旅客同行關系作為一種特殊的社交關系在民航領域有著重要的研究意義與應用前景。民航旅客同行關系網絡預測旨在對由民航旅客為節(jié)點,旅客共同出行關系為邊的同構網絡進行鏈接預測。對于機場,挖掘旅客的同行關系可以精進機場的黑白分級安檢環(huán)節(jié),這將大大提高機場整體的運行效率;對于航空公司來說,構建完整的旅客同行網絡,可以針對旅客精準的進行航線推薦。而對于旅客本身來說,對旅客同行關系網絡的預測也可以極大保障旅客的人身安全。由于民航旅客同行網絡中旅客節(jié)點數量龐大但邊極為稀少,使得網絡具有高度稀疏的特點,而現有社交網絡鏈接預測方法多數是基于相似度算法來對稠密圖節(jié)點之間的關系強度分析并預測,因此不適用于高度稀疏的民航旅客同行網絡鏈接預測。因此本文首先提出在海量的民航旅客訂座記錄的基礎上,將有限的散列字段轉換為網絡數據,構建旅客同行關系網絡。接著在該網絡數據中深入挖掘旅客對之間的關系特征并進行提取以及細化,將提取后的旅客同行關系特征進行特征向量化,生成特征矩陣作為分類器的訓練數據,并在四種不同的分類器下均取得了較好的預測結果,證明了提取后的旅客同行關系特征屬性具有良好的有效性及適用性。在旅客同行關系特征獲取的基礎... 

【文章來源】：中國民航大學天津市

【文章頁數】：58 頁

【學位級別】：碩士

【部分圖文】：

某機場某一時段旅客同行網絡生成圖 民航旅客同行網絡的鏈接預測本質上是在海量的散列數據中對其進行網絡

中國民航大學碩士學位論文 8 圖2-1一個簡單的社交關系圖2.1.2基本性質（1）六度分隔理論1967年，哈佛大學的心理學教授StanleyMilgram提出“在世界上任何一個人與其相對的任何一個陌生人之間所間隔的人不會超過五個，也就是最多通過六個人就可以認識任何一個陌生人”的概念，稱為“六度分隔理論”[7]。該理論即描繪了一個連結人與社區(qū)的社交關系網。在現實社會中絕大部分社交關系網絡中都符合六度分隔理論，比如論文合著關系網絡，各種社交網絡平臺的用戶關系網，這些網絡雖然規(guī)模大，但其中的節(jié)點平均最短距離均小于6，形成巨大網絡中的小世界特性。（2）中心性性質“中心性”是社交網絡分析中不可缺少的一項重要指標。它旨在衡量一個節(jié)點在該所屬網絡下的權力占比，中心性分析則是節(jié)點權力的量化研究[8]。對于社交網絡研究學者來說，權力在社交網絡中個體或組織如何的重要，或者是說具有怎樣的中心地位成為最早也是最核心深入研究的內容之一。個體的中心度(Centrality)衡量個體處于網絡中心的程度，反映了該節(jié)點在網絡中的重要性程度。因此一個網絡中的節(jié)點數量等于個體的中心度數量。此外，不僅可以計算網絡中個體的中心度，還可以計算整個網絡的集中趨勢(可簡稱為中心勢)(Centralization)。與個體中心度描述的中心思想不同在于，網絡中心勢描述整張網絡中各個節(jié)點的差異性程度。因此一個網絡只有一個中心勢。根據計算方法的不同，中心度和中心勢都可以分為三種：點度中心度與點度中心勢，中間中心度與中間中心勢，接近中心度與接近中心勢。

中國民航大學碩士學位論文 17 3.1.2數據分析及問題提出根據中航信近某兩年的PNR進行統計發(fā)現，旅客節(jié)點總數為180451121，而邊總數只有24503142，平均節(jié)點度為0.13，旅客同行數據高度稀疏。圖3-2顯示了同樣兩年間同行旅客訂單數統計，共74461114單訂單，其中單人行程訂單數占總訂單數的82.79%，可用于研究的同行旅客數據只占總數據的不到18%，不僅證明旅客同行網絡的極強稀疏性，更說明了在訂單數據中表現出的同行關系十分稀少。 圖3-2中航信201X年到201X+1年PNR數據同行旅客訂單數統計（總訂單數：74461114）如何對已構建的具有極強稀疏性的旅客同行關系網絡利用有限的數據字段進行非拓撲特征的挖掘及發(fā)現并提取細化，以達到對具有同行關系的旅客對的關系表達，是當前對于民航旅客同行關系網絡來說是一大難點，也是是本章的研究重點。3.2旅客同行關系特征提取3.2.1同行關系特征群分類將每條PNR的屬性字段進行篩選并分類為每對節(jié)點的三種信息特征群[26-27]，即旅客個人信息特征群、航班信息特征群和旅客行為信息特征群。三種信息特征群包括的所有屬性字段定義如表3-2。82.79%12.66%1.41%1.43%1.70%單人出行2人同行3人同行4人同行5人以上同行

【參考文獻】：
期刊論文
[1]基于ARIMA和BP神經網絡的民航事故征候率預測[J]. 陳芳,張迪,衛(wèi)微,郭娜.  安全與環(huán)境學報. 2019(06)
[2]中國民航客運市場需求預測的系統動力學模型研究[J]. 沈靜瑤,曾小舟,鄔國祥.  華東交通大學學報. 2019(04)
[3]面向乘客策略行為的航空公司艙位控制與動態(tài)定價模型[J]. 李豪,彭慶,譚美容.  控制與決策. 2018(07)
[4]自動關鍵詞抽取研究綜述[J]. 趙京勝,朱巧明,周國棟,張麗.  軟件學報. 2017(09)
[5]基于旅客分類的機場安檢系統研究[J]. 趙振武,唐玉麗,麻建軍.  綜合運輸. 2017(03)
[6]中文文本語義錯誤偵測方法研究[J]. 張仰森,鄭佳.  計算機學報. 2017(04)
[7]一種大規(guī)模網絡中基于節(jié)點結構特征映射的鏈接預測方法[J]. 李志宇,梁循,周小平,張海燕,馬躍峰.  計算機學報. 2016(10)
[8]基于語義分析的評價對象-情感詞對抽取[J]. 江騰蛟,萬常選,劉德喜,劉喜平,廖國瓊.  計算機學報. 2017(03)
[9]改進二部分圖的民航旅客出行偏好模式的構建[J]. 賀懷清,李圖波.  計算機應用與軟件. 2015(02)
[10]一種基于社交網絡的民航新旅客成長性預測方法[J]. 林友芳,張奧爽,萬懷宇,武志昊.  北京交通大學學報. 2014(06)



本文編號：3292111