基于大数据铁路旅客画像的客运营销策略研究

发布时间：2021-10-23 01:24

　　铁路客运营销策略研究在把握客运市场需求、完善客运产品设计、促进企业提质增效工作的开展等方面有重要意义。目前铁路客运营销存在对客运市场调研工作开展不彻底、对客运市场各类信息总结不全面、对客运需求把握不精确等一系列问题。大数据技术有助于铁路旅客画像系统的搭建,为铁路客运营销策略研究提供数据层面的支持。描述大数据铁路旅客画像系统的系统架构、标签体系建设及实现,并结合铁路客运大数据特征,运用基于时间序列分析的密度聚类方法,提出赋予标签体系时间维度的创新性设想。结合铁路客运业务发展需要,探索该系统在旅客群体行为分析及铁路日常、节假日客运营销策略研究方面的应用。 

【文章来源】：铁道学报. 2020,42(08)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

传统旅客画像系统标签体系

建立旅客画像系统的目标是帮助铁路客运部门更清晰地了解旅客群体,并做到根据客运需求合理设计客运产品,精准且高效地制定客运营销策略。基于铁路客运业务现状,旅客画像系统数据处理层采用Hadoop架构,采用分布式数据处理方式,具有低成本高效性的特点。由于涉及大量非结构化数据,需对客运大数据进行清洗,形成有效数据后再进行相关性分析、聚类分析等。铁路旅客画像系统的数据获取及分析层架构见图2。1.3 实时标签体系设计

铁路旅客动态数据具有更新频率快、时空差异性明显的特点。基于少数样本用户特征分类的标签设计体系不再适用于当前铁路旅客画像系统[6]。引入适用于时间序列数据的动态密度聚类方法[7],可以为铁路旅客标签增加时间维度的属性,实现用户标签体系的自更新,以较低的历史成本高效满足在每一时间步上进行动态聚类的需求。算法通过识别本阶段与前阶段相比新增的旅客数据集和属性产生变化的数据集,通过动态聚类原则实现每一阶段各旅客数据集的类、属性的更新,以i、i+1时刻为例:φi、φi+1为该时刻旅客属性数据集;δi+1、γi+1为新增旅客集、属性变化旅客集;displace、index分别为标签属性与所属类别;P为旅客属性数据集内包含的旅客样本容量,见图3。1.4 标签实现

【参考文献】：
期刊论文
[1]高铁时代背景下的铁路客运营销策略研究[J]. 程龙.  中国市场. 2019(25)
[2]一种时间序列数据的动态密度聚类算法[J]. 陈皓,冀敏杰,郭紫园,夏雨.  控制理论与应用. 2019(08)
[3]大数据技术及其行业应用:基于铁路领域的概念框架研究[J]. 马丽梅,史丹,高志远,李华杰.  北京交通大学学报(社会科学版). 2019(03)
[4]铁路新一代客票系统大数据应用创新研究[J]. 朱建生.  铁路计算机应用. 2019(04)
[5]长三角高速铁路旅客运输运营组织优化[J]. 应慧刚.  铁道运输与经济. 2019(02)
[6]铁路旅客用户画像系统设计与应用研究[J]. 张军锋.  铁路计算机应用. 2018(07)
[7]电力用户行为画像构建技术研究[J]. 傅军,许鑫,罗迪,朱天博,刘霞.  电气应用. 2018(13)
[8]基于大数据平台的铁路旅客群体分析应用研究[J]. 吕晓艳,刘彦麟,单杏花,李仕旺.  铁路计算机应用. 2016(09)
[9]基于聚类分析的铁路出行旅客类别划分[J]. 吕红霞,王文宪,蒲松,余大本.  交通运输系统工程与信息. 2016(01)

硕士论文
[1]高速铁路节假日列车开行方案优化研究[D]. 张琳奇.北京交通大学 2018
[2]基于大数据的铁路客运用户画像系统研究及应用[D]. 郝晓培.中国铁道科学研究院 2018
[3]基于大数据技术的电信用户画像系统的实现与应用[D]. 王艺霖.北京邮电大学 2018



本文编号：3452200