近年来随着铁路交通网络和高铁技术的不断发展,铁路出行的快捷性和舒适性得到大幅度提高,铁路出行被更多人选择。随着铁路出行人次的逐年增加,与他人一起出行的行为在铁路出行中变得普遍,如和家人出游、和同事出差等。旅客的出行行为会受同行旅客的影响,不同的出行团体有不同的出行偏好,如家庭团体出行时会考虑团体中的老人和小孩,更倾向于舒适度;年轻人组成的朋友团体出行时会着重考虑体验感和新鲜感。因此,出行团体类型是研究该团体出行偏好的基础。对团体关系的准确预测不仅有助于交通、旅游等相关行业为出行团体提供个性化的产品和服务,还可以对铁路运输行业的市场决策提供支持。基于以上,本文旨在提出一种利用购票数据对铁路出行团体同行关系进行预测的方法。为此,本文引入了隐马尔科夫模型来对铁路出行团体同行关系进行预测,如预测某一出行团体是否为家庭出行。首先,对隐马尔科夫模型在铁路数据中的适用性进行了研究,构建了基于铁路出行团体的隐马尔科夫模型,并对预测问题基于模型给出定义;其次本文基于铁路购票数据特点,提出铁路出行团体同行次数的量化方式;然后利用半监督学习方法,在小批量有标记样本的情况扩增样本。并利用实际铁路购票数据对本文构建的出行团体关系模型的预测准确性以及预测结果的一致性进行了验证,实验结果显示本文构建的模型在对铁路出行团体同行关系是准确率均值最高达0.9573,对于同一出行团体在不同时刻进行预测时一致性高达0.965。由此可得出,本文提出的方法能够高效且准确地预测铁路出行团体中潜在的同行关系。