近年来，市场经济不稳定，民航业遭受了重大的打击。随着人们对交通需求的增大，各个交通行业都加大力度争夺市场，这无形中加重了民航业的压力。各大航空公司开始从客户的增量竞争转向客户的存量竞争，为了把握优质客户资源，越来越多的航空公司施行了客户关系管理（CRM）系统，从而进行有效的客户细分。目前，民航领域主流旅客细分方法一般基于旅客价值，即根据旅客消费金额来实现细分。对于民航业这一特殊的领域，该方法有失偏颇，不能考虑旅客其他行为特征。因此，本文提出基于旅客行为的航空旅客细分模型，结合聚类技术进行细分。首先针对民航旅客行为属性特征，结合DBSCAN算法和核方法，消除民航旅客行为属性分布散乱、数据差异不明显等缺点。该方法是以牺牲时间效率为前提的，在信息爆炸的时代，民航客户系统中每天都会产生成千上万条信息数据，时间效率成为了必要的考虑因素。因此，本文接着利用当前较为流行的分布式并行计算技术，将该串行聚类算法并行化，计算过程中，针对民航客户“两端少，中间多”的特征，引入密度因子的概念，对合并方法进行了适当的改进。实验证明，本文的聚类方法适用于基于旅客行为的航空旅客细分模型，不仅提高了聚类结果的准确率，而且大大提升了聚类的时间效率。本文最后给出了基于旅客行为细分模型的实现案例，对A航空公司客户进行细分，并对结果进行了分析，指出相应的营销策略，为A航空公司乃至整个民航领域提出了很好的市场战略指导。