聯(lián)盟環(huán)境下國際航線市場份額預(yù)測方法研究

趙曉松，朱金福，葛 偉

(1.南京航空航天大學(xué)民航學(xué)院，南京210016；2.廈門航空公司，廈門361000；3.南京郵電大學(xué)管理學(xué)院，南京210023)

0 引 言

近年來，我國國際航空市場取得了快速發(fā)展.國際航線承運的旅客不僅來自航線兩端，還來自兩端銜接的航線網(wǎng)絡(luò)，國際航線經(jīng)營需要與其他航空公司合作.預(yù)測合作后產(chǎn)生的市場份額增量是選擇合作伙伴的重要依據(jù).我國航空公司國際航線的發(fā)展起步較晚，經(jīng)驗不足，在航空聯(lián)盟合作中較為被動.合作協(xié)議的簽訂往往依靠經(jīng)驗，具有一定的盲目性，缺乏科學(xué)有效的方法論證，導(dǎo)致合作產(chǎn)品的收益低于預(yù)期甚至出現(xiàn)虧損.目前我國多家主流航空公司均已加入航空聯(lián)盟，但卻面臨著如何充分利用聯(lián)盟資源，開展高效聯(lián)盟合作的難題.解決這個問題的關(guān)鍵，在于能否對聯(lián)盟合作產(chǎn)品的市場份額做出科學(xué)合理的預(yù)測.

在航空市場預(yù)測方面，孫宏[1]采用引力模型預(yù)測航線航空運輸需求量，并給出了模型的數(shù)學(xué)解法.何冬昀[2]首先用EM算法對航線歷史訂座數(shù)據(jù)中由于受資源限制而沒有被滿足的需求進(jìn)行彌補，然后針對機票銷售提前預(yù)訂的特點，將航線歷史訂座數(shù)據(jù)整合成一個提前日矩陣，最后用Winters模型預(yù)測航線需求.王斌等[3]通過對時間序列法、增量法、回歸分析方法、神經(jīng)網(wǎng)絡(luò)法等常用航線客流量預(yù)測方法進(jìn)行分析和比較，將時間序列和神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行組合，構(gòu)成組合預(yù)測模型.孫宏[4]對于洲際遠(yuǎn)程航線的預(yù)測問題進(jìn)行了研究，用灰色系統(tǒng)方法建立了B787機型洲際航線的預(yù)測模型.

上述研究工作大多針對特定的航線、機型，且對數(shù)據(jù)具有很強的依賴性，并不適用于聯(lián)盟合作航線市場預(yù)測.新開國際航線缺乏各種營運數(shù)據(jù).本文將采用QSI(Quality of Service Index)模型預(yù)測聯(lián)盟合作航線的市場份額.QSI模型由波音公司運籌實驗室開發(fā)[5]，被認(rèn)為是計算航線市場份額可用工具.QSI模型認(rèn)為對任意OD(Origin and Destination)市場，決定某航空公司市場份額的主要因素是該公司提供的航班質(zhì)量和飛機有效載量等.可以從旅客選擇行為出發(fā)，篩選出必要的需求影響因素，用作QSI模型的指標(biāo).通過回歸分析航線營運數(shù)據(jù)，擬合出各指標(biāo)的系數(shù)，建立QSI預(yù)測模型，預(yù)測航線市場份額.

胡皓月等[6]考慮了網(wǎng)絡(luò)中不同OD市場競爭強度差異，采用多層QSI模型預(yù)測了航線產(chǎn)品的市場份額，但是沒有考慮聯(lián)盟環(huán)境下的預(yù)測問題.

航空聯(lián)盟合作航線的營運采用同一服務(wù)標(biāo)準(zhǔn)、統(tǒng)一標(biāo)識、優(yōu)化中轉(zhuǎn)等一系列措施，提升旅客體驗，因此必須考慮這些因素對旅客選擇行為的影響，改進(jìn)QSI模型.本文首先分析行業(yè)國際航線營運大數(shù)據(jù)，凝練出必要的指標(biāo)體系，修正QSI模型，然后建立國際合作航線市場份額預(yù)測模型，并用實例分析驗證.

1 改進(jìn)QSI模型

對任意一個OD需求市場，分析各路徑產(chǎn)品的航空公司品牌、航班時刻、航班機型、票價、航程時間、繞航率等因素，分別用f1,f2,…,fn表示，則航班i的QSI值為

式中：αi為指標(biāo)的系數(shù)，需要通過航線營運數(shù)據(jù)回歸分析得到，i=1,2,…,n.

QSI模型為線性預(yù)測模型，回歸計算并不困難.有了某航線上各航班的QSI值，可以用式(2)計算航班i的市場份額.

式中：N是服務(wù)于該OD的路徑產(chǎn)品集合.

通過對單OD市場分析，可以建立某一OD市場的QSI模型.因此，本文的研究重點在于從大量歷史數(shù)據(jù)中，篩選出最佳的f1,f2,…,fn指標(biāo)，計算出相應(yīng)系數(shù)，構(gòu)建改進(jìn)的QSI模型.

1.1 模型指標(biāo)的初步選取

OD市場有多個路徑產(chǎn)品，可能是直航或者中轉(zhuǎn)，中轉(zhuǎn)可能是1次或2次，不同的中轉(zhuǎn)機場將形成不同的繞航率，以及不同航空公司營運的航班將具有不同的服務(wù)質(zhì)量，如此等等，所有這些不同屬性構(gòu)成了各種產(chǎn)品.QSI模型將產(chǎn)品屬性用于預(yù)測其市場份額.但經(jīng)典QSI模型的指標(biāo)較少，僅包含機型、中轉(zhuǎn)次數(shù)、頻率等少量指標(biāo)，不能準(zhǔn)確反映不同產(chǎn)品屬性產(chǎn)生的影響.例如對于中轉(zhuǎn)次數(shù)相同、中轉(zhuǎn)時間不同的產(chǎn)品，實際份額可能相差較大，但經(jīng)典QSI模型卻給出了相同的市場份額.因此，有必要補充QSI模型的指標(biāo)體系.

本文參考現(xiàn)有研究成果，對美國達(dá)美航空公司和荷蘭皇家航空公司進(jìn)行調(diào)研，并對大量行業(yè)國際航線營運數(shù)據(jù)進(jìn)行統(tǒng)計分析，最終選出對市場份額影響比較大的指標(biāo)因素如下：

(1)航班頻率(Freq)，頻率在很大程度上決定了航班的市場份額.

(2)機型大小(Type)，用可用座位數(shù)表示.大機型客機舒適程度更高，對于旅客有較大的吸引力.

(3)時間繞航率(TimeCode)，總運行時間與該OD最短運行時間(比如直航方式)的比值.該指標(biāo)能夠準(zhǔn)確反映旅客花費的旅行時間與最短旅行時間的差距.中轉(zhuǎn)次數(shù)多、中轉(zhuǎn)時間長的產(chǎn)品，時間繞航率會較大.該指標(biāo)能真實反映旅客在選擇同一OD不同產(chǎn)品所付出的時間成本差異.

(4)市場地位(AptShare)，反映了航空公司在OD市場的品牌影響力，用航空公司在航線上各機場旅客吞吐量的占比來表示，即按照航班始發(fā)、到達(dá)機場對應(yīng)航空公司的市場份額來計算，如圖1所示.一般而言，航空公司在某機場的市場份額越高，在對應(yīng)市場的品牌知名度和對該市場的掌控力度就越高，其在以該機場為始發(fā)地或者目的的諸多產(chǎn)品中越占優(yōu)勢，市場份額越高.該指標(biāo)反映出市場掌控力度大小，是民航市場分析開展實際業(yè)務(wù)時常用的重要指標(biāo)之一.

圖1 AptShare路徑示意圖Fig.1 AptShare path diagram

圖1中，始發(fā)地為O，第1次中轉(zhuǎn)點為T1，第2次中轉(zhuǎn)點為T2，最終目的地為D，分別由3個航班AL1、AL2、AL3完成 3 段運輸.假設(shè)P1O、P2O、P3O分別是AL1、AL2、AL3在出發(fā)機場的市場份額；P1D、P2D、P3D分別是AL1、AL2、AL3在到達(dá)機場的市場份額；表示航空公司在該OD上的市場地位.

(5)銷售網(wǎng)絡(luò)(SaleNet)，航空公司與聯(lián)盟其他成員開展合作后，可通過聯(lián)盟公司的銷售網(wǎng)絡(luò)增加銷售機會，用分值表示(0～10分)，得分越高代表銷售網(wǎng)絡(luò)越發(fā)達(dá).

(6)常旅客計劃(FFP)，用分值表示(0～10分)，得分越高代表常旅客計劃共享程度越高、服務(wù)越好.

(7)中轉(zhuǎn)服務(wù)(TransferSV)，用分值表示(0～10分)，得分越高代表聯(lián)盟合作關(guān)系越緊密，中轉(zhuǎn)流程越順暢，旅客體驗越好.

(8)服務(wù)補救(RecoverySV)，用分值表示(0～10分)，得分越高代表服務(wù)補救能力越強，旅客體驗越好.

(9)機場協(xié)同能力(AptCoordinate)，用分值表示(0～10分)，分為聯(lián)盟基地機場與聯(lián)盟外機場2類.

(10)樞紐機場的中轉(zhuǎn)時間(TransitTimes)，用在機場的停留時間(min)表示.

(11)航段數(shù)(SegNo)，該條路徑產(chǎn)品的航段數(shù)，1個起降計作1個航段.

上述第(5)～(9)共5個屬性采用專家打分法進(jìn)行評分.邀請中國南方航空公司和荷蘭皇家航空公司負(fù)責(zé)國際事務(wù)的17位專家打分，經(jīng)過第1輪的打分和第2輪的反饋和再打分，統(tǒng)計結(jié)果顯示，專家們的評分分布比較集中.鑒于該特點，每項打分均取眾數(shù)作為最后的打分結(jié)果，如表1所示.

表1 5個屬性專家打分結(jié)果Table 1 Experts score results of five attributes

從表1可以看出，不同的聯(lián)盟合作方式，指標(biāo)(5)～(9)取值不同.

結(jié)合理論研究成果和業(yè)內(nèi)實踐，本文選擇了以上11個指標(biāo)作為候選指標(biāo).機票價格對旅客選擇傾向性有影響，但由于機票價格實時變動，且航空公司最終所售產(chǎn)品的價格是商密，均不對外公布，因此由于數(shù)據(jù)不可獲得，與業(yè)內(nèi)所有這方面的實戰(zhàn)研究和產(chǎn)品一樣，本文無法把價格因素納入模型.

1.2 指標(biāo)分析

本文運用2014年國際航線實際營運數(shù)據(jù)(數(shù)據(jù)來源：Paxis、MIDT、中航信數(shù)據(jù)、OAG數(shù)據(jù))，建立數(shù)據(jù)庫，篩選QSI指標(biāo).數(shù)據(jù)記錄總計390萬余 條，具體數(shù)據(jù)信息如表2所示.

表2 數(shù)據(jù)庫信息表Table 2 Header of database

首先對各候選指標(biāo)做統(tǒng)計分析，如表3所示，列出了11個指標(biāo)的最小、最大、中位數(shù)和平均值.通過對樣本分布偏差分析，去除一部分錯誤樣本和離群樣本，以提高擬合的效果.對于一些路徑產(chǎn)品數(shù)量很少的OD對(1～2個路徑產(chǎn)品壟斷了整個OD需求)，為防止個別數(shù)據(jù)點干擾數(shù)據(jù)整體規(guī)律的現(xiàn)象發(fā)生，本文刪除了這些數(shù)據(jù)記錄.

再進(jìn)一步對指標(biāo)進(jìn)行相關(guān)性分析，分析結(jié)果如表4所示.

在上述工作基礎(chǔ)上，使用R軟件進(jìn)行擬合測試，本文不強制要求指標(biāo)系數(shù)之和為1.測試結(jié)果表明，指標(biāo)體系綜合表現(xiàn)不佳，R2僅為0.141 1，擬合結(jié)果不能反映各指標(biāo)對市場份額的影響.因此考慮對指標(biāo)體系進(jìn)行篩選.各個路徑產(chǎn)品來自不同的OD，每個OD市場競爭程度不同，競爭激烈程度對市場份額有一定影響.因此本文在指標(biāo)體系中加入競爭程度(Competition)指標(biāo)，用OD市場上可供旅客選擇的路徑產(chǎn)品數(shù)量表示.

表3 初選指標(biāo)統(tǒng)計信息Table 3 Statistics of preliminary indicators

表4 指標(biāo)相關(guān)性分析Table 4 Relevance analysis of indicators

對模型反復(fù)加入或移除變量，每一次均用AIC 準(zhǔn)則檢測，并用step函數(shù)輸出最優(yōu)的模型，即具有最低AIC值的模型，迭代過程如表5所示

表5 改進(jìn)QSI模型擬合過程表Table 5 Fitting process of the improved QSI model

最終結(jié)果為：

MktShare～Freq+Competition+TimeCode+AptShare+Type+SaleNet+TransferSV +AptCoordinate+FFP

表6給出了模型中各指標(biāo)的系數(shù)估計值、標(biāo)準(zhǔn)誤差及其他統(tǒng)計量.

表6 改進(jìn)QSI模型指標(biāo)擬合表Table 6 Correlations of the improved QSI model

從表6可以看出，已經(jīng)去除SegNo和RecoverySV指標(biāo).選中各指標(biāo)的P值均小于0.05，屬于強判定，模型的F統(tǒng)計量為2 159遠(yuǎn)大于1.因此本文建立的QSI指標(biāo)體系共有9項指標(biāo)，分別是：(1)Freq，(2)Type，(3)TimeCode，(4)AptShare，(5)SaleNet，(6)FFP，(7)TransferSV，(8)AptCoordinate，(9)Competition.

2 算例測試

隨機選取中美航空市場上的87個路徑產(chǎn)品進(jìn)行算例測試.測試結(jié)果如圖2所示.

圖2 算例測試結(jié)果Fig.2 The result of case

圖2中柱狀圖為實際市場份額，折現(xiàn)為使用改進(jìn)QSI方法所得的市場份額預(yù)測值.從結(jié)果來看，預(yù)測的市場份額曲線基本隨實際市場份額曲線波動，有些路徑產(chǎn)品的市場份額預(yù)測值仍存在一定的誤差.預(yù)測偏差用式(3)計算.

本算例的預(yù)測平均偏差為0.292，如果使用經(jīng)典的QSI模型(指標(biāo)為中轉(zhuǎn)次數(shù)、機型、頻率)，預(yù)測平均偏差為0.561.本文提出的改進(jìn)QSI模型在預(yù)測精度上有了較大改進(jìn)，可用于我國航空公司預(yù)測聯(lián)盟合作效果，指導(dǎo)實際生產(chǎn).

為進(jìn)一步提高預(yù)測精度，在實際中可以在本文模型預(yù)測結(jié)果的基礎(chǔ)上，根據(jù)航線分析員經(jīng)驗和航線運營新數(shù)據(jù)不斷學(xué)習(xí)修正.

3 結(jié)論

本文對聯(lián)盟合作國際航線的市場份額預(yù)測問題進(jìn)行了研究.充分考慮并嘗試了目前所有可用航空數(shù)據(jù)，深入分析票價、起訖時刻、旅行總時間、中轉(zhuǎn)、機型、航空公司和機場服務(wù)等因素對旅客選擇傾向性的影響，對傳統(tǒng)QSI模型指標(biāo)進(jìn)行了擴充，甄選出最佳的指標(biāo)體系，設(shè)計出改進(jìn)QSI模型，并使用算例驗證了改進(jìn)模型的有效性.本文模型能夠有效預(yù)測國際航線合作產(chǎn)品的市場份額，可以應(yīng)用于新開航線市場份額預(yù)測、預(yù)評估聯(lián)盟合作效果等.但是，由于機票價格數(shù)據(jù)的不可獲得，限制了本模型預(yù)測精度的進(jìn)一步提升，在數(shù)據(jù)可獲得時應(yīng)當(dāng)加入到模型中，或者嘗試其他方法彌補該缺陷，這將是后續(xù)研究改進(jìn)的方向.

參考文獻(xiàn)：

[1]孫宏,史虹圣.航線運輸需求量預(yù)測模型研究[J].中國民航飛行學(xué)院學(xué)報,2004,15(5):38-40.[SUN H,SHI H S.Study on forecasting model of route transportation demand[J].Journal of Civil Aviation Flight University of China,2004,15(5):38-40.]

[2]何冬昀,羅利.航線需求預(yù)測的一種改進(jìn)Winters方法[J].交通運輸系統(tǒng)工程與信息,2006,6(6):103-107.[HE D Y,LUO L.An improved winters method of forecasting routes demand[J].Journal of Transportation Systems Engineering and Information Technology,2006,6(6):103-107.]

[3]王斌,張金隆.航線流量組合預(yù)測模型研究[J].武漢理工大學(xué)學(xué)報(信息與管理工程版),2008,30(3):441-444.[WANG B,ZHANG J L.Study on forecasting model of traffic flow combination[J].Journal of Wuhan University of Technology(Information&Management Engineering),2008,30(3):441-444.]

[4]孫宏,黃趕祥,汪瑜.基于O&D旅客需求預(yù)測的新開二線城市遠(yuǎn)程洲際航線分析：以成都—舊金山航線為例[J].交通企業(yè)管理,2015,30(6):1-3.[SUN H,HUANG G X,WANG Y.Analysis of new long distance intercontinental routes of second-tier cities based on O&Dpassengerdemand forecast[J].Transportation Enterprise Management,2015,30(6):1-3.]

[5]KLOTH R J,EDSALL T J,FINE M,et al.Method and apparatus for implementing a quality of service policy in a data communications network:US,6870812[P].2005.

[6]胡皓月,朱金福,葛偉,等.基于多層QSI的航空聯(lián)盟網(wǎng)絡(luò)優(yōu)化研究[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版),2016,40(5):880-884.[HU H Y,ZHU J F,GE W,et al.Research on optimization of aviation alliance network based on multi-layer QSI model[J].Journal of Wuhan University of Technology (Transportation Science and Engineering Edition),2016,40(5):880-884.]