機場陸側抵港旅客出行鏈走行時間研究

孫雨婷，成洪博，林綿峰，趙凈潔，李 靜

(1.北京北大千方科技有限公司，北京 100085；2.北京市交通運行監測調度中心，北京 100161)

0 引 言

隨著國民經濟的快速發展，我國航空運輸行業在過去十幾年中取得了長足的發展。2019年，全行業完成旅客運輸量65 993.42萬人次，比上年增長7.9%。國內航線完成旅客運輸量58 567.99萬人次，比上年增長6.9%；國際航線完成旅客運輸量7 425.43萬人次，比上年增長16.6%[1]。通過合理的獲取機場陸側旅客出行鏈信息，可對機場陸側旅客出行服務管理提出更精細化、人性化的保障，是提升機場服務品質的重要研究方向。[2-4]

現階段國內外對出行鏈的研究情況如下：葉玉玲[5]提出城際出行鏈的概念，構建城際出行鏈概念模型，建立了引入心理潛變量的SEM-Logit模型，并通過路徑選擇法建立了基于城際出行鏈的SEM-Logit模型。王媛[6]基于旅游包車GPS數據，利用基于DBSCAN算法識別旅客出行停留點還原旅客日維度旅游出行鏈。戴露[7]通過設計不同出行目的類型(通勤、非通勤從及上下學)的出行試驗，采集了個體完整的出行鏈GPS數據。Qian[8]比較通勤與非通勤出行鏈之間的交通方式選擇決策，使用logit模型來估計因素對出行方式選擇的影響，包括步行，自行車，公共交通和汽車，運用熵理論對出行者的交通方式選擇決策的不確定性進行評價。Cong等[9]利用GPS數據和智能卡數據，提出了進一步提高學生群體下車站識別成功率的改進算法，從而更好的獲得學生的行程鏈和出發地—目的地矩陣。Calabrese[10]從手機數據中提取了出行距離和出行強度等信息，用于研究居民出行需求和特征，并將研究結果用于交通運輸中。從以上綜述可以得知，目前對出行鏈的研究主要集中于城市間或城市內部等較大范圍區域，而對于機場陸側這一較小范圍區域還鮮有涉及。

1 機場陸側抵港旅客出行鏈定義及構建方法

出行鏈是描述行人個體在一段時間內的途經地點(區域)的順序集合，反映了旅客在空間和時間維度上的活動，則定義機場陸側旅客出行鏈為旅客個體從旅客抵港區至多種運輸方式接續區所經過路徑在空間維度及所對應時間維度的集合。

機場陸側旅客出行鏈在空間維度上體現為旅客的出行路徑，[11]結合機場內部物理結構，機場陸側旅客普遍個體出行路徑為：當航班抵港機位為靠橋機位時，旅客可以通過廊橋步行至行李提取區；當航班抵港機位為遠機位時，旅客可以通過擺渡車到達擺渡車停靠點后步行至行李提取區。旅客經過行李提取區后到達機場到達出口后，可以通過直梯、扶梯或者步行等多種途徑到達多種運輸方式接續區。

在不考慮抵港旅客存在購物或者其他行為，旅客到達后通過廊橋進入到達大廳，經過行李提取區后到達各個接續運輸區。

在不考慮抵港旅客存在購物或者其他行為，旅客到達后通過廊橋進入到達大廳，經過海關測溫、邊防檢查、行李提取、海關檢查后到達各個接續運輸區。

2 出行鏈走行時間模型建立

在考慮到國內外抵港旅客實際出行鏈共性的前提下，先選取大興機場國內抵港旅客出行鏈中下客廊橋至行李提取區出口這一段鏈路作為研究對象，分析個人特征對旅客步速的影響，進一步結合出行路徑的距離來構建出行鏈走行時間模型。

2.1 數據采集方案與統計

首先在大興機場下客廊橋至行李提取區出口這一區域內的旅客步行通道放置錄像設備，提前測量所監測通道的直線距離，其次通過視頻分析獲得旅客步行所花費時間、性別信息以及是否攜帶行李信息，最后在錄像區域外通過問詢調查的方式獲得年齡段信息及旅客出行目的信息。

經過統計，在對大興機場航站樓步行通道旅客步行速度的調查中，共采集3 500個旅客樣本。對總數據集進行篩選、清洗操作，刪除無效樣本97個，有效數據共3 403個旅客樣本，選取2 903個樣本用于分析與建立模型，500個樣本用于驗證模型有效性。旅客步速的總體情況如表1所示。

表1 旅客步速總體情況

從表1中可以看出，在大興機場陸側航站樓步行通道內整體旅客的平均步速為1.41 m/s，旅客步速直方圖如圖1所示，可以看出旅客步行基本參數大致符合正態分布。

圖1 旅客步速直方圖

使用柯爾莫戈洛夫-斯米諾夫檢驗與夏皮羅-威爾克W檢驗對旅客步速樣本進行驗證，其檢驗結果表示，在95%的置信水平下，Sig值大于0.05，說明該樣本顯著地服從正態分布。

為了分析旅客步速影響因素，將該樣本數據與生活性街道行人運動特征[12]進行對比，對比結果如表2所示。

表2 行人運動特征對比

可以發現該數據樣本代表的航站樓步行通道內旅客步速平均值、最小值以及最大值均大于生活性街道上對應統計指標，為了建立反映旅客個人特征的步行速度模型，接下來的研究影響旅客步行時間的因素。

2.2 影響因素分析

通過采集數據統計可知，機場旅客的步行速度快慢差異較大，為了探究各類影響因素對旅客步行速度長短的影響，首先建立旅客步行速度推算模型，分析可能對旅客步速造成影響的影響因素，最后根據步行距離與步行速度的比值得到旅客出行鏈走行時間。

旅客的步行運動受到個人特征的明顯影響，影響因素涉及性別、年齡、出行目的、周邊環境、道路設施等多方面[13]。考慮到航站樓走行區域與城市交通道路構造以及對應的步行者存在明顯的特征差異，首先航站樓內走行區域環境以及設施較為單一，沒有機動車輛，對步行者更為友好；其次飛機旅客出行時通常會攜帶一定量的行李，對于步行速度會造成一定的影響。因此選定的步行速度影響因素包括：性別、年齡、出行目的以及攜帶行李四個維度，將四種影響因素分為Ⅰ、Ⅱ兩類，其中Ⅰ類包括性別、年齡以及出行目的三種因素；Ⅱ類包括攜帶行李一種因素。

綜上，以大興機場陸側旅客平均步速為基準的旅客步行速度推算模型表達式如公式(1)所示。

(1)

式中：V為旅客實際步行速度；θi為第i項Ⅰ類影響因素折算系數；v為大興機場陸側旅客平均步行速度；φ為Ⅱ類影響因素折減值。

(1)性別

在航站樓內采集的樣本中，男性占42%，女性占58%，旅客微觀參數統計結果如表3所示，結果顯示男性平均步速高于女性平均步速，同時男性步速可達到的最大值高于女性步速可達到的最大值，其步速標準差也高于女性步速標準差，說明男性的步速離散程度高于女性。通過t雙樣本檢驗，可以得出結論，在α=0.05水平下，男性和女性的步行速度差異顯著。形成這樣的差異的主要原因在于不同性別旅客之間的生理與心理差異導致的。

表3 不同性別旅客步速情況

性別對大興機場陸側旅客平均步行速度造成影響的折減系數用θ1表示。采用最小二乘法標定性別影響因素折算系數θ1，可以計算得到θ1的建議取值范圍，如表4所示。

表4 性別折算系數θ1取值范圍

(2)年齡

對采樣的人員按照青年(30歲以下)、中年(30～55歲)、老年(55歲以上)這三類進行劃分，在航站樓內采集的數據中，老年人占31%，中年人占51%，青年人占18%，其統計結果如表5所示。通過t雙樣本檢驗，可以得出結論，在α=0.05水平下，老年人、中年人以及青年人三者之間步速數據有顯著差異，形成這些差異的原因是不同年齡段旅客身體素質與心態的差別[14]。

表5 不同年齡旅客步速情況

年齡對大興機場陸側旅客平均步行速度造成影響的折減系數用θ2表示。標定年齡影響因素折算系數θ2，可以計算得到θ2的建議取值范圍，如表6所示。

表6 年齡折算系數θ2取值范圍

(3)出行目的

根據對中國航空市場行為偏好調研可知，商務和旅行仍然是現階段飛機旅客出行的主要目的[15]，兩者占比在調查樣本中達到了79%，其次是休閑。根據調查可以發現，調查結果如表7所示，出行目的為商務出行的出行者平均步速指標明顯高于旅行出行者與休閑出行者相關指標。通過t雙樣本檢驗，可以得出結論，商務出行旅客與旅行、休閑出行旅客步速相關指標存在顯著差異，其中休閑出行的旅客樣本數量較少，數據支撐相對不足，可能存在無法正確的反應該類人群總體分布的問題。

表7 不同出行目旅客步速情況

出行目的對大興機場陸側旅客平均步行速度造成影響的折減系數用θ3表示。標定出行目的影響因素折算系數θ3，可以計算得到θ3的建議取值范圍，如表8所示。

表8 出行目的折算系數θ3取值范圍

(4)攜帶行李

在航站樓內采集的總數據樣本中， 不攜帶行李的旅客占比52%；按照行李體積劃分，攜帶小中大型行李的旅客占比分別為32%、11%以及5%。其中小型行李指背包或18 inch及以下尺寸行李；中型行李指20～24 inch拉桿箱；大型行李指26 inch及以上拉桿箱。旅客步速統計指標如表9所示，通過t雙樣本檢驗，可以得出結論，無行李旅客、攜帶小型行李旅客、攜帶中型行李旅客以及攜帶大型行李旅客四者之間存在顯著差異。從表9中可看出，攜帶行李對旅客步速造成了明顯的影響，且隨著行李體積變大旅客的步速逐漸下降。

表9 攜帶不同種類行李旅客步速情況

攜帶行李對大興機場陸側旅客平均步行速度的折減值用φ表示。對行李的尺寸以及行李引起的旅客步速折減值φ進行擬合，可以得到以大興機場陸側旅客評價步速為基準的步速折減函數如公式(2)所示。

φ=-4·10-6x3-7·10-4x2-1.7·10-3x+0.12

(2)

式中：φ為攜帶行李折減值；x為攜帶行李尺寸。

擬合結果如圖2所示。

圖2 行李尺寸折減值φ映射關系示意圖

綜上，基于步速推算模型的旅客走行時間模型表達式可以用公式(3)表示。

(3)

式中：t為旅客到達時間；Lj為第j架飛機旅客步行通道長度;θi為第i項I類影響因素折算系數;v為平均步行速度;x為旅客攜帶行李尺寸;θi的取值由表10所示。

表10 影響因素θi取值

3 出行鏈走行時間模型驗證

選取大興機場從下客廊橋至行李提取區出口這一區域內的旅客步行通道進行測試，測試人員分別從三條通道匯聚至行李提取區出口，對應的通道長度分別為500 m、550 m以及450 m，模型驗證環境示意圖如圖3所示。試驗共選取500位旅客的步行時間樣本數據對旅客步速模型進行驗證，三種驗證環境分別對應的旅客人數分別為124人、207人以及169人。

圖3 實驗環境

首先以旅客個人特征為根據，輸入旅客步速模型計算旅客步速，將其與旅客實際步速數據進行對比，結果如表11、圖4所示。

表11 旅客步速預測值

圖4 旅客步速預測直方圖

其次通過旅客出行鏈走行時間預測模型得出的走行時間并與旅客實際走行時間數據進行對比，結果如表12、圖5所示。

表12 旅客步行時間預測值

圖5 旅客走行時間預測直方圖

通過單因素方差分析對模型預測結果和實際統計數據進行對比分析，分析結果如表13所示。

表13 方差分析

根據分析結果可以看到，由P-value值可以看出在0.05的置信水平下，兩組數據服從同一分布，預測值可以正確反映實際數據樣本的情況。經實驗證明，出行鏈時間模型可以準確的預測大興抵港旅客在行李提取區至多種運輸方式接續區這一區域的出行鏈走行時間。

4 結 語

首先提出了機場陸側抵港旅客出行鏈定義并介紹了國內外抵港旅客在陸側區域走行路徑；其次在考慮機場陸側旅客實際出行鏈共性的前提下，選取抵港旅客出行鏈中下客廊橋至行李提取區出口這一段鏈路作為研究對象，分析旅客性別、年齡、出行目的及攜帶行李情況對其走行時間的影響，構建走行時間模型；最后在大興機場實地驗證該模型的有效性。

研究成果可作為機場陸側抵港旅客時間分布的基礎，下一步將對行李提取區至多種運輸方式接續區這一出行鏈路的走行時間進行研究，為機場接續運輸的運力進行指導，對提升機場旅客出行品質具有重要意義。