基于铁路客票信息的旅客购票行为分析
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 论文的背景与意义 | 第10-12页 |
| 1.1.1 论文背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.2.3 存在问题 | 第16-17页 |
| 1.3 论文内容及技术路线 | 第17-19页 |
| 1.3.1 论文主要内容 | 第17-18页 |
| 1.3.2 技术路线 | 第18-19页 |
| 第2章 铁路客票信息及其分析方法 | 第19-27页 |
| 2.1 铁路客票概述 | 第19-21页 |
| 2.1.1 发展历程 | 第19-20页 |
| 2.1.2 铁路客票票面内容 | 第20-21页 |
| 2.2 数据分析基本理论方法 | 第21-23页 |
| 2.3 数据挖掘基本理论方法 | 第23-26页 |
| 2.3.1 基本概念 | 第23页 |
| 2.3.2 数据挖掘的任务 | 第23-24页 |
| 2.3.3 数据挖掘的过程 | 第24-26页 |
| 2.4 在铁路客运市场分析中的应用 | 第26-27页 |
| 第3章 铁路客票关键因素的特征分析 | 第27-50页 |
| 3.1 数据准备阶段 | 第27-37页 |
| 3.1.1 数据来源 | 第27-28页 |
| 3.1.2 数据预处理 | 第28-29页 |
| 3.1.3 特征信息的选择与提取 | 第29-31页 |
| 3.1.4 方差分析 | 第31-37页 |
| 3.2 购票时间分析 | 第37-38页 |
| 3.3 其他主要因素分析 | 第38-49页 |
| 3.3.1 购票方式分析 | 第38-40页 |
| 3.3.2 列车类型分析 | 第40-41页 |
| 3.3.3 到达城市分析 | 第41-44页 |
| 3.3.4 出行时间分析 | 第44-45页 |
| 3.3.5 旅客个人特征 | 第45-49页 |
| 3.4 小结 | 第49-50页 |
| 第4章 基于聚类的铁路旅客购票行为分析 | 第50-62页 |
| 4.1 密度DBSCAN聚类 | 第50-54页 |
| 4.1.1 算法描述 | 第50-52页 |
| 4.1.2 算法基本步骤 | 第52-54页 |
| 4.2 基于聚类算法的铁路客票分析 | 第54-60页 |
| 4.3 聚类结果的分析与解释 | 第60-62页 |
| 第5章 票务管理的相关建议 | 第62-68页 |
| 5.1 清晰客户定位 | 第62-64页 |
| 5.2 细化购票特征 | 第64-68页 |
| 5.2.1 灵活售票时间 | 第65页 |
| 5.2.2 调整售票方式 | 第65-66页 |
| 5.2.3 丰富换乘组合 | 第66页 |
| 5.2.4 增加选择自主性 | 第66页 |
| 5.2.5 建立信息服务平台 | 第66-68页 |
| 结论 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第77-78页 |
| 附件 | 第78-83页 |
