亞洲10大樞紐機場運營績效預測研究

王占偉，趙明明，李華星

（1.濱州學院 機場學院，濱州256603）

（2.西北工業大學 航空學院，西安710072）

0 引 言

全球特別是亞洲地區的經濟近年來發展迅速，在提升本地區航空運輸產業發展的同時，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年前規劃新建3條跑道。運營績效是機場運營狀態的核心指標，提高機場的未來運營績效，是機場可持續發展的關鍵，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）、國際航空運輸協會（IATA）、聯邦航空管理局（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，通過實際數據與預測結果的比較，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，并用美國國內航空運輸的數據對灰色模型和提出的模型表現進行了比較；H.K.T.Wai等運用Box-Jenkins季節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法對首都機場2012—2016年的旅客吞吐量進行預測，發現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年的統計數據來預測2018—2021年的運營績效。但由于突發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。考慮到突發事件定量預測造成的失真問題，本文采用定性和定量相結合的方法對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）對參數進行預測，否則要對原始數據進行對數等轉換之后再進行檢驗，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，旨在描述數據中的自相關。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。“自回歸”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合，就得到一個非季節性ARIMA模型。

任何隨時間順序觀察到的對象都是一個時間序列。在預測時間序列數據時，目的是估計觀測序列將如何繼續。在描述ARIMA模型中的時間序列時，使用了諸如“趨勢”和“季節性”等需要更仔細定義的術語。當數據長期減少或增加時，就會出現一種趨勢，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為減少的趨勢。正如相關性是度量兩個變量之間線性關系的程度一樣，自相關性是度量時間序列的滯后值之間的線性關系。

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；

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

兩個參數的數值越小，意味著預測結果越精確，越令人滿意。當

e

和

e

的數值小于5%時，說明預測結果精度較高。

2 數據集

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，突然發生了新冠肺炎，2020年擴散到了全球，這是突發事件，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據不能作為原始數據。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據（2020年SZX和PVG逆勢增長的貨郵吞吐量也作為原始數據），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，所有財務數據（包括機場總收益和凈收入）均轉換為美元。采用定性定量結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，每年的平均運營數據（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據（2016—2019年）Table 2 Annual average operating data of sample airports（2016—2019）

本文的數據來源包括：國際機場協會（ACI）、CAPA Fleet Database、國際航空運輸協會（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）、國際權威評級機構晨星網（Morningstar）、機場年度報告、機場月度報告以及機場官方網站等。

根據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 實證結果分析

2019年末突發的新冠肺炎，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的時間序列數據（突發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，根據比較結果，選擇更優的預測法進行預測。

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據來預測2018年的旅客吞吐量，并與2018年旅客吞吐量真實數據進行驗證，進而對比兩種預測方法的準確性。用來預測對比的數據如表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果都是可以接受的，但是相比ARIMA模型，灰色模型更優。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，發現灰色模型更優。

3.2 采用定性定量結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，根據文獻［11-12］，得到使用同樣的比較法，發現對于運營績效指標——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步提升，所有預測結果的

e

和

e

都小于4%，因此認為灰色模型預測結果是可接受的。

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。

由于新冠疫情突發事件，為了提高預測的可靠性，對2021—2025年預測的數據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年的數據進行），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）

續表

3.3 預測結果分析

（1）機場旅客吞吐量。根據預測，“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注預測結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量級8 600萬人次，在地理空間布局上更為優化。

（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，上海浦東機場穩坐第二，仁川機場穩坐第三。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 論

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

（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新，提升機場財務績效，發展臨空經濟，建設航空大都市，促進機場可持續發展。

（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。