Concept and identification of multiple airport systems: A geographical empirical research

  • Xiao Fan , 1, 2 ,
  • Mo Huihui 3 ,
  • Wang Jiaoe , 1, 2 ,
  • Xiong Meicheng 1, 2
Expand
  • 1. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. China Academy of Civil Aviation Science and Technology, Beijing 100028, China

Received date: 2022-06-16

  Revised date: 2023-01-05

  Accepted date: 2023-03-02

  Online published: 2023-04-20

Supported by

National Natural Science Foundation of China(42171187)

National Social Science Foundation of China(20&ZD099)

Copyright

Copyright reserved © 2023.

Abstract

Multiple/multi-airport system (MAS), that is, a set of significant airports that serve commercial transport in a metropolitan region regardless of ownership or political control of the individual airports, plays a key role in commercial aviation. According to this definition, there are 3 keywords to describe MAS: 1) a set of two or more significant airports, 2) that serve commercial traffic, and 3) within a metropolitan region. Therefore, MAS is a typical cross-border (or cross-regional) major infrastructure, which can serve more than one city, namely metropolitan area. However, recent studies' MAS identification method is mainly based on the administrative boundary or the spatial/temporal distance between airports. These methods fail to capture the cross-border characteristic, in addition to the typology of airport and city from a spatial perspective, resulting in the identification bias. After sorting out the concept of MAS, this study proposes a two-step search method to identify MAS. Specifically, the first step is to search for a neighboring primary city with the primary airport as the center, and the second step is to search for significant airports within a specific radius centered on the primary city (i.e., potential center of metropolitan area) obtained in the previous step. With the help of the Annual World Airport Traffic Dataset 2019 and World Cities Database, this study identified the MAS worldwide in 2018 based on the two-step search method. Then, it analyzed the geography of MAS worldwide and its relationship with the place's attributes through geo-visualizing MAS worldwide. The findings are as follows. First, the two-step search method works well, reflecting the relationship between the airport and the metropolitan area. Second, at the metropolitan scale, the maximum reasonable distance between the airport and the primary city can be 70 km; at the city scale, the ultimate reasonable distance between the airport and the city may be 30 km. Third, 59 MAS worldwide in 2018, including 142 civil transport airports, played an essential role in global civil aviation transportation. MAS carries 39.68% of the global throughput, including 3.379 billion passengers and 61 million tons of freight (or air cargo). The average number of airports in the MAS is 2.41. MAS typically contains a large airport with a smaller significant airport. The average airport-city journey time is 39.35 min. Forth, the geography of MAS shows a multicore structure, with most of MAS distributed in coastal areas and regional centers. The detailed characteristics of MAS, such as the transportation volume, the number of airports, and the ground distance between airports and metropolitan area, also shows prominent regional features. Fifth, serval factors, including air transport demand, socio-economic factors, and natural conditions, are jointly related to the geography of MAS. Our findings will pave the way for future research on MAS from a geographic perspective, such as the interaction between MAS and place.

Cite this article

Xiao Fan , Mo Huihui , Wang Jiaoe , Xiong Meicheng . Concept and identification of multiple airport systems: A geographical empirical research[J]. SCIENTIA GEOGRAPHICA SINICA, 2023 , 43(4) : 606 -616 . DOI: 10.13249/j.cnki.sgs.2023.04.004

随着机场建设的逐步深入,机场数量规模不断扩大。在以城市为单元的空间上,中国机场布局呈现出区域均衡发展趋势。2020年,中国境内运输机场(不含港澳台地区)共有241个,其中定期航班通航机场240个,定期航班通航城市(或地区)237个,覆盖全国71.2%的城市( http://www.caac.gov.cn/XXGK/XXGK/TJSJ/202104/t20210409_207119.html)。尽管如此,随着城镇化进程的深入,人口由农村地区和小城市逐步流向中心城市,中国人口和产业空间向以大城市为中心的都市圈(区)集聚,都市圈成为中国航空运输的主要需求空间。2017年中国34个中心城市都市圈承载了全国59.0%的人口和77.8%的地区生产总值[1]。面对机场供需空间的变化,在都市圈内布局新机场、构建多机场体系(Multiple/multi-airport system,MAS)成为新时期机场布局的关键方向[2]。因此,加强多机场体系空间组织的相关研究是新时期机场布局一项重要理论与实践工作。
机场与区域(都市圈)之间的空间关联关系是多机场体系的核心内涵[3-10],但既有多机场体系甄别方法多关注机场间相对位置,即将其简单转换为核心机场航空运输有效服务区的界定问题,研究方法包括地理聚类[7,11]、空间距离阈值[12]、时间距离阈值[13-14]等定量与定性分析;如O'Connor和Fuellhart将空间距离在100 km以内、单个机场提供年座位数在60万个以上的一群机场识别为多机场体系[12],而Sun等将时间距离在1.5 h以内的一群机场识别为多机场体系[13]。另一方面,早期基于城市行政边界的识别方法(即多个机场同属于一个城市)忽视了都市圈的概念,无法体现多机场体系的跨区域服务特征[3-4]
在多机场体系定义和甄别方法探讨的基础上,学者对全球多机场体系在地区和国家层面上的空间分布特征进行了分析[7,13-16],如多机场体系主要分布在欧美和亚太地区的国家[14],零星分布在拉丁美洲和中东地区[7],而美国是多机场体系最发达的国家[16]。有研究进一步分析了不同类型多机场体系的空间格局[14-15],如曹小曙等的研究发现,南欧、澳洲、西亚等地多机场体系内的机场两极分化明显,英、美两国多机场体系内的机场布局更为紧凑[14]。Fuellhart 等发现由国际机场(Diverse global group)和区域机场(Major regional group)构成的多机场体系均分布在亚洲[15]。在多机场体系的空间指向性特征方面,王姣娥等指出典型多机场体系分布在世界性城市群内[17]
尽管学者们对多机场体系的定义、甄别方法和空间格局开展了研究,但仍存在以下不足:① 受数据等约束,国内外学者从空间组织视角对多机场体系研究数量仍十分有限[18];② 多机场体系作为一个空间地域组织系统,既有甄别方法忽视了机场与区域(都市圈)之间的空间关系,且部分研究误将机场群识别为多机场体系[19];③ 既有多机场体系的研究多关注于客运需求,缺乏对货运市场的考虑;④ 对多机场体系空间格局的研究多以定性描述为主,缺乏对空间指向性的深入探讨。鉴于此,本研究基于机场与区域空间关系的视角,利用全球机场和城市数据,构建多机场体系甄别的两步搜索法,并对全球多机场体系的空间格局进行探讨,以期为多机场体系规划与发展建立理论与实证基础。

1 多机场体系的概念内涵与识别方法

1.1 概念内涵与判定函数

自1984年De Neufville正式提出多机场体系概念以来[3],学者们基于空间视角分别对多机场体系进行了内涵阐述[4-8],也有学者从管理视角进行定义[9]。在诸多定义中,De Neufville和Odoni、Bonnefoy关于多机场体系的定义在学界和业界具有较高的认可度,即多机场体系指一个都市圈内由2个或以上提供商业运输服务的大型机场及其他机场形成的机场集合[6-7]。基于区域空间范畴及特征分析,多机场体系是都市圈机场体系(metropolitan airport system)的一个特例[19],其关注位于相同的都市圈内多个大型及其他运输机场的空间组织体系。多机场体系至少包括3个概念内涵[6-7]:① 2个或以上的大型机场及其他机场形成的机场集合(A set of two or more significant airports);② 开展商业航班服务(that serves commercial traffic);③ 位于相同的都市圈内(within a metropolitan region)。
基于上述多机场体系的概念内涵,本研究引入集合论等概念来对多机场体系进行定义。考虑在某个区域范围内,分布着的城市构成集合C={ci: i=1,2,…,n},其中ci表示城市i的人口规模,n=∣C∣表示城市数量。区域内都市圈M={mj: j=1,2,…,u},其中mj表示都市圈j的人口总规模,u=∣M∣表示都市圈的数量,则作为城市(C)真子集的都市圈(M)存在关系CMnu;值得注意的是,对于具体的都市圈j也构成城市(C)真子集。用A={ak: k=1,2,…,v}表示区内所有运输机场(以下简称机场)构成的集合,其中ak表示机场k的业务规模,v=︱A∣表示机场的总数量。用D={dj: j=1,2,…,u}表示都市圈的空间服务范围集合,其中dj =fj)表示都市圈j的区域辐射服务函数,且DM为一一对应关系。
如果区域内某个机场k落在都市圈j的服务空间范围dj内,则记δjk=1,否则δjk=0。按照多机场体系的定义,假设多机场体系业务量阈值为α,建立下述判定关系:
$ {\gamma }_{k}=\left\{ {\begin{array}{*{20}{l}}{ 1 }&{ {\rm{若}}\;\;{a}_{k} \geqslant \alpha }\\ { 0 }&{ {\rm{若}}\;\;{a}_{k} < \alpha }\end{array}} \right.$
式中,γk是机场k​​​​​​​作为多机场体系成员机场的业务量判断函数值。对于某个都市圈j,多机场区内的机场数量Sj存在如下关系:
$ {S}_{j}={\displaystyle\sum }_{k=1}^{v}{{\mathrm{\delta }}_{jk}\times \gamma }_{k} $
式中,k为区内的第k个机场;如果Sj≥2则表示对应的都市圈j存在一个多机场体系。

1.2 量化甄别方法构建

根据多机场体系空间组织基本特征,在明确都市圈集合(M)和机场集合(A)的基础上,可获得某一区域范围内的多机场体系构成。然而,目前学界和业界对于都市圈的认识在全球范围内并未达成共识[13],即都市圈集合(M)的数据尚缺。
从数据的可获得性及一致性来分析,各国或地区在城市人口和机场业务量方面具有相对统一的数据,即存在城市集C和机场集A。本研究中城市指的是自然城市,并将人口中心(CBD,中央商务区)定义为城市中心点的位置。从实践情况来看,考虑多机场体系至少需要一个作为核心的大型机场作为支撑,而大型机场以服务于大城市(将其假设为都市圈)为依托。基于此,本研究提出“两步搜索法(two-step search method,TSSM)”的多机场体系识别算法,以充分考虑供(机场)需(城市)双方跨行政边界的潜在相互作用[20],即:
第一步:搜索以大城市作为目标的都市圈。以业务量超过某阈值(T)的机场集A*作为始点,以一定的机场−都市圈距离(R)为半径,在城市集C搜索人口规模最大的首位城市(搜索范围1内人口数量最多的城市)。将获得的城市C*中可能存在相同的城市进行归并得到作为样本的都市圈M *
第二步:搜索以都市圈为核心的多机场体系。以上一步搜索获得的都市圈M *为中心,以一定的机场−都市圈距离(R)为半径,在机场集A搜索符合多机场体系业务量阈值(α)要求的机场,将范围内由2个或以上机场形成的集合确定为多机场体系(图1)。
图1 多机场体系量化甄别方法

箭头为基于特定半径的搜索行为

Fig. 1 Schematic diagram of the quantitative method to identify multiple-airport system

2 多机场体系识别关键技术

2.1 实证研究区域与数据来源

本研究的对象区域为全球,包括非洲、亚太、欧洲、拉美、北美、中东6个区域,覆盖182个国家(地区)。本研究数据来源主要包括两部分:① 全球机场数据。机场数据来源国际机场协会(Airports Council International,ACI)(①https://store.aci.aero/product/annual-world-airport-traffic-dataset-2019/. [2021-04-07].)的数据分析,包含2018年全球2500多个机场的相关数据,将年客运量大于50万人次或年货运量大于5万t[12,21]的1118个机场作为研究对象。机场点位数据来源于OurAirports数据平台(②https://ourairports.com/. [2021-09-02].)。② 世界城市数据。城市数据源于世界城市数据库(③https://simplemaps.com/data/world-cities. [2022-02-22].),以真实人口聚集地为基本单元,避免由城市边界划分标准不一可能造成的估计偏差。③ 其他数据源于OpenStreetMap开源地图(④http://www.openstreetmap.org/. [2022-03-21].)、世界银行(⑤https://data.worldbank.org/. [2022-06-14].)和GSHHG数据库(⑥http://www.soest.hawaii.edu/pwessel/gshhg/. [2022-02-22].)等。

2.2 参数阈值的假设提出

由于空间与尺度分异现象的普遍存在,对于同一识别算法,不同的研究案例通常存在差异化的理论参数阈值。在实证研究中,首先需要对算法中的机场−都市圈距离阈值(R)和大型机场业务量阈值(T)进行标定,以完成参数阈值与案例研究区域的匹配。
1) 机场−都市圈距离阈值。在都市圈尺度上,机场是面向航空运输的功能性城市锚点(Functional urban anchors)[22],因而机场−都市圈距离的探讨是都市圈区域范围内港(航空港)−城(城市中心)距离研究的延伸,主要包括港−城距离和都市圈尺度两个关键要素。① 在港−城距离方面,考虑到航空港自身与整个城市的经济、社会和环境效应,早期研究表明机场离城市中心的距离在30 km范围以内是合适的,40 km及以外的距离则不经济[22-23]。对全球1118个机场离最邻近城市中心的距离进行分析发现(图2),97.05%的机场距市中心30 km范围以内,仅不到2%的机场离市中心的距离大于40 km。换而言之,在城市尺度上,港−城的距离阈值宜在30~40 km。② 在都市圈尺度方面,尺度效应主要体现在都市圈与城市基本尺度范围的差异性,即都市圈的理论半径是城市的2倍左右:一方面,人类活动范围与马切提恒值(Marchetti's constant)高度相关,城市基本尺度范围通常以0.5 h为半径[24];另一个方面,都市圈的基本范围通常被定义为1小时通勤圈(《国家发展改革委关于培育发展现代化都市圈的指导意见(发改规划〔2019〕328号)》(⑦https://zfxxgk.ndrc.gov.cn/web/iteminfo.jsp?id=16110. [2022-01-12].))。综合考虑城市尺度的港−城距离阈值、城市与都市圈空间范围,机场−都市圈距离阈值宜控制在80 km以内。
图2 全球航空港−城市中心距离

Fig. 2 Histogram of airport-city distances worldwide

2) 大型机场业务量阈值。美国联邦航空管理局(Federal Aviation Administration)相关标准指出,都市圈机场体系内大型机场的年航班量门槛值为10万架次[25];基于相关研究分析,该阈值对应的旅客吞吐量为1 000万人次/a或货物吞吐量100万t/a[26]。基于2018年国际机场协会的数据分析,此阈值条件下的大型机场分别集中了全球72.62%的旅客吞吐量和84.94%的货物吞吐量,在全球民航体系中占据了关键地位。综合考虑,本研究设定多机场体系的大型机场业务量阈值为1000万人次/a旅客吞吐量或100万t/a货物吞吐量。

2.3 基于不同参数阈值的模拟识别

为验证参数阈值的合理性,本研究使用不同的参数阈值模拟识别多机场体系。模拟使用的参数如下:① 机场−都市圈距离参数9个,即20, 30, …, 100 km;② 大型机场业务量参数15个,即年旅客吞吐量600, 700, …, 2 000万人次,对应年货物吞吐量60, 70, …, 200万t。基于此,计算分析得到135组基础模拟值,从而可直观分析不同参数阈值下的多机场体系当量吞吐量变化规律。在本研究中,当量吞吐量是客运和货运吞吐量的总和,换算比例为“10人次=1 t”[26]
总体分析发现,随着机场−都市圈距离参数的增加,全球多机场体系当量吞吐量随之增加。具体而言,30 km和70 km是当量吞吐量的突变点,是航空运输服务范围发生尺度转换的阈值,即在30 km时由城市尺度转向都市圈尺度,而在70 km时由都市圈尺度转向城市群尺度。20~30 km范围,当量吞吐量实现快速上涨;30~70 km范围,当量吞吐量实现上升幅度逐步趋于平稳的对数型上涨;70~100 km范围,当量吞吐量的增幅再次增加,原因可能在于70~100 km时会出现一个大型机场同时服务于两个都市圈的情况,以致部分地区的空间尺度由都市圈尺度向城市群尺度过渡[27]。鉴于距离阈值大于70 km时,航空运输服务范围发生尺度转换,采取机场−都市圈距离阈值是70 km(80 km 之内)的设定得到验证。另一方面,与机场−都市圈距离参数相比,大型机场业务量参数阈值对多机场体系当量吞吐量的影响则不显著;鉴于此,大型机场业务量阈值采用1000万人次旅客吞吐量/a(对应100万t/a货物吞吐量)也是适宜的,也与当前机场技术经济水平相适应。

2.4 参数阈值的稳健性检验

在全球范围内,都市圈的概念在美国相对明确,且应用广泛。美国管理和预算办公室(U.S. Office of Management and Budget,OMB)对都市圈有明确的地理范围界定,这为本研究参数阈值的稳健性检验提供了良好的基础条件。根据美国都市圈的空间范围,将其与美国机场进行匹配,得到美国多机场体系成员机场参照名单。在此基础上,本研究以美国多机场体系成员机场参照名单(US)作为参照标准,将其与不同参数阈值下模拟得到的美国多机场体系成员机场模拟名单进行比对( $ \overline {{US}_{t,r}} $ ),并计算匹配率(MR),如式(3),以进行标定参数阈值的稳健性检验。其中,t表示大型机场阈值,r表示距离阈值。
$ MR=\dfrac{\left|US\cap \overline {{US}_{t,r}}\right|}{\left|US\cup \overline {{US}_{t,r}}\right|} $
当机场−都市圈距离阈值标定在70 km、大型机场业务量阈值标定在旅客吞吐量1000万人次/a时,模拟名单与参考名单的匹配率达到70%以上(图3),具有良好的识别效果,参数阈值标定具有稳健性。尽管在匹配率矩阵中,60 km的距离阈值具有比70 km略高的匹配率,但是本研究依旧使用上述70 km的距离阈值,原因在于:美国小型都市圈数量多,其地理空间范围通常比全球南方的都市圈小,选用60 km会导致明显的识别偏误。此外,参照名单中93%以上的多机场体系大型机场业务量满足旅客吞吐量大于1000万人次/a的阈值。因此,本研究标定的参数阈值具有较好的理论与实践意义。
图3 基于不同参数阈值模拟的匹配率矩阵

Fig. 3 Matching rate matrix based on different thresholds

3 全球多机场体系的识别结果与空间布局模式

基于两步搜索法及2018年ACI的机场数据(并进行了人工校核),目前全球共有59个多机场体系,包含142个运输机场,其中89个大型机场。2018年,全球多机场体系承载的航空旅客吞吐量为33.79亿人次,占全球航空客运总量88.23亿人次的38.30%;多机场体系承载的航空货物吞吐量为0.61亿t,占全球航空货运总量1.23亿t的49.59%,这也证实了识别方法对航空货运进行考虑的必要性;同时,多机场体系承载了全球当量吞吐量的39.68%。此外,2018年全球多机场体系旅客吞吐量、货物吞吐量和当量吞吐量的平均值依次是5726.58万人次、103.12万t和6757.79万人次。因此,多机场体系在全球航空客货运输中具有重要地位。多机场体系总体特征的描述性统计指标如表1所示。
表1 多机场体系的统计指标

Table 1 Description of multiple-airport systems' variables

指标 平均值 标准差 最小值 最大值
旅客吞吐量/(万人/a) 5726.58 3945.46 1205.11 17760.33
货物吞吐量/(万t/a) 103.12 125.93 0.40 638.13
当量吞吐量/(万人/a) 6757.79 4992.41 1390.14 19920.64
机场数量/个 2.41 0.75 2.00 6.00
港−城欧氏距离/km 27.97 9.33 7.82 48.23
港−城道路距离/km 37.89 12.19 10.75 64.05
港−城车程时间/min 39.35 10.52 17.5 65.33
在O'Connor和Fuellhart的研究中,2015年全球共有53个多机场体系,包括132个运输机场,本研究结果与其大体相当[12];二者的差异主要体现在以下几个方面:① 补充了3个旅客吞吐量小于50万人次/a的货运机场,为多机场体系客货职能分工研究提供了基础素材[17]。② 根据都市圈与机场的距离调整相关机场,减少了机场间距离大于港−城距离(指机场−都市圈距离,下同)的机场。③ 增加了新兴机场。

3.1 空间格局

全球多机场体系呈现出多核空间布局的特征,主要分布在沿海发达地区以及大洲/国家尺度的区域性中心(表2)。基于区域视角的分析,多机场体系高度集聚在欧洲、北美和亚太地区,这三大核心区域多机场体系的数量依次为22个、16个和15个,一共占全球总量的89.83%,而这三大区域同时也是全球航空运输发生的主要区域。基于国家视角的分析,全球共有30个国家拥有多机场体系。按照数量大小排名依次为:美国(13个)、中国(5个)、日本(4个)、英国(4个)、加拿大(3个)、意大利(3个);此外,德国、西班牙、韩国和巴西拥有2个多机场体系,多为发达国家。
表2 全球多机场体系空间分布

Table 2 Geography of multiple-airport systems worldwide

区域 国家 多机场体系当量吞吐量/(亿人次/a)
  注:计算国家多机场体系数量时,跨境多机场体系被划入都市圈内机场业务量最显著的国家。
亚太地区 中国 深圳−香港−澳门(1.95)、上海(1.59)、北京(1.28)、
台北(0.76)、厦门−漳州−泉州(0.38)
日本 东京(1.66)、大阪(0.58)、福冈−北九州(0.30)、
名古屋(0.15)
韩国 首尔(1.24)、釜山(0.18)
马来西亚 吉隆坡(0.70)
泰国 曼谷(1.20)
印度尼西亚 雅加达(0.81)
新加坡−马来西亚 新加坡−新山(0.91)
欧洲 荷兰 阿姆斯特丹−鹿特丹(0.90)
法国 巴黎(1.32)
德国 科隆−杜塞尔多夫(0.46)、柏林(0.35)
英国 伦敦(1.99)、曼彻斯特−利兹−利物浦(0.39)、
格拉斯哥−爱丁堡(0.25)、伯明翰(0.22)
比利时 布鲁塞尔(0.39)
波兰 华沙−莫德林(0.22)
乌克兰 基辅(0.16)
意大利 米兰(0.54)、罗马(0.51)、威尼斯(0.15)
俄罗斯 莫斯科(1.03)
西班牙 圣·克鲁斯(0.17)、穆尔西亚(0.15)
瑞典 斯德哥尔摩(0.30)
土耳其 伊斯坦布尔(1.16)
丹麦−瑞典 哥本哈根−马尔默(0.36)
奥地利−斯洛伐克 维也纳−布拉迪斯拉发(0.32)
拉美地区 阿根廷 布宜诺斯艾利斯(0.27)
巴西 圣保罗(0.71)、里约热内卢(0.26)
中东地区 伊朗 德黑兰(0.25)
阿拉伯联合酋长国 迪拜(1.39)
以色列 特拉维夫(0.27)
巴林−沙特阿拉伯 巴林−阿德达曼(0.23)
北美地区 美国 纽约(1.61)、洛杉矶(1.30)、芝加哥(1.24)、
迈阿密(1.03)、旧金山(0.98)、达拉斯(0.95)、
华盛顿(0.79)、休斯顿(0.64)、奥兰多(0.53)、
菲尼克斯(0.50)、坦帕(0.27)、萨克拉门托(0.14)
加拿大 多伦多(0.58)、蒙特利尔(0.22)
美国−墨西哥 圣地亚哥−蒂华纳(0.34)
加拿大−美国 温哥华−阿博斯福−贝灵汉(0.31)
基于多机场体系整体航空运输分析,旅客吞吐量排名靠前的多机场体系比较多元,客运重心集中在亚太、欧洲和北美地区,对应10.81亿人次/a、10.14亿人次/a和10.02亿人次/a的旅客吞吐量,占全球多机场体系总量的90%以上;其中伦敦多机场体系的旅客吞吐量最大,为1.77亿人次/a。在货物吞吐量方面,深港澳、上海和迪拜多机场体系位居前三甲,这与全球化背景下产业分工格局的演变有关,即制造业由全球北方国家(Global North)向南方国家(Global South)转移。当量吞吐量排名前5的多机场体系依次是伦敦、深港澳、东京、纽约和上海,分布较货运多元;国家尺度上,多机场体系当量吞吐量排名前3的国家为美国(10.33亿人次/a)、中国(5.97亿人次/a)和英国(2.85亿人次/a),对应占全球总量的25.67%,14.84%和7.08%,中美两国在多机场体系运输市场上占据了主导地位;在区域层面,亚太地区的多机场体系优势明显,承担了近14亿人次的当量吞吐量,占全球总量的34.36%,且比第二和第三名的北美和欧洲地区多出2亿人次以上。

3.2 组织模式

在机场数量特征方面,2018年全球多机场区域内平均机场数量为2.41个,93.22%的多机场体系由2个或3个机场构成。多机场体系内部机场数量特征具有明显的空间分异特征,由4个或以上机场构成的多机场体系全部分布在欧美国家;其中,伦敦多机场体系拥有最多数量的6个机场。一方面,欧美国家的航空运输需求旺盛;另一方面,欧美国家居民对噪声污染和空气污染的强烈抗议[8]、机场设施老旧等因素共同影响了单位机场的航班量。具体而言,与新兴经济体相比,由于欧美国家未利用机场基础设施资源更丰富,其多机场体系多演化自战后机场的再利用,而新兴经济体多通过大型新机场的建设而构建多机场体系[11],这导致了多机场体系内单位机场运量在空间上的差异性。因此,在两股力量的共同作用下,欧美国家形成了多机场体系内部机场数量多的地区特性。
根据多机场体系内部大型机场与其他机场相互作用的主要方式,可将多机场体系划分为互补发展模式和平衡发展模式,具体可分为“一主一辅”“双核”“三核”等8种模式。其中以一个大型机场和一个其他机场构成的“一主一辅”模式最为典型,即全球59个多机场体系中有30个多机场体系使用此模式进行发展;其次是11个多机场体系采用的“双核”模式,这也印证了De Neufville提出的“推动集中的市场力量几乎总是决定性地占上风”的观点[28]。在区域尺度上,除中东地区以外,“一主一辅”的互补发展模式在各区域均占据主导地位;在国家尺度上,美国是多机场体系模式发展最多元化的国家,其多机场体系共拥有6种模式,以“一主一辅”(6个)、“双核”(3个)和“三核”(2个)模式占主导。进一步对不同类型机场与都市圈的时间距离分析表明(图4),与其他机场相比,各区域的主要机场相对分布在都市圈中心附近,这与航空运输供需端的偏好相关,也符合集聚原理[6]表3)。
图4 全球各区域不同类型机场与都市圈的时间距离

Fig. 4 Duration between metropolitan and (mega and significant) airports within multiple-airport system worldwide

表3 全球多机场体系组织模式

Table 3 Patterns of multiple-airport systems worldwide

大型机场数量/个
1 2 3 4
  注:—为单个机场,非多机场体系。
其他机场
数量/个
0 柏林、东京、科隆−杜塞尔多夫、迈阿密、曼谷、上海、圣保罗、首尔、休斯顿、伊斯坦布尔、芝加哥 华盛顿、旧金山
1 阿姆斯特丹−鹿特丹、奥兰多、巴林−阿德达曼、北京、伯明翰、布鲁塞尔、德黑兰、多伦多、菲尼克斯、釜山、哥本哈根、华沙−莫德林、基辅、吉隆坡、里约热内卢、罗马、蒙特利尔、名古屋、穆尔西亚、萨克拉门托、厦门−漳州−泉州、圣·克鲁斯、圣地亚哥−蒂华纳、斯德哥尔摩、台北、特拉维夫、威尼斯、维也纳、新加坡−新山、雅加达 巴黎、布宜诺斯艾利斯、达拉斯、大阪、迪拜、米兰、深圳−香港−澳门 莫斯科、纽约
2 福冈−北九州、格拉斯哥−爱丁堡、曼彻斯特−利兹−利物浦、坦帕、温哥华 洛杉矶 伦敦

3.3 港−城距离特征

在机场布局的紧凑程度即航空港−城市中心(简称“港−城”)地面距离方面,2018年全球多机场体系内港−城的平均欧氏距离、道路距离和车程时间依次为27.97 km、37.89 km和39.35 min,总体上多机场体系内机场布局紧凑。基于空间分异特征分析(表4),中东和亚太地区的多机场体系内部机场分散程度最高,北美等地区的多机场体系内部机场布局相对紧凑,整体的差异性可能源于中东和亚太地区的多机场体系多源于近年来的新建大型机场,由于市(都市圈)中心人口高度密集,土地利用限制程度高[29]、居民对机场噪声和排放等问题存在担忧[8],共同推动了新机场设施远离市中心的空间形态。对紧凑程度排名前10的多机场体系分析表明,港−城的平均欧氏距离和道路距离最短的多机场体系分布的区域比较多元;在港−城车程时间方面,美国的多机场体系表现突出,占据了前10中的1/2;究其原因,汽车是美国人最重要的出行方式,其道路交通比较完善[30]
表4 全球各区域多机场体系的紧凑程度

Table 4 Distance between metropolitan and airports within multiple-airport system worldwide

区域 欧氏距离/km 道路距离/km 车程时间/min
亚太地区 30.42 43.52 47.05
欧洲 30.76 40.85 44.02
拉美地区 16.92 22.96 27.50
中东地区 33.69 45.72 45.44
北美地区 27.57 37.98 36.00
以上现象也指示了不同类型的距离指标在不同区域的适配性是差异化的:对于北美地区而言,由于公共交通不发达、汽车出行占比较高以及道路拥堵的情况比较少,可优选地使用60 min的车程时间作为阈值距离[27];对于亚欧大陆和拉丁美洲而言,由于其公共交通发达,在出行方式复杂和数据限制的情况下,使用欧氏距离或道路距离更具有科学性;中东地区的适用指标则无明显的偏好,但是随着公共交通的快速发展,车程时间的适配性或将随之下降。

3.4 空间指向性

对多机场体系空间格局的描述表明:多机场体系的空间集聚是典型的地理现象,其布局具有明显的空间指向性。多机场体系是用于解决存量航空运输基础设施与航空运输需求间供需失配的空间治理手段。在需求端,多机场体系布局通常需要满足都市圈航空运输需求超过门槛值的条件,对航空运输需求门槛值进行分析表明:2018年多机场体系当量吞吐量的门槛值为1 390.14万人次/a,这与De Neufville等提出的1500万人次/a的门槛值相似[31]。随着航空技术进步导致的机型增大,多机场体系布局的门槛值可能会上升[31]。值得注意的是,此处的航空运输需求应考虑实际情况和预测值[24]。可见,航空运输市场需求是多机场体系布局的首要影响因素或前提条件。在空间上,区域属性常表现出与需求端相关联的属性特征,因此,本研究进一步从需求端对多机场体系的空间指向性进行分析,其中,中心地指向性对应的是市场规模,而海洋指向性对应的是市场分配。
1) 中心地指向性。航空运输市场需求通常需要区域人口、社会和经济水平的支撑[32-34],社会经济集聚性使得多机场体系在空间上表现出“中心地指向性”,即集聚在高级中心地。在国家尺度上,高级中心地提供多样化的商品和服务,全球和区域间联系紧密,汇聚了多样化的航空出行目的,以致其航空运输需求在广度和深度上相比非中心地/低级中心地表现更突出。① 以人口规模(表征潜在市场规模)为例,59个多机场体系(有效服务范围占全球陆地总面积0.6%)服务了全球8亿的城市人口,占世界总人口76亿的11%,人口密度接近900人/km2。然而,11%的人口占比低于38%客运市场和50%货运市场占比,即人口的集聚程度远低于航空市场的集聚程度,侧面说明了都市圈是航空运输需求生成的主要区域。② 区域社会经济水平同样与多机场体系布局高度相关,其保证了航空运输行为的需求规模与旅客的消费能力。
2) 海洋指向性。自然地理条件与多机场体系间的空间关联性主要是通过影响需求分配实现的,即自然地理条件通过影响交通方式间的可替代性而影响了多机场体系的布局。全球多机场体系表现出明显的向临水型区位集聚的特征,其“海洋指向性”较为显著。全球59个多机场体系离海岸的距离均在1000 km以内,近75%(44个)的多机场体系位于离海岸100 km以内的区域。原因主要体现在以下两方面:① 沿海地区具备优越的自然条件,人口经济高度集聚,航空运输需求旺盛。② 岛屿国家中其他运输方式对航空运输的替代性低,航空运输优势比较显著。
除上述指向性特征外,与多机场体系空间指向相关的要素还包括:首先,航空运输基础设施的设计容量和机场就地扩容的限制,与上述要素共同作用影响供需均衡;其中土地利用现状、公民对噪声和环境等问题的担忧是影响机场就地扩容的主要因素,其推动了新机场在非人口密集区的规划与建设。其次,短期和长期的外生冲击事件对多机场体系的布局策略会产生影响。再其次,城市形象和国家竞赛等政治要素亦是与多机场体系布局相关的重要要素[24]。此外,城市空间策略也与多机场体系的布局相关。

4 结论与讨论

地域空间思维为多机场体系的概念内涵提供了有效且合理的解析,机场与区域(都市圈)的相互作用关系不断得到强化。然而,国内外地理学界对多机场体系的理论与实证研究方兴未艾。基于机场与区域空间关系的视角,本文从全球尺度对多机场体系进行了量化甄别方法和空间格局的深入研究,具有较好的理论与实践意义。在对多机场体系的概念进行梳理后,本文构建了多机场体系两步搜索法及对全球多机场体系进行甄别,并分析其空间格局,研究结果表明:
1) 两步搜索识别法包括以大型机场为中心对邻近都市圈进行的搜索,和以上一步搜索得到的都市圈为中心对特定半径范围内运输机场的搜索,其体现了机场与都市圈的空间关系,具有良好的识别效果。
2) 目前全球共有59个多机场体系,包含142个运输机场,在全球民航运输中具有重要地位;多机场体系承载了全球当量吞吐量的39.68%,体系内平均机场数量2.41个,“一主一辅”模式占主导地位,港−城的平均车程时间39.35 min。
3) 2018年全球多机场体系呈现出多核空间布局特征,且多分布在沿海发达地区、大洲/国家尺度的区域性中心;多机场体系的运输量、机场数量、港−城的地面距离等特征在全球范围内亦表现出明显的区域性特征。
4) 多机场体系在空间布局上呈显著的中心地指向和海洋指向,即受到经济地理等因素的影响。
多机场体系的识别是一项基础性的研究工作,与Bonnefoy[7,11]、O'Connor和Fuellhart[12]、Sun等[13]为代表的学者的甄别成果相比,本文的识别方法对空间关系的考虑由只考虑机场间拓展至机场与都市圈间,更能体现多机场体系的空间关联内涵;与De Neufville[3-4]、曹小曙和廖望[14]等多机场体系识别方法相比,本研究有助于进一步明确多机场体系与机场群及“一市两场”等空间范畴[19];具体而言,100 km、1.5 h、3 h等机场航空运输服务范围常体现在国家尺度的研究[35],如中国距离机场100 km范围内航空服务便捷度的评价仅为一般[36];本文模拟得到的70 km可能更适用于都市圈尺度的港−城距离阈值。同时,本文尝试对多机场体系的空间指向性进行了基础性的探讨,将为未来多机场体系与地方间互动关系等基于地理学视角的研究奠定基础。
值得指出的是,本研究仍有多方面值得改善之处:一是由于需要对机场货运属性进行考虑,受ACI数据覆盖面的限制,可能导致部分机场甄别遗失。二是对机场与都市圈的空间关系仅使用欧氏距离进行刻画,对地面交通的空间异质性考虑不足[14]。三是为避免疫情导致的可能数据偏差,未使用最新年份数据进行识别,导致一些新兴的多机场体系未被识别。随着数据的不断完善,基于多源数据的多机场体系空间甄别及其空间组织模式研究将成为深化研究方向之一。此外,多机场体系的空间竞合模式[37]、多机场体系与地方间的互动关系等也是重要的研究方向,例如构建可靠的计量模型对多机场体系布局的影响因素(或空间指向性)进行深入研究。
[1]
尹稚, 袁昕, 卢庆强, 等. 中国都市圈发展报告2018[M]. 北京: 清华大学出版社, 2019.

Yin Zhi, Yuan Xin, Lu Qingqiang et al. China metropolitan development report 2018. Beijing: Tsinghua University Press, 2019.

[2]
王姣娥, 莫辉辉. 航空运输地理学研究进展与展望[J]. 地理科学进展, 2011, 30(6): 670-680.

Wang Jiaoe, Mo Huihui. Geography of air transportation: Retrospect & prospect. Progress in Geography, 2011, 30(6): 670-680.

[3]
De Neufville R. Planning for multiple airports in a metropolitan region[J]. Built Environment, 1984, 10(3): 159-167.

[4]
De Neufville R. Management of multi-airport systems: A development strategy[J]. Journal of Air Transport Management, 1995, 2(2): 99-110.

DOI

[5]
Hansen M, Weidner T. Multiple airport systems in the United States: Current status and future prospects[J]. Transportation Research Record, 1995, 1506(1): 8-17.

[6]
De Neufville R, Odoni A R. Airport systems: Planning, design, and management[M]. New York: McGraw-Hill Education, 2003.

[7]
Bonnefoy P A. Scalability of the air transportation system and development of multi-airport systems: A worldwide perspective[D]. U S, Cambridge, Massachusetts: Massachusetts Institute of Technology, 2008.

[8]
Dobruszkes F, Grippa T, Hanaoka S et al. Multiple-airport systems: The (re) development of older airports in view of noise pollution issues[J]. Transport Policy, 2021, 114: 298-311.

DOI

[9]
Fasone V, Giuffrè T, Maggiore P. Multi-airport system as a way of sustainability for airport development: Evidence from an Italian case study[J]. Procedia-Social and Behavioral Sciences, 2012, 53: 96-105.

DOI

[10]
Harvey G. Airport choice in a multiple airport region[J]. Transportation Research Part A: General, 1987, 21(6): 439-449.

DOI

[11]
Bonnefoy P A, De Neufville R, Hansman R J. Evolution and development of multiairport systems: Worldwide perspective[J]. Journal of Transportation Engineering, 2010, 136(11): 1021-1029.

DOI

[12]
O'Connor K, Fuellhart K. Airports and regional air transport markets: A new perspective[J]. Journal of Transport Geography, 2016, 53(C): 78-82.

[13]
Sun X, Wandelt S, Hansen M et al. Multiple airport regions based on inter-airport temporal distances[J]. Transportation Research Part E:Logistics and Transportation Review, 2017, 101: 84-98.

DOI

[14]
曹小曙, 廖望. 全球多机场区域空间格局与类型划分[J]. 地理科学进展, 2018, 37(11): 1473-1484.

DOI

Cao Xiaoshu, Liao Wang. Spatial pattern and classification of the worldwide multi-airport regions. Progress in Geography, 2018, 37(11): 1473-1484.

DOI

[15]
Fuellhart K, O'Connor K. A supply-side categorization of airports across global multiple-airport cities and regions[J]. GeoJournal, 2019, 84(1): 15-30.

DOI

[16]
Attaalla F A H. Multi-airport systems as a global tourism phenomenon: A critical review and a new concept[J]. Minia Journal of Tourism and Hospitality Research, 2018, 3(1): 1-18.

[17]
王姣娥, 莫辉辉, 金凤君. 世界机场空间格局及对中国的启示[J]. 世界地理研究, 2008(3): 8-18.

Wang Jiaoe, Mo Huihui, Jin Fengjun. Spatial pattern of the worldwide airports and its enlightenment. World Regional Studies, 2008(3): 8-18.

[18]
王姣娥, 陈娱, 戴特奇, 等. 中国交通地理学的传承发展与创新[J]. 经济地理, 2021, 41(10): 59-69.

Wang Jiaoe, Chen Yu, Dai Teqi et al. Inheritance, development and innovation of transport geography in China. Economic Geography, 2021, 41(10): 59-69.

[19]
莫辉辉, 王姣娥, 高超, 等. 机场群研究进展与展望[J]. 地理科学进展, 2021, 40(10): 1761-1770.

DOI

Mo Huihui, Wang Jiaoe, Gao Chao et al. Airport agglomeration research: A review and prospect. Progress in Geography, 2021, 40(10): 1761-1770.

DOI

[20]
Luo W, Wang F. Measures of spatial accessibility to health care in a GIS environment: Synthesis and a case study in the Chicago region[J]. Environment and Planning B: Planning and Design, 2003, 30(6): 865-884.

DOI

[21]
FAA (Federal Aviation Administration). Planning the metropolitan airport (150/5070-5) [EB/OL]. 1970-05-22 [2022-03-14]. https://www.faa.gov/airports/resources/advisory_circulars/index.cfm/go/document.information/documentNumber/150_5070-5.

[22]
Appold S J, Kasarda J D. The airport city phenomenon: Evidence from large US airports[J]. Urban Studies, 2013, 50(6): 1239-1259.

DOI

[23]
宗林. 城市航空港规划[M]. 北京: 中国建筑工业出版社, 1988.

Zong Lin. Urban airport planning. Beijing: China Construction Industry Press, 1988.

[24]
Kasarda J D, Lindsay G. Aerotropolis: The way we'll live next[M]. New York: Farrar, Straus and Giroux, 2011.

[25]
Bacon R F, Perrett E B. The national airport system plan—Its history and its potential[R/OL]. SAE Technical Paper, 1971. https://doi.org/10.4271/710414.

[26]
Mayer R. Airport classification based on cargo characteristics[J]. Journal of Transport Geography, 2016, 54: 53-65.

DOI

[27]
Fromme W R. Satellite airports: Analysis of development potential[M]. Washington: Department of Transportation, Federal Aviation Administration, Office of Aviation Policy, 1976.

[28]
De Neufville R. Planning multi-airport systems in metropolitan regions in the 1990s[R]. U S, WashingtonD C: Final Report for the US Federal Aviation Administration, 1994.

[29]
廖望, 曹小曙, 林雄斌, 等. 旅客机场选择行为意向的形成机制——以粤港澳大湾区为例[J]. 地理科学, 2021, 41(12): 2107-2116.

Liao Wang, Cao Xiaoshu, Lin Xiongbin et al. Investigating passengers' behavioral intention of reusing an airport: The case of Guangdong-Hong Kong-Macao Greater Bay Area. Scientia Geographica Sinica, 2021, 41(12): 2107-2116.

[30]
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.

DOI

[31]
De Neufville R, Odoni A R, Belobaba P P et al. Airport systems: Planning, design, and management[M]. New York: McGraw-Hill Education, 2013.

[32]
王姣娥, 景悦, 杨浩然. 中国高铁−民航竞争网络的空间演化模式及影响因素[J]. 地理科学, 2020, 40(5): 675-684.

Wang Jiaoe, Jing Yue, Yang Haoran. The evolution mode of China's HSR-air competitive network and its driving factors. Scientia Geographica Sinica, 2020, 40(5): 675-684.

[33]
Dobruszkes F, Vandermotten C. Do scale and the type of markets matter? Revisiting the determinants of passenger air services worldwide[J]. Journal of Air Transport Management, 2022, 99: 102178

DOI

[34]
姜海宁, 蔡诗瑶, 李博. 长三角民用机场体系位序−规模分布及其作用机制[J]. 地理科学, 2021, 41(4): 615-624.

Jiang Haining, Cai Shiyao, Li Bo. The rank-size distribution of civil airport system and its mechanism in the Yangtze River Delta. Scientia Geographica Sinica, 2021, 41(4): 615-624.

[35]
Lieshout R, Malighetti P, Redondi R et al. The competitive landscape of air transport in Europe[J]. Journal of Transport Geography, 2016, 50: 68-82.

DOI

[36]
王姣娥, 金凤君, 孙炜, 等. 中国机场体系的空间格局及其服务水平[J]. 地理学报, 2006, 61(8): 829-838.

DOI

Wang Jiaoe, Jin Fengjun, Sun Wei et al. Research on spatial distribution and service level of Chinese airport system. Acta Geographica Sinica, 2006, 61(8): 829-838.

DOI

[37]
莫辉辉, 王姣娥, 彭峥, 等. 机场群航线网络竞合评价方法及实证探讨——以粤港澳大湾区世界级机场群为例[J]. 热带地理, 2022, 42(11): 1797-1805.

Mo Huihui, Wang Jiaoe, Peng Zheng et al. Co-opetition on airport agglomeration's air transport network: A case study of the Guangdong-Hong Kong-Macao Greater Bay Area. Tropical Geography, 2022, 42(11): 1797-1805.

Outlines

/