許 娜，單杏花，付 睿，吳 剛，?；哿?/p>

（1.中國鐵道科學研究院集團有限公司 電子計算技術(shù)研究所，北京 100081；2.中國國家鐵路集團有限公司 經(jīng)營開發(fā)部，北京 100844）

近年來，我國高速鐵路（簡稱：高鐵）網(wǎng)規(guī)模快速擴大，從“四縱四橫”到“八縱八橫”[1]。高鐵所具有的高密度、高速度、安全性、舒適性、準時性使其成為鐵路旅客的主流出行方式[2]。以華東某高鐵線路受眾為例，20～39 歲的消費人群占比61.8%，男性占比約60%，本科及以上學歷占比約75%。由此可見，具備引導力的消費群體正在成為高鐵媒體的潛在消費主力[3]。

隨著高鐵站媒體廣告市場的興盛，鐵路媒體應(yīng)基于各類型受眾的出行需求、身份差異及時節(jié)變化等因素，進行針對性傳播，增強信息傳播的廣度、深度和影響力。因此，亟需一種科學、系統(tǒng)、全面的鐵路媒體資源價值評估體系指導廣告資源經(jīng)營。目前，大數(shù)據(jù)分析、人工智能、機器學習等技術(shù)的飛速發(fā)展和成熟應(yīng)用，為高鐵站媒體資源廣告價值評估提供了可行性。

清水公一[4]提出了每日有效流量監(jiān)測，建立了日本戶外廣告效果評估指標體系；孫文清[5]認為廣告效果的多層次性使得廣告效果具有模糊性，建立了多級模糊綜合評價模型測定廣告效果，設(shè)計了廣告效果綜合評價的指標體系，并確定各評價指標權(quán)重；陳文凱[6]將高鐵站內(nèi)廣告資源整合為站內(nèi)廣告空間的形式進行評估，論述高鐵站內(nèi)廣告空間價值，分析影響因素，評估廣告空間整體價值。而目前對高鐵車站媒體資源定量評估指標及價值分析研究尚不深入。

媒體價值是指媒體作為商品的市場價值。媒體資源價值評估即是對媒體的市場價值進行預估和解析，建立起一個綜合的、完整的評估模型[7]。本文從鐵路媒體資源經(jīng)營出發(fā)，通過大數(shù)據(jù)分析方法，研究相關(guān)性指標與媒體招商價值的關(guān)系，篩選影響鐵路媒體價值的強相關(guān)特征因素，形成媒體資源價值評估的指標體系模型，構(gòu)建高鐵站媒體資源價值評估模型，實現(xiàn)對高鐵站媒體資源價值的評估與預測。

1 指標體系搭建

1.1 指標體系構(gòu)成

基于受眾和媒體2 個角度，結(jié)合高鐵站媒體特征，構(gòu)建高鐵站媒體資源價值評估指標體系，如圖1所示，包含6 個大類、10 個子類、31 項指標。

圖1 高鐵站媒體資源價值評估指標體系

1.2 數(shù)據(jù)項采集及預處理

高鐵站媒體資源價值評估指標體系31 項指標的數(shù)據(jù)主要從鐵路媒體資源管理平臺、鐵路出行統(tǒng)計、國家統(tǒng)計局、各地方政府官網(wǎng)公開發(fā)布的社會經(jīng)濟、車站環(huán)境等數(shù)據(jù)源中獲取。部分指標的數(shù)據(jù)可直接從上述數(shù)據(jù)源采集，如城市GDP、高動占比等；部分數(shù)據(jù)指標需進行數(shù)據(jù)源分類統(tǒng)計，如年齡構(gòu)成；部分數(shù)據(jù)指標需要對采集到的源數(shù)據(jù)進行加工，形成數(shù)據(jù)項，以滿足要求，以觸達人次為例，不同媒體位置的觸達人次各不相同，結(jié)合第三方調(diào)研公司獲取到媒體觸達率、觸達頻次，如表1所示，以及車站年到發(fā)客流量，根據(jù)公式（1）得出觸達人次。

表1 調(diào)研高鐵站媒體位置到達率和接觸頻次

對原始數(shù)據(jù)項進行處理后，31 個指標共形成含82 個數(shù)據(jù)項的原始樣本數(shù)據(jù)集。

2 特征工程

2.1 特征數(shù)據(jù)項分析

對原始樣本數(shù)據(jù)集進行探索性分析，得出各特征數(shù)據(jù)項的分布趨勢，如表2所示。其中，集中趨勢是數(shù)據(jù)聚攏程度的一種衡量，衡量參數(shù)是均值、中位數(shù)、眾數(shù)和分位數(shù)；離中趨勢是數(shù)據(jù)離散程度的衡量，衡量參數(shù)主要是標準差；數(shù)據(jù)分布主要檢驗數(shù)據(jù)是否符合正態(tài)分布，衡量參數(shù)為偏態(tài)系數(shù)和峰態(tài)系數(shù)，偏態(tài)系數(shù)衡量數(shù)據(jù)平均值偏離狀態(tài)，峰態(tài)系數(shù)衡量數(shù)據(jù)分布集中強度。

表2 部分特征數(shù)據(jù)項分布趨勢衡量參數(shù)

對上述指標進行分析可得出，年均媒體單價分布較離散，數(shù)據(jù)標準差較大，需排查并剔除異常值，同時，其偏態(tài)程度也較大，需進行數(shù)據(jù)變換，消弱數(shù)據(jù)的異方差性，使其更接近正態(tài)分布；城市GDP、年經(jīng)停列車數(shù)量等數(shù)據(jù)項標準差較其他數(shù)據(jù)項大，不利于不同單位或量級的指標進行比較，易影響目標結(jié)果，使得一些回歸算法無法學習到其他數(shù)據(jù)項特征，因此，需進行標準化、歸一化處理。

2.2 異常值識別

本文采用箱線圖的鑒定方式進行異常值剔除，如圖2所示。在箱線圖中，箱子中間的一條線代表中位數(shù)，箱子的上下底分別是上四分位數(shù)（Q3）和下四分位數(shù)（Q1），上極限=中位數(shù)+3 · (Q3-Q1)，下極限=中位數(shù)-3 · (Q3-Q1)。箱子的高度在一定程度上反映了數(shù)據(jù)的波動程度。上下邊緣則代表了該組數(shù)據(jù)的最大值和最小值，超范圍值視為異常值。

圖2 原始樣本集特征數(shù)據(jù)箱線圖

圖2中，紅色星為異常值，能看出城市人口規(guī)模、車站合同總金額、媒體面積、年均媒體單價等數(shù)據(jù)項均存在異常值。需將所列樣本數(shù)據(jù)異常值剔除。

2.3 標準化和歸一化

標準差較大的數(shù)據(jù)項需進行標準化和歸一化處理，確保所有特征數(shù)值都有相同的數(shù)量級。如果數(shù)據(jù)較為穩(wěn)定，不存在極端的最大/最小值，可用歸一化方式進行處理。本文對與媒體屬性相關(guān)的數(shù)據(jù)項、車站環(huán)境相關(guān)的數(shù)據(jù)項、與城市經(jīng)濟相關(guān)的數(shù)據(jù)項進行標準化處理。對與客流有關(guān)的數(shù)據(jù)項、與受眾屬性相關(guān)的數(shù)據(jù)項進行歸一化處理。

2.4 數(shù)據(jù)變換

對年均媒體單價做指數(shù)變換，解決其分布不均、方差較大的問題。變換前后的分布趨勢如圖3所示。對比可知，數(shù)據(jù)變換后更符合正態(tài)分布，且對評估模型的擬合效果更優(yōu)。

圖3 年均媒體單價正態(tài)分布曲線對比

2.5 相關(guān)性分析及特征選擇

在生成預測模型前，還須對上述過程處理過的82 個特征數(shù)據(jù)之間、82 個特征數(shù)據(jù)和目標值（年均媒體單價）間的相關(guān)性進行分析。過濾掉特征相關(guān)性高、互相冗余或與目標值相關(guān)性較弱、給模型帶來噪聲并導致模型訓練速度緩慢的數(shù)據(jù)特征。本文采用皮爾遜相關(guān)系數(shù)法檢測變量間的相關(guān)性，剔除與目標值相關(guān)性低（相關(guān)系數(shù)＜0.3）的特征數(shù)據(jù)，合并相同指標項下共線性較強（相關(guān)系數(shù)＞0.9）的特征數(shù)據(jù)，得到初步篩選的37 個特征數(shù)據(jù)。皮爾遜相關(guān)性熱力圖如圖4所示。共線性較強的紅橙色區(qū)域依然存在，須進一步進行特征選擇。本文采用前進逐步回歸算法，進行特征數(shù)量及特征因子的選擇。

圖4 特征數(shù)據(jù)初步篩選后的相關(guān)性熱力圖

特征數(shù)量結(jié)果如圖5所示，當特征數(shù)量為24 時，模型的均方根誤差（RMSE，Root Mean Square Error）最低，使用梯度提升決策樹（GBDT，Gradient Boosting Decision Tree）模型來評估該24 項特性的重要性結(jié)果如圖6所示。

圖5 特征數(shù)量與RMSE 關(guān)系折線圖

圖6 GBDT 模型下特征重要性排序

媒體面積為24 項特征項中與目標值相關(guān)性最高的特征項。特征工程選取出的最佳數(shù)據(jù)特征子集如圖7所示。

圖7 特征工程選擇出的最佳數(shù)據(jù)特征

3 價值評估模型

對高鐵站媒體資源價值做分析與預測可歸結(jié)為回歸問題?；貧w學習算法可被認為是一種“函數(shù)逼近”[8]。價值評估模型的建構(gòu)需先將樣本數(shù)據(jù)集依次代入多個備選回歸學習算法，根據(jù)性能指標得到最優(yōu)算法，并將樣本數(shù)據(jù)集通過歸一化處理、超參調(diào)優(yōu)等方式進一步提升最優(yōu)算法的擬合優(yōu)度，以求達到符合商用要求（擬合優(yōu)度（R2）≥0.80）的模型。

3.1 最優(yōu)算法選取

將包含最佳特征子集的樣本數(shù)據(jù)集按4:1 的比例，隨機分割為訓練集和測試集，并將年均媒體單價設(shè)為目標值Y，將最佳特征子集的24 個數(shù)據(jù)特征設(shè)為X=(x1,x2,···,x24)，分別代入表3的回歸算法，在默認算法參數(shù)不做調(diào)優(yōu)的情況下，得出各算法的性能指標。其中，R2是衡量自變量，是解釋因變量變動的程度指標，取值范圍在0～1 之間，越接近1，擬合度越好；均方誤差（MSE，Mean Square Error）在預測值與真實值完全吻合時等于 0，誤差越大，值越大；RMSE 越小，預測效果越好。

表3 年均媒體單價為目標值的各種回歸算法性能指標

由表3可知，增強梯度提升決策樹回歸學習算法的R2最大，且RMSE 和MAE 相對較小，但R2仍未達到0.8 的商用目標，作為本文價值評估算法需進行進一步優(yōu)化。

3.2 模型優(yōu)化

（1）對目標值Y進行歸一化處理，得到新樣本數(shù)據(jù)集，重復3.1 節(jié)中的模型訓練過程，所得結(jié)果為：R2=0.78，RMSE=123 421.49，MAE=66 154.81。

（2）針對分布不均、方差較大的特征值，如動車旅客數(shù)量和目標值進行l(wèi)og 變換，重復3.1 節(jié)模型訓練過程，所得結(jié)果為：R2=0.8，RMSE=91 846.28，MAE=49 500.05。

3.3 超參調(diào)優(yōu)

對極限梯度提升（XGBoost，eXtreme Gradient Boosting）算法的超參學習器迭代次數(shù)（n_estimators）、樹深度（max_depth）、學習器的權(quán)重縮減系數(shù)（learning_rate）、正則化參數(shù)（gamma）等進行經(jīng)驗值區(qū)間設(shè)置。采用網(wǎng)格搜索法進行超參調(diào)優(yōu)，獲取最優(yōu)超參組合，即表4中R2為0.803 872 425 的組合項。

表4 特征變換處理后算法庫結(jié)果

4 業(yè)務(wù)場景驗證

對2019～2021年度西安北站、昆明站、福州站、福州南站的燈箱類高鐵站媒體數(shù)據(jù)進行隨機采樣，驗證評估模型，結(jié)果如表5所示。其中，價格欄為招商價格，預測值欄為該評估模型預測值。市面?zhèn)鹘y(tǒng)評估方法，如專家打分、指標數(shù)據(jù)加權(quán)等方式，偏離度約在±20%左右。因此，本文模型偏離度更低，評估效果更好。

表5 2019～2021年度生產(chǎn)經(jīng)營數(shù)據(jù)驗證明細

5 結(jié)束語

本文建立了高鐵站媒體資源價值評估指標體系，對高鐵站媒體資源樣本進行智能識別和分析后，構(gòu)建了高鐵站媒體資源價值評估模型，并驗證了預測效果。為高鐵站媒體經(jīng)營提質(zhì)增效、精細化管理提供方案和工具。

本文依然存在不足之處。媒體經(jīng)營業(yè)務(wù)復雜，為更好發(fā)揮大數(shù)據(jù)分析的作用，應(yīng)持續(xù)增加能優(yōu)化媒體價值評估模型的數(shù)據(jù)特征、樣本數(shù)據(jù)集收集處理、超參調(diào)優(yōu)，進一步擴大可評估的媒體類型。下一步，應(yīng)基于推廣應(yīng)用的效果不斷進行模型的迭代和驗證，確保模型的可持續(xù)性、合理性和適用性。