随着我国航空运输事业的飞速发展,提高旅客的服务质量成为航空公司提升市场竞争力、构建品牌服务的有效手段。由于现实生活中诸多不利因素的影响,如恶劣天气、飞行设备故障、空中流量控制、地面服务不力等不利因素,计划航班的不正常现象越来越频繁。如果不正常的航班经常发生,将会导致航空公司承受巨额的经济效益损失,更为糟糕的情况是旅客对航空公司的信任度也将会受到很大的威胁。所以,如何规避不正常航班引发的风险以降低成本,并能够及时地提出应急方案已经成为各航空公司重中之重的任务,并且这种方法也是维持航空公司自身信誉及客源的必要保证。本文旨在用航空公司的实际订票数据来研究基于旅客分类的不正常航班受扰旅客行程恢复问题,主要工作有以下几点:分析本文的研究背景。航班计划的不正常执行,不仅会对旅客造成很大不便,而且也成为航空公司提高服务质量,降低运营成本的一大障碍,不正常航班旅客流的行程恢复正是针对这一问题提出的。旅客分类。本文在基于航空公司的订票数据建立航空旅客的二维分类体系,第一维分类体系针对民航旅客的行为忠诚,第二维分类体系在第一维分类体系基础上应用一种多元变量潜在类别模型进行旅客分类方法的研究。受扰旅客流行程恢复。本文提出一种基于旅客类别的受扰旅客流行程恢复推荐模型:受扰旅客流行程恢复模型。首先系统分析了航班延误引起的航空公司损失成本,然后详细介绍了旅客流恢复模型的问题约束,最后介绍了恢复模型的构造,并给出一种适用于此模型的求解思路,以及确定旅客优先级的方法。本文的工作重点是对旅客进行分类,并基于旅客类别实现受扰旅客流行程的恢复。首先对某航空公司的PNR属性字段进行变量聚类分析;然后将相关性高的属性字段提炼为旅客的行为忠诚度概念,并给出计算方法;接着,在对相关性低的分类属性字段进行数据预处理基础上,详细介绍了民航旅客分类模型的构建及求解结果;最后,基于航班延误损失成本的细分,结合飞机容量限制、旅客类别和团体购票等因素,构建了基于旅客类别的受扰旅客流恢复模型,并提出适用于此模型的求解算法。