[發(fā)明專利]一種基于主題模型的多因素融合民航旅客出行預測方法

有效

• 申請?zhí)枺?/td>: 201611159984.3
• 申請日: 2016-12-15
• 公開（公告）號: CN106779214B
• 公開（公告）日: 2020-08-28
• 發(fā)明（設計）人: 劉杰;王嫄;馮麗娜;陳會朋
• 申請（專利權）人: 南開大學
• 主分類號: G06F17/40
• 分類號: G06F17/40
• 代理公司: 天津佳盟知識產(chǎn)權代理有限公司 12002
• 代理人: 侯力

1.一種基于主題模型的多因素融合民航旅客出行預測方法，采用數(shù)據(jù)挖掘理論和方法對民航數(shù)據(jù)中旅客出行行為進行分析，運行環(huán)境要求所使用的計算機平臺配備不低于8G的內存，CPU核心數(shù)不低于4個且主頻不低2.6GHz、Windows 7及以上版本的64位操作系統(tǒng)，并安裝Oracle數(shù)據(jù)庫、Java 1.7及以上版本、Matlab 2011b及以上版本必備軟件環(huán)境；其特征在于，該方法包括：

步驟1)：構建旅客關聯(lián)圖出行主題模型；包括構建旅客的關聯(lián)圖，并對旅客出行選擇概率分布進行主題建模，最終得到旅客關聯(lián)圖出行主題模型：

步驟1.1)、構建旅客關聯(lián)圖；

構建旅客關聯(lián)圖，就是計算旅客之間的關聯(lián)度，它由旅客航線共現(xiàn)度和屬性共現(xiàn)度共同決定；航線共現(xiàn)度由旅客之間的航線共現(xiàn)數(shù)決定；屬性共現(xiàn)度是指旅客的年齡、性別、平均折扣、平均里程是否相同；旅客年齡、平均折扣、平均里程信息由基于方差的切分方法得到；

步驟1.2)、對旅客出行選擇概率分布主題建模；

基于主題模型對旅客和其搭乘的航線、航空公司進行主題建模，發(fā)現(xiàn)并求得旅客、航線、航空公司的潛在主題分布，最終將旅客的潛在主題分布和航空公司、航線的潛在主題分布相結合，得到旅客對航空公司和航線的出行選擇概率分布信息；

步驟1.3)、構建旅客關聯(lián)圖出行主題模型；

在步驟1.2)主題建模過程中加入步驟1.1)中的旅客關聯(lián)圖，以構建旅客關聯(lián)圖出行主題模型(Passenger Graph based Travel Topic Model，PGTTM)；PGTTM在為每個旅客的航線、航空公司分配主題時，使得主題不僅來自于旅客本身，還有可能來自于旅客關聯(lián)的其他旅客；這樣能夠豐富主題信息，提高預測性能，并減輕民航旅客出行稀疏性的問題；

步驟2)：構建航線熱度、旅客忠誠度、航空公司市場占有率計算模型，利用這些先驗知識，能夠幫助后面準確預測：

步驟2.1)、計算航線的熱度；

對于航線熱度，首先統(tǒng)計該航線被全部旅客搭乘的次數(shù)，以及每個航線被全部旅客搭乘的次數(shù)之和，在此基礎上，計算得到航線熱度；

步驟2.2)、計算旅客對航空公司的忠誠度；

對于旅客忠誠度，首先統(tǒng)計該旅客搭乘該航空公司的次數(shù)，以及該旅客搭乘每一個航空公司的次數(shù)之和，在此基礎上，經(jīng)過平滑處理，計算得到旅客對航空公司的忠誠度；

步驟2.3)、計算航空公司對航線的市場占有率；

對于航空公司市場占有率，首先統(tǒng)計該航空公司、該航線作為一個詞對被全部旅客搭乘的次數(shù)，以及在不考慮航空公司下該航線被全部旅客搭乘的次數(shù)，基于此，計算得到航空公司對航線的市場占有率；

步驟3)：通過貝葉斯概率模型，構建多因素融合預測框架；通過貝葉斯概率模型融合航線熱度、旅客對航線選擇概率分布、旅客忠誠度以及航空公司市場占有率，對旅客將來選擇的航線、航空公司進行預測：

步驟3.1)、基于貝葉斯概率模型的多因素融合；

基于步驟1.3)中PGTTM得到的旅客對航線選擇概率分布，步驟2.1)中的航線熱度，步驟2.2)中的旅客忠誠度，以及步驟2.3)中的航空公司市場占有率，構建貝葉斯概率模型，對這四部分因素進行融合，更好建模旅客的出行行為；

步驟3.2)、基于貝葉斯概率模型的多因素預測；

針對每個旅客、每個航空公司-航線詞對，利用貝葉斯概率模型函數(shù)，分別計算旅客的搭乘概率；對每個旅客而言，挑選出概率最大的幾個航空公司-航線詞對，進行預測和推薦。