宋溢露,羊 钊

(1.南京航空航天大学 民航学院,南京 211106; 2.南京航空航天大学 通用航空与飞行学院,南京 211106)

随着飞机出行方式的普及化,机场旅客吞吐量增长迅速,民航发展处于重要的战略机遇期[1],人民对安全、便捷的航空出行方式仍有更高期待.2021年全国民航运输机场完成旅客吞吐量9.07亿人次,比上年增长5.9%[2].随着民航业的复苏,机场陆侧出租车业务量持续增长,为缓解机场出租车资源供给与机场到港旅客运输需求不匹配造成的矛盾,需要提高机场出租车集疏运系统运行效率,准确把握乘坐出租车的机场旅客短时流量.若能实现精度更高的机场出租车旅客短时流量预测,将有利于机场合理分配陆侧资源,缓解机场陆侧交通压力,完善机场集疏运系统,实现旅客出行便捷高效的建设目标.

机场到港旅客出租车需求预测涉及机场流量预测和地面交通流量预测两个方面.在机场流量预测方面,方法可以分为基于线性假设的、基于非线性假设的及基于线性假设与非线性假设组合的.其中,基于线性假设的方法有ARIMA模型[3]等,基于非线性假设的方法有神经网络[4]、神经网络分位数回归[5]模型等,基于线性假设与非线性假设组合的有卡曼滤波预测模型和反向传播神经网络模型[6]组合等.在地面交通流量预测方面,近几年的研究较多运用机器学习的方法.按照预测对象,可以分为路段流量、公交车流量、出租车(包括网约车)流量及地铁流量……