摘要：随着经济全球化的趋势，北京对航空物流市场的需求不断增加。本文立足代表北京市航空物流发展水平的北京首都机场，运用灰色GM(1，1)模型对其未来三年航空货邮吞吐量进行预测。通过对标国内外典型枢纽机场，评估其航空物流发展水平，最后提出发展建议，以期对北京市航空物流发展有所贡献。

　　关键词：北京首都机场;货邮吞吐量;灰色GM(1，1)模

　　一、引言

　　北京市是中华人民共和国的首都，是国务院批复确定的中国政治、文化、国际交往、科技创新中心。作为空港型国家物流枢纽承载城市，具有航空货流密度高、航线网络辐射范围广、交通便利、地位突出等特点。

　　北京首都国际机场为4F级国际机场，截至目前，北京首都国际机场拥有三座航站楼，两条4E级跑道，一条4F级跑道，以及旅客、货物处理设施。2020年1月26日起，受疫情影响，首都机场八条省际巴士线路暂停运营。2020年3月15日起，首都机场全部国际及港澳台地区进港航班调整进港流程，均需停靠首都机场处置专区。因此，航空物流发展显得尤为重要。

　　随着疫情全球化的出现，有序提升北京市双枢纽航空货运效率能力，加快发展国际航空物流快运体系，促进经济发展，满足人民生活需要所需提供的高效便捷稳定的物流支撑，就变得尤为重要。航空货运问题是我国政府有关部门和物流相关企业关注的重大及紧迫的热点问题之一，优化北京市双枢纽航空货运模式，支持快递企业在航空货运领域的发展，加强企业与政府之间的联系，对于推动物流业降本增效和交通运输绿色低碳发展，完善现代综合物流运输体系具有积极意义。

　　现阶段，面对疫情全球化，通过对首都机场2010~2019年的物流基础设施、国际航线、货邮吞吐量、新技术应用情况数据资料的分析，对未来三年航空货邮吞吐量等货运指标进行科学预测;并将北京双枢纽航空货运构成要素、基础设施、周转效率、物流服务等反应货运能力的相关指标进行调研，找出北京市航空“双枢纽”货运创新模式，是值得探讨的问题。

　　二、航空物流预测及评价模型理论基础

　　就机场建设而言，机场吞吐量预测是机场项目建设可行性研究的重要课题，是实现机场资源配置的重要依据。货运吞吐量作为机场业务量重要组成部分，作为衡量航空运输发展的重要指标，采用科学、准确的预测方法对其研究意义重大：利于机场把握发展趋势，合理规划，提升航空物流竞争力。货邮吞吐量的预测方法有定性预测和定量预测两种：定性预测有德尔非法、情景分析法等，定量分析方法有弹性系数、回归分析、指数平滑、灰色预测、神经网络等。

　　辛曼玉等人用ARIMA和RBF神经网络相结合的组合预测模型显著提高了系统的预测能力和预测精度,提高港口吞吐量预测准确性和客观性, 最后对福建省沿海港口进行了实例应用, 为港口规划决策及吞吐量预测提供了一种新思路[1]。黄邦菊等用多元线性回归对西南机场的吞吐量预测，得到较合理精度较高的结果，为该机场所在城市第二机场建设决策者提供实际参考意义[2]。殷继勇等采用灰色预测理论中的GM (1，1) 模型对“十二五”规划期间广西航空市场货邮吞吐量进行准确、可靠的预测, 把握广西航空整体的货邮市场发展趋势, 为广西民航业制定规划方案、政策和发展战略等提供一定的帮助[3]。梁红梅等人用灰色系统对广州白云机场货邮吞吐量进行了有效预测并对白云机场发展提供了许多有效建议[4]。

　　灰色预测模型, 是通过少量的、不完全的信息建立数学模型并做出预测的一种预测方法,有少数据建模的优势，从表面上看是随机的、无章的, 但其实质却是有序、有界的, 数据之间找出规律，形成数学关系而确定系统的发展趋势。本文采用灰色预测GM(1，1)模型对代表北京航空物流发展水平——首都国际机场未来三年航空货邮吞吐量进行科学预测，再结合大兴机场评估北京航空“双枢纽”物流发展的整体水平，为相关企业把握发展趋势、制定全方位发展战略提供依据。

　　三、北京首都机场航空货邮规模预测

　　(一)模型建立

　　灰色GM(1，1)首先将原始离散非负数据列，通过一次累加生成弱化随机性、较为规律的离散数据列，其次通过构建微分方程拟合，最后再累减生成预测值。本文依据北京首都机场2011~2019年货邮吞吐量数据，预测未来三年货邮吞吐量变动情况，构建GM(1，1)模型，其步骤如下：

　　(1)弱化随机性

　　设x (0)为原始非负数据列，并记x (0)=(x (0)(1)，x (0)(2)…，x (0)(n)) (1)

　　经过一次累加生成x (1)，x (1)=(x (1)(1)，x (1)(2)…，x (1)(n) (2)

　　其中x (1)(m)=■x (0)(i)，m=1，2，n (3)

　　令z (1)(m)为数列x (1)的紧邻均值生成数列，其中δ=0.5，即

　　z (1)=(z (1)(2)，z (1)(3)，…，z (1)(n)) (4)

　　z (1)(m)=δx (1)(m)+(1-δ)x (1)(m-1)，m=2，3，…，n (5)(2)微分方程拟合

　　采用一阶单变量微分方程进行拟合，得到白化方程(影子方程)GM(1，1)，

　　■=-■x (1)+■ (6)

　　将初始值带入，即求出对应解

　　■ (1)(m+1)=x (0)(1)-■e■+■m=1，2，…，n-1 (7)

　　(3)累减生成预测值

　　■ (0)(m+1)=■ (1)(m+1)-■ (1)(m)=(1-e■)x (0)(1)-■e■，m=1，2，…，n-1 (8)

　　模型中的参数-a为发展系数，b为灰色作用量，-■，■分别为其对应估计值，-a反映了■ (1)与■ (0)的发展态势。

　　(4)残差检验

　　计算航空货邮吞吐量相对残差，并判断精度是否理想。

　　绝对残差Δ (0)(k)=x (0)(k)-■ (0)(k)，k=2，3，…，n (9)

　　相对残差ε(k)=■×100%，k=2，3，…，n (10)

　　平均相对残差■(k)=■■ε(k) (11)

　　如果对所有的■(k)<20%，认为GM(1，1)对原数据拟合达到一般要求;如果对所有的■(k)<10%，则认为达到较高要求[5]。

　　(5)级比偏差检验

　　由x (0)(k-1)和x (0)(k)计算出原始数据的级比σ(k)，即

　　σ(k)=■，k=2，3，…，n (12)

　　级比偏差η(k)=■■ (13)

　　平均级比偏差■=■■ (14)

　　η(k)越小，说明x (0)(k)和■ (0)(k)越接近，如果，认为GM(1，1)对原数据拟合达到一般要求;如果对所有的■<0.1，则认为达到较高要求。

　　(二)数据模拟

　　将北京首都机场2011~2019年货邮吞吐量数据带入GM(1，1)模型，基于Windows10(x64)操作系统，MatlabR2019a仿真平台进行模拟。结果显示，平均相对残差为0.016882<0.1，残差检验结果表明：该模型对原数据拟合程度具有较高水平;平均级比偏差为0.027349<0.1，级比偏差检验结果表明：该模型对原数据拟合程度同样具有较高水平。对比历史数据发现，除2018年原始数据与预测值偏差较高外，其余年份预测值与原始数据拟合度具有较高水平，预测精准度较理想。因此，笔者认为通过灰色GM(1，1)模型对北京首都机场未来三年货邮吞吐量的预测效果十分满意。

　　(三)结论

　　北京首都机场航空物流规模逐年增长，2012年货邮吞吐量为164.02万吨，同比增长10.2%;2013至2019年持续稳定增长，增长率几乎稳定在1.76%;2020年北京首都机场航空货邮吞吐量有望达到207.8109万吨，2021年增至211.4614万吨，2022年将实现215.1758万吨的突破。基于此，对影响北京首都机场航空物流发展的相关因素科学有效评估，有助于更好应对急剧增长的航空物流需求。

　　四、发展建议

　　机场物流基础设施与航空物流的发展水平呈正相关，只有设施达到一定规模，才能承载更多的物流业务;只有全面提升机场基础设施保障能力，才能做大做强北京航空枢纽地位，进而构建一流的内陆开放高地。基于此，机场集团应重点做好以下几点：①加大对跑道、滑行道、货机位、货运站的建设力度，完善枢纽功能，进一步巩固枢纽地位。②加强货运飞行队伍建设，增加航点航线、全货机数量，提高飞机利用效率，提升货运服务质量，以形成竞争优势。③引进先进物流设施设备，完善货运站功能，提升货邮周转能力;引入大数据、人工智能、区块链等新兴技术与航空物流融合发展，打造可视化、智能化、溯源化、标准化的物流业务全流程运作模式。④加强航空物流园区建设，物流园区将机场与企业串联，为航空货运产品集聚、中转提供了广阔平台，政府应重视物流园区的建设，出台政策激励措施，吸引大量国内外物流、货代等优质公司入驻，刺激航空市场需求，形成产业集聚，切实提升北京首都机场航空物流发展水平。⑤加强与国内外航空公司合作力度，互增航线航班，共享优质货源;出台航空性业务优惠政策，吸引更多国内外知名航空公司入驻机场，进一步扩大北京首都机场的辐射范围。⑥加大航空物流人才储备，人才是行业发展的源动力，政府应加大航空物流人才引进、强化高校人才培养力度，为北京航空物流的发展增添活力。C

　　(作者单位：北京物资学院物流学院)

　　基金项目：国家自然科学基金面上项目[71772016];2021北京市教委社科一般项目-基于5G技术的北京航空“双枢纽”智慧货运系统研究[SM202110037006];北京市优秀人才培养资助项目“京津冀多式联运枢纽动态监测网络平台构建研究”;2020北京市教委实培项目-北京航空“双枢纽”货运预测及模式创新研究

　　参考文献

　　[1]辛曼玉.基于ARIMA-RBF神经网络的沿海港口吞吐量预测研究[J].武汉理工大学学报(交通科学与工程版),2014,38(01):241-244.

　　[2]黄邦菊,林俊松,郑潇雨,方学东.基于多元线性回归分析的民用运输机场旅客吞吐量预测[J].数学的实践与认识,2013,43(04):172-178.

　　[3]殷继勇,杨洋.基于灰色GM(1,1)模型的广西航空物流预测分析[J].物流技术,2012,31(05):92-94.

　　[4]梁红梅,宋建阳.广州白云机场航空物流预测与对策[J].物流技术,2005(08):28-30.

　　[5]汪芸芳,史意,陈丽华. 基于BP神经网络及灰色GM(1,1)模型的服装供应链第三方库存预测应用研究[J]. 数学的实践与认识, 2020(03): 278-285.