Resumen

Aplicando la tecnología big data, este estudio presenta un método de segmentación de clientes de telepeaje basado en las características de comportamiento de los vehículos. Se extrae y construye un sistema de índice de segmentación de clientes de ETC que comprende Recency, Frequency y Monetary utilizando datos de ETC. El análisis de clustering de toda la muestra de clientes de ETC se realiza con el algoritmo Clustering LARge Applications (CLARA), superando el problema de invalidación del clustering de big data. Se construye un árbol de decisión sobre la segmentación de clientes de ETC y se transforma en un conjunto de reglas de segmentación. Los resultados empíricos indican que el método propuesto es más capaz de analizar las características de los viajes y de presentar valores y potenciales de apreciación para la clasificación de clientes de ETC. Este método proporciona una idea innovadora para aplicar el marketing de precisión y establecer tipos de descuento jerárquicos para los clientes de ETC. Además, proporciona apoyo teórico para aumentar la escala de clientes ETC y el ratio de pago, mejorando así el nivel de toma de decisiones en la explotación y gestión de autopistas.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:etc clientes, agrupación de grandes aplicaciones, etc clasificación de clientes, etc escala de clientes, etc segmentación de clientes, telepeaje, agrupación de grandes datos, tecnología de grandes datos, método de segmentación de clientes, tasas de descuento jerárquicas
• Keywords:etc customers, clustering large applications, etc customer classification, etc customer scale, etc customer segmentation, electronic toll collection, big data clustering, big data technology, customer segmentation method, hierarchical discount rates