链路预测下全服务航空公司航线网络演化研究_杨文东.pdf

文章编号：1673-0291（2023）03-0112-10DOI：10.11860/j.issn.1673-0291.20220105第 47 卷 第 3 期2023 年 6 月Vol.47 No.3Jun.2023北京交通大学学报JOURNAL OF BEIJING JIAOTONG UNIVERSITY链路预测下全服务航空公司航线网络演化研究杨文东，蒋云（南京航空航天大学 民航学院，南京 211106）摘要：为探究全服务航空公司航线网络演化影响因素及演化模型，以全球排名前 10的全服务航空公司为研究对象，基于链路预测思想，对 5种内生属性相似性指标和 3种外生属性相似性指标及耦合相似性指标分别进行曲线下面积（Area Under Curve，AUC）计算，选取 AUC 值最高的相似性指标进行航线预测及验证，并构建基于链路预测的全服务航空公司航线网络改进 BBV 动态加权演化模型.研究结果表明：基于优先连接（Preferential Attachment，PA）指标和机场航班量指标的耦合相似性指标的 AUC 值最高，是影响全服务航空公司航线网络演化的关键指标；在基于该耦合相似性指标的链路预测算法中，平均航线命中率达 45.79%，AUC 值达 95%以上；相比于传统 BBV 模型，改进 BBV 动态加权演化模型的航线数拟合准确率平均提升了 4.43%，能够较为科学地拟合不同全服务航空公司航线网络的扩张与收缩演变过程.关键词：航空运输；网络演化；链路预测；航线网络；BBV演化模型；复杂网络中图分类号：U8 文献标志码：AResearch on evolution of airline networks for full-service carriers through link predictionYANG Wendong,JIANG Yun（College of Civil Aviation,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,China）Abstract:To explore the factors influencing the evolution of airline network for full-service carriers and develop an evolution model,the study selects the top 10 global full-service carriers as research subjects.The study utilizes the concept of link prediction to calculate the Area Under Curve(AUC)of 5 endogenous attribute similarity indexes,3 exogenous attribute similarity indexes,and coupling similarity indexes.The similarity index with the highest AUC is selected for airline prediction and validation.An improved BBV dynamic weighted evolution model of full-service carriers airline networks based on link prediction is constructed.The results indicate that the coupling similarity index based on Preferential Attachment(PA)and the number of flights have the highest AUC,which is the key factor affecting the evolution of full-service carriers airline networks.In the link prediction algorithm based on this coupling similarity index,the average prediction accuracy of airline reaches 45.79%,and the AUC is over 95%.Compared with the traditional BBV model,the improved BBV dynamic weighted evolution model has an average improvement of 4.43%in the fitting accuracy of airline number.This 收稿日期：2022-07-27；修回日期：2023-01-23基金项目：国家自然科学基金（71874081）Foundation item:National Natural Science Foundation of China（71874081）第一作者：杨文东（1975），男，山东寿光人，副教授，博士.研究方向为交通运输规划与管理.email：.引用格式：杨文东，蒋云.链路预测下全服务航空公司航线网络演化研究 J.北京交通大学学报，2023，47（3）：112-121.YANG Wendong，JIANG Yun.Research on evolution of airline networks for full-service carriers through link prediction J.Journal of Beijing Jiaotong University，2023，47（3）：112-121.（in Chinese）杨文东等：链路预测下全服务航空公司航线网络演化研究第 3 期model can scientifically fit the evolution process of expansion and contraction of different full-service carriers airline networks.Keywords:air transportation；network evolution；link prediction；airline network；BBV evolution model；complex network近年来，随着航空运输自由化的迅速发展，全服务航空公司在航空运输市场占据着越来越重要的地位.航线网络是全服务航空公司运营规划的重要要素之一，关系着航空公司在航空运输市场中的竞争力水平.探讨航线网络演化，有利于从网络层面深入理解全服务航空公司航空运输系统，对于科学规划航线网络、优化网络结构、提升企业竞争力具有重要意义.国内外学者关于航线网络演化的研究主要包括航线网络演化影响因素分析和演化模型两方面.在影响因素方面，Burghouwt等1运用统计学方法分析了 1990 年至 1999 年欧洲航线网络结构变化的影响因素，结果表明航空公司的航班波策略对航线网络中枢纽的连接有促进作用.曾小舟等2采用灰色关联分析法对影响我国航空网络航线连接的外界因素进行了研究，发现城镇人口数、人均 GDP 和第三产业产值是主要的影响因素.崔博3使用德尔菲法构建了多属性决策模型，对 2006 年至 2010 年长三角地区机场演化宏观影响因素进行了研究，结果表明经济因素、自然因素、政府因素和规划因素是影响机场发展的主要因素.上述关于影响因素研究的方法较为丰富，但大部分方法仅适用于研究外部因素对航线网络演化的影响，不能用于探究网络结构内部因素对航线网络演化的影响.与众多其他方法相比，链路预测算法是一种从网络结构出发，探究不同相似性指标对网络演化影响程度的算法.该算法具有统一公平的指标评价体系的算法，可以较好地解决以往方法中存在的不同影响因素之间优劣性难以辨别的问题4.刘宏鲲等5提出将链路预测算法应用于我国航线网络演化影响因素研究中.随后，Takahashi 等6采用链路预测算法对美国航空网络进行了研究，并运用逻辑回归算法进行了预测精确度分析；张培文等4采用基于耦合接近性算法的链路预测算法，对我国2019 年中小机场航线网络演变影响因素进行了研究.但大多数研究仅针对某一国家或地区的整体网络，鲜有研究涉及全服务航空公司层面，目前在全服务航空公司航线网络演化方面仍然缺乏较为科学的认知.在演化模型方面，最早的演化模型是由 Barabasi 等7于 1999 年提出的无标度演化（Barabasi A lbert，BA）模型，该模型认为新增加的节点与度值较大节点连接的可能性更大，但其忽略了权重对网络演化的影响.随后，不少学者对模型进行了改进，并逐渐应用于航线网络中.Zhang 等8构建了基于 BA模型的航线连接模型，从第三产业产值、机场间距离等方面分析了我国航空网络结构演化过程；冯霞等9以城镇人均可支配收入作为航线优先连接条件，构建了新疆支线航空网络演化模型；Rodriguez-deniz 等10构建了基于块状的多层动态航线网络演化模型，对美国航线网络 10年间的演变过程进行了研究；程凯11在传统 BA 模型中引入了链路预测算法，从网络结构内部因素探讨了航线网络演化机制，构建了我国航线网络演化模型.以上大多数航线网络演化模型仅是在传统演化模型基础上针对连接偏好函数进行简单改进，并且仅能拟合航线网络的扩张状态，而不同全服务航空公司的航线网络在实际发展过程中存在扩张与收缩等多种状态，因此传统方法具有一定的局限性.为了解决上述问题，本文首先以全服务航空公司航线网络为研究对象，将链路预测算法应用于网络演化影响因素分析中，然后综合探讨网络结构内部因素和社会外部因素两方面对航线网络演化的影响，弥补了以往方法仅考虑外部因素的缺陷.最后构造了一个基于链路预测的改进 BBV 动态加权航线网络演化模型，可以拟合不同全服务航空公司航线网络的扩张与收缩状态，克服了传统演化模型的不足.1 链路预测下航线网络演化模型不同于一般的拓扑网络演化规则，航线网络的演化往往受到航班、机场、旅客等外部因素和网络结构的共同影响.因此，采用链路预测算法甄选出对航线网络演化影响较大的因素，基于所选取的因素，在传统演化模型的基础上构建全服务航空公司航线网络演化模型，从而较为准确地描述全服务航空公司航线网络演化规律.1.1 链路预测链路预测是指根据网络中已有的结构信息预测未连通两点之间产生连边的可能性，包括相似性指113北京交通大学学报第 47 卷标和评价指标两部分12.链路预测的基本思想为：通过计算相似性指标，为网络中未连通的节点对赋予不同的概率值，概率值越高，则表示节点对之间产生连边的可能性越大；利用评价指标为不同的相似性指标进行预测精确度计算，精确度越高，则表示该相似性指标的预测效果越好4.在传统链路预测算法中，相似性指标是指与网络结构相关的一系列内生属性相似性指标，考虑到外界因素对航线网络演化的影响，引入外生属性相似性指标.令 v1，v2，vN表示航线网络中的N个机场集合，C1表示机场间有航线连接，C0表示机场间无航线连接，M表示网络的航线条数，则不存在的航线数目为0.5N(N-1)-M.1.1.1内生属性相似性指标链路预测中的内生属性相似性指标可分为基于局域信息、半局域信息和全局信息 3种类型12.基于局域信息的相似性指标算法具有运算精度高、时间复杂度低等优势11，适用于大规模网络，因此选取了 5种基于局域信息的相似性指标进行链路预测算法分析.1）优 先 连 接 指 标（Preferential Attachment，PA）.对于机场vx与机场vy，在基于 PA 指标的链路预测算法中，两机场之间产生航线的概率Spaxy与两机场度的乘积成正