CN110728399B - 一种基于大数据的机票智能拼接方法及系统 - Google Patents

一种基于大数据的机票智能拼接方法及系统 Download PDF

Info

Publication number
CN110728399B
CN110728399B CN201910923860.5A CN201910923860A CN110728399B CN 110728399 B CN110728399 B CN 110728399B CN 201910923860 A CN201910923860 A CN 201910923860A CN 110728399 B CN110728399 B CN 110728399B
Authority
CN
China
Prior art keywords
splicing
optimal
scheme
trip
flight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910923860.5A
Other languages
English (en)
Other versions
CN110728399A (zh
Inventor
朱雷
陆艺丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Igola Travel Information Technology Consulting Service Co ltd
Original Assignee
Guangzhou Igola Travel Information Technology Consulting Service Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Igola Travel Information Technology Consulting Service Co ltd filed Critical Guangzhou Igola Travel Information Technology Consulting Service Co ltd
Priority to CN201910923860.5A priority Critical patent/CN110728399B/zh
Publication of CN110728399A publication Critical patent/CN110728399A/zh
Application granted granted Critical
Publication of CN110728399B publication Critical patent/CN110728399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的机票智能拼接方法及系统。基于大数据的机票智能拼接方法，包括：接收用户搜索机票的请求；分析不同供应商提供的不同航班结果历史数据，得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案；基于拼接方案，并结合历史数据的反馈，对拼接方案做综合评分，引入随机航线，输出固定及随机的航线，作为下发任务的依据；选取航线，向供应商下发任务；从供应商得到实时价格进行合并拼接；对供应商的结果验价并展示给用户。基于大数据的机票智能拼接系统，包括：接收请求模块；大数据分析模块；实时航线拼接模块；任务下发模块；合并拼接模块；前端展示模块。

Description

一种基于大数据的机票智能拼接方法及系统
技术领域
本发明涉及机票分销技术领域，特别是涉及一种基于大数据的机票智能拼接方法及系统。
背景技术
在世界范围内搜索不同城市之间的机票时，仅1％有直飞结果，且直飞结果的选择较少，用户经常面临无合适时间、无合适价位等限制，因此需要航班拼接。
国内外主流的全球分销系统(GDS)，比如国内的中航信，只能提供全服务航空公司内部的拼接方案，对于跨航司的航班组合和廉价航司的结果支持非常有限。
发明内容
基于此，本发明的目的在于，提供一种基于大数据的机票智能拼接方法及系统。
本发明的基于大数据的机票智能拼接方法，包括：
接收用户搜索机票的请求；
分析不同供应商提供的不同航班结果历史数据，得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案；
基于拼接方案，并结合历史数据的反馈，对拼接方案做综合评分，引入随机航线，输出固定及随机的航线，作为下发任务的依据；
选取航线，向供应商下发任务；
从供应商得到实时价格进行合并拼接；
对供应商的结果验价并展示给用户。
进一步优选地，所述分析不同供应商提供的不同航班结果历史数据，包括：数据清洗，所述数据清洗包括从机票的历史搜索结果获取数据，清洗出航线、价格和航班信息；
所述得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案，包括：将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案。
进一步优选地，所述将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案，包括：单程航线规划，所述单程航线规划包括：
得到中转点：基于每个城市对计算加权平均价，拼接所有的城市对，找出同一城市对下的可行中转点，再和未拼接结果比较，找到每个城市对有优势的最优中转点集合；
基于最优中转点拼接航班组合：根据最优中转点计算出拼接方案，把拼接方案和原始航班信息拼接，过滤劣势航班，清洗出可行的航班组合，作为最优单程拼接方案存储，其中，所述最优单程拼接方案为所述拼接方案的一种。
进一步优选地，所述将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案，还包括：往返航线规划，所述返航线规划包括：
简单往返航线规划：基于单程航线规划的结果，并结合单程航线规划中的最优单程拼接方案，直接组合成往返航线，对比原始航线筛选出有优势的航线，归纳出可行的航班组合，作为最优简单往返拼接方案存储，其中，所述最优简单往返拼接方案为所述拼接方案的一种；
复杂往返航线规划：基于简单往返航线规划的结果，并结合简单往返航线规划中的最优简单往返拼接方案，再次迭代出新的中转点，基于中转点拼接航班组合，过滤劣势航班，作为最优复杂往返拼接方案存储，其中，所述最优复杂往返拼接方案为所述拼接方案的一种。
进一步优选地，所述基于拼接方案包括：读取拼接方案信息，所述拼接方案信息包括城市对、航线和优势信息；
所述结合历史数据的反馈，包括：基于历史搜索中同一城市对在不同拼接方案下的表现，得出不同拼接方案下价格的优势次数、劣势次数以及搜索验价的情况；
所述对拼接方案做综合评分，包括：对比拼接方案的结果和历史数据对拼接方案综合评分；
所述引入随机航线，输出固定及随机的航线，作为下发任务的依据，包括：根据拼接方案的综合评分选取航线，下发固定搜索任务，并且引入随机航线，下发随机搜索任务。
进一步优选地，所述下发任务的概率符合：
Figure GDA0003913294440000031
其中，A和B分别为出发地和目的地，t表示迭代的次数，τAB表示历史下发的次数，ηAB表示下发任务优势的局部启发函数，NA为可以下发的所有方案，α和β分别表示下发次数和优势的重要程度。
本发明还进一步提供了一种基于大数据的机票智能拼接系统，包括：
接收请求模块，用于接收用户搜索机票的请求；
大数据分析模块，用于分析不同供应商提供的不同航班结果历史数据，得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案；
实时航线拼接模块，用于基于拼接方案，并结合历史数据的反馈，对拼接方案做综合评分，引入随机航线，输出固定及随机的航线，作为下发任务的依据；
任务下发模块，用于选取航线，向供应商下发任务；
合并拼接模块，用于从供应商得到实时价格进行合并拼接；
前端展示模块，用于对供应商的结果验价并展示给用户。
进一步优选地，所述大数据分析模块包括：
数据清洗模块，用于从机票的历史搜索结果获取数据，清洗出航线、价格和航班信息；
最优航班运算模块，用于将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案。
进一步优选地，所述最优航班运算模块，包括：单程航线规划模块，用于基于每个城市对计算加权平均价，拼接所有的城市对，找出同一城市对下的可行中转点，再和未拼接结果比较，找到每个城市对有优势的最优中转点集合；
所述单程航线规划模块还用于根据最优中转点计算出拼接方案，把拼接方案和原始航班信息拼接，过滤劣势航班，清洗出可行的航班组合，作为最优单程拼接方案存储，其中，所述最优单程拼接方案为所述拼接方案的一种。
进一步优选地，所述最优航班运算模块，包括：往返航线规划模块，用于基于单程航线规划的结果，并结合单程航线规划中的最优单程拼接方案，直接组合成往返航线，对比原始航线筛选出有优势的航线，归纳出可行的航班组合，作为最优简单往返拼接方案存储，其中，所述最优简单往返拼接方案为所述拼接方案的一种；
所述往返航线规划模块还用于基于简单往返航线规划的结果，并结合简单往返航线规划中的最优简单往返拼接方案，再次迭代出新的中转点，基于中转点拼接航班组合，过滤劣势航班，作为最优复杂往返拼接方案存储，其中，所述最优复杂往返拼接方案为所述拼接方案的一种。
相对于现有技术，本发明的基于大数据的机票智能拼接方法及系统基于大量有性价比优势的机票搜索数据，选择最优中转点，生成拼接方案展示给用户，可以为用户提供更丰富出行方案，同时降低了用户的出行成本。
本发明的基于大数据的机票智能拼接方法及系统的有益效果：
1)结果更丰富，可以提供各种跨航空公司的组合。
2)应用更广泛，本发明的系统支持GDS接入，又可以直联航司和机票代理商。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1是本发明的基于大数据的机票智能拼接方法的流程框图。
图2是单程航线规划的流程框图。
图3是往返航线规划的流程框图。
图4是本发明的基于大数据的机票智能拼接系统的结构框图。
具体实施方式
以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
请参阅图1，图1是本发明的基于大数据的机票智能拼接方法的流程框图。本发明的基于大数据的机票智能拼接方法，包括：
步骤101，接收用户搜索机票的请求。
步骤102，分析不同供应商提供的不同航班结果历史数据，得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案。
步骤103，基于拼接方案，并结合历史数据的反馈，对拼接方案做综合评分，引入随机航线，输出固定及随机的航线，作为下发任务的依据。
步骤104，选取航线，向供应商下发任务。
步骤105，从供应商得到实时价格进行合并拼接。
步骤106，对供应商的结果验价并展示给用户。
需要说明的是，由于所述步骤102需要处理的数据量庞大，通常该步骤可以为离线定时处理，因此，步骤101、步骤102、步骤103并不进行时序上的限定。
上述步骤102中，所述分析不同供应商提供的不同航班结果历史数据，包括：数据清洗，所述数据清洗包括从机票的历史搜索结果获取数据，清洗出航线、价格和航班信息。
上述步骤102中，所述得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案，包括：将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案。通常，可以首先筛选出经济舱的结果。
所述将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案，包括：单程航线规划和往返航线规划。
请参阅图2，图2是单程航线规划的流程框图。
所述单程航线规划，其包括：
S1.得到中转点：基于每个城市对计算加权平均价，拼接所有的城市对，找出同一城市对下的可行中转点，再和未拼接结果比较，找到每个城市对有优势的最优中转点集合。
S2.基于最优中转点拼接航班组合：根据最优中转点计算出拼接方案，把拼接方案和原始航班信息拼接，过滤劣势航班，清洗出可行的航班组合，作为最优单程拼接方案存储，其中，所述最优单程拼接方案为所述拼接方案的一种。
单程航线规划的结果同时也是往返航线规划的一部分。
请参阅图3，图3是往返航线规划的流程框图。
所述往返航线规划，其包括：
S01.简单往返航线规划：基于单程航线规划的结果，并结合单程航线规划中的最优单程拼接方案，直接组合成往返航线，对比原始航线筛选出有优势的航线，归纳出可行的航班组合，作为最优简单往返拼接方案存储，其中，所述最优简单往返拼接方案为所述拼接方案的一种。
S02.复杂往返航线规划：基于简单往返航线规划的结果，并结合简单往返航线规划中的最优简单往返拼接方案，再次迭代出新的中转点，基于中转点拼接航班组合，过滤劣势航班，作为最优复杂往返拼接方案存储，其中，所述最优复杂往返拼接方案为所述拼接方案的一种。
上述步骤103基于蚁群算法。
上述步骤103中，所述基于拼接方案，包括：读取拼接方案信息，包括城市对、航线和优势信息。
上述步骤103中，所述结合历史数据的反馈，包括：基于历史搜索中同一城市对在不同拼接方案下的表现，得出不同拼接方案下价格的优势次数、劣势次数以及搜索验价的情况。
上述步骤103中，所述对拼接方案做综合评分，包括：对比拼接方案的结果和历史数据对拼接方案综合评分。
上述步骤103中，所述引入随机航线，输出固定及随机的航线，作为下发任务的依据，包括：根据拼接方案的综合评分选取航线，下发固定搜索任务，并且引入随机航线，下发随机搜索任务。
上述步骤103中，所述下发任务的概率符合：
Figure GDA0003913294440000081
其中，A和B分别为出发地和目的地，t表示迭代的次数，τAB表示历史下发的次数，ηAB表示下发任务优势的局部启发函数，NA为可以下发的所有方案，α和β分别表示下发次数和优势的重要程度。
由上式可知，下发任务一部分继承自上一次迭代，另一部分增量是用于鼓励每一次迭代的最优解和全局最优解。这样可以形成正反馈机制，使越有优势的拼接方案下发概率越大。同时，一旦出现有优势的拼接方案，就会得到反馈，下发概率也会随之增大。
请参阅图2，图2是本发明的基于大数据的机票智能拼接系统的结构框图。本发明还进一步提供了一种基于大数据的机票智能拼接系统，包括：
接收请求模块，用于接收用户搜索机票的请求；
大数据分析模块，用于分析不同供应商提供的不同航班结果历史数据，得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案；
实时航线拼接模块，用于基于拼接方案，并结合历史数据的反馈，对拼接方案做综合评分，引入随机航线，输出固定及随机的航线，作为下发任务的依据；
任务下发模块，用于选取航线，向供应商下发任务；
合并拼接模块，用于从供应商得到实时价格进行合并拼接；
前端展示模块，用于对供应商的结果验价并展示给用户。
所述大数据分析模块的理论基础是最短路径搜索，其可以为一个运行于Cloudera上的Spark程序，它的输入为过去一段时间不同供应商提供的不同航班数据与报价，输出为出发地到目的地的一组航线组合。正常情况下，所述大数据分析模块需要处理的数据量为十亿量级。由于数据量的庞大，所述大数据分析模块通常为离线系统，定时运行。
具体地，所述大数据分析模块包括：
数据清洗模块，用于从机票的历史搜索结果获取数据，清洗出航线、价格和航班信息；
最优航班运算模块，用于将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案。
优选地，所述最优航班运算模块，包括：单程航线规划模块，用于基于每个城市对计算加权平均价，拼接所有的城市对，找出同一城市对下的可行中转点，再和未拼接结果比较，找到每个城市对有优势的最优中转点集合；
所述单程航线规划模块还用于根据最优中转点计算出拼接方案，把拼接方案和原始航班信息拼接，过滤劣势航班，清洗出可行的航班组合，作为最优单程拼接方案存储，其中，所述最优单程拼接方案为所述拼接方案的一种。
进一步优选地，所述最优航班运算模块，包括：往返航线规划模块，用于基于单程航线规划的结果，并结合单程航线规划中的最优单程拼接方案，直接组合成往返航线，对比原始航线筛选出有优势的航线，归纳出可行的航班组合，作为最优简单往返拼接方案存储，其中，所述最优简单往返拼接方案为所述拼接方案的一种。
所述往返航线规划模块还用于基于简单往返航线规划的结果，并结合简单往返航线规划中的最优简单往返拼接方案，再次迭代出新的中转点，基于中转点拼接航班组合，过滤劣势航班，作为最优复杂往返拼接方案存储，其中，所述最优复杂往返拼接方案为所述拼接方案的一种。
所述实时航线拼接模块是实时流处理模块，其理念基础是蚁群算法，蚁群算法的理论为：蚂蚁在经过的路径上留下信息素，相同时间内越短的路径留下的信息素越多，受信息素吸引，选择较短路径的蚂蚁也就越多，某一路径上走过的蚂蚁越多，后来者选择该路径的概率就越大。
下面以一机票预订案例进行示例性说明。
用户李明想在暑假期间从广州出发飞往澳大利亚的悉尼旅游，李明预算有限，希望可以买到性价比高的机票。若李明在运用了本发明的基于大数据的机票智能拼接方法及系统的网站或APP进行搜索，李明输入了出发地广州、目的地悉尼、出发日期为8月10日、返回日期为8月15日，则具体处理过程如下：
步骤01，接收请求模块接收李明出发地广州、目的地悉尼、出发日期为8月10日、返回日期为8月15日的搜索机票的请求。
步骤02，大数据分析模块从机票的历史搜索结果获取并清洗数据，计算出所有城市对下的有价格和时间优势的航班。基于城市对计算加权平均价，拼接城市对，找出广州-悉尼-单程以及悉尼-广州-单程的可行中转点，包括马尼拉、墨尔本、霍巴特等中转点，根据中转点计算出拼接方案，把拼接方案和原始航班信息拼接，清洗出可行的航班组合，此时完成单程路程规划。基于单程的结果结合单程路线规划的结果，直接组成简单的往返拼接方案；再基于往返的结果结合往返的拼接方案，再次迭代出新的中转点，完成复杂的往返路程规划。此时有58条拼接方案有性价比优势，包括广州-马尼拉-悉尼，悉尼-马尼拉-广州；广州-厦门-悉尼，悉尼-福州-广州等，作为最优航班集合全部发给步骤03。
步骤03，实时航线拼接模块基于58条拼接方案，和历史上在广州-悉尼往返不同拼接方案上的662种反馈，对比不同拼接方案下的价格优势次数、价格劣势次数以及搜索、验价和出票的情况，对不同的拼接方案计算下发概率，进入下一步骤。
步骤04，任务下发模块依据拼接方案中涉及到的航线，向供应商下发固定搜索及随机搜索的任务，进入下一步骤。
步骤05，合并拼接模块从供应商得到航班价格，按照拼接方案进行拼接，合并供应商的价格，并校验航班之间的拼接是否合理，筛选出最终结果。
步骤06，前端展示模块对供应商的结果验价并展示给用户。
此时，广州-悉尼往返直飞最低需要11134元，而运用上述步骤得到的拼接方案广州-马尼拉-悉尼及悉尼-马尼拉-广州的往返航线仅需要4495元，因此，李明选择了该拼接方案，愉快地结束了订票。
相对于现有技术，本发明的基于大数据的机票智能拼接方法及系统基于大量有性价比优势的机票搜索数据，选择最优中转点，生成拼接方案展示给用户，可以为用户提供更丰富出行方案，同时降低了用户的出行成本。
本发明的基于大数据的机票智能拼接方法及系统的有益效果：
1)结果更丰富，可以提供各种跨航空公司的组合。
2)应用更广泛，本发明的系统支持GDS接入，又可以直联航司和机票代理商。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (9)

1.一种基于大数据的机票智能拼接方法，其特征在于，包括：
接收用户搜索机票的请求；
分析不同供应商提供的不同航班结果历史数据，得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案；
基于拼接方案，并结合历史数据的反馈，对拼接方案做综合评分，引入随机航线，输出固定及随机的航线，作为下发任务的依据；所述基于拼接方案包括：读取拼接方案信息，所述拼接方案信息包括城市对、航线和优势信息；所述结合历史数据的反馈，包括：基于历史搜索中同一城市对在不同拼接方案下的表现，得出不同拼接方案下价格的优势次数、劣势次数以及搜索验价的情况；所述对拼接方案做综合评分，包括：对比拼接方案的结果和历史数据对拼接方案综合评分；所述引入随机航线，输出固定及随机的航线，作为下发任务的依据，包括：根据拼接方案的综合评分选取航线，下发固定搜索任务，并且引入随机航线，下发随机搜索任务；
选取航线，向供应商下发任务；
从供应商得到实时价格进行合并拼接；
对供应商的结果验价并展示给用户。
2.根据权利要求1所述的基于大数据的机票智能拼接方法，其特征在于，所述分析不同供应商提供的不同航班结果历史数据，包括：数据清洗，所述数据清洗包括从机票的历史搜索结果获取数据，清洗出航线、价格和航班信息；
所述得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案，包括：将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案。
3.根据权利要求2所述的基于大数据的机票智能拼接方法，其特征在于，所述将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案，包括：单程航线规划，所述单程航线规划包括：
得到中转点：基于每个城市对计算加权平均价，拼接所有的城市对，找出同一城市对下的可行中转点，再和未拼接结果比较，找到每个城市对有优势的最优中转点集合；
基于最优中转点拼接航班组合：根据最优中转点计算出拼接方案，把拼接方案和原始航班信息拼接，过滤劣势航班，清洗出可行的航班组合，作为最优单程拼接方案存储，其中，所述最优单程拼接方案为所述拼接方案的一种。
4.根据权利要求3所述的基于大数据的机票智能拼接方法，其特征在于，所述将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案，还包括：往返航线规划，所述返航线规划包括：
简单往返航线规划：基于单程航线规划的结果，并结合单程航线规划中的最优单程拼接方案，直接组合成往返航线，对比原始航线筛选出有优势的航线，归纳出可行的航班组合，作为最优简单往返拼接方案存储，其中，所述最优简单往返拼接方案为所述拼接方案的一种；
复杂往返航线规划：基于简单往返航线规划的结果，并结合简单往返航线规划中的最优简单往返拼接方案，再次迭代出新的中转点，基于中转点拼接航班组合，过滤劣势航班，作为最优复杂往返拼接方案存储，其中，所述最优复杂往返拼接方案为所述拼接方案的一种。
5.根据权利要求1-4任一项所述的基于大数据的机票智能拼接方法，其特征在于，所述下发任务的概率符合：
Figure FDA0003913294430000031
其中，A和B分别为出发地和目的地，t表示迭代的次数，τAB表示历史下发的次数，ηAB表示下发任务优势的局部启发函数，NA为下发的所有方案，α和β分别表示下发次数和优势的重要程度。
6.一种基于大数据的机票智能拼接系统，其特征在于，包括：
接收请求模块，用于接收用户搜索机票的请求；
大数据分析模块，用于分析不同供应商提供的不同航班结果历史数据，得到出发地与目的地之间的最优航班集合，基于此最优航班集合，寻找最佳中转点，规划单程及往返航线，得到拼接方案；
实时航线拼接模块，用于基于拼接方案，并结合历史数据的反馈，对拼接方案做综合评分，引入随机航线，输出固定及随机的航线，作为下发任务的依据；所述基于拼接方案包括：读取拼接方案信息，所述拼接方案信息包括城市对、航线和优势信息；所述结合历史数据的反馈，包括：基于历史搜索中同一城市对在不同拼接方案下的表现，得出不同拼接方案下价格的优势次数、劣势次数以及搜索验价的情况；所述对拼接方案做综合评分，包括：对比拼接方案的结果和历史数据对拼接方案综合评分；所述引入随机航线，输出固定及随机的航线，作为下发任务的依据，包括：根据拼接方案的综合评分选取航线，下发固定搜索任务，并且引入随机航线，下发随机搜索任务；
任务下发模块，用于选取航线，向供应商下发任务；
合并拼接模块，用于从供应商得到实时价格进行合并拼接；
前端展示模块，用于对供应商的结果验价并展示给用户。
7.根据权利要求6所述的基于大数据的机票智能拼接系统，其特征在于：所述大数据分析模块包括：
数据清洗模块，用于从机票的历史搜索结果获取数据，清洗出航线、价格和航班信息；
最优航班运算模块，用于将出发地-目的地组为城市对，计算同一城市对下有价格和时间优势的航班，得到优势航班作为最优航班存储，基于最优航班，寻找最佳中转点，规划单程及往返航线，得到拼接方案。
8.根据权利要求7所述的基于大数据的机票智能拼接系统，其特征在于：所述最优航班运算模块，包括：单程航线规划模块，用于基于每个城市对计算加权平均价，拼接所有的城市对，找出同一城市对下的可行中转点，再和未拼接结果比较，找到每个城市对有优势的最优中转点集合；
所述单程航线规划模块还用于根据最优中转点计算出拼接方案，把拼接方案和原始航班信息拼接，过滤劣势航班，清洗出可行的航班组合，作为最优单程拼接方案存储，其中，所述最优单程拼接方案为所述拼接方案的一种。
9.根据权利要求8所述的基于大数据的机票智能拼接系统，其特征在于：所述最优航班运算模块，包括：往返航线规划模块，用于基于单程航线规划的结果，并结合单程航线规划中的最优单程拼接方案，直接组合成往返航线，对比原始航线筛选出有优势的航线，归纳出可行的航班组合，作为最优简单往返拼接方案存储，其中，所述最优简单往返拼接方案为所述拼接方案的一种；
所述往返航线规划模块还用于基于简单往返航线规划的结果，并结合简单往返航线规划中的最优简单往返拼接方案，再次迭代出新的中转点，基于中转点拼接航班组合，过滤劣势航班，作为最优复杂往返拼接方案存储，其中，所述最优复杂往返拼接方案为所述拼接方案的一种。
CN201910923860.5A 2019-09-27 2019-09-27 一种基于大数据的机票智能拼接方法及系统 Active CN110728399B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910923860.5A CN110728399B (zh) 2019-09-27 2019-09-27 一种基于大数据的机票智能拼接方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910923860.5A CN110728399B (zh) 2019-09-27 2019-09-27 一种基于大数据的机票智能拼接方法及系统

Publications (2)

Publication Number Publication Date
CN110728399A CN110728399A (zh) 2020-01-24
CN110728399B true CN110728399B (zh) 2022-12-30

Family

ID=69218470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910923860.5A Active CN110728399B (zh) 2019-09-27 2019-09-27 一种基于大数据的机票智能拼接方法及系统

Country Status (1)

Country Link
CN (1) CN110728399B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487135A (zh) * 2021-06-07 2021-10-08 海南太美航空股份有限公司 一种基于用户需求的航班规划方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2013237733A1 (en) * 2007-03-05 2013-10-24 Accenture Global Services Limited Reservation record based ticketing
WO2015148693A1 (en) * 2014-03-26 2015-10-01 Publicover Mark W Computerized method and system for providing customized entertainment content
CN108985621A (zh) * 2018-07-13 2018-12-11 南京航空航天大学 基于风险管控的区域多机场不正常航班恢复方法
CN109034974A (zh) * 2018-07-25 2018-12-18 海南好拼网络科技有限公司 基于网络平台的机票采购系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130050803A (ko) * 2011-11-08 2013-05-16 한국과학기술연구원 공항 안내 서비스 제공 시스템 및 방법
US10325205B2 (en) * 2014-06-09 2019-06-18 Cognitive Scale, Inc. Cognitive information processing system environment
CN104182836B (zh) * 2014-08-26 2018-04-10 上海立今网络技术有限公司 长途旅游的航线和时间规划方法
EP3198531A4 (en) * 2014-09-23 2018-03-07 Siman Tov, Aviel Flight rebooking
CN106780273A (zh) * 2016-12-30 2017-05-31 中国民航信息网络股份有限公司 旅客航班需求分析方法和系统
CN107506410A (zh) * 2017-07-31 2017-12-22 携程旅游网络技术（上海）有限公司 交通产品的聚合查询方法、系统以及存储介质
CN107844611B (zh) * 2017-12-15 2019-12-31 携程旅游网络技术（上海）有限公司 多点至多点的航班搜索方法、系统、设备及存储介质
CN110060129A (zh) * 2019-04-22 2019-07-26 深圳市活力天汇科技股份有限公司 一种机票智能推荐方法
CN110119491A (zh) * 2019-05-22 2019-08-13 陈晓龙 一种基于大数据分析的彩票走势图系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2013237733A1 (en) * 2007-03-05 2013-10-24 Accenture Global Services Limited Reservation record based ticketing
WO2015148693A1 (en) * 2014-03-26 2015-10-01 Publicover Mark W Computerized method and system for providing customized entertainment content
CN108985621A (zh) * 2018-07-13 2018-12-11 南京航空航天大学 基于风险管控的区域多机场不正常航班恢复方法
CN109034974A (zh) * 2018-07-25 2018-12-18 海南好拼网络科技有限公司 基于网络平台的机票采购系统

Also Published As

Publication number Publication date
CN110728399A (zh) 2020-01-24

Similar Documents

Publication Publication Date Title
KR101976294B1 (ko) 주행 노선 매칭 방법, 장치 및 저장 매체
Sun et al. Discovering time-dependent shortest path on traffic graph for drivers towards green driving
Rong et al. Du-parking: Spatio-temporal big data tells you realtime parking availability
CN107464018B (zh) 一种配送路径优化方法和装置、计算机设备、存储介质
US8494771B2 (en) Journey planning in public transportation networks
JP7181562B2 (ja) 交通システム内でのサイト及び場所の間のルート又はルート距離を使用してサイトを検索又は比較するための方法及び装置
CN104169950B (zh) 利用面向批处理的计算的数据库系统
Chen et al. Price-and-time-aware dynamic ridesharing
US20140279662A1 (en) Transportation time estimation based on multi-granular maps
CN108444486B (zh) 一种导航路线排序方法和装置
CN111143680A (zh) 路线的推荐方法、系统、电子设备及计算机存储介质
Xu et al. DESTPRE: a data-driven approach to destination prediction for taxi rides
US20130151297A1 (en) Urban Computing of Route-Oriented Vehicles
TW201825870A (zh) 交通資訊的獲取方法、裝置及非暫態電腦可讀儲存媒體
CN110648096A (zh) 一种配送线路的生成方法和装置
Guo et al. Real-time ride-sharing framework with dynamic timeframe and anticipation-based migration
CN110728399B (zh) 一种基于大数据的机票智能拼接方法及系统
US20200349660A1 (en) Method and an Apparatus for Searching or Comparing Sites Using Routes or Route Lengths Between Sites and Places Within a Transportation System
Jossé et al. Probabilistic Resource Route Queries with Reappearance.
Yang et al. Who is more likely to get a ride and where is easier to be picked up in ride-sharing mode?
JP7144818B2 (ja) 交通システム内でのサイト及び場所の間のルート又はルート距離を使用してサイトを検索又は比較するための方法及び装置
CN110222884A (zh) 基于poi数据和客流量的车站可达性评估方法
Garcia et al. Hybrid approach for the public transportation time dependent orienteering problem with time windows
JP2014190952A (ja) ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム
Zhang et al. A user-oriented taxi ridesharing system with large-scale urban GPS sensor data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant