海南自贸港背景下海口市对外客运量预测研究

张亚男，席洋，杨嘉钰，刘剑锋

(北京城建设计发展集团股份有限公司，北京100037)

0 引言

2018年4月，习总书记在考察海南岛时提出支持海南全岛建设自由贸易试验区。两年多以来，政府部门不断发布政策鼓励海南自贸港建设。受其影响，海口市对外客运需求将有所波动，对外客运承载能力将承受巨大考验。

学者运用多种方法研究城市对外客运预测。刘夏等[1]根据三亚机场的实际数据进行仿真，提出灰色预测模型对机场客流量的预测精度较高；杨新湦等[2]结合指数平滑法、灰色预测GM(1,1)模型、线性趋势外推法，赋予相应权重，通过组合预测模型预测珠三角民航客运量。由于航空客运量的复杂时变性，以上预测方法仍有一定的局限性。Wang 等[3]提出利用改进的BP 神经网络方法预测铁路客流量，但由于对外客运量与社会经济的强关联性，受政策影响的波动性等因素难以量化，预测值难以发挥模型精确度。程小康[4]考虑社会经济指标与民航客运的非线性关系，构造基于判别分析-SVR的“影响因素-民航客运量”模型，但未考虑机场供给系统对航空客运需求的影响，预测结果有失准确。

系统动力学模型是由Forrester[5]开发的基于复杂系统、系统行为时变以及闭环反馈来描述系统关系的模型。Sterman[6]提出五步建立系统动力学模型的方法，步骤之间进行不断迭代和反馈，形成新的系统回路，该方法目前已被应用于各个领域。Lyneis[7]利用系统动力学模型预测商用喷气飞机的行业需求，并使用系统动力学模型预测市场行为[8]。该理论在交通行业同样应用广泛，在定性因素如政策导向下的模型中更受欢迎，如公交价格的影响分析[9]、交通系统与城市群发展的因果反馈关系[10]等。系统动力学对预测过程中各子系统之间的关系具有良好的表现效果，比较适用于宏观层面、影响因素较多的预测，故本文利用此模型预测海口市在国家政策发展的新形势背景下的对外客运量。

1 对外客运量预测的系统动力学分析

1.1 需求预测系统结构

城市对外客运需求是交通出行便捷、经济飞速发展衍生的高等级出行需求，直接反映国家经济和社会活动的发展，受经济、社会等因素影响较大。经济方面，良好的经济活动造就了大量出行需求，同时出行需求又促进了经济发展，增进了进一步进行交通设施投资增加交通供给的可能性，提高国内生产总值比重(GDP)，三者互为正反馈。社会因素方面，人口数量及居民的社会经济特征是主要影响因素，对外出行方式中航空、铁路、水运等有不同的服务特征，因此出行需求受出行者的职业、收入、人均出行次数、出行距离等社会经济特征影响。此外，客运需求同样受设施供给约束，即客运需求的预测要全面考虑经济因素、社会因素及供给能力的影响。

1.2 海岛型城市对外客运预测特点及模型适应性分析

作为典型的海岛型城市，海口市对外出行供给方式及需求组成存在典型特点。供给方面，海峡隔阂使得对外客运出行主要依靠航空及港口完成，出行方式较为单一；需求上，海口市的多项特点决定了需求成分更加混合，包含本地常住人口、候鸟人口、旅游出行、吸引就业4 种出行需求。本地常住人口与常规统计年鉴中定义的不同，是指在海口居住半年以上并拥有海口户籍的人口；候鸟人口指季节性往返流动的人口，2019年已纳入海口市统计调查制度；旅游出行指从外地到海口旅游的群体，包括过夜和不过夜游客，旅游时间相比候鸟人口短，居住选择以入住宾馆、酒店为主；吸引就业人口指从2018年海南省实行一系列人才引进政策后，所吸引外地的相关人才来海口市落户的人口。这4种类型的人口，出行特征差异化比较突出，例如候鸟人口和旅游人口进出岛的频次和规律比较明显，而吸引就业人口按照政策一般都属于教育程度较高的人才，1年内出行方式选择和出行频次与本地常住人口有所不同，故需要差异化考虑不同群体的出行特征。

此外，在海南自贸港确立的大背景下，更为显著的政策影响增加了预测的不确定性。综合看来，影响海口市对外客运需求的因素中除定量因素之外，更多的需要考虑定性因素的影响，包括不同程度的政策、社会经济要素变化等，需要根据因素特点与定量要素建立联系将其量化，以提升预测准确度。

系统动力学模型是一种结构化仿真方法，融合了定性、定量因素，弥补了单纯定性或定量方法的不足，可以有效应用于具有非静态、反馈性、不规则等特征的系统。对于海口市客运需求预测，系统可通过事先设计政策方案及社会经济发展程度，结合模拟结果分析政策差异对模型预测结果的影响，对于非线性复杂社会经济系统来说，是一种非常实用且有效的分析方法。

1.3 模型背景研判

(1)现状背景

2019年，海口市常住人口232.79 万人，冬季候鸟人口可达27.2 万人，全市实现地区生产总值1671.93亿元。海口市目前对外运输主要依靠美兰机场及客运港口：美兰机场2019年共运送旅客2421.66万人次，实际接待旅客能力2200万人次，已处于过饱和状态；客运港口2019年旅客吞吐量1497.9万人次，实际旅客通过能力2000万人次。人口、GDP数据来源于《2019年海口市国民经济和社会发展统计公报》；机场吞吐量数据来源于《2019年民航机场生产统计公报(中国民航局)》；港口吞吐量数据来源于《海口统计年鉴》。

(2)政策背景

自2018年《中共中央国务院关于支持海南全面深化改革开放的指导意见》发布以来，密集的政策支撑成为海南自贸港蓬勃发展的新动力，各项政策从不同方面有所影响，具体如表1所示。

表1 自贸港政策总结Table 1 Summary of Hainan Free Trade Port policies

(3)设施规划

根据《美兰机场总体规划修编》，美兰机场二期扩建项目计划于2020年年底开通，年吞吐量增至3500 万人次，缓解当前压力；并计划在2025—2035年间陆续扩建，2035年实现年吞吐量6000 万人次的目标。规划港口将承担轮渡及湛海高铁客运，2025年承担2000 万人次，远期能力约可达4000 万人次。

1.4 系统边界和基本假设

结合模型特点，将对系统影响较大、联系密切的因素纳入系统。除4种出行需求之外，将经济发展变化及自贸港政策纳入考虑范围。综上，建立客运需求预测因果关系如图1所示。

图1 客运需求预测因果关系图Fig.1 Causal diagram of passenger demand forecast

模型所含4 项直接影响要素在社会经济及政策影响下形成4组负反馈环：

(1)负反馈环Ⅰ，海口对外客运需求→+需求减去供给→-GDP→+全岛基础设施投资→+候鸟人口数量→+候鸟人口需求→+海口对外客运需求；

(2)负反馈环Ⅱ，海口对外客运需求→+需求减去供给→-GDP→+人均可支配收入→+常住人口出行次数→+常住人口需求→+海口对外客运需求；

(3)负反馈环Ⅲ，海口对外客运需求→+需求减去供给→-GDP→+就业人口数量→+就业人口需求→+海口对外客运需求；

(4)负反馈环Ⅳ，海口对外客运需求→+需求减去供给→-GDP→+商旅出行需求→+海口对外客运需求。

基于上述反馈环建立需求预测反馈模型。

2 系统流图和动力学模型

2.1 系统变量

筛选有累积属性的变量作为状态变量，包含6个状态变量，24 个辅助变量，7 个常量及10 个速率变量，具体如表2所示。

表2 需求预测模型变量符号Table 2 Variable of forecast model

2.2 系统流图及动力学模型

对外客运需求由本地常住人口、吸引就业人口(新海口人)、候鸟人口及商旅出行共同组成，不同出行特征决定其可分为4 个不同子模型考虑。其中常住人口出行次数主要受经济、政策等因素影响，且历史数据波动较大，故单独分为子模型考虑。经济因素通过影响收入等间接影响不同需求，故经济因素可量化为GDP水平单独作为子模型建立与其他模型的联系。综上，模型共考虑6 个子模型，对应6个系统变量，如图2所示。

图2 子模型关系图Fig.2 Sub model diagram

(1)常住人口

常住人口变化与对应年份的自然增长率相关。海口市人口结构较全国老龄化比重低，自然增长率略高(人口增长率参考《海口统计年鉴》)。

式中：P(t)为人口数量；t为对应年份；dt为时间变化；Pborn为出生人口；Pdeath为死亡人口。

(2)常住人口出行次数

海口市居民出岛次数从2006年的人均2 次逐步增长至2019年的3.5次。随着城镇化率增长、居民可支配收入提升，居民平均出岛次数将进一步增加，同时受政策导向等影响会有波动变化。出行次数参考《海口市居民出行大调查》。

“客餐招待，你签名就行了，去吃吧，不差。景点先搁着，我想了下，6万块钱不能白扔给你们，矿山复采、尾砂开发是我们着手在搞的大项目，可行性评估出来了，前景很好，你替我写篇煽情的报道，撒出去，没准能引来投资。”

式中：R(t)为常住人口出行次数；U为城镇化率递增；S为人均可支配收入；γ为转换系数；λ为供需调节系数。

(3)候鸟人口

候鸟人口变化率与海南省基本一致，全市占比随周边吸引力变化会有波动变化。预测至2035年，海口市候鸟人口占比将从现状的16%变为10%(数据参考《海口市国土空间总体规划(2020-2035》中间稿)。

(4)就业人口

受自贸港人才引进政策的影响，海口市就业人口将呈现迅速增加态势。截至2020年11月20日，海南省共引进人才20.1 万人。结合近年人才引进的强力推动，在上限2035年新增100 万人的调控下，人才引进吸引力将呈现先高后低的变化趋势(数据参考《海南省国土空间规划(2020-2035》中间稿)。

式中：W(t)为就业人口数量；Wi为规划远景年总吸纳就业人数；A为迁入吸引率。

(5)商旅需求

式中：B(t)为商旅出行需求；E为GDP 增长率；μ为政策调节系数；

(6)全省GDP及产业结构

GDP是对外客运需求预测的关键因素，与总需求及各组成部分都呈现互动反馈关系。GDP 增长通过增加居民收入间接提升出行次数，通过基础建设投资增加城市吸引力及候鸟人口出行需求，通过带动就业人口迁入增加商旅需求，这些同时反哺GDP增长。但需求的过度增长将导致供需失衡，返回来抑制部分出行需求，减缓GDP增速，因此均为负反馈环，需要合理处理各组成部分与GDP 增长之间的关系。GDP 中二三产业是引发交通运输需求的重要来源，其中第二产业是推动货运量增长的重要原因，第三产业产值则对客运量有显著影响[12]。海口市2020年三次产业结构比为4.5∶15.0∶80.5，未来以交通运输业、旅游业等为主的第三产业将成为海口市产业结构的主导，故本文利用第三产业比重与对外客运量的相关关系进行预测(GDP数据参考《海口市国土空间总体规划(2020—2035》中间稿)。

将因果关系图量化，并借助Vensim_PLE 软件建立海口市对外客运需求预测模型系统流图，如图3所示，基于此开展仿真预测。

图3 客运需求预测系统流图Fig.3 Flow diagram of passenger demand forecasting system

3 模型仿真

3.1 参数标定及模型检验

针对2020—2035年海口市对外客运需求进行预测。预测前利用2006—2019年海口市统计年鉴数据进行模型检验，并对相关参数进行标定，包括候鸟人口占比、GDP 转换系数、政策调节系数等8项参数，主要采用历史调查法、表函数估计法[13-14]等。如候鸟人口占比利用表函数估计方法进行标定，GDP 转换系数利用历史调查法标定[15-16]。预测结果与真实值对比结果如表3和图4所示。根据检验结果，对外客运需求预测误差均在5%以内，可信度较高，故可以使用该模型进行对外客运需求的预测和分析。

图4 对外客运量需求预测与实际历史值对比Fig.4 Comparison of external passenger volume demand forecast and actual historical value

表3 各年份预测值与实际值相对误差Table 3 Relative error between predicted value and actual value in each year

3.2 仿真结果分析

在校核模型的基础上，以2020年为起点，2035年为终点，时间步长为1年，融合上述政策背景，利用模型仿真预测未来需求，得到的结果及变化趋势如图5所示。

图5 2020—2035年对外客运量需求预测值Fig.5 Forecast value of external passenger volume demand from 2020 to 2035

预测结果显示，未来15年海口市对外客运需求呈稳步上升趋势。分区段来看，2020—2022年为疫情影响后的快速回暖期，且随机场二期开通使用，需求较2019年大幅增加；2024—2025年机场、港口通行能力有所饱和，客运需求增长受到部分制约，增速放缓；2026年随机场指廊扩建及湛海高铁建成，客运需求得到极大的释放，且岛内自贸港建设规模成形，客运需求在2026—2031年步入快速增长阶段，2032年之后客运需求随岛内发展平稳也逐渐稳定；预计在2035年将突破8000万人次。

3.3 关键因素敏感性分析

总量把控的前提下，需要密切关注关键影响因素对最终客运需求的影响程度，利用系统动力学模型优势，采取控制变量原则分析因素的影响效果，以对其重要性及未来的发展研判做出指导。

(1)GDP变化情况下设施能力匹配分析

不同GDP 增长速度下的对外客运需求变化关系如图6所示。GDP增速越大，对外客运需求增长越快。增速方面，当GDP 增速保持在9%及以下时，对外客运需求可维持稳定的增速，2022年与2025年增速差保持在5%以内；当GDP 增速大于9%时，需求增速将受供给能力变化有所抑制，2025年增速仅2%，比2022年小7.02%。总量方面，GDP增速12%与6%相比，对外客运需求差异值由2022年的470万人次下降至2025年的280万人次，差距逐渐缩小，随2025年设施扩容使用后才进一步拉开差距。证明当近年GDP 增速大于9%时，需要及时提前设施建设，满足对外客运的增长需求。

图6 GDP变化情况敏感性分析Fig.6 Sensitivity analysis of GDP changes

(2)就业引进人口分析

分别分析人才引进规模在60万～140万人时对应GDP的变化情况，如图7所示。人才引进规模为100 万人时，全省GDP 发展增速最快；2035年GDP总额分别较60 万人及140 万人时增加6.9%及5.1%，过少的引入无法带动本地经济发展，而过多的引入则受供给水平制约，与部分商旅需求形成竞争关系，同样导致GDP增速放缓。

图7 人才引进规模敏感性分析Fig.7 Sensitivity analysis of talent introduction scale

(3)设施供给能力影响分析

上述预测基于机场及湛海高铁于2025年开通的假设进行。作为不同类型的交通设施，开通时间的差异对需求有相应影响，也可体现出两种交通方式的适应性特征。假设两者有不同的开通计划，考虑4种情况对比分析，如表4所示。

表4 对外交通设施开通计划Table 4 Opening plan of external traffic facilities

图8为设施供给能力敏感性分析，整体趋势上，情景1～情景4的客运需求依次降低，即设施扩容越早，需求增长越快。情景1 与情景2、3 对比，2028年，高铁推迟开通减少了1.6%的客运需求，而机场推迟开通则减少了7.2%；同样，情景2、3 与4对比，分别增加了12%与5.7%，相差约6.3%。数据表明，机场扩建开通影响远大于高铁开通影响，即湛海高铁与机场扩建相比，机场对需求的抑制作用更显著，高铁影响较小，证明对海岛型城市而言，出行距离均偏长，且受跨海效率影响，航空于高铁相比在200 km 以上更具明显优势，因此海口市机场的规划建设比高铁开通更为重要。

图8 设施供给能力敏感性分析Fig.8 Sensitivity analysis of facility supply capacity

4 结论

系统动力学模型能够良好的适用于定性、定量多因素影响下的对外客运需求预测，通过融合短期政策影响及长期发展趋势，模型较好地反映出疫情变化影响、自贸港政策推动、设施供需关系及未来发展平稳不同阶段的发展特征，本次针对典型海岛型城市对外客运量预测有以下几点特征。

(1)区别于传统模型仅依靠历史数据进行需求预测而将政策导向等典型特征作为特殊值筛选出样本集的方法缺陷，系统动力学模型可融合定性因素，更加完善地考虑政策导向更为重要情境下的需求预测。

(2)模型可较高精度的拟合历史数据，误差可控制在5%以内，并可对未来发展做出预测，未来2035年海口市对外需求将突破8000万人次。

(3)模型对多因素敏感性分析满足不同场景下预测结果的需要。GDP分析表明，量化的增速是反映客运需求增长规律的重要参考依据，根据当年经济形势可调节设施扩容计划；政策性人才引进规模控制在100万人左右可实现最大的经济效益；机场和高铁的建设时序分析证明，机场开通相比高铁可拉动需求增长增加6.3%，这与两种交通方式竞合分析结果相吻合，即航空是海岛型城市对外出行的主要方式。

通过本文研究，建议未来自贸港政策的颁布实施提前评估不同政策对交通系统的影响评价，合理研判地区承载力对政策引导的适应性，以确保政策可以落地实施，实现能力与实施目标的相互反馈校核。本文模拟仿真了政策引导下对外客运需求的变化机理，但研究仍存在一些不足，部分微观影响因素并没有纳入到模型中，今后将继续对模型和参数设置进行完善，进一步提高模型的适用性。