發(fā)布時間：2017-08-25 07:59

  本文關(guān)鍵詞：武廣高速鐵路客票大數(shù)據(jù)應(yīng)用研究

  更多相關(guān)文章： 客票數(shù)據(jù) 大數(shù)據(jù) 小波神經(jīng) OD推算 Weka 數(shù)據(jù)挖掘

【摘要】：隨著高速鐵路的迅猛發(fā)展,鐵路逐漸由賣方市場轉(zhuǎn)變?yōu)橘I方市場,工作重點逐漸移步于如何高效吸引客流,輸送客流,因此高速鐵路客票營銷也成為研究的重要課題之一。中國鐵路客票發(fā)售及預(yù)訂系統(tǒng)是覆蓋各大鐵路局的客票系統(tǒng),其中匯集著大量的客票銷售數(shù)據(jù),數(shù)據(jù)級別已達到大數(shù)據(jù)研究的要求。針對鐵路客票大數(shù)據(jù)的一些特點,利用高速鐵路客票大數(shù)據(jù)獲取一些知識規(guī)律,再利用這些知識規(guī)律來指導(dǎo)客運營銷工作和鐵路旅客運輸組織。本文首先分析了高速鐵路客票所包含的信息種類,對高速鐵路客票數(shù)據(jù)所代表的客流進行了時空分析,并指出了影響因素。除此之外,利用了大數(shù)據(jù)理念,結(jié)合小波神經(jīng)網(wǎng)絡(luò)算法做了武廣高速鐵路客票大數(shù)據(jù)客流預(yù)測,結(jié)合武廣高速鐵路既有的OD矩陣,利用常用于城市交通的OD矩陣推算方法的改進方法對武廣高鐵進行OD矩陣推算。最后,根據(jù)鐵路客票數(shù)據(jù)的特征比如客票之間的非線性特征,選用了Weka平臺作為客票數(shù)據(jù)挖掘的基本平臺,利用該軟件自帶的基于K-means算法的聚類算法和基于Apriori算法的關(guān)聯(lián)規(guī)則分析功能對武廣客票大數(shù)據(jù)進行分析,分別獲取了有效信息,用于指導(dǎo)鐵路客運營銷工作,輔助決策者制定相關(guān)政策。本文的研究成果不僅對武廣高鐵具有指導(dǎo)意義,對全國高速鐵路線路均具有一定的普適性。
【關(guān)鍵詞】：客票數(shù)據(jù) 大數(shù)據(jù) 小波神經(jīng) OD推算 Weka 數(shù)據(jù)挖掘
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U293.22
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-17
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 國外研究現(xiàn)狀11
• 1.2.2 國內(nèi)研究現(xiàn)狀11-13
• 1.3 武廣高鐵客運現(xiàn)狀13-14
• 1.3.1 武廣高鐵概述13-14
• 1.3.2 武廣高鐵運輸組織14
• 1.4 主要研究內(nèi)容及擬解決的關(guān)鍵問題14-16
• 1.5 技術(shù)路線16-17
• 第2章 高鐵客票數(shù)據(jù)分析17-26
• 2.1 高鐵客票信息分析17-21
• 2.1.1 高鐵客票包含信息分析17-19
• 2.1.2 基于高鐵客票數(shù)據(jù)的客流時空分析19-21
• 2.2 高鐵客票數(shù)據(jù)影響因素分析21-24
• 2.2.1 旅客特性21-22
• 2.2.2 旅客需求特性22-23
• 2.2.3 運輸供給特性23
• 2.2.4 運輸組織措施23
• 2.2.5 其他因素23-24
• 2.3 武廣高鐵客票數(shù)據(jù)概況24-25
• 2.3.1 武廣高鐵旅客出行行為概況24
• 2.3.2 武廣高鐵客票數(shù)據(jù)的局限性24-25
• 2.4 本章小結(jié)25-26
• 第3章 高鐵客票大數(shù)據(jù)的客流預(yù)測26-39
• 3.1 大數(shù)據(jù)及數(shù)據(jù)挖掘理論26-29
• 3.1.1 數(shù)據(jù)挖掘的概念26-27
• 3.1.2 數(shù)據(jù)挖掘方法27-29
• 3.2 基于大數(shù)據(jù)方法的高鐵客流預(yù)測29-32
• 3.2.1 小波神經(jīng)網(wǎng)絡(luò)算法概述29
• 3.2.2 小波函數(shù)概述29-32
• 3.3 高速鐵路OD矩陣推算模型32-35
• 3.3.1 高速鐵路OD矩陣推算基本原理32-33
• 3.3.2 高速鐵路OD矩陣推算方法33-35
• 3.4 武廣高速鐵路客流預(yù)測及OD矩陣預(yù)測35-38
• 3.4.1 數(shù)據(jù)獲取35
• 3.4.2 武廣高鐵客流量的小波神經(jīng)網(wǎng)絡(luò)預(yù)測35-36
• 3.4.3 基于重力模型的改進模型武廣高鐵客流的OD矩陣預(yù)測36-38
• 3.5 本章小結(jié)38-39
• 第4章 武廣高鐵客票的聚類與關(guān)聯(lián)規(guī)則分析39-49
• 4.1 WEKA平臺簡介39-42
• 4.1.1 數(shù)據(jù)挖掘工具39
• 4.1.2 數(shù)據(jù)挖掘平臺的選擇39-40
• 4.1.3 數(shù)據(jù)挖掘平臺Weka40-42
• 4.2 對武廣高鐵客票數(shù)據(jù)的聚類分析42-45
• 4.2.1 聚類分析概述42-43
• 4.2.2 K-means算法概述43-44
• 4.2.3 基于Weka的武廣高鐵客票數(shù)據(jù)聚類分析44-45
• 4.3 對武廣高鐵客票數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘45-48
• 4.3.1 關(guān)聯(lián)規(guī)則概述45-46
• 4.3.2 Apriori算法46-47
• 4.3.3 基于Apriori算法的武廣高鐵客票數(shù)據(jù)分析47-48
• 4.4 本章小結(jié)48-49
• 第5章 基于武廣高鐵客票大數(shù)據(jù)特征的運營建議49-53
• 5.1 高速鐵路發(fā)展的要求49
• 5.2 武廣高鐵的營銷策略49-52
• 5.2.1 加強客運營銷49-50
• 5.2.2 優(yōu)化運輸組織50-51
• 5.2.3 完善換乘及城市接駁系統(tǒng)51-52
• 5.3 本章小結(jié)52-53
• 結(jié)論與展望53-55
• 研究結(jié)論53
• 研究展望53-55
• 致謝55-56
• 參考文獻56-60
• 附錄160-61
• 攻讀碩士學(xué)位期間發(fā)表的論文及科研成果61

【相似文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 龍騰子;武廣高速鐵路客票大數(shù)據(jù)應(yīng)用研究[D];西南交通大學(xué);2016年

，

本文編號：735923