大数据背景下机场旅客的特征浅析

邓黎妮 陈昕然

摘 要：如何为每一位旅客提供更优质的服务是每一个机场人的使命。在新一轮的机场建设中，民航各建设单位也都纷纷投入大量人力物力打造智慧机场。本文介绍了在大数据时代的背景下，如何利用已有的、可以获取的旅客数据，梳理旅客在机场的流程，并提取旅客特征。结合大数据思维和工具，了解旅客需求，为旅客提供更个性化的服务。这对智慧机场建设中旅客挖掘有一定价值和意义。关键词：机场旅客；大数据；特征分析 1 引言近几年，大数据和人工智能技术已逐渐融入人们的生活，并已成为科技行业最具价值的领域。在民用航空“十三五”发展规划下，民航业发展也进入快车道，如何利用大数据和人工智能等前沿技术，为民航旅客提供一个安全、舒适、高效的航站区环境和飞行旅程，已经成为各大机场、航空公司的重要课题。而机场作为民航产业中的重要一环，只有不断加深大数据与人工智能技术的运用与实践，改革传统业务与管理模式，才能从根本上提升机场运营的智能化水平，适应整个产业的发展。基于机器学习等先进算法的人工智能技术已经在多个领域发挥出积极的作用，相信在未来将承担越来越多的社会分工。通过旅客以往的数据去了解旅客的需求[1][2]，挖掘出旅客潜在的行为模式，不仅会为旅客带来更好的体验，也会为机场节省更多的人力和物力，最终为机场带来更大的效益。例如将人脸识别[6]技术嵌入安检信息系统，算法自动比对身份证照片，大大的提高验证准确率及工作效率。2 旅客数据尽管民航信息化建设多年，已经形成了相当完备的信息网。然而各个部门之间的数据缺乏有效整合，形成了一个个的“数据孤岛”，大量有价值的数据资源不能发挥更大作用。数据无法联通、不能共享导致有效的技术方案得不到实施。机场是典型的服务型产业，旅客客流在时间和空间上表现出高集聚性。直接通过旅客在出行过境、安检信息、场内互联网行为数据进行分析，挖掘出用户的不同行为特征。再利用机器学习中决策树、SVM等分类算法[3]对旅客进行分类，以此来确定机场旅客市场的细分，进而针对不同旅客类别群体制定对应的服务、品牌策略等。首先需要解决数据源的问题，数据获取途径：1、旅客基础信息、VIP旅客数据，旅客过安检的数据；2、旅客通过微信关注或会员注册，获得用户的ID信息；3、 通过小基站或wifi来对旅客的手机进行跟踪，记录其在候机楼轨迹和到商家的频次和时间，对店铺进行精准的数据采集；4、通过室内LBS定位及GPS定位，生成用户的区域分布图；5、通过候机楼监控视频的数据；获取数据后要进行数据的关联整合，关联的目的就在于从多维度收集旅客数据，刻画完整的旅客画像。通过数据关联整合，对单一用户进行标签化整理，实现用户精准描述。3 特征选择特征选择[4]的目的是从旅客的多个特征中抽取一些携带信息较多的特征来描述旅客，过滤掉那些携带特征信息量较少的特征。即是把非结构化的旅客信息表示成计算机能够识别的向量，它为抽象、复杂的文本建立一个数学模型，用它来表示和描述旅客。分类器是通过训练已知类别的向量发现各个类别中的特征分布模型，并通过大量已知类别向量对模型不断进行测试、反馈、学习，提高模型性能，最后根据模型对待分类向量进行匹配，从而发现其所属类别。4 机场旅客特征机场旅客分为进港和出港，旅客的基本信息、购票方式、机场消费情况、值机行为等数据可根据不同需求进一步细分。通过这些数据能快速的分析不同特征用户的差异，同时检验出传统机场市场细分能否有效的運用于大数据环境下机场用户特征的研究。 根据旅客的基本信息和在候机楼的活动轨迹和行为特征，发现旅客的需求和偏好。机场旅客标签，主要从五个方面进行阐述：1、基础标签：年龄段、性别、职业、职位、国籍、教育程度；2、乘机频次标签：常旅客、非常旅客、周期性乘机、非周期性乘机；3、候机楼消费喜好标签：美食、购物；4、网页浏览偏好：视频、新闻；5、候机楼停留时间；从大数据角度研究机场用户的行为特征，可以能挖掘出一些潜在的用户群体，这些群体具有互联网背景下的新特性，能快速适应新的乘机购物体验。如文献[5]关于机场的研究中，就用聚类分析挖掘出包含多个特征的七个用户行为群。根据这样的分类，能快速匹配出用户的潜在需求，这也是大数据的优势所在，对群体的分类会更加的详细，明确，从而有利于机场更有针对性的做出相关策略。5 结束语从机场设施采集的旅客数据，不仅能给机场服务、商业提供支持，还可用于分析并做出实时的方案，为场内人力、物力的调度安排提供决策依据，甚至减少潜在的安全隐患，防止问题的发生。例如通过对通道口、登机口安装传感器和安全摄像头捕获人流数据进行统计分析，并将这些数据与来自控制塔的天气数据和实时航班到达数据进行结合。根据这些数据可增加、减少安检口，为登机口管理提供帮助，如自动打开最靠近中转飞机的登机口、调度登机口人员。根据区域人流量，安排相关工作人员进行保洁和服务。有大数据的依托，大量费时费力的工作可无需人工干预，信息渠道更加高效便捷。参考文献：[1] 郑迅雷，陈加芬，万涛.从互联网用户行为分析入手降低运营成本[J].铁路通信信号工程技术.2008.06.[2] Magdalini Eirinaki， Miehalis Vazirgiannis： Web Mining for Web Personalization， ACM Transactions on internet Teclmology，Vol.3，No.1，February 2003，Pages 1-27.[3] 崔建明，刘建明.基于SVM算法的文本分类技术研究[J].计算机仿真.2013.02[4] Forman G.An extensive empirical study of feature selection metrics for text classification[J].Journal of Machine Learning Research.2003，3（1）：1533-7928.[5] 刘攀.基于数据挖掘的航空公司客户价值模型.华南理工大学，2010[6] 周桐. 基于PCA的人脸识别系统的设计与实现[D]. 哈尔滨工业大学自动化控制与设计系，2007.作者简介：邓黎妮（1989-）女，重庆人，助理工程师，研究方向：信息与通信工程