铁路旅客价值指数计算模型的设计研究

随着铁路运输能力大幅增加,铁路客运服务的营销焦点已经从产品中心转换到用户中心,铁路需要从传统的营销策略转变为以旅客价值为依据的铁路利益最大化和旅客服务质量最优化的共赢策略。在建立以旅客价值指数为目标计算模型的基础上,实现基于聚类—BP神经网络的旅客历史价值指数计算,以及基于旅客同行关系的旅客潜在价值指数计算,并利用大量样本数据对铁路旅客价值指数计算模型进行实例分析。结果表明,该模型能够有效地对旅客价值进行计算并识别出不同价值指数的旅客群体,制定个性的营销和服务策略,合理配置铁路客运资源,实现铁路利益最大化和旅客服务质量最优化的共赢目标。     

基于实时流处理的自适应冰雪爱好者旅客群体划分模型研究

准确高效识别旅客群体是铁路制定运营策略以及提高旅客服务质量的关键因素之一。以铁路旅客实名制购票数据以及出行数据为基础,构建旅客个体特征以及社交关系特征特性,并进行向量化表示,综合考虑现有准确度较优的深度学习模型存在的模型复杂、计算量大等问题,利用知识蒸馏以及边缘计算相结合的思路,基于知识蒸馏实现模型压缩降低内存成本和加速计算,同时对训练的模型进行分割,采用边缘计算就近实时计算的特性,将拆分后的部分模型部署在应用服务器节点,从而减低了模型的推理时延与能耗,以适应实时售票过程中对旅客群体的实时划分。最后以冰雪快运服务推荐为例,验证该模型的准确率以及预测效率,为铁路针对旅客群体的个性化客运产品设计以及营销策略优化提供决策建议。     

铁路12306互联网售票系统多语言服务方案及自动翻译模型研究

12306互联网售票系统作为我国铁路唯一官方售票渠道，其多语言售票环境的构建，对提高北京冬奥会交通服务质量，服务“一带一路”倡议，提升我国国际形象都具有重要的意义。以12306APP为例，结合当前12306互联网售票系统的架构，采用多语言多套页面、Wordpress思想及双语柔性匹配翻译技术构建多语言支撑服务模块，引入Adapter层对现有单一的应用架构进行优化以兼容多语言平行服务，从而构建多语言售票环境系统架构，通过建立具有铁路行业特点的翻译记忆库，构建具有铁路客运语言特色的自动翻译模型，解决了通用的机器自动翻译技术无法适用于铁路客运售票环境这一问题。最后通过分析多语言系统上线以来的运营情况，外籍旅客的注册量、购票量增长明显。