基于关联规则和主成分分析的高铁旅客购票行为特征研究

购票行为作为反映旅客出行选择的最终表现形式,是高速铁路客流分析的主要依据和客运组织工作的重要基础。针对当前高铁旅客出行需求“多元化”“差异化”的新特点,系统与全面地研究旅客购票行为特征可在切实提高客运服务质量的同时实现铁路运输企业效益最大化。依托大数据分析技术,以高速铁路历史售票信息数据为样本,提出一种基于关联规则和主成分分析的旅客购票行为特征研究方法,构建高铁旅客购票行为关键特征体系。通过改进Apriori算法中的“剪枝”操作,降低频繁项集生成时的数据读写负载,证明对客票数据等大规模数据集的关联规则挖掘效率平均提高23.7%。对关联结果从线路类型、出行时段、出行OD及退票时间4个方面进行分析,结果表明旅客购票决策及出行偏好特征在对于旅客购票行为全过程的研究中较旅客个体属性及社会环境等以往重点分析特征更具影响力。采用主成分分析法计算各购票行为特征权重,根据权重阈值选取提前购票时间、始发终到城市间距离、座席选择及购票决策总时间等10项特征构建购票行为关键特征体系,并以此提出基于旅客画像系统、预售期内票价动态浮动及差异化客票退改签等营销策略。研究结果对高铁运营部门准确把握客流变化趋势、优化客票组织策略及保障客运供需动态平衡提供了决策参考。

基于PCA-聚类分析的高铁旅客购票行为特性研究

铁路运输中旅客购票行为是铁路客运运营策略制定的重要基础.旅客购票行为直接影响着列车能力的占用过程,是铁路客运票额组织的重要依据.根据贵阳—广州高速铁路的旅客购票统计数据,以高铁购票旅客为样本,运用主成分分析法购票行为的特征属性进行综合分析,获得购票行为中重要特征变量.结合单次购票强度提出基于模糊C均值的双重聚类算法,对购票旅客进行聚类,并利用模糊聚类有效性指标Xie-beni和分离系数法确定最佳聚类数.结果表明,高铁旅客购票行为的关键特性为单次出行旅客人数、购票提前天数、出行OD城市人均GDP和购票渠道;不同旅客类型的购票行为有明显特性.

基于KANO模型的乘客购票行为影响因素分类研究

民航乘客购票行为的影响因素包含10项产品要素和6项参考要素。针对公务型和休闲型两类乘客,根据卡诺问卷的调研数据,分别对影响两类乘客的16项要素进行了卡诺分类研究,各筛选出10项主要影响要素;对这10项要素的作用特征进行分析,并对公务型乘客与休闲型乘客作分类比较,获得了有益的管理启示,即航空公司在制定管理策略时,应该细分顾客,保证最基本的必备属性,提高并改进一维属性,积极创造魅力属性。

道路客运提前购票行为模型

为了研究道路旅客购票时间选择的行为机理及影响因素,基于连续Logit模型,建立了道路旅客提前购票行为模型.首先,以旅客购票时间为切入点,辨析了旅客提前购票类型和主要时间点内在关系;其次,基于道路客运联网售票信息系统数据,选择典型线路统计分析了旅客站外和站内提前购票、取票的时间分布规律;再次,分析了离散选择模型在连续选择情境中的限制和不足,继而运用连续行为分析思想,构建了旅客提前购票行为连续Logit模型;最后,利用15条长途和15条短途线路售票数据进行了实证应用,识别了提前购票时间选择的影响因素,并评估了票价调整对旅客提前购票行为的影响.结果表明:近60%的旅客出行当天站内购票,其进站时间比站外提前购票旅客平均提前约45 min;提前购票时间选择受性别、年龄、发车频率、节假日、实载率等因素的影响,长途比短途出行的旅客提前3 d购票的概率高28%,实载率大于60%的线路提前20 d购票的比例增加5%;票价的调整会诱导旅客提前或延迟购票,票价上涨20%、下降20%、下降35%时,旅客提前3 d以上购票的概率分别降低9.67%、提高3.6%、提高11.85%.经实证分析,连续Logit模型是分析旅客提前购票行为的有效方法.

旅客购票模式与渠道关联选择行为的建模分析

为分析多元化售票渠道下旅客购票选择行为的影响因素及交互特征,解析了多渠道情境下旅客购票过程的3个阶段,辨识了旅客购票的3类典型模式;运用协同进化分析思想,建立了购票模式与渠道关联选择的协同进化Logit模型;基于道路客运联网售票信息系统数据,进行了模型的实证应用,分析了特征变量对旅客购票选择行为的影响,揭示了渠道与模式间关联选择行为特征.研究表明:性别,年龄,提前购票时间,出行时间,出行里程,发车频率等因素对旅客购票行为有显著影响;旅客购票模式和渠道选择间存在相关性,某一决策选择受另一决策结果的影响;考虑两者的交互作用有助于提高分析预测精度,2类决策模型的精度分别提高了5.98%和5.72%.

铁路互联网售票异常行为分类技术的研究与应用

针对铁路互联网售票电子商务网站,基于购票流程中的余票查询、乘坐旅客信息选择、订单信息提交、支付确认4个环节的风险行为特征属性,设计异常购票行为识别分类器,基于朴素贝叶斯分类算法实现高性能的行为识别分类器。同时,在训练集上采用遗传算法进行分类属性阈值的优化处理,进一步提高分类算法的准确性。利用真实数据进行算法验证,结果表明:所设计的异常购票行为识别分类器,能基于较少训练集进行学习,并且在不牺牲误识率的情况下保障异常购票行为识别的准确率,可以达到97.1%的分类控制的效果;与决策树算法相比,准确率有接近3%~5%的提升;算法运行效率可以满足1 000 TPS高并发请求分类的要求。

旅客区域多模式交通出行行为特征与服务质量感知差异

通过对旅客区域多模式交通出行的抽样调查,归纳和分析了不同交通模式下旅客的出行特征,包括性别、年龄结构、职业分布、收入特征、小汽车拥有特征、出行目的、购票方式等;应用数理统计方法对比旅客区域多模式交通的平均出行距离、平均运行时间和平均出行费用以及旅客多模式交通出行的中转换乘与集散特征;分析比较了旅客多模式交通服务感知水平,包括安全性、舒适性、准时性等.研究表明:飞机、高铁、普铁、高速巴士的平均运距分别为1 451km、669km、843km、334km,平均出行费用为815元、295元、150元、90元,城际平均出行时间为2.93h、4.11h、8.07h、4.22h;四种运输方式中,安全性、舒适性、准时性最好的分别为高铁、飞机、高铁,集散时间从小到大分别是高速巴士、普铁、高铁、飞机;网络购票已成为最主要的购票方式.研究成果可为探寻我国旅客多模式交通出行行为规律,改善多模式综合交通运输系统的运营服务水平提供较为准确的现场调查资料.

基于指数权重算法的铁路互联网售票异常用户智能识别的研究与实现

为了确保公平公正售票,保障百姓购票利益,利用大数据技术,结合现有用户购票行为数据,设计基于指数权重的铁路互联网异常用户智能识别算法,并用2017年的用户行为数据进行测试,异常用户预测准确度达80%。测试结果验证了该算法的可行性,可以有效提高异常用户识别准确度,为保障12306铁路互联网售票系统的安全稳定运行及维护公平公正的售票环境提供了技术支持。

收益管理情境下旅客购票的效用度量函数研究

对顾客购买决策规则的正确认知直接决定了收益管理模型和方法的有效性。本文以民航客运为行业背景,基于前景理论的分析框架,对旅客的购票选择行为进行实证研究,探析收益管理情境下旅客的行为决策规则与效用度量方法。研究结果表明,传统的期望效用理论无法合理解释旅客的选择行为;旅客选择决策过程中的效用度量体系与前景理论的度量体系接近,对风险、收益和损失的态度与一般经济主体的态度接近;另外,旅客的风险态度水平对效用度量有较大影响,在研究旅客购票行为时,合理的设定这个风险态度水平非常重要。

演出高票价的十大病因

现在，几乎所有的演出市场性问题都集中体现在票务市场，票房收入的多少决定了演出成败，人们不再仅仅以单纯的社会效益来评价营业性演出的成功与否，经济指标更能说明问题。最近5年是北京票务市场迅速崛起的时期，特别是在这一时期出现了专门营销演出票的票务公司。同时，票务营销开始向专业化方向发展，并且逐步成为左右市场的重要力量。