针对各航空公司目前旅客细分方法不成熟的问题，文中使用中国民航旅客订票的相关统计数据作为研究主体，在分析传统RFM模型特点的基础上，设计并实现了一种利用乘机时间（Time）、舱位（Class）、座位（Seat）、票价折扣（Discount）和跟团情况（Group）描述旅客出行时乘机习惯的TCSDG模型。该模型能够借助Hadoop并行化计算平台，利用改进的K-means并行化算法对大规模的旅客订票数据进行高效聚类和细分操作。从而使行为偏好类似的旅客汇聚成同一簇，为后续航空公司的个性化售票服务提供支持。经过仿真实验测试，该模型性能良好，能够快速准确地对旅客行为偏好进行分类，并能为类似的民航旅客行为偏好模型的研究与建立提供参考。