航空大数据对旅客出行行为引导的研究.docVIP

航空大数据对旅客出行行为引导的研究 　　摘 要：在大数据背景下，如何利用行业大数据服务于民众是大数据应用的重要组成部分，本文通过对旅客出行行为的影响因素的分析，利用层次分析法（AHP）构建了“航空公司航线吸引力评价模型”，然后利用航空大数据来对不同航空公的同一航段的航线吸引力分值进行计算，然后通过实际分值的高低来帮助顾客进行航班选择，同时也为航空公司日后的航线经营决策提供数据支持和决策依据。 　　关键词：大数据；航空业；旅客出行行为；层次分析法（AHP） 　　大学生创新创业训练计划项目 项目编号：IEACUC2015064 　　1 研究背景 　　随着我国航空运输业的快速发展，航空旅客在选择出行航班时，同一航线上有多个航班可供选择，而每一个航班对于旅客的吸引力是不同的，通过构建“航班吸引力”的评价模型，可以为航空公司提高本公司航班竞争力提供数据支持和决策 　　依据。 　　2 航线吸引力评价模型构建 　　杨倩倩（2015）在《基于订票行为的航空旅客划分方法研究》一文中，通过调查发现，旅客选择航班的原因主要有：航空公司品牌、机票、机型、时刻、服务，其中机型的影响微乎其微。本文选择以之前学者的研究为理论基础，结合近年我国航空运输市场发展现状，选择航班正点率、航班时刻、机票价格三个指标作为反映航班信息的指标，选择机上餐食、行李托运两个指标作为反映航空公司服务的指标，从而构建“航空公司吸引力评价”模型。 　　2.1 评价体系的建立 　　本评价体系一共分为四层：目标层、准则层Ⅰ、准则层Ⅱ、方案层，目标层为“航空公司吸引力”，准则层Ⅰ的因子集为航班信息和航空公司服务，准则层Ⅱ的因子集为航班正点率、航班时刻、机票价格、机上餐食，方案层为各航空公司，结果如图1所示。 　　体系中，航班正点率是指航班正常的概率；航班时刻是指飞机离岗时间；机票价格是指机票的实际出售价格；机上餐食是指旅客对机上餐食服务的满意度；行李托运是指旅客对行李托运服务的满意度。 　　2.2 各指标标度定义 　　对于五个指标采用十分制标度. 　　（1）其中航班正点率Z本身为百分制，故只需对其放大10倍，即 10 　　（2）航班时刻中，9：00-12：00为旅客最偏好时刻，12：00-15：00次之，15：00-20：00、20：00-24：00、7：00-9：00、00：00-6：00依次从高到低排列，根据各时刻所占百分比确定标度如表1： 　　（3）机票价格通常有折扣，故通过求解机票价格P的折扣率来确定机票价格标度，即 　　（4）机上餐食服务满意度C和行李托运服务满意度T由民航资源网调查统计出来，为五分制，故只需对其放大2倍，即 ， . 　　2.3 构建各层次中的所有判断矩阵 　　2.3.1数据来源 　　本文的判断矩阵数据来源于调查研究。此次调查是以网上问卷调查和天津滨海国际机场实地问卷调查相结合，共收回有效问卷267份。 　　2.3.2准则层的层次单排序 　　下面以编号为1的调查问卷为例，具体步骤如下： 　　2.3.3准则层Ⅱ的总排序 　　根据上述计算，利用层次分析法相对权数计算的层位传递原理，计算出准则层Ⅱ中的总排序结果如表2。 　　2.3.4根据航空大数据对不同航空公司航班吸引力进行评价 　　家航空公司在每条航线上的运营数据在一定时间内是一定的，其航班正点率、航班时刻、机票价格、机上餐食服务、行李托运服务，也是趋于某一水平值的，即民航旅客在出行选择时所能够获知的“航空大数据”是一定的. 　　以下数据来源于携程网和民航资源网 　　例如，在天津（TSN）――厦门（XMN）的航线上，A、B两航空公司的航班信息及航空公司服务分别为：正点率为74%、79%，航班时刻为10：30、10：00，机票价格为900元、800元（Y全1400元），机上餐食服务满意度为3.6、3.2，行李托运服务满意度为3.9、3.8，根据换算得3表： 　　则A航空公司得分为： 　　7.4*0.5906+10*0.4355+4.0*0.5881+7.2*0.1761+7.8*0.1139=13.2342 　　B航空公司得分为： 　　7.9*0.5906+10*0.4355+4.6*0.5881+6.4*0.1761+7.6*0.1139=13.7187 　　B航空公司的得分比A航空公司多，所以在天津（TSN）――厦门（XMN）的航线上，B航空公司的航班更具有吸引力 　　3 结论 　　文构建了“航空公司吸引力”评价体系模型，该体系从航空大数据中选取了航班正点率、航班时刻、机票价格、机上餐食服务满意度、行李托运服务满意度五个指标值，利用本模型对现有的不同航空公司同一航线上航班进行了计算和分析，得到不同航空公司该航线上航班的吸引力值，为航空公