基于Kano模型的旅客机场选择行为分析

第47卷第2期

2017年3月

航空计算技术

Aeronautical

Computing

Technique

Vol

.47

No

. 2

Mar

. 2017

基于

Kano

模型的旅客机场选择行为分析

刘钟佳文，吴薇薇，贾方森，王小磊

(南京航空航天大学民航学院，江苏南京211106)

:

研究旅客在区域多机场中的机场选择行为，如何选取影响旅客机场选择行为的关键因素是最基础最重要

的部分，现有的研究对关键因素的选取缺乏系统全面的分析。因此，基于

Kano

理论模型，通过因素整理、问卷调研

等进行因素的筛选，得到影响旅客机场选择行为的

6

个关键因素，与现有研究对比分析并进行机场实地调研，研究

结果验证了

6

个所选关键因素的合理性，为机场选择行为研究的进一步建模分析提供了理论依据。

关键词：区域多机场；机场选择

;Kano

模型；因素分析

中图分类号

:F560.6;V354

文献标识码

:A

文章编号

:1671 - 654X(2017)02-0049-05

摘要

Influence Factors Analysis of Passengers’Airport Choice Behavior Based on Kano Model

LIU

Zhong

-

jiawen,WU

Wei

-

wei,JIA

Fang

-

sen

,

WANG

Xiao-lei

(College of Civil Aviation, Nanjing University of Aeronautics and Astronautics ,Nanjing 211106 ,China)

Abstract

：

The

selection

of

key

factors

which

influence

passenger

airport

choice

is

the

most

basic

and

im

­

portant

part

of

the

study

of

passenger

choice

behavior

in

multi

-

airport

region

.

But

most

of

the

preceding

studies

lack

a

comprehensive

analysis

in

this

part

.

Hence

,

by

listing

the

relevant

factors

,

making

a

ques

­

tionnaire

investigation

.

Six

key

factors

which

influence

the

airport

choice

of

passengers

most

was

found

based

on

the

theory

of

Kano

model

.

The

comparison

analysis

of

existing

research

and

the

field

survey

in

airport

approved

the

rationality

of

selected

fundamental

factors

,

which

provide

a

theoretical

basis

for

fur

­

ther

modeling

analysis

.

Key words

：

multi

-

airport

region

；

airport

choice

;

Kano

model

;

factor

analysis

引言

2015年，我国年旅客吞吐量超过1 000万级别机

场达到26个，较上年增加2个。主要枢纽机场网络日

益密集，在长三角、珠三角等枢纽机场密集区表现的尤

为明显。某一区域内的两个或以上的机场因地面交通

发展、服务范围扩大而产生重叠,构成一个区域多机场

系统，该区域内旅客可以有多种机场选择行为。研究

旅客的机场选择行为有利于区域多机场系统更好地发

展规划,旅客会选择效用更高、满意度更高的机场乘机

出行，而旅客选择机场时考虑的因素便是决定着机场

效用和满意度的关键所在。

国外对旅客机场选择行为的研究较为成熟，文献

[1 - 6 ]研究了旅客对出发机场的选择问题，在模型的

因素选择阶段均采用了普遍使用的机场因素如机票价

格，地面交通相关因素如到达机场所需时间、费用以及

旅客相关因素如性别、年龄。文献[7 -12]研究了航

收稿日期

:2016 - 12 -

空公司、航班对旅客出发机场选择的影响，在因素选取

方面加入了航空公司数量、常旅客计划、航行时间、航

班时刻等因素。国外旅客70%通过自驾车前往机场,

所以前往机场的公共交通所表现的重要性不高[13],而

国内旅客多采用公共交通前往机场，因此该因素在国

内机场选择研究中需要被重视。但目前国内相关研究

较缺乏，文献[14 ]针对北京新机场建设后形成的区域

多机场,简单选取了出行成本、舒适度等因素,构建离

散选择模型，对机场客流量分担进行了预测。

以上研究在影响因素的选取上均采用文献综述

法，沿用已有研究中涉及的因素,缺乏全面系统的因素

选取依据。文献在研究旅客机票购买选择行为时，应

用满意度管理中的

Kano

模型对影响机票效用度量的

产品因素进行归类，实现了影响旅客购票行为关键因

素的筛选。

本文结合国内外相关领域的研究现状，对旅客机

03 - 10

基金项目：

国家自然科学基金项目资助

(71201081);

南京航空航天大学重点科研专项项目资助（

NZ2016109)

作者简

介

:

刘钟佳文

（1992 -)

，女，湖南常德人，硕士研究生，主要研究方向为交通运输工程。

22

修

订日期

:2017 -

• 50 •

航空计算技术

第47卷第2期

场选择行为研究中影响因素的选取部分进行较为全面

的整理分析，在票价等常见因素的基础上结合当前我

国日益严峻的航班延误处理现状,考虑“机场延误通报

情况”等因素，通过

Kano

模型对影响旅客机场满意度

的各项因素进行了归类，选取6个影响较大的因素作

为影响旅客机场选择行为的关键因素,通过已有研究

的对比分析和机场的实地调研,论证了所选因素的合

理性。

1理论与方法

1.1

Kano

Kano

模型简介

模型将产品质量属性特性分为必备属性

(1^1)、期望属性（0)、魅力属性（人）、无差异属性（1)和

反向属性（

R

)5类，如图1所示。

图1

Kano

二维属性模型示意图

在图1中，魅力属性(

A

)是顾客意想不到的属性,

不提供此属性时顾客不会不满意，但提供此属性时顾

客满意度会有大幅提升;期望属性（〇)是顾客希望得

到的属性，与产品满意度成正比,提供此属性时顾客满

意度会提升，反之则会降低;必备属性（

M

)是顾客认为

理所当然提供的属性，若不提供将会极大影响满意度，

而完善此属性客户满意度也不会增加;反向属性（

R

)

是顾客不期望存在的属性，对产品满意度有着反向影

响;无差异属性（

I

)是顾客不在意的属性，无论好坏都

基本不会影响产品满意度。

通过

Kano

模型对影响旅客机场选择因素的分类,

选取对旅客影响最大的魅力属性因素和期望属性因

素,得到影响旅客机场选择行为的关键因素。

1.2

Kano

模型的应用

1.2.1 预问卷编制和分析

采用

Kano

理论模型研究影响旅客机场选择因素，

需要确定机场属性因素的初始项。初始项的确定分为

以下3个步骤：

1) 查阅相关资料；

2) 对行业内外人员进行深度访谈；

3) 预问卷的发放和分析。

通过查阅相关文献资料，对所要研究的机场属性

因素进行初步整理。采用深度访谈的形式进行初步筛

选,得到影响旅客机场选择的主要属性因素;采用李克

特五点量表法[15]设计预问卷，将每一个因素项的影响

程度划分为“极大影响”、“较大影响”、“ 一般影响”、

“稍有影响”和“不影响”5个等级。

从极端组比较、题项与总分相关性、问卷信度和同

质性检验4个方面分析预问卷。极端组比较采用独立

样本

f

检验,要求显著性水平小于〇. 05,检验值大于

3;题项与总分相关性通过皮尔逊相关性检验,要求题

项与总分的相关系数小于等于〇. 4;信度检验要求问

卷的克隆巴赫

a

总系数大于〇. 8,且各题项校正的

a

系数值不能高于问卷总系数；同质性检验要求共同性

高于0.2,负荷量高于0.45[15]。

1.2.2正式问卷编制和分析

按照

Kano

问卷设计要求编制正式问卷，对每一个

因素项分别设置正向与反向问题，形成旅客机场选择

影响因素的正式

Kano

问卷。问卷的题项形式如表1

所示〇

表

1

正式

Kano

问卷题目形式示例

属性

1口 1颜

极大较大一般稍有

不

因素项

影响影响影响影响影响

该机场提供

自助值

自助值机

12

3

4

5

机服务

该机场不

提供自助值机

12

3

4

5

完成正式问卷的编制后选取合适的途径进行问卷

的发放和收集，完成问卷的收集整理后对问卷进行信

度检验和效度检验：

1) 信度检验要求问卷的克隆巴赫

a

总系数大于

〇. 8,系数越大则信度越高。

2) 效度检验从内容效度和结构效度两方面分析：

内容效度分析由问卷的编制过程决定,要确保问卷中

包含能够测量适当且具有代表性的题项;结构效度分

析采用因子分析法，要求

Olkm

KMO

(

Kaiser

-

Meyer

-

) [15]的值大于0. 5 ,且巴特利统计值[15]的显著性

概率小于等于〇.〇1。

表

2 Kano

评价表

反向问题

正向问题

极大较大

一般

稍有

影响影响影响影响

无影响

极大影响

Q

AAA

0

较大影响

R

IIIM

一般影响

R

IIIM

稍有影响

R

IIIM

无影响

RRRR

Q

2017年3月

刘钟佳文等:基于

Kano

模型的旅客机场选择行为分析

• 51 •

Xt

满足检验的问卷数据根据

Kano

模型中的

K

_

评价表(表2)进行整理，对于每一题项,选取其归属比

例最大的属性为该题项因素的

Kano

属性，得到每一个

因素项的

Kano

类别，完成对问卷所涉及属性因素项的

Kano

分类。

2实例分析

2.1预问卷的编制和分析

本文整理了 2004年民航资源网关于“你最在意机

场服务哪些方面”调查结果涉及的影响因素和2014年

民航局机场服务评价报告中涉及的影响因素,得到影

响旅客机场选择效用的25个初始因素。

随后选取业内专家等通过一对一的访谈，针对25

个初始因素项逐条进行开放式的询问交流，根据受访

者的回答进行筛选，去掉5个不重要项,得到对旅客机

场选择较有影响的因素属性共5大类20分项，如表3

所示。

表

3

影响旅客机场选择的主要属性因素

因素类别

包含因素项

服务航空公司数量、低成本航空公司存在、

机场基本

自助值机、安检通道数量、远近机位数量比、

属性因素

贵宾室服务、购物面积、自动人行步道、城市

候机楼

机场交通

到达机场交通方式数量、到达机场的时间、

属性因素

到达机场的费用、到达机场交通方式的准点

可靠性

机场不正常

机场延误率、延误信息通报服务、延误后的

航班因素餐饮服务、延误后的休息服务

航行 票价、机型、以往乘机经历、航程时间、出行

相关因素目的、航班频率

旅客相关因素

居住地、收入水平

根据所得20项因素项设计发放预问卷，发放对象

为对民航业和机场相关业务非常熟悉的业内人士和常

旅客，回收有效问卷75份并对回收的问卷进行检验

分析。

根据1.2.1节中的检验要求，对有两项以上检验

不合格的题项进行删减，表3中的“航空公司数量”

“低成本航空公司存在”“自动人行步道”三项不符合

检验要求，因此删去这3个因素项。

2.2正式问卷的编制和发放

通过2.1节中预问卷的检验和筛选，保留17个属

性因素进行正式

Kano

问卷的编制。对所有因素进行

编号，如表4所亦。

按照

Kano

问卷设计要求编制正式问卷，对每一个

因素项，分别设置正向与反向问题，形成旅客机场选择

影响因素的正式

Kano

问卷。

表

4

因素项编号

编号

属性因素

编号

属性因素

1

自助值机服务

10

延误后对旅客的通报

2

安检通道数量

11

延误后旅客的休息

3

购物面积大小

12

机场航班票价

4

城市候机楼

13

机场可选机型

5

前往机场的公共交

通方式种类

14

机场航班航行时间

6

前往机场所需费用

15

机票是否自费

7

前往机场所需时间

16

日航线频率

8

前往机场交通方式

准点可靠性

17

月收入水平

9

机场延误率

正式问卷通过网络平台发放，共收集问卷210份,

剔除无效数据

,

得到有效问卷207份,有效率98

.

57%

。

其中男性被调查者占43. 82%,女性被调查者占比

56.18% ,男女比例相当;样本年龄结构以24 ~40岁为

主，其他年龄段均有分布,符合航空出行人群的年龄分

布概率,因此样本的抽取较为合理。

对回收的问卷进行信度检验和效度检验,正向问

题的克隆巴赫

a

系数为0.919,反向问题的克隆巴赫

a

系数为〇. 902,

KMO

值等于0. 888,且巴特利统计值的

显著性概率为〇. 〇〇〇

,

小于〇. 〇1

。

以上结果说明本问

卷数据满足信度与效度检验要求，可以进行下一步

分析。

对207份问卷回收结果中被调查者的选择进行统

计整理,根据表2中的

Kano

模型评价方法，得到每一

个属性因素项对于

K

_类别的归属，如表5所示。

表

5

影响旅客机场选择的机场属性因素的

Kano

类别隶属度题项

题

项

0

A

R

IM

因素

题

因素

归类

项

0

A

R

IM

归类

1

3718171287

I

10

84

273857

1

0

234

17

20

1333

I11

5118271083

I

3

42

7

21

126

11I1284

46

21

5330

4

3029151276

I

1331

12

19

140

5

I

5

62

59

12

713

I14

31

20

191370

I

6

4032

171135

I

0

7

9252

17

442

01636

3220

118

1I

8598928310

A

17

44

18

24

1165

I

97930287000

表5中的因素归类字母即图1中的5类

Kano

属

性，每一题项后的数字表示该题项对每一

Kano

属性的

归属程度，数字越大归属程度越高，选取归属度最高的

属性为该题项的

Kano

属性分类。

•

52

•

航空计'算技术

第47卷第__3期

分类结果显示，题项8对于魅力

g

素的归属度最

翕，故归类为影响机场满意度的魅力.因素;题项7、9、

10、12、15对于期望篇素的归属度最高，因此归类为影

响机场满意度的期望爾素;同理，其余因素均为无差异

因素。

魅力因素是旅客对机场无主动要求但能让旅客感

到惊喜的属性，即旅客对前往机场常用交通方式准点

性可能考虑较少，但是一旦准点性较高，旅客对机场的

满意度舍得到极大提其选择效用也会大幅提升，故

而作为影响旅客机场选择的关键因素是合理的。

作为斯望属性，到达机场所需时间、机场延误率、

机场延误后通报情况、航班票价和机票自费与否与旅

客对机场选择效用的高低息息相关，在机场具备如上

5点期望属性的时候，旅客选择该机场出行的可能性

将会提高，故而可以选取为影响旅客机场选择的关键

因素。

无差异

g

素无论具备与否都不会影响旅客对机场

的满意度，也不影响旅客的选择行为此剩下的11

项无差异属性因素相对而育并不是影响旅客机场选择

的关键因掌。

综上所述，选取表5中归类为魅力因素和期望因

素的6个机场属性因素作为影响旅客机场选择行为的

关键因素，这6个机场属性因素的具备程度极大地影

响着旅客对机场的满意度，也在旅客对机场进行选择

效用评价时起着关键的作用（

3

对比分析与调研论证

3.1国内外研究的对比分析

前文通过

Kano

模型对影响旅客机场满意度的各

项因素实现了归类，、并选取了 6个影响较大的因素作

为影响旅客机场选择行为的关键因章。如表6所示。

结合国外较有代表性的旅客多机场选择行为方面

的研究，对本文所选取6个关键

B

素的应用情况进行

了对比。通过表6可见/到达机场所需要的时间”以

及“航班票价”是被广泛采纳的影响面素广机场延误

率"因素在个别研究中被选取放人选择模型；“前往机

±为文通方式准点性”这一因素仅在

Tam

M

L

对中国珠

三角区域多机场的选择研究中被选取[16]，而在西方众

多研究中均未出现，主要因为国外旅客70%通过自驾

车前往机场，通过公共交通方式前往机场的旅客数量

较少^,.，而国内旅客多采用公共交通前往机场，因此

该囡素在茵内机场选择研究中值得关注广机票费用自

费与否”作为这6个属性中唯一一个旅客相关的因素，

在大部分研究中都被采纳为主要影响因素用于细分分

析;“机场延误通报情况”这一_素在

E

有研究中均未

被提及。本文的

Kano

模型结果表明，在我圑航班延误

情况益频发状况下，机场在发生航班延误®的通报

情况是当今旅客日益重视的关键因素，值得在后续的

旅客选择行为研究中进行深人的分析。

表6旅客机场选择行为研究中的关键因素选取对比

前往

机场

到达

机票

斫究人员

交通

机场

机场

延误

方式

所需

延误

通报

航班

费用

准点

时间

率

情况

票价

是否

自费

性

Becky P. Y. Loo

Stephane Hess[2_3]

VV

Gozen Basar

VV

⑷

Woohyun Cho[5]

V

V

V

V

V

V

V

MarcC. G[6]

Tam M L[16]

V

V

V

V

V

Eric Pels[7_8]

Yoshinori Suzuki

VV

V

Chih- Wen YI10]

V

Jun Ishii[11]

VV

V

V

Stefano de Luca[12]

V

V

V

V

V

V

V

3.2

i

机场调研论证

文所选6项关键影响因素中，除去“机票自费，

否”这'一出行者相关蹲素，剩下5项与机场相关的因

素，为了检验在实际的乘机过程中，旅客进行机场选择

时对上述各项因素的重视程度，作者前往南京禄

R

国

际机场进行实地调研，通过问卷的形式,选取正在候机

的实际乘机旅客，迸行傷素的重视度排序:，并考虑本文

中没有被选取但是在国外研究中被广泛采用的“航班

频率”因素。从1到6表示在选择乘机机场时对某一

因素重视程度排名依次降低

c

本次调研共调查乘机旅客220名，剔除无效问卷

后得到有效问卷215份。对所得问卷数据进行整理_，

得到各因素的:童齊度排名百分比分布，如图2所示。

4■到达机场所需时间

+前往机场交通方式准点性

;-机场延误率

图2各因素重要度排名分布图

2017年3月

刘钟佳文等:基于

Kano

模型的旅客机场选择行为分析

.53 .

由图2可见每一因素在各重要程度中的分布情况

以及每一重要度排名中各因素的分布情况。对于“票

价”因素,其在第1重要度排名内分布比例最高，且往

后逐级递减，可见票价高低仍然是目前国内民航旅客

在乘机出行时最为看重的因素；“机场准点性”的分布

折线和“票价”基本一致,可见随着旅客乘机出行的增

多，准点性问题的日益凸显，越来越多的旅客在考虑机

票价格之外同样十分看重机场的准点性情况。

“到达机场所需时间”因素反映了前往机场的时

间成本,其在第三重要度区间达到分布峰值，因此旅客

在考虑票价和机场准点性之后对到达机场所需时间较

为重视。

“前往机场交通方式的准点性”和“延误后的通报

情况”的分布折线基本一致，整体呈现递增趋势，可见

在重要度排名上相对较后，但是峰值出现在第四重要

度区间，尤其是“延误的通报情况”这一因素，峰值较

为明显,其出现在中部，可见随着目前航班延误情况的

增多，延误处理现状存在的问题,越来越多的旅客了解

延误后通报的重要性，良好的延误通报措施可以大大

降低延误带来的不便和不满，成为旅客乘机出行时的

关键影响因素。

“航班频率”因素作为在国外大部分研究中被广

泛选取的因素在本次调查中却普遍不受旅客重视，仅

有部分频繁商务出行的旅客较为重视航班频率的多

少,这与我国民航的发展相对较晚的实际情况存在一

定关系，随着航班密度的增加，民航出行的日益普及,

旅客乘机出行需求的增加，航班频率的重要性也会日

益凸显。

综上所述，通过对乘机出行旅客的实地调研分析,

本文所选取的关键因素符合我国民航旅客在选择机场

出行时的实际情况，具有充分的研究价值。

4结束语

本文采用

Kano

模型对影响旅客机场满意度的属

性进行研究,通过因素整理、预问卷调研、正式

Kano

问

卷调研的方式，实现对各机场属性项的

Kano

分类，分

析了各项属性对机场满意度的影响情况，选取对旅客

机场满意度影响最大的机场期望属性和机场魅力属

性，作为影响旅客机场选择行为的关键因素。通过将

本文选取的关键因素与国内外现有的相关研究进行对

比，结果表明:本文所选取的关键因素既包含了在国外

较为成熟研究中广泛采用的因素，也考虑到了在国外

并不显著的如“前往机场常用交通方式的准点性”因

素和尚未被提及的如“机场延误通报情况”因素，和现

今我国民航旅客的机场选择行为特征相符，并通过实

地调研充分论证了本文因素选取的合理性，为后续对

我国区域多机场中的旅客机场选择行为建模研究奠定

了理论基础。

参考文献：

[1 ] Loo B P Y. Passengers? Airport Choice within Multi- Airport

Regions ( MARs)

：

Some Insights from a Stated Preference

Survey at Hong Kong International Airport [ J ]. Journal of

Transport Geography,2008,16(2) ：117 -125.

[2] Hess S,Polak J W. Mixed Logit Modelling of Airport Choice

in Multi- airport Regions [J]. Journal of Air Transport Man­

agement ,2005,11(2)：59 - 68.

[3] Hess S. An Analysis of Airport- choice Behaviour using the

Mixed Multinomial Logit Model [ J ]. General Information,

2004,28(4) ：46 -52.

[4] Ba§ar G,Bhat C. A Parameterized Consideration Set Model

for Airport Choice

：

an Application to the San Francisco Bay

area[ J ]. Transportation Research Part B

：

Methodological,

2004,38(10) ：889 -904.

[5] Cho W, Windle R J, Dresner M E. The Impact of Low- cost

Carriers on Airport Choice in the US

：

A Case Study of the

Washington - Baltimore region[ J]. Transportation Research

Part E

：

Logistics and Transportation Review, 2015,81 (5

)：

141-157.

[6] Gelhausen M C. Modelling the Effects of Capacity Constraints

on Air Travellers, Airport Choice[ J]. Journal of Air Trans­

port Management,2011 ,17(2) ：116 - 119.

[7] Pels E,Nijkamp P, Rietveld P. Access to and Competition

Between Airports：a Case Study for the San Francisco Bay ar-

ea[ J]. Transportation Research Part A

：

Policy and Practice,

2003,37(1) ：71 -83.

[8] Pels E,Nijkamp P,Rietveld P. Airport and Airline Choice in

a Multiple Airport Region：an Empirical Analysis for the San

Francisco Bay Area[J]. Regional Studies,2001,35( 1) ：1 -9.

[9] Suzuki Y. Modeling and Testing the “ Two - step” Decision

Process of Travelers in Airport and Airline Choices [ J ].

Transportation Research Part E

：

Logistics and Transportation

Review,2007,43(1) ：1 -20.

[10] Yang C W,Lu J L,Hsu C Y. Modeling Joint Airport and

Route Choice Behavior for International and Metropolitan

Airports [J]. Journal of Air Transport Management, 2014,39

(3) ：89 -95.

[11] Ishii J,Jun S,Van Dender K. Air Travel Choices in Multi-

airport Markets[J]. Journal of Urban Economics,2009,65

(2) ：216 -227.

(

下转第

58

页）

.58 .

航空计算技术

第47卷第2期

AIAA Guidance,Navigation,and Control Conference,2013.

[35]

陈强，张军峰，王菲，等.基于

OLS- RBF

神经网络的进场

飞行时间预测

[J].

航空计算技术，

2015,45 (4) :42 -45.

[36]

郑志祥，张军峰，朱海波.基于随机森林的进场到达时刻

预测

[J].

航空计算技术，

2016,46 (5) :38 -41.

[37] Paglione M，Mcdonald G，Bronsvoort J，et al. Lateral Intent

Error^ Impact on Aircraft Prediction [ C ]//Napa, Califor­

nia, USA

：

8th USA/EUROCONTROL Air Traffic Manage­

ment R&D Seminar,2009.

[38] Bronsvoort J,Mcdonald G,Paglione M,et al. Impact of Miss­

ing Longitudinal Aircraft Intent on Descent Trajectory Pre­

diction [C ] //Seattle, Washington, USA

：

30th Digital Avion­

ics Systems Conference,2011.

[39] Casado E,Goodchild C,Vilaplana M. Sensitivity of Trajecto­

ry Prediction Accuracy to Aircraft Performance Uncertainty

[C]//Boston,MA,USA：AIAA Infotech @ Aerospace Con­

ference ,2013.

[40] Zheng Q M,Zhao Y J. Modeling Wind Uncertainties for Sto­

chastic Trajectory Synthesis [ C ]//Virginia Beach, VA,

USA

：

AIAA Aviation Technology, Integration, and Opera­

tions Conference, 2011.

[41 ] Lymperopoulos I,Lygeros J. Improved Multi- Aircraft Ground

Trajectory Prediction for Air Traffic Control [ J ]. Journal of

Guidance Control and Dynamics,2010,33(2) ：347 -362.

[42]

[43 ]

[44]

[45]

[46]

[47]

Bronsvoort J, Mcdonald G,Vilaplana M. Two - Stage Ap­

proach to Integrated Air/Ground Trajectory Prediction[ J].

Journal of Guidance Control and Dynamics, 2014,37 ( 6

)：

2035 -2039.

Thipphavong D, Schultz C A, Lee A G. Adaptive Algorithm

to Improve Trajectory Prediction Accuracy of Climbing Air-

craft[ J]. Journal of Guidance Control and Dynamics,2013 ,

36(1) :5 -24.

Alligier R, Gianazza D, Durand N. Learning the Aircraft

Mass and Thrust to Improve the Ground - based Trajectory

Prediction of Climbing Flights [ J ]. Transportation Research

Part C,2013,36:45 -60.

Alligier R, Gianazza D, Durand N. Machine Learning and

Mass Estimation Methods for Ground- Based Aircraft Climb

Prediction[ J]. IEEE Transactions on Intelligent Transporta­

tion Systems,2015,16 (6) ：3138 -3149.

Cate K T. Challenges in Achieving Trajectory- Based Opera­

tions [C ] //Grapevine, Texas, USA

：

AIAA Aerospace Sci­

ences Meeting, 2013.

Kaneshige J,Benabides J,et al. Implementation of a Trajec­

tory Prediction Function for Trajectory Based Operations

[C ]//Atlanta, GA, USA

：

AIAA Atmospheric Flight Me­

chanics Conference ,2014.

(

上接第

53

页）

[12] De Luca S, Di Pace R. Modelling Passenger Departure Air­

[15]

吴明隆

.SPSS

统计应用实务：问卷分析与应用统计

port Choice

：

Implicit Vs. Explicit Approaches [ J ]. Procedia-

[M].

北京

:

科学出版社，

2003.

[16] Tam M L, Lam W H K, Lo H P. Modeling Air Passenger

Social and Behavioral Sciences,2012,54(3) ：875 -885.

Travel Behavior on Airport Ground Access Mode Choices

[13] Yang C W,Lu J L,Hsu C Y. Modeling Joint Airport and

[J]. Transportmetrica, 2008 ,4(2) ：135 - 153.

Route Choice Behavior for International and Metropolitan

Airports [ J ]. Journal of Air Transport Management, 2014,

[17] Yang C W, Lu J L, Hsu C Y. Modeling Joint Airport and

Route Choice Behavior for International and Metropolitan

39:89 -95.

Airports[ J]. Journal of Air Transport Management,2014,39

[14]

杨慧，宋华明，周晶

.

收益管理环境下乘客有限理性购票

(2) ：89 -95.

行为研究

[J].

管理科学学报，

2014,17(6) :20-27.