论文部分内容阅读
旅客出行需求的理解对民用航空公司而言是非常重要的。分析并理解海量旅客的出行行为特点，捕获旅客真实需求，不仅有益于航空公司精准营销，提升满意度，增强用户体验，从而获取更大收益;同时，还能帮助旅客快速发现符合个人需求的出行计划。然而航空市场复杂、旅客出行考虑因素多样，这使得精确建模和预测航空旅客出行行为是一个很大的挑战。 本文以大规模民航旅客为研究对象，分析民航旅客出行规律和模式，建模旅客潜在出行兴趣，预测旅客出行行为，主要研究内容如下: 首先，深入分析民航旅客出行大数据，从年龄、性别、折扣、出行季节等不同角度探究民航旅客出行特点。在此基础上，确定影响旅客出行行为的因素，并建模这些因素之间的关联性，依据数据反映的特点对其进行合理切分，为后续旅客潜在出行主题建模提供基础支持。 其次，建立考虑多重因素融合的统一概率模型框架，将旅客的潜在航线需求、航线的热度、旅客对航空公司的忠诚度以及航空公司对航线的市场占有率这四部分信息有效融合，实现对旅客未来出行行为更精准地预测。特别地，在建模旅客潜在航线需求这一子因素过程中，将民航旅客出行偏好建模为潜在出行兴趣主题的分布。对此，本文提出旅客出行主题模型TTM，学习并探究旅客潜在出行兴趣主题。通过在不同地区数据集上进行实验，验证了模型的有效性。 最后，进一步考虑到民航旅客出行数据蕴含着丰富的社交关系，其在一定程度上在群体中反映了旅客的出行兴趣和消费偏好。因此，在旅客出行主题模型TTM的基础上，引入旅客关联图，构建融入社交关系的旅客出行主题模型SRTTM。模型有效地解决了大规模民航数据中所存在的稀疏性问题。 上述这些研究在真实民航旅客出行数据集上均取得了较好的效果。本文的研究成果对民航旅客出行推荐、旅客群体细分等实际应用问题起到了促进推动作用，具有重要的应用价值和现实意义。