楊 志 超

(天津市市政工程設(shè)計(jì)研究院，天津 300051)

機(jī)場(chǎng)離港旅客托運(yùn)行李需求預(yù)測(cè)方法的選取

楊 志 超

(天津市市政工程設(shè)計(jì)研究院，天津 300051)

通過分析機(jī)場(chǎng)離港旅客托運(yùn)行李的需求特性，引出托運(yùn)行李需求影響因素，對(duì)現(xiàn)有的預(yù)測(cè)方法進(jìn)行篩選，選擇了BP神經(jīng)網(wǎng)絡(luò)模型，并對(duì)其適用性進(jìn)行了分析，以準(zhǔn)確把握離港旅客的托運(yùn)行李需求，及時(shí)有效地分配及調(diào)度相關(guān)人員與設(shè)備。

機(jī)場(chǎng)，托運(yùn)行李，需求預(yù)測(cè)，BP神經(jīng)網(wǎng)絡(luò)

0 引言

隨著我國(guó)民航旅客運(yùn)輸量日趨增加，機(jī)場(chǎng)經(jīng)常發(fā)生旅客在值機(jī)托運(yùn)行李區(qū)域長(zhǎng)時(shí)間滯留現(xiàn)象，亦極易引發(fā)群體事件，給民航運(yùn)輸業(yè)帶來很大的負(fù)面影響。

旅客離港出發(fā)分為國(guó)內(nèi)出發(fā)和國(guó)際出發(fā)兩種。無論國(guó)內(nèi)出發(fā)還是國(guó)際出發(fā)，離港旅客都需要辦理行李托運(yùn)手續(xù)。這個(gè)環(huán)節(jié)所消耗的時(shí)間是決定離港旅客在機(jī)場(chǎng)滯留時(shí)間長(zhǎng)短的關(guān)鍵因素。只有對(duì)離港旅客的托運(yùn)行李需求變化實(shí)時(shí)準(zhǔn)確的把握，及時(shí)有效地分配及調(diào)度相關(guān)人員與設(shè)備，才能有效的減少旅客在港滯留時(shí)間，確保旅客快速登機(jī)和航班安全正點(diǎn)運(yùn)行。選用合適的預(yù)測(cè)方法即為本文研究的意義所在，本文相關(guān)數(shù)據(jù)來源于天津?yàn)I海國(guó)際機(jī)場(chǎng)。

1 離港旅客行李需求特性

離港旅客行李主要分為隨身攜帶的行李和托運(yùn)行李。機(jī)場(chǎng)離港旅客的行李運(yùn)輸主要是指離港旅客的托運(yùn)行李運(yùn)輸，是行李在飛機(jī)行李艙與航站樓之間的運(yùn)輸。

由于航空運(yùn)輸?shù)奶厥庑院桶踩裕槍?duì)離港旅客所帶的行李，各個(gè)航空公司根據(jù)飛機(jī)機(jī)型、國(guó)內(nèi)或國(guó)際航班、旅客所在航班艙位等有不同的規(guī)定。本文主要針對(duì)離港旅客的托運(yùn)行李需求進(jìn)行研究。

通過分析，離港旅客的托運(yùn)行李需求特性可以用三個(gè)量化指標(biāo)來體現(xiàn)，即為：1)數(shù)量；2)重量；3)體積。

2 托運(yùn)行李需求影響因素

影響機(jī)場(chǎng)離港旅客托運(yùn)行李需求的指標(biāo)有很多，有直接因素也有間接因素，有些因素的影響作用是微乎其微，通過分析比較與歸納，針對(duì)機(jī)場(chǎng)離港旅客托運(yùn)行李的需求，主要影響因素有以下幾種：

1)旅客數(shù)量。

以某一航班為例，離港旅客數(shù)量與旅客托運(yùn)的行李數(shù)量的關(guān)系如圖1所示。通常情況，離港旅客流量增大，相應(yīng)地離港旅客的托運(yùn)行李需求量也增大，但絕不是簡(jiǎn)單的正相比關(guān)系，它還存在很大的隨機(jī)性。同時(shí)，機(jī)場(chǎng)離港旅客托運(yùn)行李需求變化與很多因素有關(guān)，它們之間存在著非常復(fù)雜的非線性映射關(guān)系。

2)旅客出行的目的。

通過統(tǒng)計(jì)調(diào)查分析表明，以旅游度假、上學(xué)讀書為目的的離港旅客所托運(yùn)的行李明顯較多，以出差開會(huì)為目的的離港旅客所托運(yùn)的行李相對(duì)較少，旅客主要依據(jù)本次出行的目的決定著所帶行李的多少。

3)旅客的性格特征。

性格內(nèi)向的人往往做事穩(wěn)重踏實(shí)，性格外向的人往往做事果斷大氣；同樣，仔細(xì)謹(jǐn)慎的旅客所帶行李相對(duì)較多，隨性安逸的旅客所帶行李相對(duì)較少。

4)旅客的經(jīng)濟(jì)收入。

收入較高的旅客，考慮到出行的便捷性與舒適性，不會(huì)攜帶過多的行李；反之，收入較低的旅客，則會(huì)考慮出行的周全，所帶行李相對(duì)多一些。

5)航班類型，即國(guó)內(nèi)航班或國(guó)際航班。

相同登機(jī)旅客數(shù)量下，國(guó)內(nèi)與國(guó)際航班旅客托運(yùn)的行李總數(shù)情況如圖2所示。乘坐國(guó)際航班的旅客通常旅程相對(duì)較遠(yuǎn)及出行時(shí)間較長(zhǎng)，明顯比國(guó)內(nèi)航班的旅客的托運(yùn)行李需求量大。

6)航班日期。

通過分析某航班在5月份托運(yùn)的旅客行李總數(shù)情況如圖3所示，節(jié)假日期間該航班離港旅客托運(yùn)行李的需求明顯比平常日期的大。

7)航班飛行時(shí)間。

航班飛行時(shí)間的長(zhǎng)短直接反映了旅客旅程的遠(yuǎn)近，航班飛行時(shí)間具體影響作用如圖4所示。

綜上所述，可以看出機(jī)場(chǎng)離港旅客的托運(yùn)行李影響因素與最終的需求關(guān)系各異、比重各異，是很多因素共同作用下的結(jié)果，使得需求預(yù)測(cè)方法的選擇顯得尤為重要。

3 托運(yùn)行李需求預(yù)測(cè)方法

3.1 現(xiàn)有預(yù)測(cè)方法

目前，常用的預(yù)測(cè)方法主要分為兩大類，定性預(yù)測(cè)法和定量預(yù)測(cè)法?，F(xiàn)有的定量預(yù)測(cè)方法可以分為兩大種：一種方法是假設(shè)待研究變量之間存在著某種線性或類似線性曲線的關(guān)系，通過一定的計(jì)算，最后建造出反映這種關(guān)系的預(yù)測(cè)方程式。另一種方法是考慮了需求量與其影響因素間存在著非線性的關(guān)系，但是無論由此思想出發(fā)采用的回歸分析預(yù)測(cè)法，還是灰色模型預(yù)測(cè)法等其他方法，對(duì)于復(fù)雜數(shù)據(jù)內(nèi)這種復(fù)雜相關(guān)性都不能較全面與正確地表達(dá)出來，比較容易丟失數(shù)據(jù)間所反映出的某種信息。

BP神經(jīng)網(wǎng)絡(luò)不需要對(duì)輸入與輸出變量作某種事先假定，不需要各種專家經(jīng)驗(yàn)，只是通過觀察到的實(shí)際數(shù)據(jù)，通過樣本訓(xùn)練而學(xué)習(xí)抽象出其中隱含的非線性關(guān)系。它能夠比較全面準(zhǔn)確地映射出復(fù)雜數(shù)據(jù)間存在的關(guān)聯(lián)性，可以逼近任何復(fù)雜的非線性函數(shù)，從而可以很好地模擬出旅客行李需求與其影響因素的關(guān)系。

3.2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是采用梯度反差算法及其各種變化形式，建立的一種前饋反向傳播網(wǎng)絡(luò)，它可以很好地解決實(shí)際中絕大多數(shù)的非線性復(fù)雜問題[1]。BP神經(jīng)網(wǎng)絡(luò)的一般結(jié)構(gòu)如圖5所示，它是由許多人工神經(jīng)元組成的一種單方向傳播的前向網(wǎng)絡(luò)。網(wǎng)絡(luò)一般由輸入層、中間層(即隱含層)和輸出層構(gòu)成三層或三層以上的結(jié)構(gòu)，同層之間的神經(jīng)元一般沒有連接，前后層之間的神經(jīng)元實(shí)現(xiàn)了完全連接。

BP神經(jīng)網(wǎng)絡(luò)采用的是誤差反差算法，它的學(xué)習(xí)訓(xùn)練過程是由信息在網(wǎng)絡(luò)中的正向傳播和誤差在網(wǎng)絡(luò)中的反向傳播構(gòu)成的[2]。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)的基本思想為：

BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練學(xué)習(xí)時(shí)，BP神經(jīng)網(wǎng)絡(luò)會(huì)給予信息包中的有效信息較大的權(quán)值，而給予信息包中的干擾信息極小的權(quán)值，大大降低了研究數(shù)據(jù)中干擾信息對(duì)系統(tǒng)的影響，從而自動(dòng)篩選有效信息；只需給BP神經(jīng)網(wǎng)絡(luò)提供所需的樣本量，它便可以映射出從m維輸入向量到n維輸出向量的非線性關(guān)系，具有超強(qiáng)的非線性映射能力；樣本數(shù)據(jù)中所反映的數(shù)據(jù)間的非線性映射關(guān)系被BP神經(jīng)網(wǎng)絡(luò)存儲(chǔ)在權(quán)值矩陣中。在未來后續(xù)工作階段中，如果網(wǎng)絡(luò)接收到一些之前樣本中未出現(xiàn)過的數(shù)據(jù)，網(wǎng)絡(luò)也能正確地完成從輸入到輸出的映射關(guān)系，泛化能力強(qiáng)。BP神經(jīng)網(wǎng)絡(luò)的魅力還在于，當(dāng)輸入的信息有錯(cuò)誤時(shí)，也能正確地運(yùn)轉(zhuǎn)并預(yù)測(cè)[3，4]。

機(jī)場(chǎng)離港旅客的托運(yùn)行李需求并不單單只與一種因素有關(guān)，而是很多因素共同作用下的結(jié)果。同時(shí)，它們之間的這種關(guān)系并不是簡(jiǎn)單的線性相關(guān)，而是非常復(fù)雜的非線性映射關(guān)系。所以，預(yù)測(cè)機(jī)場(chǎng)離港旅客托運(yùn)行李的需求需要有多個(gè)指標(biāo)共同作用來預(yù)測(cè)，同時(shí)還要準(zhǔn)確全面地映射出這種復(fù)雜的非線性關(guān)系，從而才能使未來的預(yù)測(cè)準(zhǔn)確。BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)可以很好的實(shí)現(xiàn)這一需求。

4 結(jié)語

機(jī)場(chǎng)離港旅客托運(yùn)行李的需求變化與多重因素之間存在著復(fù)雜的非線性關(guān)系，數(shù)據(jù)之間有著復(fù)雜的內(nèi)在結(jié)構(gòu)和關(guān)聯(lián)特性，機(jī)場(chǎng)旅客托運(yùn)行李的需求變化既有周期性又有隨機(jī)性。同時(shí)加上航空運(yùn)輸?shù)奶厥庑?，普通的預(yù)測(cè)方法很難準(zhǔn)確地預(yù)測(cè)出旅客托運(yùn)行李的需求變化，丟失數(shù)據(jù)間信息量。本文通過實(shí)際數(shù)據(jù)分析，證明BP神經(jīng)網(wǎng)絡(luò)對(duì)機(jī)場(chǎng)離港旅客托運(yùn)行李需求預(yù)測(cè)的適用性。為未來建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，預(yù)測(cè)旅客托運(yùn)行李的需求奠定基礎(chǔ)。

[1] Craig V. Robertson, Shelly Shrader, Lisa M. Johnson, et al. The Role of Modeling Demand in Process Re-Engineering[A].Proceedings of the 2002 Winter Simulation Conference[C].2002:1454-1458.

[2] 王世春.BP網(wǎng)絡(luò)在多元回歸分析中的應(yīng)用[D].合肥:合肥工業(yè)大學(xué),2003.

[3] 張璐璐.基于遺傳神經(jīng)網(wǎng)絡(luò)的人民幣識(shí)別方法研究[D].吉林：吉林大學(xué),2009.

[4] Feen M. The upstart algorithm: A Method for Constructing and Training Feed forward Neural Networks[J].Neural Networks,1993(6):22-26.

The demand forecasting method selection of airport passenger departure checked baggage

YANG Zhi-chao

(TianjinMunicipalEngineeringDesignResearchInstitute,Tianjin300051,China)

Through the analysis on the demand characteristics of airport passenger departure checked baggage, leading to checked baggage demand influence factors, selected the existing forecasting methods, selected the BP neural network model, analyzed its applicability, in order to accurately grasp the passengers departure checked baggage requirements, timely and effective allocation and scheduling related personnel and equipment.

airport, checked baggage, demand forecasting, BP neural network

1009-6825(2014)34-0258-02

2014-09-20

楊志超(1986- )，男，碩士，助理工程師

V353

A