航班需求预测方法研究综述_陈良玉.pdf

航班需求预测方法研究综述陈良玉1,高随祥2*1.中国科学院大学 工程科学学院，北京 100049;2.中国科学院大学 数学科学学院，北京 100049摘要：随着我国民航市场规模的快速增长，民航业面临日益激烈的竞争。引入科学有效的收益管理系统是各大航空公司应对激烈竞争的有效手段。航班需求预测是收益管理系统进行动态定价和舱位优化等工作的基础，对于改善民航企业运营、提高竞争力具有重要意义。本文对民航企业航班需求预测方法的研究现状进行综述，介绍了收益管理的概念及其对民航企业的意义，从传统时间序列分析预测、非传统的时间序列分析预测和基于机器学习的预测三个方面分类梳理了民航航班需求预测的研究现状和主要方法，并对航班需求预测的发展趋势和研究方向进行了展望。关键词：收益管理；需求预测；时间序列分析；机器学习中图分类号：TP1文献标识码：A文章编号：1674-4969(2022)06-0530-12引言1949年11月，中央政治局决定成立军委民航局，我国民航业由此开启新的篇章。从1950年到1979年，民航事业从艰难起步到逐渐形成较为完整的管理体系，经历了从无到有，探索前行的艰苦创业过程。这一时期民航业主要实行半军事化管理。1980年3月，中国民用航空总局按照体制改革方案，成为国务院直属机构，开始进行全行业的企业化、市场化改革，推动地方航空公司的建立。在改革探索过程中，民航市场出现了一些恶性竞争，致使我国民航业出现了巨额亏损1。于是在1996年到2002年，中国民用航空总局再次实行管制。2002年以后，中国民航业重组，进一步放工程研究跨学科视野中的工程2022 年 12 月JOURNAL OF ENGINEERING STUDIEShttp:/工 程 管 理DOI:10.3724/j.issn.1674-4969.22100901收稿日期:2022-10-09;修回日期:2022-11-20基金项目:国家自然科学基金资助项目(11991022,12071459)作者简介:陈良玉（1999），男，硕士研究生，研究方向为决策与优化。E-mail:*高随祥（1962），男，博士，教授，博士生导师，研究方向为图论及其应用，网络最优化模型及算法，组合最优化算法设计与分析，大数据分析方法及其应用。E-mail:（通讯作者）引用格式:陈良玉,高随祥.航班需求预测方法研究综述J.工程研究跨学科视野中的工程,2022,14(6):530-541.DOI:10.3724/j.issn.1674-4969.22100901Chen L Y,Gao S X.Review of flight demand forecasting methodsJ.Journal of Engineering Studies,2022,14(6):530-541.DOI:10.3724/j.issn.1674-4969.22100901 1962年4月，军委民航局更名为中国民用航空总局。2008年3月，更名为中国民用航空局。松行业管制，通过实行市场调节价、取消机票价格下限等诸多措施，将中国民航业推向市场化发展的新阶段。据中国民用航空局于2022年5月发布的2021年民航行业发展统计公报显示，从2011年到2021年，十年间，我国民航旅客运输量从 2.9 3 亿 人 次 增 加 至 4.4 1 亿 人 次，增 加 了50.5%2。伴随着我国民航业体制改革以及企业化、市场化进程的推进，民航客运市场的竞争日益激烈。截至2021年底，我国共有运输航空公司65家2。同时，铁路运输和公路运输的高速发展更是加剧了航空运输的外部竞争。于是，如何应对竞争、提高收益成为各大航空公司亟须解决的问题。国际上，美国航空公司于20世纪70年代后期率先应用了先进的收益管理（revenue management，RM）理论来指导其航班价格制定、舱位控制等工作，大大提升了行业运营效益。1989年至1992年四年间，大量航空公司进入市场，美国民用航空史上出现惨烈的价格血战，但美国航空公司利用收益管理系统对舱位资源和价格制定进行了有效管理，结果在全行业亏损的情况下，自身收益增长6%3。随后，欧美各大航空公司争相引进收益管理系统，虽然定价方式、管理模式等各有不同，但年收入增长都达到了3%5%左右4。RM理论在航空业的成功运用，使得其思想和方法迅速扩 展 到 了 现 代 酒 店 行 业、铁 路 运 输 业 等 其 他行业。RM的概念是在20世纪70年代由Littlewood提出5。RM是一种以市场需求为导向，根据不同消费者意愿价格的差异来定价，使得产品以最高价格出售的策略，这是一种以实现收益最大化为目标的综合管理技术。RM的流程主要包括需求预测、超额预订、动态定价和舱位控制等几个方面，其中，需求预测是RM的基础。Lee6的研究表明，需求预测的精度每提升10%，航空公司的收益将提升0.5%3.0%。Weatherford等7也指出，低估需求12.5%25%会导致收益损失最高可达2.94%。可见，需求预测的准确度对于RM的成败起到了关键作用。RM运用各种技术和手段对市场上的消费者施以更加精细的价格歧视，使得各个产品都以最好的价格销售。其基本思想主要由4R理论概括，即在正确的时间和地点（right time and place），以正确的价格（right price）向正确的顾客（rightcustomer）提供正确的产品或服务（right productor service）8。该思想反映了RM是一门集市场营销学、经济学、管理学、信息科学等诸多学科为基础的应用科学。RM理论几十年来年的研究成果和实际应用案例，足以证明其在航空运输业的巨大成功。我国各大航空公司于20世纪90年代开始引进国外的收益管理系统，但引入后并没有达到理想的预期效果。其主要原因在于国内外航线布局及实际国情存在较大差异，国内航空公司仅是直接套用了国外现成的收益管理系统，并没有深刻理解RM的核心理论和思想方法，没有根据我国的民航业实际情况对其进行消化吸收和改进。引进的收益管理系统仅适用于国际航线，在国内航线表现较差。其中一个重要的问题是收益管理系统对国内航班预订需求的预测不准确，导致RM的后续流程如动态定价和舱位优化等环节得出的决策方案不够科学合理，造成资源浪费、效率低下和收益甚微的结果1。因此，国内航空公司需要开发适合我国国情和民航特色的收益管理需求预测系统，以提升我国民航业的管理效率和竞争力。自收益管理需求预测理论诞生以来，相关方面的研究成果颇丰。1999年，McGill等9对RM的研究进行了综述，文中回顾了运输收入管理在预测、超额预订、座位库存控制和定价等方面的研究进展，并提出了未来的研究方向。他们指出，航空公司不太愿意透露自己的预测方法，因为公司的RM成效十分依赖于预测的精度。同时指出简单的移动平均和指数平滑技术是大多数预测系统的核心方法。Zaki10也对航线RM的预测问题进行了综述，文中指出，随着计算机计算能力的增长和新技术的使用，人们可以作出更加精准的预测，但是面对大规模问题以及数据的动态变化等，研 究 者 需 要 应 对 更 多 的 挑 战。2 0 0 7 年，陈良玉,等.航班需求预测方法研究综述531Chiang等11对RM的最新研究进展做了较全面的综述。他们讨论了对不同收入管理策略的研究，其中包括定价、拍卖、容量控制、超额预订和需求预测。文章还讨论了其他相关问题，例如经济问题、客户感知、竞争和整合、实施、绩效评估以及用于解决收入管理问题的常用技术和方法。通常来说，需求预测工作分为宏观市场层面、旅客行为选择和微观预订层面三个应用水平，但是RM中的需求预测只涉及微观预订层面。而且微观层面的预测通常是依据预订日期、票价等级和其他相关因素进行的，该类预测通过研究历史数据对特定航线或特定航班在特定日期的预订需求进行预测12。各种预订层面的需求预测方法又分为定性法和定量法，其中定性方法是基于历史经验和人为主观意见对预测目标做出预测，受主观影响较大。定量方法是基于现有的某条航线或某个航班上产生的历史数据，结合科学有效的数学模型，经过缜密推断和合理分析得到的预测结果。基于定量方法的国内外现有研究成果较为丰富，但是很少有综述文章对该方面的定量方法与研究成果进行整理。为此，本文将尽可能全面地针对民航航班需求预测的定量研究成果进行整理和分析，并在综述内容的基础上针对航班需求预测的发展趋势和研究方向进行展望。本文首先介绍了收益管理理论的起源和发展，接着从传统时间序列分析预测、非传统时间序列分析预测和基于机器学习的预测三个方面对民航航班需求预测的研究现状和主要方法进行介绍，最后对航班收益管理需求预测的研究方向进行展望。1基于传统的时间序列分析预测方法传统的时间序列分析预测方法主要包括各种回归模型、移动平均法、差分自回归移动平均法（autoregressive integratedmoving averagemodel，ARIMA）、霍尔特-温特法（Holt-Winters，也称Winters方法）和各种指数平滑法等常用时间序列分析方法。下面将按照各种预测方法 的 归 类 对 航 班 收 益 管 理 需 求 预 测 工 作 进 行综述。为了分析和预测航空运输服务的需求，Taneja13在书中描述了用于综合航空公司预测的传统回归模型，详细介绍了开发、评价和实施回归模型的若干流程。在Sa14的学位论文中可以找到关于航空公司数据回归实验的更准确的描述。他对五组城市间共十个航班的真实预订数据，利用回归模型、ARIMA、移动平均法进行预测建模。结果表明与ARIMA或移动平均法相比，使用回归模型可以提高舱位控制系统预测模块的精度，从而提升收益管理系统的整体性能。与按天或按月的方式对订座数据展开预测不同，景崇毅等15利用自回归移动平均模型对每日订座数据按时段分别进行建模预测。该研究共建立了基于16个时段需求的预测模型，结合15个月订座数据的实证研究表明不同时段之间的需求表现出一定的变异性，且最终的预测误差均控制在10%以内。多元线性回归模型也是航班需求预测中的较常用方法。McGill16考虑到当存在多个类别的航班需求时，不同类别之间的航班需求可能会相互影响。他基于多元回归方法研究了受共同运力约束的两个或多个相关航班的需求预测问题。增量模型是目前短期预测中精准度较高的模型之一。增量是指在一个时间段内预订数的增加量，经典增量模型是根据过去在相同起始点的多个时间段的增量取平均或加权平均作为当前起始点的增量估计值来进行预测17。根据增量计算方式的不同，增量模型又分为加法增量模型和乘法增量模型，它们分别按增量的绝对值和增量的百分比形式进行计算18。LHeureux19讨论了在航空公司背景下经典增量模型的应用缺陷，他在经典增量模型的基础上考虑到所有航班的相关数据，尤其是那些尚未起飞的航班，在将这些航班数据的 增 量 也 计 入 其 中 后 提 出 了 先 进 增 量 模 型。Wickham20则将各种增量模型与时间序列模型、回归模型等方法在八种不同情景下进行实验对比，研究发现先进增量模型在大多数情况下的短期预测结果优于时间序列模型和回归模型。类似532工程研究跨学科视野中的工程,14(6):530-541(2022)地，Stikvoort等21基于RM角度比较了加权移动平均模型、简单线性回归模型以及针对不同航班进行加权的加法增量模型和乘法增量模型的异同，测试结果表明加法增量模型随时间变化的性能最稳定。R M 的 需 求 预 测 工 作 是 建 立 在 无 约 束 需 求（unconstrained demand）数据之上的，而通过收益管理系统收集到的数据往往因资源受限、低于保护水平等原因常被低估，这类数据称为预订数（bookings），也称为受约束需求（constraineddemand）。需求预测的常规流程主要分为两种。第一种流程是使用各种统计方法针对受约束需求直 接 进 行 预 测。其 中，期 望 最 大 化 算 法（expectationmaximum，EM）和投影截断法（pro