基于KFAV的中国铁路货运客户细分方法研究

发布时间：2018-03-25 23:48

本文选题：铁路运输　切入点：KFAV模型　出处：《交通运输系统工程与信息》2017年03期

【摘要】：中国铁路货物运输由于诸多因素的影响,在客户和货源数量上受到了冲击,需要在客户关系管理及营销等方面不断完善,其中客户细分是精确营销的重要手段.本文提出了基于RFM模型的,新的客户分类KFAV模型,并对货运客户价值进行了计算.之后引入了局部密度值ρ和斥类值δ,对传统K均值(K-means)聚类方法在初始聚类中心选取方面进行了优化.通过搭建hadoop集群环境,采用spark计算框架,对选取的大量货票数据进行仿真.仿真结果显示,基于KFAV模型的铁路货运客户细分方法更加具有针对性,并且改进的K均值聚类方法提升了算法的效率,同时基于大数据分析的spark+hadoop平台极大地降低了客户细分的运行时间.
[Abstract]:Because of the influence of many factors, Chinese railway freight transportation has been impacted on the quantity of customers and sources, and needs to be perfected in the aspects of customer relationship management and marketing, etc. Customer segmentation is an important means of accurate marketing. A new customer classification KFAV model based on RFM model is proposed in this paper. Then the local density value 蟻 and the exclusive value 未 are introduced, and the traditional K-means clustering method is optimized in the selection of the initial clustering center. By setting up the hadoop cluster environment, the spark computing framework is adopted. The simulation results show that the railway freight customer segmentation method based on KFAV model has more pertinence, and the improved K-means clustering method improves the efficiency of the algorithm. At the same time, the spark hadoop platform based on big data analysis greatly reduces the running time of customer segmentation.
【作者单位】：西南交通大学交通运输与物流学院;
【分类号】：F274;F532

【参考文献】

中国期刊全文数据库前6条

1 邓程;杨壮英;古军杰;蔡志;李粤;;改进的K-means算法及其在铁路客户细分中的应用[J];铁路计算机应用;2014年06期

2 于小兵;曹杰;巩在武;;客户流失问题研究综述[J];计算机集成制造系统;2012年10期

3 吴夙慧;成颖;郑彦宁;潘云涛;;K-means算法研究综述[J];现代图书情报技术;2011年05期

4 郭玉华;陈治亚;;基于客户生命周期的铁路大客户细分与发展模型[J];铁道科学与工程学报;2011年02期

5 王启东;曾卫东;;铁路货运客户关系管理系统建设的思考和探讨[J];铁道运输与经济;2011年01期

6 钟雁;郭雨松;;数据挖掘技术在铁路货运客户细分中的应用[J];北京交通大学学报;2008年03期

【共引文献】

中国期刊全文数据库前10条

1 张斌;彭其渊;;基于KFAV的中国铁路货运客户细分方法研究[J];交通运输系统工程与信息;2017年03期

2 马林进;万良;马绍菊;杨婷;易辉凡;;基于词袋模型的分布式拒绝服务攻击检测[J];计算机应用;2017年06期