北京首都、上海浦東、廣州白云、深圳寶安、上海虹橋）三大運營績效指標（旅客吞吐量、機場整體收益、機場凈收入）2021年將恢復到2019年80%的水平，2022年將完全恢復并且比2019年增長3%的水平，北京首都機場由于受到北京大興機場的分流，預計2021—2025年每年比預測值下降20%。

（2）疫情對貨郵吞吐量的增長是把雙刃劍，既促進了一部分機場的增長，又打壓了其他機場的增長，深圳寶安機場貨郵吞吐量2020年比2019年同期增長9.0%，達到了1 398 782.51 t，上海浦東機場2020年比2019年同期增長1.4%，達到了3 686 627 t，這兩大機場需要單獨預測（上海浦東和深圳寶安機場貨郵吞吐量預測應用2017—2020年的數(shù)據(jù)進行），其他8大機場貨郵吞吐量按照2020年比2019年的同一增長率（方法1）來預測2021—2022年的值，而后與方法2（2021年將恢復到2019年80%的水平，2022年將完全恢復并且比2019年增長3%的水平）預測值進行比較，取較大值作為2021—2022年的預測值，預測過程如表7所示（不包括PVG、SZX）。

表7 樣本機場貨郵吞吐量預測（2021—2022年）Table 7 Cargo throughput forecast of sample airports（2021—2022）

（3）香港、東京羽田、仁川、英迪拉·甘地、樟宜5大非中國大陸機場運營績效2021年將恢復到2019年50%的水平，2022年將完全恢復到2019年的水平。

預測結(jié)果如表8所示。

表8 樣本機場各年運營績效預測（2021—2025年）Table 8 Annual performance forecast of sample airports（2021—2025）

續(xù)表

3.3 預測結(jié)果分析

（1）機場旅客吞吐量。根據(jù)預測，“十四五”期間（2021—2025年），廣州白云機場旅客吞吐量（從58 702 780人次增長到86 259 558人次）將繼續(xù)超過香港機場（從35 643 317人次到70 206 437人次），這使廣州白云機場保持并鞏固粵港澳大灣區(qū)第一航空客運樞紐的地位。考慮到北京大興機場短期的分流效應，根據(jù)預測，2022年，東京羽田機場旅客吞吐量將超過北京首都機場，重新成為亞洲第一的航空客運樞紐，不過，2025年，仁川機場將超過東京羽田機場，達到87 531 006人次，首次成為亞洲第一航空客運樞紐，如果北京首都機場關(guān)注預測結(jié)果并能找到合適的策略，在亞洲長時間保持航空客運樞紐第一的位置也是可能的，這也說明了機場運營績效預測的重要性和意義。2025年，中國大陸三大傳統(tǒng)世界樞紐機場北京首都、上海浦東、廣州白云的旅客吞吐量將達到同一數(shù)量級8 600萬人次，在地理空間布局上更為優(yōu)化。

（2）機場貨郵吞吐量。新冠肺炎促進了一部分機場的貨郵吞吐量的增長，在所選取的樣本機場中，上海浦東和深圳寶安兩大機場貨郵吞吐量不減反增，深圳寶安機場尤為突出，2020年比2019年同期增長9.0%。2021—2025年香港機場依然保持貨郵吞吐量亞洲第一，上海浦東機場穩(wěn)坐第二，仁川機場穩(wěn)坐第三。2021年開始直到2025年，廣州白云機場和深圳寶安機場的貨郵吞吐量即將超過北京首都機場，中國大陸的航空貨運版圖將迎來大洗盤，南強北弱的格局進一步得到加強。

（3）機場財務績效。新冠肺炎嚴重打擊了機場的非航服務，機場財務績效下滑明顯，在整個預測期間，仁川機場將超過香港機場，奪取機場總收益和凈收入亞洲第一；相對其他亞洲機場，中國大陸5大機場雖然已經(jīng)上市，但是財務績效特別是凈收入偏低，需要對標其他亞洲樞紐機場特別是已經(jīng)上市的東京羽田機場來提升財務績效。中國大陸機場財務績效爭奪戰(zhàn)進入白熱化，上海浦東機場2025年將超過北京首都機場，廣州白云機場2024年將開始超過上海浦東機場和北京首都機場，奪取中國大陸機場總收益和凈收入第一。

4 結(jié) 論

（1）為盡可能消除突發(fā)事件對機場運營績效預測的不確定性影響，定性定量結(jié)合分析法是有效的。

（2）機場運營績效定量預測時，灰色模型優(yōu)于ARIMA模型。

（3）2025年仁川機場將首次成為亞洲第一客運樞紐；香港機場將保持貨郵吞吐量亞洲第一；仁川機場將成為財務績效亞洲第一；2024年白云機場將成為中國大陸財務績效第一機場。建議中國大陸機場重視非航服務創(chuàng)新，提升機場財務績效，發(fā)展臨空經(jīng)濟，建設航空大都市，促進機場可持續(xù)發(fā)展。

（4）相對亞洲其他樞紐機場，中國大陸機場財務績效特別是凈收入偏低，這與中國作為世界第二大航空運輸市場的地位形成鮮明的對比。

（5）本文的局限性在于沒有包括2019年旅客吞吐量4 000萬以上的其他亞洲樞紐機場，后續(xù)研究可以朝著這個方向，對亞洲主要樞紐機場的運營績效進行全面的預測。