楊 柳 白 釗 張 婷

中國民航飛行學(xué)院，機(jī)場(chǎng)工程與運(yùn)輸管理學(xué)院，廣漢，618307

0 引 言

機(jī)場(chǎng)作為航空運(yùn)輸網(wǎng)絡(luò)的重要組成部分，在航空運(yùn)輸中扮演的角色越來越重要。研究我國機(jī)場(chǎng)分類不僅可以為我國機(jī)場(chǎng)布局和規(guī)劃提供依據(jù)，簡化政府對(duì)機(jī)場(chǎng)發(fā)展的具體政策，同時(shí)也可以為機(jī)場(chǎng)自身建設(shè)發(fā)展提供根據(jù)。吳琪[1]等人也為我國的機(jī)場(chǎng)發(fā)展進(jìn)行了定位，客觀說明了準(zhǔn)確定位機(jī)場(chǎng)的重要性。

目前的機(jī)場(chǎng)分類主要有以下幾種：

（1）依據(jù)旅客吞吐量對(duì)機(jī)場(chǎng)分類。例如，美國FAA按照旅客吞吐量占當(dāng)年旅客運(yùn)輸量的比例將機(jī)場(chǎng)分為四類：大型樞紐機(jī)場(chǎng)、中型樞紐機(jī)場(chǎng)、小型樞紐機(jī)場(chǎng)和非樞紐機(jī)場(chǎng)。

（2）依據(jù)機(jī)場(chǎng)重要程度和地理位置對(duì)機(jī)場(chǎng)分類。例如，加拿大將機(jī)場(chǎng)分為：國家機(jī)場(chǎng)系統(tǒng)、地方機(jī)場(chǎng)、小型機(jī)場(chǎng)和北極圈機(jī)場(chǎng)。

（3）依據(jù)機(jī)場(chǎng)的類型對(duì)機(jī)場(chǎng)分類。例如，巴西將機(jī)場(chǎng)分為：民用機(jī)場(chǎng)、軍用機(jī)場(chǎng)、特殊機(jī)場(chǎng)和臨時(shí)機(jī)場(chǎng)。

我國目前的機(jī)場(chǎng)分類主要還是依據(jù)旅客吞吐量，方法比較單一簡單，往往帶有較強(qiáng)的主觀性和任意性，并且分類所得的同類型機(jī)場(chǎng)共性較少，使得對(duì)比分析比較模糊粗略。為了避免這些缺陷，機(jī)場(chǎng)分類還需要考慮更多的影響因素，并且要采用科學(xué)客觀的分類方法，這樣才能使同類機(jī)場(chǎng)之間有更多的相似性，機(jī)場(chǎng)發(fā)展戰(zhàn)略及政府政策才能更好地具有一般性。因此，本文選取眾多可能影響機(jī)場(chǎng)分類的因素，應(yīng)用神經(jīng)網(wǎng)絡(luò)等技術(shù)將我國機(jī)場(chǎng)進(jìn)行細(xì)分，并比較所分各類機(jī)場(chǎng)之間的特點(diǎn)。

1 自變量及分類方法選擇

董志毅[2]等人在機(jī)場(chǎng)分類問題中提出可能影響機(jī)場(chǎng)分類的影響因素有：（1）機(jī)場(chǎng)運(yùn)營指標(biāo)：旅客吞吐量、貨郵吞吐量、航線條數(shù)、起降次數(shù)；（2）機(jī)場(chǎng)所在城市宏觀經(jīng)濟(jì)指標(biāo)：GDP、職工平均工資、接待入境人數(shù)、外國直接投資、就業(yè)人數(shù)、總?cè)丝跀?shù)、第三產(chǎn)業(yè)占 GDP比重、城市綜合能力；（3）綜合交通指標(biāo)：鐵路客運(yùn)量、公路客運(yùn)量；（4）機(jī)場(chǎng)自身指標(biāo)：航站樓面積、旅客吞吐量增長率16個(gè)因素。他所選的16個(gè)影響因素不光考慮了機(jī)場(chǎng)本身，還考慮了影響機(jī)場(chǎng)發(fā)展的外部因素，比較全面可靠，但由于數(shù)據(jù)的可得性以及指標(biāo)的模糊性，本文借鑒其所選擇的15個(gè)影響因素，即旅客吞吐量、貨郵吞吐量、航線條數(shù)、起降次數(shù)、GDP、職工平均工資、接待入境人數(shù)、外國直接投資、就業(yè)人數(shù)、總?cè)丝跀?shù)、第三產(chǎn)業(yè)占GDP比重、鐵路客運(yùn)量、公路客運(yùn)量、航站樓面積、旅客吞吐量增長率。

收集2012年我國通航的177個(gè)機(jī)場(chǎng)的數(shù)據(jù)可以看出，自變量之間并非相互獨(dú)立，而是存在著較強(qiáng)的相關(guān)性，因此在使用一般方法分類時(shí)，比如模糊聚類[3]，必須先要篩選自變量。篩選自變量的方法有主成分分析法、局部保持映射法、局部線性鑲嵌法等。但是這些算法容易陷入局部最優(yōu)解，有的可能破壞數(shù)據(jù)的拓?fù)浣Y(jié)構(gòu)，并且縮小了數(shù)據(jù)量，即減少了有用信息，使得分類結(jié)果存在較大偏差且使得問題復(fù)雜化。自組織特征映射網(wǎng)絡(luò)（SOM）的數(shù)據(jù)分類方法是一個(gè)由全連接的神經(jīng)元陣列組成的無教師、自組織、自學(xué)習(xí)的網(wǎng)絡(luò)，根據(jù)輸入空間中輸入向量的分組進(jìn)行學(xué)習(xí)和分類。SOM 網(wǎng)絡(luò)是由輸入層和輸出層構(gòu)成的兩層網(wǎng)絡(luò)，與傳統(tǒng)的聚類方法相比，SOM 網(wǎng)絡(luò)形成的聚類中心可以被映射到一個(gè)曲面或平面上，以保持固定不變的拓?fù)浣Y(jié)構(gòu)。孫進(jìn)進(jìn)[4]等人同樣利用 SOM神經(jīng)網(wǎng)絡(luò)將我國民用機(jī)場(chǎng)進(jìn)行了分類，但只選用了董志毅等人處理之后剩下的 8個(gè)影響因素，且僅僅將我國2010年全國客貨吞吐量排名前40位的機(jī)場(chǎng)進(jìn)行了分類，潛移默化之中加重了客貨吞吐量影響因素的權(quán)重，更重要的是沒有充分應(yīng)用SOM神經(jīng)網(wǎng)絡(luò)分類優(yōu)勢(shì)。利用SOM神經(jīng)網(wǎng)絡(luò)來進(jìn)行機(jī)場(chǎng)分類，可以省去對(duì)自變量多重性的處理，只是增加了運(yùn)行時(shí)間，但是由于機(jī)場(chǎng)數(shù)據(jù)數(shù)量在可接受范圍之內(nèi)，較多的數(shù)據(jù)另一方面也增大了網(wǎng)絡(luò)學(xué)習(xí)，使結(jié)果更準(zhǔn)確，且運(yùn)行時(shí)間也在幾十分鐘之內(nèi)，同時(shí)本文采取此方法先進(jìn)行大分類，再進(jìn)行小分類，結(jié)果更客觀、合理。

本文選用15個(gè)影響因素，利用SOM神經(jīng)網(wǎng)絡(luò)方法來進(jìn)行分類，既補(bǔ)充了其缺陷，同時(shí)又更科學(xué)、更準(zhǔn)確、更簡單和更全面。

2 SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及學(xué)習(xí)算法簡介

SOM 網(wǎng)絡(luò)由輸入層和競(jìng)爭(zhēng)層構(gòu)成，輸入層神經(jīng)個(gè)數(shù)為m，競(jìng)爭(zhēng)層是由a*b個(gè)神經(jīng)元組成的二維平面列陣，輸入層與競(jìng)爭(zhēng)層各神經(jīng)元之間實(shí)現(xiàn)全連接。SOM 網(wǎng)絡(luò)的一個(gè)典型特征就是可以在一維或者二維的處理單元陣列上，形成輸入信號(hào)的特征拓?fù)浞植?，因此SOM網(wǎng)絡(luò)具有抽取輸入信號(hào)模式特征的能力。SOM神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[5]如下：

2.1 網(wǎng)絡(luò)初始化

用隨機(jī)數(shù)設(shè)定輸入層和映射層之間的權(quán)值初始值。對(duì)m個(gè)輸入神經(jīng)元到輸出神經(jīng)元的連接權(quán)值賦予較小權(quán)值。選取輸入神經(jīng)元j個(gè)鄰接神經(jīng)元的集合Sj。其中Sj（0）表示時(shí)間t= 0的神經(jīng)元j的鄰接神經(jīng)元集合，Sj（t）表示時(shí)刻t的鄰接神經(jīng)元的集合。區(qū)域Sj（t）隨時(shí)間的增長不斷減小。

2.2 輸入向量的輸入

2.3 計(jì)算映射層的權(quán)值向量和輸入向量的距離

（歐式距離）

在映射層，計(jì)算各神經(jīng)的權(quán)值向量和輸入向量的歐式距離。映射層的第j個(gè)神經(jīng)元和輸入向量的距離，如式(1)所示:

式中，ijω為輸入層的i神經(jīng)元和映射層的j神經(jīng)元之間的權(quán)值。通過計(jì)算，得到一個(gè)具有最小距離的神經(jīng)元，將其稱為勝出神經(jīng)元，記為j*，即確定出某個(gè)單元k，使得對(duì)于任意的j，都有dk= min(dj)，并給出其鄰接神經(jīng)元集合。

2.4 權(quán)值的學(xué)習(xí)

按式（2）修正輸出神經(jīng)元*j及其鄰接神經(jīng)元的權(quán)值：式中，η為一個(gè)大于0小于1的常數(shù)，隨著時(shí)間變化逐漸下降到0：

2.5 計(jì)算輸出 ko

式中，(*)f一般為1～0函數(shù)或者其他非線性函數(shù)。

2.6 是否達(dá)到預(yù)先設(shè)定的要求

如達(dá)到要求則算法結(jié)束；否則，返回步驟（2）進(jìn)入下一輪學(xué)習(xí)。

3 我國民航機(jī)場(chǎng)的SOM聚類分析

選用2012年我國通航的177個(gè)機(jī)場(chǎng)，根據(jù)所統(tǒng)計(jì)自變量數(shù)據(jù)，使用MATLAB軟件實(shí)現(xiàn)SOM網(wǎng)絡(luò)的構(gòu)建，輸入層共15個(gè)節(jié)點(diǎn)，分別對(duì)應(yīng)所選的15個(gè)自變量。競(jìng)爭(zhēng)層數(shù)選為3，訓(xùn)練步數(shù)選為10 000次，由此將我國民用機(jī)場(chǎng)分為三大類，之后再分別將每一大類機(jī)場(chǎng)進(jìn)行細(xì)分，最終分類結(jié)果如表1所示。

表1 我國機(jī)場(chǎng)分類Tab. 1 Classficstion of the civil airports of our country

續(xù)表

4 我國民航機(jī)場(chǎng)分類結(jié)果特點(diǎn)對(duì)比

值，比較各類別機(jī)場(chǎng)特征如表2所示。

根據(jù)以上所分類別，求取各類別機(jī)場(chǎng)指標(biāo)的平均

表2 不同類別機(jī)場(chǎng)比較Tab.2 Comparision of different catagories of the airports

5 結(jié) 論

本文在全面考慮了影響機(jī)場(chǎng)分類因素的情況下，運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)，將我國177個(gè)機(jī)場(chǎng)進(jìn)行了分類，由分類結(jié)果可以看出，機(jī)場(chǎng)所分類別更加細(xì)致，相同類別機(jī)場(chǎng)之間的共性更大，這說明基于 SOM 的分類方法客觀、科學(xué)，能夠準(zhǔn)確地把握各個(gè)類別的本質(zhì)聯(lián)系。同時(shí)，運(yùn)用這種方法較好地彌補(bǔ)了以往分類考慮不周全、主觀性較強(qiáng)的缺點(diǎn)。在各類機(jī)場(chǎng)比較時(shí)，選取了各類機(jī)場(chǎng)指標(biāo)的平均值，個(gè)別特殊機(jī)場(chǎng)無法區(qū)分，這也是本文的不足所在。但是 SOM 方法的客觀性及精準(zhǔn)性，使得誤差進(jìn)一步縮小。利用SOM分類方法準(zhǔn)確地將我國民用機(jī)場(chǎng)分類，不僅可以為我國機(jī)場(chǎng)布局和規(guī)劃提供依據(jù)，同時(shí)可以簡化我國政府工作，為不同類型機(jī)場(chǎng)進(jìn)行政策指導(dǎo)，而且對(duì)于比較和評(píng)價(jià)機(jī)場(chǎng)提供了一個(gè)科學(xué)平臺(tái)，可以深入研究同類型機(jī)場(chǎng)的運(yùn)行效率、競(jìng)爭(zhēng)力評(píng)價(jià)等問題。由此可知，科學(xué)、準(zhǔn)確地將我國民用機(jī)場(chǎng)進(jìn)行分類對(duì)我國民航的發(fā)展有著重要的作用。

[1] 吳琪, 何繼紅, 鄭曉娣. 準(zhǔn)確定位指導(dǎo)發(fā)展戰(zhàn)略—— 對(duì)中國機(jī)場(chǎng)發(fā)展定位的幾點(diǎn)思考[J]. 中國民用航空, 2007, (3): 23-28.

[2] 董志毅，夏新平.我國機(jī)場(chǎng)分類的影響機(jī)理與聚類分析研究[J].商業(yè)視角，2006:190-191.

[3] 徐豪杰. 基于聚類分析的我國機(jī)場(chǎng)分類研究[J]. 空運(yùn)商務(wù), 2011, (19): 42-44.

[4] 孫進(jìn)進(jìn), 王苗苗. 基于 SOM 神經(jīng)網(wǎng)絡(luò)的民用機(jī)場(chǎng)分類方法[J]. 交通科技與經(jīng)濟(jì), 2013, 15(5): 82-84.

[5] 史峰, 王小川, 郁磊, 等. MATLAB 神經(jīng)網(wǎng)絡(luò) 30個(gè)案例分析[M]. 北京: 北京航空航天大學(xué)出版社,2010.