论文部分内容阅读
航空客运需求预测对于航空管理来说具有重大的实际意义，尤其在航空布局、规划建设以及运营的管理过程中，对未来需求的精准把握是必不可少的决策依据。其中涉及到的管理决策非常广泛，例如，政府部分的发展战略制定及财政划拨、机场设施扩建及新建、航线布局;短期运营管理决策包括机场工作人员排班、飞机调度及维护计划、航空公司广告投放及销售策划等等。航空客运需求预测不仅事关机场管理当局与地方政府的决策有效性，也是肩负着提高航空公司盈利的重任。 由此可知，航空客运需求预测方法研究的意义非常，尤其对于中国这样的发展中国家，航空运输行业正在经历高速发展时期，航空运输行业在国民经济发展中扮演着重要的角色，甚至已经成为经济增长不可或缺的动力之一。然而，昂贵的航空设施设备投入及航空服务产品的易逝性特征，使对该行业的投资建设极具风险。因此，对中国航空客运需求预测方法的深入探讨和研究兼备学术价值和实际意义。 基于TEI@I方法论，本文提出航空客运需求的集成预测框架;然后在此框架的指导下，分别针对短期、中期以及长期航空客运需求预测的若干问题提出相应的预测方法和模型。本文的主要创新点和特色可以概括如下: 1)基于TEI@I方法论提出了一个航空客运需求集成预测框架，“先分解，再集成”的核心思想将指导后续具体的模型开发。该预测框架不仅考虑传统的定量预测模型，也结合了专家经验和知识在预测过程中的指导与调整作用。专家知识在需求预测相关文献中已受到越来越多的关注，尤其对中长期的预测而言，专家的经验和知识变得尤为重要。 2)针对一般性的需求预测研究开展了系统的文献计量分析。利用CiteSpace文献计量分析软件的辅助计算，通过网络图形等视觉化方式获取需求预测研究领域的知识全貌、研究模式、标志性文章以及未来的研究趋势。在过去数十年的相关文献中，这是首次尝试描绘需求预测研究的演化路径，并强调了需求预测的研究趋势。这为需求预测如航空客运需求预测的方法研究提供了清晰的参考。 3)提出一个基于经验模态分解的短期集成预测框架，来解决极度不稳定的环境下短期航空客运需求预测问题。在这个框架下，原始月度时间序列首先被分解为线性部分和非线性部分;接着，由于在不稳定的经济环境中非线性特征的复杂性，非线性部分通过经验模态分解方法被分解为若干本征模态函数和一个残差项。然后，分别选取适合的线性预测模型和非线性预测模型应用于相应的成分;最后，将所有成分预测值集成得到最终预测值。 4)为具有复杂季节特征的经济序列，提出一个基于季节分解与网络搜索数据的短期集成预测框架，特别针对受移动节假日效应影响的若干月份，因为移动节假日效应严重影响了传统预测模型的预测效果。同时，还讨论了利用周度谷歌趋势数据进行及时预测的过程。此处最主要的创新点在于将网络搜索数据，即谷歌趋势数据，嵌入到短期航空客运需求预测模型中，并显著提升了预测精度。这是一次成功的尝试，将来可被拓展到其他研究问题中。 5)针对历史需求不可观测性这个一直以来被忽视的问题，本文基于随机前沿分析模型和模型平均技术，提出了一个估计与预测潜在需求的方法，并应用到中期航空客运需求预测研究中。在相关的需求预测文献，这是首次尝试估计并预测真实的潜在需求。 6)为中国航空客运需求提出了一个长期预测框架。首先，分析航空客运需求与影响因素之间的长期协整关系，并为未来的航空运输发展状况设置若干合理情景;其次，借助发达国家的航空发展经验，为中国航空运输市场的长期发展描绘出可能的演化趋势图。综合上述两部分并结合专家的领域知识，我们测算了2020年以及2030年的航空客运需求预测值。我们强调了专家知识在长期预测过程中的重要性，专家知识几乎参与了次预测框架的每一步骤。 值得注意的是，上述提出的需求预测方法均为一般性的预测框架，也能被应用到其他行业或其他领域的预测问题中。