在现代民航业内,对客运需求的预测是航空公司收益管理的核心问题,精准的需求模型可以帮助航空公司更好的制定销售策略,降低成本并提高收益。传统的需求建模以历史客运数据为基础,其即时性和敏感性都受到数据基础的限制,因此寻找新的需求建模思路是一个非常有行业价值的课题。在本文中,我们着眼于互联网给民航业带来的革新,发现旅客出行前通过网络查询机票信息已经日益普及。大量的旅客查询日志数据保存在民航GDS(全球分销系统)系统中,蕴藏着大量有价值的信息。本文对旅客查询日志进行了深入的分析与挖掘,为民航需求指数建模提供了新的思路。第一步,我们对民航业的机票查询渠道模式进行了调查与分析,发现不同类型的查询主体表现出不同的查询行为模式,同时他们每次查询背后隐藏的需求也完全不同。因此我们定义了渠道查询行为模式的类别,然后分别从查询时间频率和查询内容分布两方面构造了渠道查询行为的特征属性集,最后使用多分类的方法对渠道行为进行了分类,从而将海量的查询数据划分为了不同的成分。第二步,我们采集了大量的历史数据,以售票量、乘行量和收益等数据综合表示旅客需求,通过实验验证了各个类别渠道中查询量与旅客真实需求之间的相关性。最后我们以分类后的查询数据作为输入,替换了传统预测算法中的历史客运数据,从而得到了新的需求指数模型。我们利用历史数据,在多个不同的场景下对传统需求预测方法与本文提出的新方法进行了对比实验,结果表明新方法在节假日和突发性事件期间能够更加及时和准确地反映出需求的变化,预测结果更加贴近实际旅客流量变化。