城市空中交通网络优化与运营策略：基于粤港澳大湾区的详细解读

原文链接见文末

研究背景与问题定义

城市空中出行利用电动垂直起降飞行器（eVTOL）等新兴交通工具在城市内部或城市群之间提供快速出行服务。尽管多数研究关注单一城市内部的UAM规划，但在多城市组成的城市群中，如何合理布局垂直起降场（vertiport）、确定机队规模、制定运价与服务等级，并与地面交通协同，仍缺乏系统研究。作者指出，现有模型要么仅考虑规划决策，要么忽略乘客需求及运营动态，难以支撑大规模城市群的UAM系统设计。

为解决这一问题，论文提出面向城市群的UAM网络设计与运营一体化模型，兼顾了战略决策（如vertiport部署与机队规模）和运营决策（如乘客接受度、票价、飞行调度）。该模型旨在最大化系统利润的同时保证服务质量，并通过对模型的线性化，使其能够求解大规模城市群场景。

概念框架：UAM网络设计的互动关系

论文首先构建了一个概念框架（图 1）描述UAM网络设计的核心要素及其相互关系。框架显示，战略层面的vertiport部署与机队规模决定了UAM网络的基础；运营层面的交通流量和乘客到达率决定了需求；乘客需求在地面交通和UAM之间分配，其对UAM的接受度（通过多项式Logit模型计算）受到票价、旅行时间和服务等级的影响。服务等级进一步影响调度成本和乘客等待时间，从而影响乘客接受度和系统利润。

技术难点与模型设计

排队网络模型与服务等级

UAM系统涉及飞行起降、巡航和调机等多种作业，作者采用排队网络模型对其动态过程建模。模型包含三个队列：

Vertiport队列：不同vertiport部署不同服务能力，乘客到达后可能排队等待；服务等级表示在vertiport 有eVTOL可用的概率，表示遇到缺机的概率。
Transit队列：满足乘客航程需求的飞行队列；eVTOL载客飞行，从起点vertiport飞往终点vertiport。
Reposition队列：空机调度队列，用于平衡各vertiport的飞机数量。

排队网络示意见图 2。

排队模型的核心公式包括：

期望绕行时间（detour time）
其中是vertiport 的服务等级，为乘客若无法乘坐UAM而转用地面交通的时间，为飞行时间。
期望总旅行时间
即飞行时间与期望绕行时间之和。
乘客接受度模型：采用多项Logit模型，乘客在UAM与地面交通之间的选择概率由票价差异、旅行时间差异和乘客的时间敏感系数决定。

数学规划模型

作者建立的混合整数非线性规划模型（MINLP）以最大化系统利润为目标。利润由乘客付费收入减去eVTOL运营成本、vertiport建设与运营成本以及调机成本构成。模型中主要决策变量包括：是否在候选位置建vertiport、vertiport服务等级选择、机队规模，以及载客航段和空机调度航段的流量等。

其中乘客在不同交通模式间的需求分配为，机队规模由运送乘客和调机需求共同决定，且满足每个vertiport的起降流量平衡。系统利润的目标函数为：

其中为UAM服务价格，为vertiport建设成本，为运营成本，为eVTOL购置成本，为机队运营成本。由于接受度和服务等级决策导致非线性项，直接求解难度大。

线性化与枚举策略

为适应大规模城市群求解，作者提出两种线性化方法：离散化（MIP1）和枚举（MIP2）。离散化将接受度和服务等级做网格划分，但需要大量的变量和约束。枚举法则预先枚举接受度和飞行流量的可能组合，建立候选方案集，大幅减少决策变量。例如，对粤港澳大湾区案例，离散化模型需约205,662个变量和227,060条约束，而枚举模型仅需约31,652个变量和6,018条约束。

案例分析：粤港澳大湾区

数据与研究区

论文以**粤港澳大湾区（GBA）**为例，涵盖广东九市和香港、澳门。作者在各类交通枢纽中选取了216个候选vertiport位置。图 3展示了研究区地图及各城市分布。

交通需求来自移动手机信令数据和地理位置数据。各城市候选枢纽数量和类型如图 4所示：东莞、深圳和广州的候选枢纽最多；公交枢纽约占55%，高铁站42.1%，机场仅2.6%。

图 5给出了68个主要交通枢纽之间的旅行需求热力图，沿对角线附近颜色更深，说明地理邻近的枢纽之间旅行需求更大，这符合城市内或临近城市间出行的规律。

最优UAM网络与运行结果

模型在给定预算下为大湾区选择了30个vertiport，吸引了95.27%的需求并获得约1.89亿元利润。最优网络如图 6 所示，红线代表载客航段，蓝线为空机调度航段。Vertiport主要部署在广州、深圳、东莞等人口密集城市；航段流量强度不一，既有短途航段也有跨城市长航段。

主要结论包括：

旅客时间显著节约：地面交通平均旅行98.47分钟，而UAM平均飞行仅19.91分钟，平均节省78分钟。
UAM适用于城内和城间出行：短程航段提供快速通勤，长程航段有效缓解城市间交通拥堵。
调机流量低：智能调度下，空机调度流量占比小，提高运营效率。

旅行距离与时间分布

图 7 比较了UAM与地面交通的旅行距离和时间。地面交通距离分布较广，长途需求较多；UAM距离集中在50–150 km。地面旅行时间峰值约120 min，而UAM集中在20–60 min，显示出显著时间优势。

敏感性分析与策略启示

作者对关键参数进行了敏感性分析：

乘客时间敏感系数 b：当从0.5增至1.0，接受率从约65%升至95%，机队规模和系统利润均显著提升；当时增长趋缓。
eVTOL采购价格：当eVTOL价格减半时，乘客接受率增加27.5%、机队规模增长26%，系统利润增12.3%，说明降低购置成本非常重要。
飞行服务价格：票价在1–6元/km区间时利润快速增长；过高票价会降低乘客接受度和盈利。
网络规模：随着vertiport数量增加，网络覆盖范围扩大，但过多节点会增加调机成本和投资回收期，需要权衡。

结论与展望

论文提出的UAM网络设计与运营模型具有以下创新点：

集成战略和运营决策：综合考虑vertiport部署、机队规模、服务等级和票价，使模型更贴合实际运营。
排队网络模型：通过vertiport、航行和调机队列描述运营过程，量化等待和绕行时间。
线性化与枚举法：将复杂的非线性模型转化为易求解的混合整数线性规划，显著减少计算量。
实证研究与策略建议：在粤港澳大湾区验证模型，证明UAM可显著缩短旅行时间并带来盈利，并指出eVTOL价格、票价和服务等级的优化方向。

未来研究可以考虑天气和安全等不确定因素的影响，并探索在更大尺度城市群中实现动态调度和多模式协同。随着eVTOL技术进步和空域管理成熟，UAM有望成为缓解拥堵、优化城市群空间配置的重要方式。

原文链接

https://doi.org/10.1016/j.tre.2025.104316