俞誠成，呂紅霞

(西南交通大學，四川 成都 611756)

近年來，隨著我國社會經濟的快速發(fā)展，人們的出行需求呈現出“差異化”“多元化”的特點。鐵路作為主要交通方式之一，亟需適應日益多元的市場化服務需求[1]，這也對鐵路客運營銷提出了更高要求。大數據的運用為鐵路客運營銷研究方面的技術創(chuàng)新創(chuàng)造了可能。航空運輸營銷對旅客標簽系統(tǒng)的應用較為成熟，鐵路客運營銷對旅客個性化的出行需求及行為特征分析存在不夠精確的問題。鐵路客運產品不能滿足旅客“差異化”的需求將在極大程度上導致鐵路高價值旅客的流失。因此，亟需構建一個大數據鐵路旅客畫像系統(tǒng)，幫助鐵路客運實現從傳統(tǒng)營銷策略到以旅客價值為依據的企業(yè)效益最大化和旅客服務質量最優(yōu)化的共贏策略的轉變[2]。

國內外專家針對鐵路旅客畫像系統(tǒng)的研究及應用展開了一定工作。郝曉培[2]利用分布式計算框架Spark等關鍵技術，研究了鐵路客運用戶畫像系統(tǒng)用戶標簽計算的相關算法；張軍鋒[3]基于大數據提出了鐵路旅客畫像系統(tǒng)架構設計；朱建生[4]利用大數據可視化技術研究了客運大數據平臺在票額預分方面的應用。目前，關于客運營銷策略方面的研究不夠精確、全面，而大數據鐵路旅客畫像系統(tǒng)可以較好地避免這一問題。本文基于一種適用于時間序列數據的動態(tài)密度聚類算法，實現用戶標簽的生命周期設計，基于此完成鐵路旅客畫像系統(tǒng)對旅客群體特征的分析并探討其在日常、節(jié)假日客運營銷策略制定上的作用。

1 鐵路旅客畫像系統(tǒng)架構

1.1 鐵路旅客畫像系統(tǒng)概述

鐵路旅客畫像系統(tǒng)是對以鐵路為出行方式的既有旅客和潛在旅客進行數據建模，以不同的數據維度對旅客進行刻畫。通過對旅客的靜態(tài)人口屬性、動態(tài)行為偏好等主要信息進行建模分析，抽象出易于理解的語義標簽并形成一個用戶的信息全貌。傳統(tǒng)的旅客標簽體系見圖1。

圖1 傳統(tǒng)旅客畫像系統(tǒng)標簽體系

1.2 數據獲取及分析

鐵路大數據廣泛存在于以12306互聯網購票系統(tǒng)、客票系統(tǒng)、動車組管理系統(tǒng)、車站信息管理系統(tǒng)、運輸調度系統(tǒng)為代表的結構化大數據系統(tǒng)中。此外，隨著各類智能設備在鐵路運維中的推廣和普及，非結構化數據也在大量產生[5]。在數據獲取層可采用系統(tǒng)日志采集和網絡爬蟲框架結合的方法，并通過結構化存儲模式對數據進行存儲。對已選擇鐵路出行的旅客，必然可以獲取其靜態(tài)社會屬性數據和自然屬性數據，如證件號、性別、年齡、籍貫等。在動態(tài)數據分析工作中，需以旅客出行信息為主并結合訪問軌跡、交易軌跡等信息，多維度地刻畫旅客畫像。動態(tài)數據涵蓋了出行行為(旅客出行次數、列車類型、乘車區(qū)間、乘車時間、候車時長、乘車席位等級等)、交易行為(支付方式偏好、退改簽情況等、消費習慣、潛在消費)等多個方面。

建立旅客畫像系統(tǒng)的目標是幫助鐵路客運部門更清晰地了解旅客群體，并做到根據客運需求合理設計客運產品，精準且高效地制定客運營銷策略?；阼F路客運業(yè)務現狀，旅客畫像系統(tǒng)數據處理層采用Hadoop架構，采用分布式數據處理方式，具有低成本高效性的特點。由于涉及大量非結構化數據，需對客運大數據進行清洗，形成有效數據后再進行相關性分析、聚類分析等。鐵路旅客畫像系統(tǒng)的數據獲取及分析層架構見圖2。

圖2 鐵路旅客畫像系統(tǒng)數據獲取層及分析層架構

1.3 實時標簽體系設計

鐵路旅客動態(tài)數據具有更新頻率快、時空差異性明顯的特點?；谏贁禈颖居脩籼卣鞣诸惖臉撕炘O計體系不再適用于當前鐵路旅客畫像系統(tǒng)[6]。引入適用于時間序列數據的動態(tài)密度聚類方法[7]，可以為鐵路旅客標簽增加時間維度的屬性，實現用戶標簽體系的自更新，以較低的歷史成本高效滿足在每一時間步上進行動態(tài)聚類的需求。算法通過識別本階段與前階段相比新增的旅客數據集和屬性產生變化的數據集，通過動態(tài)聚類原則實現每一階段各旅客數據集的類、屬性的更新，以i、i+1時刻為例：φi、φi+1為該時刻旅客屬性數據集；δi+1、γi+1為新增旅客集、屬性變化旅客集；displace、index分別為標簽屬性與所屬類別;P為旅客屬性數據集內包含的旅客樣本容量,見圖3。

圖3 旅客屬性時間序列數據的動態(tài)密度聚類算法

1.4 標簽實現

傳統(tǒng)意義上的用戶畫像系統(tǒng)所分配的標簽不具備時間維度。而從數據特征來看，鐵路客運大數據在時間維度上具有良好的趨勢延續(xù)性、周期波動性和一定程度上的不穩(wěn)定性。因此基于時間序列分析的動態(tài)密度聚類方法可以更好地賦予旅客屬性標簽以時間維度，見圖4。

圖4 旅客屬性標簽時間維度變更示意圖

表1為某階段內旅客乘車屬性的相關描述，對于階段前ti時段根據Q型聚類求得該旅客出行特征符合旅游客流。經過表1階段內元素屬性位移，在階段后ti+1時段，根據動態(tài)密度聚類該旅客從屬于學生客流。而該樣本其它標簽元素屬性并未發(fā)生明顯偏移，因此將對應標簽時間維度延長至階段后，得到各樣本標簽時間維度上的變更情況，見表2。

表1 某階段旅客乘車屬性描述

表2 旅客屬性標簽時間維度變更

此外，該算法在數據更新角度可以表示為：對于某一時間步內新產生的鐵路旅客，根據聚類規(guī)則，實現初始標簽的建立，如表2樣本2所示；對于產生新的動態(tài)記錄的既有旅客，在更新該旅客的動態(tài)數據基礎上，根據聚類規(guī)則，實現旅客畫像標簽的更新，如表2樣本1和樣本n所示；對于時間步內未更新數據記錄的旅客，根據其聚類是否改變決定其旅客畫像標簽的更新。

2 基于畫像系統(tǒng)的客運營銷策略研究

用戶畫像系統(tǒng)可以幫助企業(yè)管理者區(qū)分不同的客戶群體，分析不同群體間的需求偏好差異和行為特征差異，并對不同客戶群體制定更有針對性的營銷策略。受限于客運產品具有不可貯藏性，鐵路客運具有社會公益性等一系列行業(yè)性質特點，鐵路客運目前無法將運能與客運需求完全結合，靈活調節(jié)客運產品定價以適應市場實際需要。此外鐵路客運部門的業(yè)務偏向于如何管理生產，而并未有效地對旅客運輸市場的各類信息進行總結、承擔營銷任務[8]。而基層客運管理部門尚不具備全面開展客運市場調研的能力，因此在指定客運產品方面顯得力不從心。結合鐵路客運部門業(yè)務現狀，鐵路旅客畫像系統(tǒng)可以在以下幾個方面對接并提供業(yè)務上的幫助。

2.1 旅客群體行為特征分析

鐵路旅客在自然屬性、社會屬性等標簽的數據形成鐵路旅客畫像數據庫，支撐鐵路旅客群體分析。從維度構建上，鐵路旅客群體分析主要包括產品服務供需維、旅客群體心理維和行為特征時空維，不同維度的數據來源和分析方向不同：(1)產品服務供需維：用戶出行需求分析、用戶忠誠度分析、熱門客運產品分析等，可對客運服務與客運產品的需求進行預測；(2)旅客群體心理維：通過交易行為、出行行為、瀏覽訪問行為對用戶行為、用戶屬性作分群分析，并通過屬性標簽對旅客群體心理進行分析，提高客運服務的工作質量；(3)形為特征時空維則根據旅客辦理各類客運業(yè)務的時間、地點和渠道及各因素的相關性等時空特征進行群體聚類及分析。鐵路旅客群體分析的若干維度均需以鐵路旅客畫像提供的海量數據為支撐。同時也可以以既有信息系統(tǒng)為基礎，通過交叉運用上述若干維度的數據，實現大數據技術在鐵路旅客運輸領域內的應用部署[9]。

2.2 日常客運營銷策略研究

當下，鐵路旅客運輸所面臨的矛盾已從運輸供給不足轉向運輸供給與市場需求不適應，即對客流方向性、時段性的預測精確度不足。而大數據鐵路旅客畫像系統(tǒng)通過嚴謹地搜集和分析既有旅客和潛在旅客的各項數據及行為軌跡，可使鐵路客運營銷進一步接近真實的客運市場需求。基于畫像系統(tǒng)，分析淡季和旺季的客運需求，及時調整運力資源配置，做到運力資源配置與運輸組織需求相適應，在保障運輸需求的基礎上降低運營成本，提高列車開行的質量。對于具體的客流需求預測，通過分析車票預售情況并提取畫像系統(tǒng)中相關標簽樣本進行分析，將更準確地掌握旅客需求動態(tài)。如周末自南京至蕪湖間交互的旅游流和學生流較之前階段有大幅增加。而現實也較好地印證了這一推論，通過提報擴能建議方案，分別于周五、周日21：00新增動車，該列車累計發(fā)送旅客近萬人，客座率高達90.3%。

神經網絡等模型具有良好的自適應性和非線性處理能力，以標簽取值為輸入層，通過誤差反向傳播不斷訓練網絡以完成對當日既有需求的預測。并通過制定聚類規(guī)則和篩選規(guī)則，搜索畫像系統(tǒng)中與該群體具有相似行為特征的用戶作為潛在需求，完成對該類出行需求的預測。此外，在候補票的售票上，可根據該列車旅客的退改事實標簽對售票數量進行動態(tài)優(yōu)化，提高候補購票的兌現成功率。對于路網整體，以畫像系統(tǒng)的屬性變化記錄數據為基礎，分別從具體車次、具體起訖車站、具體線路、具體區(qū)域等多個層面分別利用大數據鐵路旅客畫像系統(tǒng)完成對客流需求的預測以及對售票策略、席位共復用和列車開行方案的動態(tài)優(yōu)化設計。

2.3 節(jié)假日客運營銷策略研究

清明、端午、五一、十一、中秋等客流高峰節(jié)假日的客流具有增長幅度大、周期短、極明顯的方向性[10]。因此需基于大數據旅客畫像系統(tǒng)，以與平日列車開行方案相似度最大、運營總成本最小為原則，對節(jié)假日列車開行方案進行優(yōu)化設計研究。從畫像系統(tǒng)中提取出時間步屬性為往年假期及近期平日的旅客用戶，并提取其起訖點等維度進行聚類，具體分析客流構成、預測客流需求，分別從列車起訖點、列車走行路徑、列車停站方案、列車編組類型、列車開行頻率5個方面完成對節(jié)假日客運產品的設計及運輸工作的組織。同時針對暑運等“季節(jié)性”客流需求，從旅客畫像系統(tǒng)中提取社會屬性標簽維度中職業(yè)屬性為學生的用戶及客流特征為旅游客流的類別，基于其過去出行記錄維度的數據及階段內天氣特征，完成對當年暑運旅游流、學生流的預測。以大數據鐵路旅客畫像系統(tǒng)為基礎，結合一系列較為成熟的預測方法，完善對節(jié)假日客運產品的設計優(yōu)化，積極提高客運產品供給與市場真實需求的契合度。

2.4 精準營銷策略研究

目前各站段的精準營銷策略以客流專題調查為基礎，結合與地方政府溝通對接，依托大數據手段制定，具備一定的技術先進性和方法科學性，但精確性、系統(tǒng)性及主動權方面仍存在不足。建立以大數據技術為依托的鐵路旅客畫像系統(tǒng)以精益營銷管理，夯實客運營銷基礎必要且迫切。從自然屬性、社會屬性、事實、模型及業(yè)務5個方面構建旅客的標簽數據，通過對標簽進行篩選和聚類，選定具有共性需求的旅客群體，針對性的進行營銷設計。主動掌握客運市場潛在需求，積極開發(fā)適需產品，動態(tài)優(yōu)化運能，積極提報重聯、臨客開行等擴能申請。并利用12306、微博、微信公眾號等平臺積極推進新增運能的營銷宣傳。

利用具備聚合搜索能力的Elastic search進行營銷設計，以其提供的快速篩選能力實現標簽快速篩選聚合，在此基礎上，利用余弦相似度量化旅客相似值，并通過基于時間序列分析的動態(tài)密度聚類方法，將相似度高的旅客聚類整合為一個群體。

旅客A與旅客B在時刻i的余弦相似度為

Ssim(xA,xB)為兩用戶在動態(tài)聚類時間段T內的相似度，Ssim(xA,xB)為

旅游專列具有定時、定點、定線等特點，因其“一線多游”的優(yōu)勢得到了越來越多游客的喜愛。2019年某省共計開行新疆、東北等8列旅游專列，共計營收1 110.6萬，在把握潛在市場需求，制定精準營銷策略方面仍有不足。表3為畫像系統(tǒng)中擁有該類旅游專列記錄的樣本標簽信息。

表3 旅游專列部分旅客屬性標簽指標信息

表4 某省出發(fā)旅游列車畫像系統(tǒng)用戶標簽特征

根據上文所提到的用戶標簽相似度計算方法結合k最近鄰算法，并從畫像系統(tǒng)中以整群抽樣的方式抽取出一萬個樣本搜索潛在需求，最后得到具備潛在需求的樣本標簽，見表4。

春運臨時旅客列車具有開行時間短、往返客流不均衡、社會效益大等特點，尤其是2020年開行的一系列“復工專列”。多地在統(tǒng)籌疫情防控的前提下，積極推動復工專列的開行，自2月16日至3月18日浙江省共計開行151列由貴陽、昆明、成都、阜陽等地“復工專列”，累計接回149 724人次。目前的返程需求需自下而上進行申報，中間環(huán)節(jié)多，耗費時間長，需求信息獲取較為被動。通過旅客畫像系統(tǒng)主動挖掘需求，實現精準營銷，將在一定程度上緩解類似矛盾。

4 結論

本文結合大數據相關技術，對鐵路旅客畫像系統(tǒng)的架構、業(yè)務模式、應用環(huán)境作了相關探討。大數據鐵路旅客畫像系統(tǒng)的研究對實現精準客運營銷，提升旅客服務質量、增加客運運輸效率有著一定程度上的促進作用。通過細化運輸需求分類，實現潛在需求識別，真正做到“按需開車”，提高列車開行效率，降低日常運營成本，為特定時期國民經濟發(fā)展的需要提供堅實的運輸保障，有助于解決旅客日益增長的個性化出行需求與鐵路客運供給不平衡不充分的矛盾。我國電力[11]、通信[12]行業(yè)對用戶畫像系統(tǒng)的研究起步較早，且在行業(yè)內均處于壟斷地位，與鐵路運輸行業(yè)特征較為相似，可為鐵路旅客畫像系統(tǒng)的建設提供借鑒意義。此外，由于鐵路運輸生產具有跨業(yè)務、跨部門、體系龐大、設備眾多的自身特點，需要分階段展開畫像系統(tǒng)的研究和應用。在未來系統(tǒng)的研究和應用過程中，需要多部門的協(xié)調配合，因此更需要國鐵集團層面進行頂層設計，強化對鐵路大數據技術開發(fā)方面的組織和管理。