發(fā)布時間：2017-05-02 18:05

  本文關(guān)鍵詞：旅客社會網(wǎng)絡(luò)中的家庭出行預(yù)測及其行為特征分析，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,旅游業(yè)蓬勃發(fā)展,居民旅游消費逐年攀升,乘坐飛機出行已經(jīng)成為一種較為普遍的出行方式。與此同時,民航業(yè)的信息化程度大大提高,大量的旅客個人信息及其歷史出行記錄信息并未得到有效利用。如果能夠從這些海量的信息中挖掘出具有價值的知識,對于實際的生產(chǎn)應(yīng)用有著十分重要的意義。家庭是社會的基本單位,也是客運領(lǐng)域中最常見的出行消費單元之一。由于家庭出行受到時間、經(jīng)濟等多種因素的影響,因此家庭出行呈現(xiàn)出不確定性。如果能夠準確地預(yù)測出家庭在未來一個時間段內(nèi)是否出行,將有助于客運、酒店等服務(wù)業(yè)為家庭制定個性化的服務(wù)與產(chǎn)品,出行目的地的相關(guān)組織及時調(diào)整工作計劃,從而提高家庭旅客出行的便捷度與滿意度。本文對家庭出行進行了研究與定義并將預(yù)測一個家庭在未來一段時間是否會出行定義為一個分類問題。首先根據(jù)旅客的個人信息及其家庭的歷史出行信息構(gòu)建了家庭的人口統(tǒng)計學(xué)特征、歷史行為特征以及預(yù)測時間窗口特征,這些特征描述了不同家庭的自然屬性以及行為屬性。為了達到更加理想的分類效果,還構(gòu)建了基于共同出行關(guān)系的旅客社會網(wǎng)絡(luò),提出通過構(gòu)建家庭成員社會網(wǎng)絡(luò)的屬性來進一步描述家庭特征。在此基礎(chǔ)上使用多種分類算法進行家庭出行的預(yù)測。最后,我們對多種分類算法的效果進行了對比并對家庭團體的出行行為特征進行了統(tǒng)計。本文的實驗數(shù)據(jù)基于民航領(lǐng)域的真實數(shù)據(jù)集。通過對比多種方案的多種分類器的分類效果,我們發(fā)現(xiàn),針對民航旅客社會網(wǎng)絡(luò)中的家庭出行預(yù)測問題,隨機森林算法是效果最優(yōu)的分類算法。實驗結(jié)果表明,使用隨機森林分類算法對家庭在未來一個月是否出行進行預(yù)測,準確率可以達到85%以上。針對家庭團體的出行行為特征統(tǒng)計分析結(jié)果也對于相關(guān)組織的決策者具有十分重要的參考價值。
【關(guān)鍵詞】：旅客社會網(wǎng)絡(luò) 家庭出行 出行預(yù)測 行為分析
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP301.6
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-16
• 1.1 研究背景11-12
• 1.2 研究目的及意義12
• 1.3 研究現(xiàn)狀12-14
• 1.4 主要研究內(nèi)容14-15
• 1.5 論文組織結(jié)構(gòu)15-16
• 2 相關(guān)理論基礎(chǔ)16-26
• 2.1 社會網(wǎng)絡(luò)概述16-21
• 2.1.1 社會網(wǎng)絡(luò)指標16-18
• 2.1.2 社會網(wǎng)絡(luò)的基本性質(zhì)18-21
• 2.2 分類算法21-24
• 2.2.1 傳統(tǒng)分類算法21-23
• 2.2.2 組合分類算法23-24
• 2.3 家庭出行行為定義24-25
• 2.4 本章小結(jié)25-26
• 3 旅客社會網(wǎng)絡(luò)中的家庭出行預(yù)測26-37
• 3.1 問題定義26-28
• 3.2 研究框架28
• 3.3 旅客社會網(wǎng)絡(luò)構(gòu)建28-29
• 3.4 家庭出行預(yù)測29-35
• 3.4.1 基于家庭基本屬性的特征30-33
• 3.4.2 基于旅客社會網(wǎng)絡(luò)的特征33
• 3.4.3 構(gòu)建基于預(yù)測時間窗口的特征33-35
• 3.5 家庭出行行為特征統(tǒng)計35
• 3.6 本章小結(jié)35-37
• 4 實驗與分析37-51
• 4.1 實驗數(shù)據(jù)準備37-41
• 4.1.1 數(shù)據(jù)處理37-39
• 4.1.2 家庭數(shù)據(jù)庫的建立39
• 4.1.3 樣本標定39-41
• 4.1.4 實驗環(huán)境41
• 4.2 實驗結(jié)果41-49
• 4.2.1 出行預(yù)測42-46
• 4.2.2 家庭團體行為特征統(tǒng)計46-49
• 4.3 實驗分析49
• 4.4 本章小結(jié)49-51
• 5 總結(jié)與展望51-53
• 5.1 本文工作總結(jié)51
• 5.2 不足與展望51-53
• 參考文獻53-56
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果56-58
• 學(xué)位論文數(shù)據(jù)集58

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉足華;熊惠霖;;基于隨機森林的目標檢測與定位[J];計算機工程;2012年13期

2 董師師;黃哲學(xué);;隨機森林理論淺析[J];集成技術(shù);2013年01期

3 王象剛;;基于K均值隨機森林快速算法及入侵檢測中的應(yīng)用[J];科技通報;2013年08期

4 陳姝;彭小寧;;基于粒子濾波和在線隨機森林分類的目標跟蹤[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2014年02期

5 羅知林;陳挺;蔡皖東;;一個基于隨機森林的微博轉(zhuǎn)發(fā)預(yù)測算法[J];計算機科學(xué);2014年04期

6 王麗婷;丁曉青;方馳;;基于隨機森林的人臉關(guān)鍵點精確定位方法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2009年04期

7 李建更;高志坤;;隨機森林針對小樣本數(shù)據(jù)類權(quán)重設(shè)置[J];計算機工程與應(yīng)用;2009年26期

8 張建;武東英;劉慧生;;基于隨機森林的流量分類方法[J];信息工程大學(xué)學(xué)報;2012年05期

9 吳華芹;;基于訓(xùn)練集劃分的隨機森林算法[J];科技通報;2013年10期

10 張華偉;王明文;甘麗新;;基于隨機森林的文本分類模型研究[J];山東大學(xué)學(xué)報(理學(xué)版);2006年03期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標檢測中的應(yīng)用[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學(xué)討論會論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類[A];中國化學(xué)會第29屆學(xué)術(shù)年會摘要集——第19分會：化學(xué)信息學(xué)與化學(xué)計量學(xué)[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉�(gòu)效關(guān)系研究[A];第十一屆全國計算（機）化學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計學(xué)年會會議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應(yīng)用[A];第八屆全國轉(zhuǎn)子動力學(xué)學(xué)術(shù)討論會論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機)化學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿(mào)易大學(xué);2014年

2 雷震;隨機森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年

3 岳明;基于隨機森林和規(guī)則集成法的酒類市場預(yù)測與發(fā)展戰(zhàn)略[D];天津大學(xué);2008年

4 李書艷;單點氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測及其機制研究[D];蘭州大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 錢維;藥品不良反應(yīng)監(jiān)測中隨機森林方法的建立與實現(xiàn)[D];第二軍醫(yī)大學(xué);2012年

2 韓燕龍;基于隨機森林的指數(shù)化投資組合構(gòu)建研究[D];華南理工大學(xué);2015年

3 賀捷;隨機森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

4 張文婷;交通環(huán)境下基于改進霍夫森林的目標檢測與跟蹤[D];華南理工大學(xué);2015年

5 李強;基于多視角特征融合與隨機森林的蛋白質(zhì)結(jié)晶預(yù)測[D];南京理工大學(xué);2015年

6 朱玟謙;一種收斂性隨機森林在人臉檢測中的應(yīng)用研究[D];武漢理工大學(xué);2015年

7 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學(xué);2014年

8 李慧;一種改進的隨機森林并行分類方法在運營商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年

9 趙亞紅;面向多類標分類的隨機森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年

10 黎成;基于隨機森林和ReliefF的致病SNP識別方法[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：旅客社會網(wǎng)絡(luò)中的家庭出行預(yù)測及其行為特征分析，由筆耕文化傳播整理發(fā)布。

本文編號：341423