机场服务质量对航空出行选择行为的影响——以粤港澳大湾区为例

文章立足于旅客心理感知,基于随机效用理论,运用SEM-Logit模型方法,探讨机场服务质量的关键维度对粤港澳大湾区航空出行选择行为的影响。结果表明:1)航空出行选择行为并不是对行为意向的简单线性扩展,作为机场服务质量的2个关键维度,强制性流程服务是旅客在机场无可避免且耗费时间最长和最为繁琐的流程,在该过程中的优质服务水平和质量对旅客存在无形吸引力,特别对商务出行旅客在机场-航空公司方案的比选中存在显著影响;2)设施设备和环境虽然不是旅客普遍性考虑因素,但旅客对其感知差异明显表现在机场群内不同机场类型之间;3)预计起飞时间差异、机型、准点率、航班班次、航班价格等其他因素均存在显著影响,且抵达机场时间、航班飞行时间等时间成本是核心影响因素;4)旅客对航空公司类型并不存在明显偏好,但低成本航空公司的入驻对区域机场竞争存在明显的抗风险能力。

大学生航空出行影响因素研究

随着航空运输业的不断发展,越来越多的大学生选择航空出行。大学生这一个特殊的群体,在航空旅客中占据的比重越来越大,为了更好地了解大学生航空出行特征,本文从影响大学生航空出行的影响因素出发,采用调查问卷的方式对大学生个人特性、出行方式选择、出行方式特性进行的调查分析。运用二元Logit模型,分析各因素对大学生航空出行选择的影响强度。研究结果表明,在交通出行方式的选择方面,男女大学生之间的差异不明显;一年中长途出行的次数,影响大学生航空出行选择;月可支配金额高的大学生更加倾向航空出行。

旅游航空出行面面观

现如今旅游已不再是一种奢侈而是一种休闲娱乐。但“在家千日好，出门一日难”，对于出游者来说首先遵循的第一个问题是“行”，既要经济实惠，又要节省时间，而且还要有合理的出行计划。为帮助大家解决好“行”的难题，我们特推出“出游早知道”栏目，本期将中国航空公司国内航空客运的有关规定及注意事项、服务热线为您作一介绍，以备您出行前参考之用。

基于腾讯位置数据的中国城市居民航空出行时空特征

随着中国经济社会的快速发展,航空出行成为居民出行方式的重要组成部分,并影响着城市格局。本文基于2019年4月28日—5月10日国内215个机场的腾讯定位请求数据,分析中国城市居民在工作日和五一假日两个场景下的航空出行时空特征,进而探究其与城市格局的关系。结果表明:(1)中国城市居民航空出行在空间上,总体呈现东部沿海高于内陆地区,且中部地区相对较低的特点;(2)在时间上,多集中在工作日,且京津冀、长三角、粤港澳大湾区、成渝等经济发达地区的中心城市更偏向"工作日优势型",而中部地区及西南部地区的非区域中心城市更偏向"假日优势型",并呈现以24小时为周期的下降、上升和波动的日变化,与工作日相比,五一假日提前2小时进入波动期,且居民假日航班时间选择更偏向在下午3点和晚上8点前后;(3)在工作日和假日两类场景下,所呈现的聚类等级分化与其所在城市规模之间关联性较强,在一定程度上接近城市金字塔的规模等级分布特征。

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义。定义了一种航空旅客出行指数,运用机器学习方法对航空旅客出行指数进行预测,克服了单一预测模型精度的不足。提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型,并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证,验证了LSTM-SVR组合预测模型可行性与有效性,实验结果显示:LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度;同时,LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外,基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级,此举为机场运营管理及旅客出行提供一定的决策支持。

基于MI-SVR模型的航空旅客出行指数预测方法研究

航空旅客出行的情况对民用航空机场建设与运营具有重大意义.针对航空旅客出行情况的预测研究,首先定义一种航空旅客出行指数,通过K-means聚类方法对航空旅客出行指数进行分级;然后基于互信息与相关性原理,选取航空旅客出行情况关键影响特征因子,提出一种基于关键影响因子与航空旅客出行指数互信息的MISVR(mutual information-support vector regression)机器学习预测模型;最后通过上海机场旅客出行指数预测实验对模型进行验证,实验结果显示MI-SVR模型具有可行性与有效性,同时,相比传统的预测模型预测效果更优.此外,实验结果也表明,相对仅基于历史数据进行独立预测,各模型基于互信息引入影响因子进行预测误差更小,研究结果有助于提升机场建设及运营管理水平,同时也可辅助人们选择通过民航交通方式出行的时段.