推断高质量共旅网络

社交网络为企业更好地理解客户提供了新视角，并在业界引起了广泛关注。然而，在许多传统 OLTP 环境中缺乏显式的客户关系，因此推断高质量的客户社交网络是一项巨大挑战。本文在客运领域研究了这一问题，并引入了一种新的社交网络成员，即由乘客的共旅行为连接而成的“共旅网络”(Co-Travel Networks)。我们提出了一种新方法，从源自 PNR（旅客姓名记录）的共订座行为中推断高质量的民航乘客共旅网络。在我们的方法中，为了准确评估关系强度，我们提出了“共旅次数”(Co-Journey Times) 度量，用于统计乘客间完整旅程的共旅次数。基于一个大型加密 PNR 数据集，我们推断出了一个高质量的共旅网络并对其进行了系列网络分析。实验结果表明了我们推断方法的有效性，以及与其他类型社交网络相比，共旅网络具有稀疏性和高聚集性等特殊特征。预计此类共旅网络将极大地帮助业界更好地了解乘客，从而改进服务。更重要的是，我们贡献了一种由非常紧密且高成本的旅行行为产生的高关系强度社交网络，可用于从社交网络视角进一步开展关于人类旅行行为、群体旅行模式、高端旅行市场演变等的科学研究。