基于TCSDG的民航旅客行为偏好模型的建立与仿真

针对各航空公司目前旅客细分方法不成熟的问题,文中使用中国民航旅客订票的相关统计数据作为研究主体,在分析传统RFM模型特点的基础上,设计并实现了一种利用乘机时间(Time)、舱位(Class)、座位(Seat)、票价折扣(Discount)和跟团情况(Group)描述旅客出行时乘机习惯的TCSDG模型。该模型能够借助Hadoop并行化计算平台,利用改进的K-means并行化算法对大规模的旅客订票数据进行高效聚类和细分操作。从而使行为偏好类似的旅客汇聚成同一簇,为后续航空公司的个性化售票服务提供支持。经过仿真实验测试,该模型性能良好,能够快速准确地对旅客行为偏好进行分类,并能为类似的民航旅客行为偏好模型的研究与建立提供参考。

民航旅客订票行为细分及群体特征分析

针对目前航空公司旅客细分工作不够精细的问题,在分析传统RFM模型的基础上,提出一种TCSDG模型来描述旅客行为偏好。根据旅客的行为偏好对旅客进行细分,将具有相同行为偏好的旅客聚成一簇,为航空公司针对不同行为偏好的旅客提供个性化服务提供基础;结合Hadoop并行化计算平台,将算法并行化,以处理海量订票数据。在中国民航订座系统数据上的实验结果表明,该算法在保证细分结果的基础上提高了执行速度和处理能力,根据旅客行为偏好高效地将旅客分为不同的簇,使行为偏好相同的旅客聚成一簇。