[發明專利]用戶乘飛機出行行為的建模方法

在審

• 申請號: 201510947417.3
• 申請日: 2015-12-16
• 公開（公告）號: CN105608598A
• 公開（公告）日: 2016-05-25
• 發明（設計）人: 馮珍妮;朱燕民;曹健
• 申請（專利權）人: 上海交通大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 屈蘅

技術領域

本發明涉及建模技術領域，特別涉及一種用戶乘飛機出行行為的建模方法。

背景技術

現在乘坐飛機是一種非常普遍和便捷的出行方式，據中國民用航空局的統計， 2015年5月，在中國乘坐飛機出行的乘客超過35,000,000人次，因此理解用戶的出行行為模 式對于預測航空出行需求等應用是十分重要的?，F有的理解和發現用戶的出行行為模式的 方法大部分是基于分析用戶填寫的調研報告。這些調研報告幫助探索和發現用戶的偏好， 從而估計一些有價值的指標，比如所節省的出行時間的價值。然而這些方法都只是提供了 一些粗粒度的概括性的行為描述，無法提供針對單個用戶的有效信息。

針對單個用戶的乘坐飛機出行行為模式的分析和建模。隨著互聯網和在線支付工 具的普及，越來越來的有出行需求的用戶開始在航空公司(例如東方航空、南方航空)的網 站或者其它機票預訂網站(比如攜程網、去哪兒網)上提前預訂機票。例如，當一個有出行需 求的用戶在攜程網上訂票時，他/她需要選擇出發城市、到達城市、艙位等級、出行時間、航 空公司、是否換乘等信息，當該用戶訂票成功時，在線訂票網站會記錄下該用戶的一次訂票 (出行)行為。利用這些來自在線訂票網站的龐大的訂票數據集，在線訂票網站能夠分析它 的用戶的出行行為，特別是能夠針對單個用戶的出行行為進行分析。對于在線訂票網站來 說，理解和發現用戶的出行行為模式能夠幫助它們提供更準確的推薦和更精準的個性化服 務。具體來講，本發明主要關注如何建立一個用戶級的出行行為模型。一個乘客的出行行為 由以下幾個關鍵特征描述：起飛時間、到達時間、提前訂票天數、價格、艙位等級等。本發明 試圖利用歷史的訂票數據針對單個用戶，建立一個概率模型作為用戶乘飛機出行行為的描 述。

建立一個用戶級的出行行為模型面臨著許多挑戰。首先，對于用戶的出行行為建 模是一個多元建模問題，因為用戶的出行行為模式跟上述的多個特征有關。其次，關于用戶 級行為建模的相關研究非常少。現在廣泛使用的一些含參數的概率模型比如高斯分布、泊 松分布等并不適合用來作為用戶出行行為的概率模型。另外，一個用戶自身的有限數目的 歷史訂票記錄不足以訓練得到一個精確的概率模型。

發明內容

本發明的目的在于提供一種用戶乘飛機出行行為的建模方法，以解決現有用戶乘 飛機出行行為的建模方法得到的概率模型精準度不高的問題。

為解決上述技術問題，本發明提供一種用戶乘飛機出行行為的建模方法，包括如 下步驟：

在用戶集合中選定一目標用戶，根據目標用戶的部分歷史訂票數據進行核密度估 計建立第一概率密度模型；

在目標用戶在所述用戶集合中的補集中選取K個相似用戶，并根據K個相似用戶的歷史訂票數據進行核密度估計建立第二概率密度模型，S為用戶集合中用戶的總量；

基于所述第一概率密度模型和所述第二概率密度模型構建混合模型；

利用期望最大化算法和所述目標用戶剩余的歷史訂票數據計算所述混合模型。

可選的，在所述的用戶乘飛機出行行為的建模方法中，根據目標用戶的部分歷史 訂票數據進行核密度估計建立第一概率密度模型，包括如下步驟：

將所述目標用戶的部分歷史訂票數據劃分為第一部分數據和第二部分數據；

根據所述第一部分數據進行核密度估計建立初始第一概率密度模型；

根據初始第一概率密度模型和第二部分數據計算初始第一概率密度模型的似然 函數；

將最大的似然函數所對應的帶寬作為最佳帶寬；

根據最佳帶寬和第一部分數據進行核密度估計建立第一概率密度模型。

可選的，在所述的用戶乘飛機出行行為的建模方法中，選取K個相似用戶的過程如 下：

統計用戶集合中所有用戶的特征向量；

計算所述目標用戶的特征向量與所述用戶集合中每個用戶的特征向量之間的歐 幾里德距離；

將計算的歐幾里德距離由小到大進行排序，取前K個歐幾里德距離所對應的用戶 作為目標用戶的相似用戶。

可選的，在所述的用戶乘飛機出行行為的建模方法中，所述特征向量中的元素包 括：出行頻率、乘坐艙型比例、出行時間比例、訂票提前的平均天數、目的地城市的差異性。

可選的，在所述的用戶乘飛機出行行為的建模方法中，所述歐幾里德距離越小，兩 個用戶越相似；距離越大，兩個用戶差別越大。