一种基于社交网络的民航新旅客成长性预测方法

对于一个高效的客户关系管理系统而言,预测客户成长性是必不可少的环节．本文尝试根据新旅客的短期历史出行数据对其未来价值成长性进行预测．为了克服新旅客历史出行记录稀少而导致无法准确预测的缺陷,提出了一种基于旅客社交网络的预测方法．首先根据旅客历史出行记录构建旅客同行网络;然后分另lj从旅客个体和旅客关系的角度构建多种分类特征,用来进行旅客成长性预测;最后提出了一种结合个体预测与关系预测的组合预测模型,以达到准确预测的目的．在某航空公司的真实数据集上进行实验,证明了本文提出的方法对民航新旅客未来价值成长性的推断是有效的．     

基于双层博弈模型的机场间航线网络协同演化研究

为有效优化机场间航线网络，实现机场群中各机场功能定位，通过研究机场补贴策略与航空公司航线调整关系，旨在实现机场补贴策略与所需航线网络间的最佳匹配。从机场功能协同发展视角分析旅客、航空公司及机场间的博弈关系并构建双层博弈模型。在上层博弈模型中，引入经验加权吸引力模型(EWA)分析航空公司定价策略与旅客“渗流”关系，以便确定航空公司最佳定价策略。在下层博弈模型中，使用上层模型结果并引入非对称的随机反应(QRE)均衡模型，分析机场补贴与航空公司航线调整的关系，确定机场最佳补贴策略。结果表明：影响机场群内旅客出行行为选择关键因素是出行成本，该成本使航空公司票价折扣效果存在高敏感区、惰性区和无效区，通过完善机场群内地面交通，控制旅客出行成本，可有效引导机场群间旅客流动；航空公司定价与旅客出行选择博弈的收益存在多个峰值点，需根据旅客出行成本和初始票价确定票价折扣，最佳折扣区间集中在0.4～0.9；采用补贴优化航线网络，机场间不同补贴策略效能存在垄断区间、低效区间和最佳协同区间；融合旅客出行选择和机场间协同补贴的双重因素可有效提升航空公司盈利能力，推动航空公司提升机场群中航线的互补性，有效实现机场间...     

不确定条件下机场群系统均衡配流模型研究

为探索客流在机场群的分布规律，以整个航空出行链为视角，综合考虑空中交通、地面交通和旅客出行选择偏好，构建机场群系统均衡配流模型.以路径时间、机场停留时间、出行票价和旅客类型为主要参考属性，提出机场群系统旅客出行成本模型.由于路径时间与流量相关且存在不确定性，基于预算超出时间对路径时间的均值与方差进行统一度量.综合路径时间、出行票价、机场停留时间与旅客类型，基于Logit模型建立旅客对航空出行路径的选择模型，将机场群系统的客流均衡条件转换为变分不等式.基于投影收缩算法对变分不等式求解，从而得出客流在机场群间的均衡分布状态.算例结果表明，机场群系统均衡配流模型有效建立了客流分布状态，调整路径时间、机场服务水平、票价等因素均可促进客流在机场群间的均衡分布.     

一种民航旅客社会网络关系分类算法

针对民航领域对旅客关系分类的需求，以旅客社会网络为背景，在当前存在的社会网络关系分类算法的基础之上，结合民航社会网络数据特征，提出了一种基于网络的关系类型迭代修正分类模型，设计了一个适用于民航领域的两阶段旅客关系分类算法．通过在真实的民航旅客社会网络数据集上进行的对比实验，验证了算法的有效性．     

客运专线旅客列车开行方案的客流分配方法

为了制定合理的列车开行方案，从旅客的出行需求及满意度出发，分析了影响客流分配的主要因素；根据开行方案中列车的运行区段及列车停站情况，构造了列车的运行网络；结合旅客的出行心理，给出了将旅客出行成本折算成旅客满意度的方法．在此基础上，建立了确定裔流分配的多目标线性规划模型，模型体现了旅客对列车选择的主动性．通过研究影响客流分配的相关因素，给出了路网客流的合理分配方法.     

不确定条件下机场群系统均衡配流模型研究

为探索客流在机场群的分布规律,以整个航空出行链为视角,综合考虑空中交通、地面交通和旅客出行选择偏好,构建机场群系统均衡配流模型.以路径时间、机场停留时间、出行票价和旅客类型为主要参考属性,提出机场群系统旅客出行成本模型.由于路径时间与流量相关且存在不确定性,基于预算超出时间对路径时间的均值与方差进行统一度量.综合路径时间、出行票价、机场停留时间与旅客类型,基于Logit模型建立旅客对航空出行路径的选择模型,将机场群系统的客流均衡条件转换为变分不等式.基于投影收缩算法对变分不等式求解,从而得出客流在机场群间的均衡分布状态.算例结果表明,机场群系统均衡配流模型有效建立了客流分布状态,调整路径时间、机场服务水平、票价等因素均可促进客流在机场群间的均衡分布.     

基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究

轨道交通网络和常规公交网络作为公共交通系统的主要组成部分，研究乘客在两网复合网络上的方式选择行为有助于提升公共交通系统的协同运营。然而，以往的研究通常只对单个网络出行进行研究，未考虑到出行完整性。针对此不足，基于多源数据融合、轨道与公交网络拓扑融合，提出乘客在公共交通复合网络上的完整出行提取方法；复杂网络中方式选择的本质是路径选择，因此在构建耦合换乘站点的公共交通复合网络基础上，建立5种考虑多种因素组合的多项Logit选择模型，以分析在复合网络中对乘客出行行为影响最显著的因素组合；最后将模型应用于北京市某工作日的公共交通网络及刷卡数据。研究结果表明，基于完整出行的选择模型优于基于出行阶段的选择模型；通勤者在公共交通复合网络上的方式选择行为与考虑在车时间、候车时间、换乘时间、换乘次数的出行总时间及票价因素显著相关，且出行总时间的影响更大；换乘、候车时间对通勤乘客在公共交通复合网络中方式选择的影响较低，通勤者更加偏好出行总时间短的路径。研究结果可为提升轨道与公交的协同程度提供技术支持。     

基于旅客出行意图的航线潜在价值计算模型

传统的航线价值计算通常以统计客流量为主,忽略了旅客偏好对航线潜在价值的影响,因此,本文提出了一种基于旅客出行意图的航线潜在价值计算模型.该模型利用最大似然估计法对旅客舱位偏好进行量化,然后引入出行意图的概念将旅客出行行为进行细分,并利用Gibbs Sampling方法实现出行意图的求解,最终达到航线潜在价值计算的目的.在中国民航旅客订票数据集上的实验表明,本文方法获得的2010年航线价值序列与2011年航线价值序列的相似度要明显高于统计客流量的方法,且对排名前5的高价值航线的挖掘准确率可达100%.     

基于关联分析的乘客公共交通依赖度识别方法

不同乘客在出行过程中对公共交通的依赖程度具有显著差异，精准识别乘客公共交通依赖度，有助于针对性地引导出行者向公共交通方式转移.本文基于多源数据的关联，获取包含个体属性的公共交通出行链，从出行行为和个体属性两方面提出8个依赖度指标，构建二阶聚类模型，识别乘客公共交通依赖度.结果表明：样本按依赖度高低被划分为4类群组；部分高、较高依赖度乘客在出行决策时受限于收入和车辆拥有量，并有向私家车出行转移的趋势；乘客出行习惯行为较个体属性对公共交通依赖度的影响更大.利用平均命中率(AHR)和平均覆盖率(ACR)指标评估个体属性对识别结果的影响，得出结论，个体属性指标间存在耦合关系，且指标缺失量与模型误差具有非线性关系.研究有助于理解公共交通乘客的需求和选择倾向性，为精准改善公共交通服务提供支撑.     

基于集成学习和居民属性数据的出行方式预测模型

传统的效用理论模型以整体效用最大化为目标，忽略了影响居民出行方式选择肢间可能存在相关性以及部分效用相互补偿性。基于集成学习的居民出行方式预测模型可以有效表达出行效用的个体偏好、差异性和补偿性，解决了不同出行特征影响因素对于不同人群有不同效用表征问题。本文依托大样本居民属性数据，针对不同个体对不同影响因素的感知差异，结合居民出行调查的个人属性、出行属性及环境属性等相关影响因素进行综合分析，构建个体级居民的出行特征向量；研究构建基于集成学习方法的居民出行方式预测模型；以广州市为例进行实证分析，通过准确率、精确率、召回率和F1值这4个指标，对模型预测结果进行综合评价；针对部分出行属性相似导致细分的出行方式判别精度不高，按照大类方式、慢行交通、公共交通、个体机动化交通这4个类别构建层次化LightGBM (Light Gradient Boosting Machine)模型，并对GBDT (Gradient Boosting Decision Tree)、Random Forest、LightGBM、层次化LightGBM这4个模型预测结果进行综合对比。分析结果表明：LightGBM模型预测慢...     

基于个体出行图谱的公共交通通勤行为辨别方法研究

不同公共交通类型乘客的出行特征存在显著差异,实现公共交通通勤乘客准确辨识,有助于获取精细化的公共交通出行特征,更好地满足不同类型乘客的出行需求.基于北京市公共交通刷卡和线站数据,对公共交通多源数据进行关联匹配并提取出行链.利用北京市连续1个月的公共交通刷卡出行数据,采用多层规划理论构建了个体出行知识图谱,提取了出行天数、出行空间均衡度等7类特征指标.通过RP调查获得乘客出行行为类别.以特征指标为输入,乘客分类为输出,构建了面向公共交通乘客分类的BP神经元网络模型.验证表明,模型平均分类精度为94.5%,Kappa系数为0.879.本文研究有助于准确识别不同类别的公共交通乘客,为优化公共交通运营及公共交通精准化服务提供支撑.     

上海地区航空客流分析

通过对上海、南京等城市民航客流的调查,分析航空客流的结构、旅客交通方式选择的考虑因素,运用意向出行调查方法分析由航空转向高速铁路的比例及原因,认为高速铁路与航空的竞争主要集中在旅行时间、票价以及服务水平上。     

民用机场乘客登机流程优化综述

基于近年来民用机场乘客登机流程优化研究，从面向乘客、面向飞机、面向研究方法和面向新冠肺炎疫情方面分析了当前研究现状和研究成果，探讨了民用机场乘客登机流程优化的方法及措施，根据现有研究的不足展望了未来的研究方向。研究结果表明:面向乘客的优化研究通常将群体乘客作为主要考虑因素，以最小登机时间及登机干扰作为目标函数建立相关模型，并针对不同优先级乘客和迟到乘客进行分组考虑；WilMA和RP是综合性能较优的2种登机策略，Side-Slip新型座椅对登机时间影响最显著；乘客登机优化的求解方法包括模型法和仿真法，其中模型主要包括统计物理模型和数学模型，仿真包括元胞自动机和智能体；面向新冠肺炎疫情的登机研究更多地考虑了乘客的健康问题，并将登机时间和健康风险作为评估登机优劣的两大主要指标；未来研究需综合不同登机策略的优点以弥补单个策略的不足；自主性强的智能体仿真和未突出个体性差异的元胞自动机仿真需要相互结合；优化模型应考虑更多因素，寻找求解质量更高的启发式算法；需更加注重社交距离、戴口罩乘客人数及群体登机人数等对疫情环境下登机流程的影响研究；疫情防控常态化情况下如何最大化乘客安全和登机效率也是重要的研究方向。      

基于旅客出行成本的高铁与民航运输竞争临界距离分析

我国高铁的快速发展对中国民航带来很大冲击,而冲击的大小随着运输距离的不同而变化,因此,高铁与民航运输之间必然存在着竞争的临界距离。基于旅客出行成本,通过分析和计算,得出高铁与民航运输之间竞争的临界距离。这对于协调高铁与民航之间的竞争,促进高铁与民航的发展具有重要意义。     

高速列车疫情风险评估与主动防护策略

考虑到列车密闭车厢内传染病的危害性, 研究了车厢内病毒的空间分布特性; 结合乘客间距离相关性分析结果, 构建了乘客感染预测模型, 对车厢内存在多感染者情况下每个乘客感染病毒的风险进行了评估; 为降低乘客乘车感染风险, 制定了列车乘客主动防护策略, 提出基于贪婪算法和变邻域局部搜索算法的混合启发式算法, 对车厢乘客布座问题进行优化求解; 通过基于距离的贪婪算法, 将列车固定坐标的乘客布座问题转换为最多乘客数最少病毒重叠区问题, 得到座位可行解, 并汇总各可行解得到可行域, 再基于变邻域的局部搜索算法改进座位可行解, 得到最优乘客布座方案。研究结果表明: 本文建立的感染概率评估模型可有效预测乘客感染病毒的风险, 结合基于混合启发式算法的主动防护措施可有效降低乘客乘车的感染风险; 针对短途旅客, 随着乘车人数和车厢内感染者的增加, 高风险感染者由1人增加至7人, 中风险感染者由0人增加至3人, 低风险感染者由47人增加至83人; 相较于无序就坐, 采用本文制定的布座策略可消除乘客感染风险。