民航旅客社交网络中的用户偏好模型及价值预测算法研究

In the Internet economy era, user profiling based on big behavior data has become a very import way to understand user preferences, provide personalized services and make precise recommendations. As the market competition is increasingly fierce in the field of civil aviation, it is necessary for civil aviation businesses, i.e., airlines, ticket agents and airport operators, to better understand the interest preferences, potential values and travel patterns of passengers. And this will greatly improve their service quality and marketing capability, promote customers’ satisfaction and loyalty, and enhance their global competitiveness.. This project plans to research the problem of passenger profiling based on passenger social networks constructed from civil aviation big data. The main research points include: passenger individual preference modeling, passenger social preference modeling and passenger potential value prediction. Finally, an industrial applied research problem, i.e., flight seat assignment, will be performed based on previous studies.. This project will research the passenger profiling problem from the perspective of social networks, to overcome the challenges brought from the limitation of civil aviation products, the sparsity of historical data and the autocorrelation between passengers. The research achievements will promote the development and application of data mining techniques in the field of civil aviation, and improve the personalized service level of civil aviation businesses.

在互联网经济时代，基于用户行为大数据对用户进行全面深入的理解和刻画，已成为商家了解用户需求、提供个性化服务和实现精准营销的重要途径。在民用航空领域，随着国际国内客运市场的竞争日益激烈，航空公司、机票代理人以及机场运营者等民航相关企业有必要对旅客的需求偏好、潜在价值以及出行模式等进行深入地分析，从而提高企业的服务质量和营销水平、提升旅客忠诚度和满意度、增强企业国际竞争力。. 本项目拟基于民航旅客大数据进行用户偏好模型和价值预测算法研究。具体地，我们将构建旅客社交网络，针对旅客对航班座位的个体偏好和关系偏好进行建模，同时对旅客的未来潜在价值进行预测，然后在此基础上进行动态航班座位分配优化应用研究。. 本项目将从社交网络的视角来研究旅客建模问题，力图解决民航产品资源有限性、旅客数据稀疏性以及社交网络自相关依赖性等问题给旅客建模带来的挑战，推动民航领域数据挖掘技术的发展。

本项目面向民航等交通领域，基于各类交通大数据，针对旅客偏好建模、旅客价值预测、旅客需求预测、交通流量预测、航班座位分配等问题开展了研究。. 本项目提出了一系列时空数据预测算法，包括旅客价值预测算法、民航需求预测算法、航班客座率预测算法、城市区域交通流量预测算法、高速公路车流量预测算法以及移动用户轨迹预测算法，共发表学术论文11篇，获受理国家发明专利3项。提出的部分算法达到了国际先进的水平，发表于国际顶级会议或期刊，对时空数据挖掘、尤其是交通数据挖掘技术的发展起到了一定的推动作用。. 本项目一共培养研究生7人，其中已毕业硕士生4人、在读博士生1人、在读硕士生2人。. 本项目的研究成果，可应用于交通运营和管理部门采取有效的优化、管理和运营措施，提高交通系统的运行效率，还可以有针对性地为旅客提供个性化出行服务，推动绿色共享出行，或进行基于位置的精准推荐等。总体来说，本项目的研究有助于提高交通资源的利用效率、提升交通系统的运行效率以及改善交通参与者的满意程度。