CN110929945B - 一种航线开通的预测方法、系统及电子设备 - Google Patents
一种航线开通的预测方法、系统及电子设备 Download PDFInfo
- Publication number
- CN110929945B CN110929945B CN201911194977.0A CN201911194977A CN110929945B CN 110929945 B CN110929945 B CN 110929945B CN 201911194977 A CN201911194977 A CN 201911194977A CN 110929945 B CN110929945 B CN 110929945B
- Authority
- CN
- China
- Prior art keywords
- airport
- preset
- route
- passenger
- opening
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000006073 displacement reaction Methods 0.000 claims description 59
- 230000010006 flight Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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"
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及航空信息技术领域,提供了一种航线开通的预测方法,在预选第一机场和第二机场的同时,还获取第一机场的第一相关机场和第二机场的第二相关机场,并对各机场进行任意组合后形成预开通航线集合,并根据已经在飞航线的各乘客的相关信息,得到各机场的中转乘客分布,并根据中转乘客分布来预测各预开通航线的客座率,基于各预开通航线的客座率确定最优预开通航线,通过实施本发明,利用已经在飞航线的各乘客的相关信息对预开通航线进行预测,避免了人为主观预测所带来的误差,使预测结果更准确,解决了预开通航线预测难的技术问题。
Description
技术领域
本发明涉及航空信息技术领域,尤其涉及一种航线开通的预测方法、系统及电子设备。
背景技术
航空运输业作为国家的经济发展中极为重要的产业,也是现阶段最先进最快捷的交通运输形式,其中民航业一直占据着航空运输业中重要的地位,随着社会经济的不断发展,人民的出行都会选择快捷方便的民航,导致民航运输量这几年的不断上涨,运输能力也显著提升,航线的网络规划规模呈现出不断扩张的趋势。但是值得注意的是目前的民航业还是存在航线网络布局不合理,机场分布不合理等情况,航线覆盖面还不够完整等问题,在民航业竞争日渐激烈的情况下,利用有限的资源同时保证客流量和提高航线覆盖率的前提下,如何优化航线的网络结构,是现阶段所面临的主要问题。
其中,优化航线网络主要包括新开航线的规划,民航运输业作为服务行业,需要用最低的成本来达到客流量的最大限度,在一些新航线规划的时候,除了需要了解各航点的城市机场的硬件条件外,同时还要预测乘客数量是否能达到支持航班开通的先决条件,目前这一部分主要靠人工操作,通过主观因素来分析预开通航线的客座率,无法提供具体的数据支持,同时由于预测受主观程度大,不同人的预测容易产生较大的差异,而导致预开通航线规划决策不准确。因此,如何提供一种精确地航线开通的预测方法是业内亟待解决的技术问题。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种航线开通的预测方法、系统及电子设备。
本发明的一种航线开通的预测方法的技术方案如下:
S1、预选第一机场与第二机场,并在所述第一机场的第一预设距离范围内获取第一相关机场,记为第一相关机场集合,在所述第二机场的第二预设距离范围内获取第二相关机场,记为第二相关机场集合,将所述第一机场、所述第一相关机场、所述第二机场和所述第二相关机场标记为总机场集合,对所述总机场集合中的各机场之间进行任意组合后得到预开通航线,记为预开通航线集合;
S2、根据所述预开通航线集合中的已经在飞航线的各乘客的相关信息,得到所述总机场集合中的各机场的中转乘客分布,并根据所述中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,并基于所述客座率确定最优预开通航线。
本发明的一种航线开通的预测方法的有益效果是:在预选第一机场和第二机场的同时,还获取第一机场附近的第一相关机场集合和第二机场附近的第二相关机场集合,并对各机场进行任意组合后形成预开通航线集合,并根据已经在飞航线的各乘客的相关信息,得到各机场的中转乘客分布,并根据所述各机场的中转乘客分布来预测各预开通航线的客座率,其中,对预开通航线集合中存在多条预开通航线的客座率进行比较,得到最优预开通航线,从而避免只针对第一机场和第二机场之间的客座率进行单一预测而导致不能得到最优预开通航线,而且,在已经在飞航线的各乘客的相关信息基础上即在实际数据的基础上对航线开通进行预测,避免了人为主观预测所带来的误差,提高预开通航线预测的准确性,为航空公司的新航线开通决策提供支持,在保证客座率的前提下,能使航空公司利用有限的资源,合理优化航线的网络结构。
在上述方案的基础上,本发明的一种航线开通的预测方法还可以做如下改进。
进一步,所述根据所述预开通航线集合中的已经在飞航线的各乘客的相关信息,得到所述总机场集合中的各机场的中转乘客分布,具体包括:
S200、获取所述预开通航线集合中的已经在飞航线的各乘客的位移数据信息以及所乘坐航班的航线信息,所述航线信息中包括出发机场、中转机场和到达机场;
S201、根据所述位移数据信息判断乘客是否在第一预设时间内从所述中转机场到达所述到达机场,若否,将所述乘客标记为所述中转机场的中转乘客,若是,则所述乘客标记为所述中转机场的非中转乘客;
S202、基于所述判断的结果得到所述总机场集合中的各机场的中转乘客分布。
采用上述进一步方案的有益效果是:通过已经在飞航线的各乘客的位移数据信息以及所乘坐航班的航线信息,判断乘客是否为总机场集合中的各机场的中转乘客,从而得到各机场的中转乘客分布情况,再根据得到的各机场中转乘客分布情况预测各条预开通航线的客座率,并基于客座率确定最优预开通航线,进一步提高预开通航线预测的准确性。
进一步,所述根据所述中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,并基于所述客座率确定最优预开通航线,具体包括:
S20、从所述预开通航线集合中任意选择一条第一预开通航线,所述第一预开通航线为直飞航线,将所述第一预开通航线包含的出发机场和到达机场分别标记为第一预设机场和第二预设机场;
S21、根据所述第第二预设机场的中转乘客分布的分析,确定接收所述第二预设机场的中转乘客数量最多的机场,记为第三预设机场,则将所述第一预设机场经所述第二预设机场中转后到达所述第三预设机场的航线作为第二预开通航线;
S22、根据所述第一预开通航线中的已经在飞航班的客座率预测所述第二预开通航线中所述第一预设机场至所述第二预设机场之间的航段的第一客座率;
S23、在所述第二预设机场的第一预设距离范围内获取第二预设相关机场,将所述第二预设相关机场至所述第三预设机场之间的航线记为第三预开通航线,根据所述第三预开通航线中的已经在飞航班的信息获取从所述第二预设相关机场至所述第三预设机场的乘客数量,记为转飞乘客数量,根据所述转飞乘客数量和所述第三预设机场所接收的来自所述第二预设机场的中转乘客数量来预测所述第二预开通航线中的所述第二预设机场至所述第三预设机场之间的航段的第二客座率;
S24、判断所述第一客座率与所述第二客座率是否满足预设开通航线条件,若是,则确定所述第二预开通航线为最优预开通航线;若否,则返回执行S20。
采用上述进一步方案的有益效果是:通过中转乘客分布确定第一预开通航线,对所述第一预开通航线的客座率进行分段预测,且获取第二预设机场的第二预设相关机场,根据第二预设相关机场转飞至第三预设机场的转飞乘客数量,预测第一预开通航线中第二预设机场至第三预设机场的航段的第二客座率,通过判断第一客座率和第二客座率是否符合预开通航线的条件确定最优预开通航线,进一步保证预测结果的准确性。
进一步,所述步骤S2中还可以包括:所述各乘客的相关信息还包括各乘客的身份信息,根据各乘客的身份信息和/或各乘客的位移数据信息确定所述总机场集合中的各机场的乘客区域分布,并根据所述各机场的乘客区域分布和所述各机场的中转乘客分布预测所述预开通航线集合中各预开通航线的客座率。
采用上述进一步方案的有益效果是:结合乘客区域分布,在考虑客源组成的情况,以及中转乘客分布情况,预测各预开通航线的客座率,进一步保证预测结果的准确性,避免因客源分析不足而导致开通新航线没有满足市场真正的需求,同时也降低新开航线的客座率,使航空公司或机场方遭受损失。同时,新开的航线没有满足用户的真正出行需求,反而不利于航线网络结构的优化。
进一步,所述位移数据信息包括时间数据和坐标数据。
采用上述进一步方案的有益效果是:通过获取各乘客位移数据信息即时间数据和坐标数据,保证了所获得的各乘客的位移数据信息的准确度,进而保证预测结果的准确性。
进一步,还包括如下步骤:获取各乘客携带的移动终端的唯一识别号,将所述唯一识别号、所述时间数据和所述坐标数据存储至大数据平台。
采用上述进一步方案的有益效果是:便于对各乘客的位移数据信息进行统一管理,也不易出错。
进一步,还包括如下步骤:获取各乘客的坐标数据在第二预设时间内的变化值,并根据所述变化值得到位移距离,判断所述位移距离是否大于第三预设距离,若是,则更新大数据平台存储的所述坐标数据。
采用上述进一步方案的有益效果是:可实时获得乘客的位移数据信息,且能保证大数据平台中的位移数据信息是基于乘客在乘坐飞机的过程中所记录下来的,进一步保证了判断该乘客是否为中转乘客的准确性。
进一步,还包括如下步骤:判断所述更新后的坐标数据是否位于所述总机场集合的各机场范围内,若否,则判断所述总机场集合中的各机场中转到所述更新后的坐标数据对应的机场的乘客数量是否超过预设乘客数量阈值,若是,则将所述更新后的坐标数据对应的机场更新到所述总机场集合中,并返回执行步骤S1。
采用上述进一步方案的有益效果是:避免由于设置第一预设距离和第二预设距离所带来的第一机场集合和第二机场集合的范围的不合理性,将更新后的坐标数据所对应的机场更新到总机场集合中重新进行航线预测,进一步保证了预测结果的准确性。
本发明的一种航线开通的预测系统的技术方案如下:
包括预选生成模块、获取模块和预测模块,
所述预选生成模块用于预选第一机场与第二机场,并在所述第一机场的第一预设距离范围内获取第一相关机场,记为第一相关机场集合,在所述第二机场的第二预设距离范围内获取第二相关机场,记为第二相关机场集合,将所述第一机场、所述第一相关机场、所述第二机场和所述第二相关机场标记为总机场集合,对所述总机场集合中的各机场之间进行任意组合后得到预开通航线,记为预开通航线集合;
所述获取模块用于根据所述预开通航线集合中的已经在飞航线的各乘客的相关信息,得到所述总机场集合中的各机场的中转乘客分布;
所述预测模块用于并根据所述中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,并基于所述客座率确定最优预开通航线。
本发明的一种航线开通的预测系统的有益效果如下:
预选生成模块在预选第一机场和第二机场的同时,还获取第一机场附近的第一相关机场集合和第二机场附近的第二相关机场集合,并对各机场进行任意组合后形成预开通航线集合,并根据获取模块获取已经在飞航线的各乘客的相关信息,得到各机场的中转乘客分布,并通过预测模块以此来预测比较各预开通航线的客座率,其中,对通航线集合中存在多条预开通航线的客座率进行比较,得到最优预开通航线,从而避免只针对第一机场和第二机场之间的客座率进行单一预测而导致不能得到最优预开通航线,而且,在已经在飞航线的各乘客的相关信息基础上即在实际数据的基础上对航线开通进行预测,避免了人为主观预测所带来的误差,提高预开通航线预测的准确性,为航空公司的新航线开通决策提供支持,在保证客座率的前提下,能使航空公司利用有限的资源,合理优化航线的网络结构。
本发明的一种电子设备的技术方案如下:
包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序,所述处理器执行所述程序时实现如上述任一种航线开通的预测方法的步骤。
附图说明
图1为本发明实施例的一种航线开通的预测方法的流程示意图;
图2为本发明实施例的一种航线开通的预测方法中根据乘客的相关信息获取中转乘客分布的流程示意图;
图3为本发明实施例的一种航线开通的预测方法中确定最优预开通航线的流程示意图;
图4为本发明实施例的一种航线开通的预测系统的结构示意图。
图5为本发明实施例的一种电子设备的结构示意图。
具体实施方式
本发明实施例的一种基于大数据的航空运力调度的方法,如图1所示,包括如下步骤:
S1、预选第一机场与第二机场,并在所述第一机场的第一预设距离范围内获取第一相关机场,记为第一相关机场集合,在所述第二机场的第二预设距离范围内获取第二相关机场,记为第二相关机场集合,将所述第一机场、所述第一相关机场、所述第二机场和所述第二相关机场标记为总机场集合,对所述总机场集合中的各机场之间进行任意组合后得到预开通航线,记为预开通航线集合;
S2、根据所述预开通航线集合中的已经在飞航线的各乘客的相关信息,得到所述总机场集合中的各机场的中转乘客分布,并根据所述中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,并基于所述客座率确定最优预开通航线。
在预选第一机场和第二机场的同时,还获取第一机场附近的第一相关机场集合和第二机场附近的第二相关机场集合,并对各机场进行任意组合后形成预开通航线集合,并根据已经在飞航线的各乘客的相关信息,得到各机场的中转乘客分布,并以此来预测比较各预开通航线的客座率,其中,对通航线集合中存在多条预开通航线的客座率进行比较,得到最优预开通航线,从而避免只针对第一机场和第二机场之间的客座率进行单一预测而导致不能得到最优预开通航线,而且,在已经在飞航线的各乘客的相关信息基础上即在实际数据的基础上对航线开通进行预测,避免了人为主观预测所带来的误差,提高预开通航线预测的准确性,为航空公司的新航线开通决策提供支持,在保证客座率的前提下,能使航空公司利用有限的资源,合理优化航线的网络结构。
举例说明,假设第一机场为A机场,第二机场为B机场,将第一预设距离和第二预设距离均设置为400千米,在距离A机场的400千米内存在C机场,在距离B机场附存在D机场,则第一机场的第一相关机场集合包括C机场,B机场的相关机场集合中包括D机场,A机场、B机场、C机场和D机场形成总机场集合,对其A机场、B机场、C机场和D机场任意组合后形成的预开通航线航线集合中所包括的预开通航线包括:A机场—B机场、A机场—C机场、A机场—D机场、B机场—C机场、B机场—D机场、C机场—D机场、A机场—B机场—C机场、A机场—B机场—D机场、A机场—C机场—D机场等多条预开通航线,为便于表述,用横杠“—”来进行表示,例如“A机场—B机场”表示A机场直飞至B机场,“A机场—B机场—C机场”表示A机场经B机场中转至C机场。
假如A机场与B机场之间存在已经在飞的航线,C机场和D机场之间不存在已经在飞的航线,此时,获取A机场与B机场之间已经在飞航线的历史数据,包括各乘客的相关信息,根据历史乘客的相关信息计算得到A、B、C和D机场的中转乘客分布情况。
具体的,例如在A机场—B机场—C机场之间的已经在飞航线的所有乘客中,有10%是只乘坐了其中的“A机场—B机场”这一航段,有10%只乘坐了其中的“B机场—C机场”这一航段,在B机场进行中转的乘客达80%,此时可预测出,A机场—C机场的预开通航线的客座率比单独增加A机场—B机场—C机场的航班的客座率要高。
较优地,如图2所示,在上述技术方案中,所述根据所述预开通航线集合中的已经在飞航线的各乘客的相关信息,得到所述总机场集合中的各机场的中转乘客分布,具体包括:
S200、获取所述预开通航线集合中的已经在飞航线的各乘客的位移数据信息以及所乘坐航班的航线信息,所述航线信息中包括出发机场、中转机场和到达机场;
S201、根据所述位移数据信息判断乘客是否在第一预设时间内从所述中转机场到达所述到达机场,若否,将所述乘客标记为所述中转机场的中转乘客,若是,则所述乘客标记为所述中转机场的非中转乘客;
S202、基于所述判断的结果得到所述总机场集合中的各机场的中转乘客分布。
通过上述的举例说明可知,若用户买了A机场—B机场的航班机票,该航班机票对应的航线为A机场—B机场—D机场,即该航线信息中的出发机场为A机场、中转机场为B机场,达到机场为D机场,将第一预设时间设置为该航班正常到达D机场的时间,当乘客到B机场后,若在第一预设时间内,根据乘客的位移数据信息判断出该乘客未在D机场,则确定该乘客为中转乘客,由于一些乘客虽然只买了A机场—B机场的航班机票,但仍存在补B机场—D机场的机票的可能性,使用该方法进行中转乘客进行判断,可避免此类误差,且据此可对A机场、B机场、C机场、D机场等总机场集合中的各个机场的乘客进行判断并标记为中转乘客或非中转乘客。
较优地,如图3所示,在上述技术方案中,所述根据所述中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,并基于所述客座率确定最优预开通航线,具体包括:
S20、从所述预开通航线集合中任意选择一条第一预开通航线,所述第一预开通航线为直飞航线,将所述第一预开通航线包含的出发机场和到达机场分别标记为第一预设机场和第二预设机场;
S21、根据所述第第二预设机场的中转乘客分布的分析,确定接收所述第二预设机场的中转乘客数量最多的机场,记为第三预设机场,则将所述第一预设机场经所述第二预设机场中转后到达所述第三预设机场的航线作为第二预开通航线;
S22、根据所述第一预开通航线中的已经在飞航班的客座率预测所述第二预开通航线中所述第一预设机场至所述第二预设机场之间的航段的第一客座率;
S23、在所述第二预设机场的第一预设距离范围内获取第二预设相关机场,将所述第二预设相关机场至所述第三预设机场之间的航线记为第三预开通航线,根据所述第三预开通航线中的已经在飞航班的信息获取从所述第二预设相关机场至所述第三预设机场的乘客数量,记为转飞乘客数量,根据所述转飞乘客数量和所述第三预设机场所接收的来自所述第二预设机场的中转乘客数量来预测所述第二预开通航线中的所述第二预设机场至所述第三预设机场之间的航段的第二客座率;
S24、判断所述第一客座率与所述第二客座率是否满足预设开通航线条件,若是,则确定所述第二预开通航线为最优预开通航线;若否,则返回执行S20。
假设从预开通航线集合中任意选择一条第一预开通航线为从A机场至B机场之间的直飞航线,则第一预设机场为A机场,第二预设机场为B机场,第一预开通航线为A机场—B机场,对B机场的中转乘客分布进行分析后,确定接收来自B机场的中转乘客数量最多的是D机场,即D机场为第三预设机场,则将A机场—B机场—D机场作为第二预开通航线;
假设获取A机场—B机场的已经在飞航线中有3个航班,客座率分别为90%、80%和95%,若第二预开通航线开通后,按照平均算法,预测第二预开通航线中A机场—B机场航段的第一客座率为67.5%。
在B机场的第一预设距离范围内获取第二预设相关机场,假如为E机场,则第三预开通航线为:E机场—D机场,根据E机场—D机场的航线中已经在飞航班的信息能获取E机场—D机场之间的航段的乘客数量,即转飞乘客数量,转飞乘客数量结合D机场所接收的来自B机场的中转乘客数量,来预测第二预开通航线中的B机场—D机场航段的第二客座率;假设D机场所接收的来自B机场的中转乘客数量为30人,E机场—D机场之间的航段的乘客数量为100人,很明显,单从D机场所接收的来自B机场的中转乘客数量所预测出的第二客座率偏低,也不符合实际情况,结合通过第三预开通航线的乘客数量和D机场所接收的来自B机场的中转乘客数量共同来对第二客座率进行预测,其准确度更高。
若第一客座率与第二客座率满足预设开通航线条件时,则开通第二预开通航线:A机场—B机场—D机场,若不满足,则可在预开通航线集合中选择另外一条预开通航线作为第一预开通航线,此时第一预选机场和第二预选机场为总机场机场中的其它机场,如第一预选机场为B机场、第二预选机场选为C机场等,再继续执行上述步骤S20至S24。
其中,预设条件可为收益阈值,如将收益阈值设置20万元,飞机有200个座位,第一客座率为80%,第二客座率为70%,A机场—B机场—D机场中的A机场—B机场航段的价格为1000元,B机场—D机场航段的价格为500元,其中有的乘客会直接买A机场—B机场—D机场的全程票:1500元,但为了便于计算,也将其进行分段计算,此时计算出实际收益为23万元,实际收益大于收益阈值,即可开通第二预开通航线:A机场—B机场—D机场。
较优地,在上述技术方案中,所述步骤S2中还可以包括:所述各乘客的相关信息还包括各乘客的身份信息,根据各乘客的身份信息和/或各乘客的位移数据信息确定所述总机场集合中的各机场的乘客区域分布,并根据所述各机场的乘客区域分布和所述各机场的中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,结合乘客区域分布与中转乘客分布,进一步保证预测结果的准确性。
通过乘客的身份信息可确定出该乘客所归属的城市,继续用上述例子进行阐述:假设获取A机场与B机场之间已经存在在飞航线中航线的各乘客的相关信息,若有100个乘客的身份信息为A机场所在城市,有100个乘客的身份信息为B机场所在城市,有200个乘客的身份信息为C机场所在城市,有200个乘客的身份信息为D机场所在城市,由此确定出乘客区域分布,可见,A机场直飞B机场的航线中存在大量的C机场所在城市、D机场所在城市的乘客,则可预测C机场—D机场的预开通航线的客座率会高于直接在A机场与B机场之间新增航班的客座率。
若某个乘客的身份信息表明该乘客归属于A机场所在城市如邯郸,但该乘客在B机场所在城市如在北京工作和生活,此时单用身份信息会发生误判,但根据此时根据该乘客的位移数据信息的就能判断出该乘客经常活动在B机场所在城市:北京,由此可将该乘客分配到B机场的乘客区域分布中,使所确定出的乘客区域分布的准确度更高,且结合乘客区域分布和中转乘客分布,可进一步保证预测结果的准确性,具体为:
例如,假设且在A机场—D机场之间并不存在已经在飞航班,如果单用中转乘客分布确定出第二预开通航线为A机场—B机场—D机场,单通过对A机场、B机场和D机场的乘客区域分布进行分析,确定出A机场的乘客区域分布中有85%的乘客属于A机场所在城市,B机场的乘客区域分布中有90%的乘客属于D机场所在城市,很明显,最优预开通航线为A机场—D机场,而并非第二预开通航线为A机场—B机场—D机场,因此,结合乘客区域分布和中转乘客分布后可进一步保证预测结果的准确性。
较优地,在上述技术方案中,所述位移数据信息包括时间数据和坐标数据,通过获取各乘客位移数据信息即时间数据和坐标数据,保证了所获得的各乘客的位移数据信息的准确度,进而保证预测结果的准确性。
其中,获取时间数据和坐标数据的过程为:以预设频率采集各乘客所携带的移动终端的日志文件,并从各日志文件识别并提取出各自的时间数据和坐标数据,通过识别乘客所携带的移动终端的日志文件中的时间数据和坐标数据,保证了所获得的各乘客的位移数据信息的准确度,进而保证预测结果的准确性。其中,预设频率可设置为1分钟/次、2分钟/次等,其中坐标数据为经纬度,乘客所携带的移动终端如手机和平板电脑等均会随时保存日志文件,从日志文件中提取时间数据和坐标数据,可精确地确定乘客的位移数据信息。
较优地,在上述技术方案中,还包括如下步骤:获取各乘客携带的移动终端的唯一识别号,将所述唯一识别号、所述时间数据和所述坐标数据存储至大数据平台。便于对各乘客的位移数据信息进行统一管理,也不易出错。
其中,可以以预设格式将移动终端的唯一识别码和相应的时间数据和坐标数据存储至大数据平台,唯一识别号可人为设置或为乘客的手机号等,下面以人为设置唯一识别号为例进行阐述:
例如,将两个乘客:第一乘客和第二乘客的移动终端的唯一识别号分别人为设置为1111和2222,从其日志文件中获取的时间数据和坐标数据,如下表1所示:
表1
唯一识别号 | 时间数据 | 坐标数据 |
1111 | 2019-10-01 13:00:00 | 106.095062,30.807512 |
2222 | 2019-10-01 13:00:00 | 120.549301,31.306899 |
其中,可设置预设格式为“(唯一识别号)&(时间数据)&(坐标数据)”,根据预设格式将第一乘客的位移数据信息处理为“(1111)&(2019-10-01 13:00:00)&(106.095062,30.807512)”,将第二乘客的位移数据信息处理为“(2222)&(2019-10-01 13:00:00)&(120.549301,31.306899)”,并将其存储至大数据平台,当调用第一乘客的位移数据信息时,可通过其移动终端的唯一识别号1111,然后直接调用其位移数据信息。
较优地,在上述技术方案中,还包括如下步骤:获取各乘客的坐标数据在第二预设时间内的变化值,并根据所述变化值得到位移距离,判断所述位移距离是否大于第三预设距离,若是,则更新大数据平台存储的所述坐标数据。可实时获得乘客的位移数据信息,且能保证大数据平台中的位移数据信息是基于乘客在乘坐飞机的过程中所记录下来的,进一步保证了判断该乘客是否为中转乘客的准确性。
还以上述例子进行阐述:可将第二预设时间的间隔设置为5分钟、65分钟、85分钟等,对唯一标识码分别为1111、2222的移动终端的时间数据和坐标数据进行采集,并通过其坐标数据的变化值可推算出第一乘客和第二乘客的位移距离,例如下表2所示:
表2:
唯一识别号 | 时间数据 | 坐标数据 |
1111 | 2019-10-01 13:00:00 | 106.095062,30.807512 |
1111 | 2019-10-01 14:05:00 | 103.645922,30.984021 |
1111 | 2019-10-01 15:30:00 | 121.352853,31.212255 |
2222 | 2019-10-01 13:00:00 | 120.549301,31.306899 |
2222 | 2019-10-01 14:05:00 | 120.69308,31.606900 |
2222 | 2019-10-01 14:30:00 | 120.349310,31.106908 |
从表2中可以看出,将第二预设时间分别设置为65分钟时,唯一识别号为1111的移动终端的坐标数据的变化为:从(106.095062,30.807512)变为(103.645922,30.984021),计算出该位移距离为4.5千米,标记为第一位移距离;接着将第二预设时间分别设置为85分钟时,唯一识别号为1111的移动终端的坐标数据的变化为:从(103.645922,30.984021)变为(121.352853,31.212255),计算出该位移距离为32.8千米,标记为第二位移距离;依次类推计算出唯一识别号为2222的移动终端从(120.549301,31.306899)变为(120.69308,31.606900)的第三位移距离为0.67千米,从(120.69308,31.606900)变为(120.349310,31.106908)的第四位移距离为1.18千米,此时可预设在65分钟内的第三预设距离为4千米,在86分钟内的第三预设距离为30千米,由于出唯一识别号为2222的移动终端均达不到第三预设距离,因此,只会保存下表3中的内容:
表3:
唯一识别号 | 时间数据 | 坐标数据 |
1111 | 2019-10-01 13:00:00 | 106.095062,30.807512 |
1111 | 2019-10-01 14:05:00 | 103.645922,30.984021 |
1111 | 2019-10-01 15:30:00 | 121.352853,31.212255 |
2222 | 2019-10-01 13:00:00 | 120.549301,31.306899 |
在大数据平台中会继续存储“(1111)&(2019-10-01 14:05:00)&(103.645922,30.984021)”和“(1111)&(2019-10-01 15:30:00)&(121.352853,31.212255)”,而不会保存“(2222)&(2019-10-01 14:05:00)&(120.69308,31.606900)”和“(2222)&(2019-10-01 13:00:00)&(120.549301,31.306899)”。
根据此方法,可精确的判断出乘客是否处于乘机状态,具体地:设置第二预设时间为6分钟,用第二预设时间乘以飞机的飞行速度如1000千米/小时,得到位移距离为100千米,可将第三预设距离设置为90千米,由于位移距离大于第三预设距离,则可精确判断乘客处于乘机状态,从而更精确的确定该乘客是否为中转乘客,进一步提高预测结果的准确性。
较优地,在上述技术方案中,还包括如下步骤:判断所述更新后的坐标数据是否位于所述总机场集合的各机场范围内,若否,则判断所述总机场集合中的各机场中转到所述更新后的坐标数据对应的机场的乘客数量是否超过预设乘客数量阈值,若是,则将所述更新后的坐标数据对应的机场更新到所述总机场集合中,并返回执行步骤S1。
避免由于设置第一预设距离和第二预设距离所带来的第一机场集合和第二机场集合的范围的不合理性,将更新后的坐标数据所对应的机场更新到总机场集合中重新进行航线预测,进一步保证了预测结果的准确性。
接着用上述例子进行阐述,假如经纬度坐标(106.095062,30.807512)为A机场、经纬度坐标(103.645922,30.984021)为B机场,该乘客从A机场—B机场,并没有超出总机场集合的范围,接着判断经纬度坐标(120.549301,31.306899)是否为总机场集合范围内的机场,若否,标记为F机场,若有乘客到达经纬度坐标(125.549301,37.306899),则继续判断经纬度坐标(125.549301,37.306899)是否为总机场集合范围内的机场,若否,标记为G机场,依次类推,并判断总机场集合中的各机场中转至更新后的坐标数据所对应的机场即F机场、G机场等的乘客数量是否超过预设乘客数量阈值,假设B机场中转至F机场的乘客数量为20人,B机场中转至G机场的乘客数量为60人,若预设乘客数量阈值为50人,由于B机场中转至G机场的乘客数量超过预设乘客数量阈值,则将G机场纳入总机场集合中,则返回执行步骤S1,再参照上文中内容进行预测,确定最优预开通航线。
如图4所示,本发明实施例的一种航线开通的预测系统400,包括预选生成模块410、获取模块420和预测模块430,
包括预选生成模块410、获取模块420和预测模块430,
所述预选生成模块410用于预选第一机场与第二机场,并在所述第一机场的第一预设距离范围内获取第一相关机场,记为第一相关机场集合,在所述第二机场的第二预设范围内获取第二相关机场,记为第二相关机场集合,将所述第一机场、所述第一相关机场、所述第二机场和所述第二相关机场标记为总机场集合,对所述总机场集合中的各机场之间进行任意组合后得到预开通航线,记为预开通航线集合;
所述获取模块420用于根据所述预开通航线集合中的已经在飞航线的各乘客的相关信息,得到所述总机场集合中的各机场的中转乘客分布;
所述预测模块430用于并根据所述中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,并基于所述客座率确定最优预开通航线。
预选生成模块410在预选第一机场和第二机场的同时,还获取第一机场附近的第一相关机场集合和第二机场附近的第二相关机场集合,并对各机场进行任意组合后形成预开通航线集合,并根据获取模块420获取已经在飞航线的各乘客的相关信息,得到各机场的中转乘客分布,并通过预测模块430以此来预测比较各预开通航线的客座率,其中,对通航线集合中存在多条预开通航线的客座率进行比较,得到最优预开通航线,从而避免只针对第一机场和第二机场之间的客座率进行单一预测而导致不能得到最优预开通航线,而且,在已经在飞航线的各乘客的相关信息基础上即在实际数据的基础上对航线开通进行预测,避免了人为主观预测所带来的误差,提高预开通航线预测的准确性,为航空公司的新航线开通决策提供支持,在保证客座率的前提下,能使航空公司利用有限的资源,合理优化航线的网络结构。
较优地,在上述技术方案中,还包括中转乘客分布生成模块,所述中转乘客分布生成模块获取所述预开通航线集合中的已经在飞航线的各乘客的位移数据信息以及所乘坐航班的航线信息,所述航线信息中包括出发机场、中转机场和到达机场,并根据所述位移数据信息判断乘客是否在第一预设时间内从所述中转机场到达所述到达机场,若否,将所述乘客标记为所述中转机场的中转乘客,若是,则所述乘客标记为所述中转机场的非中转乘客,基于所述判断的结果得到所述总机场集合中的各机场的中转乘客分布。
较优地,在上述技术方案中,还包括航线预开通模块、第一客座率模块、第二客座率模块和判断模块;
所述航线预开通模块从所述预开通航线集合中任意选择一条第一预开通航线,所述第一预开通航线为直飞航线,将所述第一预开通航线包含的出发机场和到达机场分别标记为第一预设机场和第二预设机场,并根据所述第第二预设机场的中转乘客分布的分析,确定接收所述第二预设机场的中转乘客数量最多的机场,记为第三预设机场,则将所述第一预设机场经所述第二预设机场中转后到达所述第三预设机场的航线作为第二预开通航线;
所述第一客座率模块根据所述第一预开通航线中的已经在飞航班的客座率预测所述第二预开通航线中所述第一预设机场至所述第二预设机场之间的航段的第一客座率;
所述第二客座率在所述第二预设机场的第一预设距离范围内获取第二预设相关机场,将所述第二预设相关机场至所述第三预设机场之间的航线记为第三预开通航线,根据所述第三预开通航线中的已经在飞航班的信息获取从所述第二预设相关机场至所述第三预设机场的乘客数量,记为转飞乘客数量,根据所述转飞乘客数量和所述第三预设机场所接收的来自所述第二预设机场的中转乘客数量来预测所述第二预开通航线中的所述第二预设机场至所述第三预设机场之间的航段的第二客座率;
所述判断模块用于判断所述第一客座率与所述第二客座率是否满足预设开通航线条件,若是,则确定所述第二预开通航线为最优预开通航线;若否,则所述航线预开通模块再从所述预开通航线集合中任意选择一条第一预开通航线。通过对预开通航航线进行分段预测,进一步保证预测结果的准确性。
较优地,在上述技术方案中,还包括乘客区域分布生成模块,所述各乘客的相关信息还包括各乘客的身份信息,所述乘客区域分布生成模块根据各乘客的身份信息和/或各乘客的位移数据信息确定所述总机场集合中的各机场的乘客区域分布,并根据所述各机场的乘客区域分布和所述各机场的中转乘客分布预测所述预开通航线集合中各预开通航线的客座率。结合乘客区域分布与中转乘客分布,进一步保证预测结果的准确性。
较优地,在上述技术方案中,所述位移数据信息包括时间数据和坐标数据。通过获取各乘客位移数据信息即时间数据和坐标数据,保证了所获得的各乘客的位移数据信息的准确度,进而保证预测结果的准确性。
较优地,在上述技术方案中,还包括获取存储模块,所述获取存储模块获取各乘客携带的移动终端的唯一识别号,将所述唯一识别号、所述时间数据和所述坐标数据存储至大数据平台。便于对各乘客的位移数据信息进行统一管理,也不易出错。
较优地,在上述技术方案中,获取存储模块还用于获取各乘客的坐标数据在第二预设时间内的变化值,并根据所述变化值得到位移距离,判断所述位移距离是否大于第三预设距离,若是,则更新大数据平台存储的所述坐标数据。
可实时获得乘客的位移数据信息,且能保证大数据平台中的位移数据信息是基于乘客在乘坐飞机的过程中所记录下来的,进一步保证了判断该乘客是否为中转乘客的准确性。
较优地,在上述技术方案中,还包括坐标判断模块,所述坐标判断模块用于判断所述更新后的坐标数据是否位于所述总机场集合的各机场范围内,若否,则判断所述总机场集合中的各机场中转到所述更新后的坐标数据对应的机场的乘客数量是否超过预设乘客数量阈值,若是,则将所述更新后的坐标数据对应的机场更新到所述总机场集合中,然后再进行航线预测。
避免由于设置第一预设距离和第二预设距离所带来的第一机场集合和第二机场集合的范围的不合理性,将更新后的坐标数据所对应的机场更新到总机场集合中重新进行航线预测,进一步保证了预测结果的准确性。
上述关于本发明的一种航线开通的预测系统400中的各参数和各个单元模块实现相应功能的步骤,可参考上文中关于一种航线开通的预测方法的实施例中的各参数和步骤,在此不做赘述。
如图5所示,本发明实施例的一种电子设备500,包括存储器510、处理器520及存储在所述存储器上并在所述处理器上运行的程序530,所述处理器520执行所述程序530时实现如上述任一项所述的一种航线开通的预测方法的步骤。
处理器520在预选第一机场和第二机场的同时,还获取第一机场附近的第一相关机场集合和第二机场附近的第二相关机场集合,并对各机场进行任意组合后形成预开通航线集合,并根据已经在飞航线的各乘客的相关信息,得到各机场的中转乘客分布,并以此来预测比较各预开通航线的客座率,其中,对通航线集合中存在多条预开通航线的客座率进行比较,得到最优预开通航线,从而避免只针对第一机场和第二机场之间的客座率进行单一预测而导致不能得到最优预开通航线,而且,在已经在飞航线的各乘客的相关信息基础上即在实际数据的基础上对航线开通进行预测,避免了人为主观预测所带来的误差,提高预开通航线预测的准确性,为航空公司的新航线开通决策提供支持,在保证客座率的前提下,能使航空公司利用有限的资源,合理优化航线的网络结构。
其中,电子设备500可以选用电脑、手机等,相对应地,其程序为电脑软件或手机APP等。
在本发明中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种航线开通的预测方法,其特征在于,包括如下步骤:
S1、预选第一机场与第二机场,并在所述第一机场的第一预设距离范围内获取第一相关机场,记为第一相关机场集合,在所述第二机场的第二预设距离范围内获取第二相关机场,记为第二相关机场集合,将所述第一机场、所述第一相关机场、所述第二机场和所述第二相关机场标记为总机场集合,对所述总机场集合中的各机场之间进行任意组合后得到预开通航线,记为预开通航线集合;
S2、根据所述预开通航线集合中的已经在飞航线的各乘客的相关信息,得到所述总机场集合中的各机场的中转乘客分布,并根据所述中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,并基于所述客座率确定最优预开通航线;
所述根据所述预开通航线集合中的已经在飞航线的各乘客的相关信息,得到所述总机场集合中的各机场的中转乘客分布,具体包括:
S200、获取所述预开通航线集合中的已经在飞航线的各乘客的位移数据信息以及所乘坐航班的航线信息,所述航线信息中包括出发机场、中转机场和到达机场;
S201、根据所述位移数据信息判断乘客是否在第一预设时间内从所述中转机场到达所述到达机场,若否,将所述乘客标记为所述中转机场的中转乘客,若是,则所述乘客标记为所述中转机场的非中转乘客;
S202、基于所述判断的结果得到所述总机场集合中的各机场的中转乘客分布;
所述根据所述中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,并基于所述客座率确定最优预开通航线,具体包括:
S20、从所述预开通航线集合中任意选择一条第一预开通航线,所述第一预开通航线为直飞航线,将所述第一预开通航线包含的出发机场和到达机场分别标记为第一预设机场和第二预设机场;
S21、根据所述第二预设机场的中转乘客分布的分析,确定接收所述第二预设机场的中转乘客数量最多的机场,记为第三预设机场,则将所述第一预设机场经所述第二预设机场中转后到达所述第三预设机场的航线作为第二预开通航线;
S22、根据所述第一预开通航线中的已经在飞航班的客座率预测所述第二预开通航线中所述第一预设机场至所述第二预设机场之间的航段的第一客座率;
S23、在所述第二预设机场的第一预设距离范围内获取第二预设相关机场,将所述第二预设相关机场至所述第三预设机场之间的航线记为第三预开通航线,根据所述第三预开通航线中的已经在飞航班的信息获取从所述第二预设相关机场至所述第三预设机场的乘客数量,记为转飞乘客数量,根据所述转飞乘客数量和所述第三预设机场所接收的来自所述第二预设机场的中转乘客数量来预测所述第二预开通航线中的所述第二预设机场至所述第三预设机场之间的航段的第二客座率;
S24、判断所述第一客座率与所述第二客座率是否满足预设开通航线条件,若是,则确定所述第二预开通航线为最优预开通航线;若否,则返回执行S20。
2.根据权利要求1所述的一种航线开通的预测方法,其特征在于,所述步骤S2中还可以包括:
所述各乘客的相关信息还包括各乘客的身份信息,根据各乘客的身份信息和/或各乘客的位移数据信息确定所述总机场集合中的各机场的乘客区域分布,并根据所述各机场的乘客区域分布和所述各机场的中转乘客分布预测所述预开通航线集合中各预开通航线的客座率。
3.根据权利要求2所述的一种航线开通的预测方法,其特征在于,所述位移数据信息包括时间数据和坐标数据。
4.根据权利要求3所述的一种航线开通的预测方法,其特征在于,还包括如下步骤:获取各乘客携带的移动终端的唯一识别号,将所述唯一识别号、所述时间数据和所述坐标数据存储至大数据平台。
5.根据权利要求4所述的一种航线开通的预测方法,其特征在于,还包括如下步骤:获取各乘客的坐标数据在第二预设时间内的变化值,并根据所述变化值得到位移距离,判断所述位移距离是否大于第三预设距离,若是,则更新大数据平台存储的所述坐标数据。
6.根据权利要求5所述的一种航线开通的预测方法,其特征在于,还包括如下步骤:判断所述更新后的坐标数据是否位于所述总机场集合的各机场范围内,若否,则判断所述总机场集合中的各机场中转到所述更新后的坐标数据对应的机场的乘客数量是否超过预设乘客数量阈值,若是,则将所述更新后的坐标数据对应的机场更新到所述总机场集合中,并返回执行步骤S1。
7.一种航线开通的预测系统,其特征在于,包括预选生成模块、获取模块和预测模块,
所述预选生成模块用于预选第一机场与第二机场,并在所述第一机场的第一预设距离范围内获取第一相关机场,记为第一相关机场集合,在所述第二机场的第二预设距离范围内获取第二相关机场,记为第二相关机场集合,将所述第一机场、所述第一相关机场、所述第二机场和所述第二相关机场标记为总机场集合,对所述总机场集合中的各机场之间进行任意组合后得到预开通航线,记为预开通航线集合;
所述获取模块用于根据所述预开通航线集合中的已经在飞航线的各乘客的相关信息,得到所述总机场集合中的各机场的中转乘客分布;
所述预测模块用于并根据所述中转乘客分布预测所述预开通航线集合中各预开通航线的客座率,并基于所述客座率确定最优预开通航线;
还包括中转乘客分布生成模块,所述中转乘客分布生成模块获取所述预开通航线集合中的已经在飞航线的各乘客的位移数据信息以及所乘坐航班的航线信息,所述航线信息中包括出发机场、中转机场和到达机场,并根据所述位移数据信息判断乘客是否在第一预设时间内从所述中转机场到达所述到达机场,若否,将所述乘客标记为所述中转机场的中转乘客,若是,则所述乘客标记为所述中转机场的非中转乘客,基于所述判断的结果得到所述总机场集合中的各机场的中转乘客分布;
还包括航线预开通模块、第一客座率模块、第二客座率模块和判断模块;
所述航线预开通模块从所述预开通航线集合中任意选择一条第一预开通航线,所述第一预开通航线为直飞航线,将所述第一预开通航线包含的出发机场和到达机场分别标记为第一预设机场和第二预设机场,并根据所述第二预设机场的中转乘客分布的分析,确定接收所述第二预设机场的中转乘客数量最多的机场,记为第三预设机场,则将所述第一预设机场经所述第二预设机场中转后到达所述第三预设机场的航线作为第二预开通航线;
所述第一客座率模块根据所述第一预开通航线中的已经在飞航班的客座率预测所述第二预开通航线中所述第一预设机场至所述第二预设机场之间的航段的第一客座率;
所述第二客座率在所述第二预设机场的第一预设距离范围内获取第二预设相关机场,将所述第二预设相关机场至所述第三预设机场之间的航线记为第三预开通航线,根据所述第三预开通航线中的已经在飞航班的信息获取从所述第二预设相关机场至所述第三预设机场的乘客数量,记为转飞乘客数量,根据所述转飞乘客数量和所述第三预设机场所接收的来自所述第二预设机场的中转乘客数量来预测所述第二预开通航线中的所述第二预设机场至所述第三预设机场之间的航段的第二客座率;
所述判断模块用于判断所述第一客座率与所述第二客座率是否满足预设开通航线条件,若是,则确定所述第二预开通航线为最优预开通航线;若否,则所述航线预开通模块再从所述预开通航线集合中任意选择一条第一预开通航线。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述的一种航线开通的预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194977.0A CN110929945B (zh) | 2019-11-28 | 2019-11-28 | 一种航线开通的预测方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194977.0A CN110929945B (zh) | 2019-11-28 | 2019-11-28 | 一种航线开通的预测方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929945A CN110929945A (zh) | 2020-03-27 |
CN110929945B true CN110929945B (zh) | 2023-07-04 |
Family
ID=69846834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911194977.0A Active CN110929945B (zh) | 2019-11-28 | 2019-11-28 | 一种航线开通的预测方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929945B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476409B (zh) * | 2020-03-30 | 2023-07-18 | 海南太美航空股份有限公司 | 一种新航线开通的预测方法、系统及设备 |
CN111982112B (zh) * | 2020-07-02 | 2024-01-09 | 海南太美航空股份有限公司 | 目标航线测算方法及系统 |
CN112000716B (zh) * | 2020-08-26 | 2024-02-13 | 携程旅游网络技术(上海)有限公司 | 航线推送方法、系统、电子设备和存储介质 |
CN112801455B (zh) * | 2020-12-31 | 2024-07-19 | 携程旅游网络技术(上海)有限公司 | 航班密度调整方法、系统、电子设备和存储介质 |
CN114626608A (zh) * | 2022-03-17 | 2022-06-14 | 中国民用航空总局第二研究所 | 一种航线的开通方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2468923A1 (en) * | 2001-12-14 | 2003-06-26 | Delta Air Lines, Inc. | Method and system for origin-destination passenger demand forecast inference |
CA2990112A1 (en) * | 2008-11-05 | 2010-05-05 | Accenture Global Services Limited | Predictive modeling |
EP2889579A1 (en) * | 2013-12-31 | 2015-07-01 | The Boeing Company | System and method for defining and predicting aircraft trajectories |
CN105654340A (zh) * | 2015-12-28 | 2016-06-08 | 中国民航信息网络股份有限公司 | 旅客真实航程的确定方法及系统 |
CN106779127A (zh) * | 2016-12-30 | 2017-05-31 | 中国民航信息网络股份有限公司 | 确定联程航班的方法及装置 |
CN109816174A (zh) * | 2019-02-02 | 2019-05-28 | 南京航空航天大学 | 基于网络演化影响因子的航线开通预测方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130132128A1 (en) * | 2011-11-17 | 2013-05-23 | Us Airways, Inc. | Overbooking, forecasting and optimization methods and systems |
CN106780274A (zh) * | 2016-12-30 | 2017-05-31 | 中国民航信息网络股份有限公司 | 中转旅客的识别方法及装置 |
CN107123315A (zh) * | 2017-06-06 | 2017-09-01 | 南京航空航天大学 | 一种考虑环境影响的终端区进离场航线优化方法 |
CN107480881A (zh) * | 2017-08-10 | 2017-12-15 | 中国民航信息网络股份有限公司 | 客座率确定方法和装置 |
CN107704972A (zh) * | 2017-10-27 | 2018-02-16 | 飞友科技有限公司 | 一种航线旅客需求预测方法 |
CN108038508A (zh) * | 2017-12-12 | 2018-05-15 | 携程旅游网络技术(上海)有限公司 | 中转航班的推送方法、系统、存储介质和电子设备 |
CN108225333B (zh) * | 2018-01-12 | 2020-03-24 | 中国电子科技集团公司第二十八研究所 | 一种用于航线规划的最优路径生成方法 |
CN110363433A (zh) * | 2019-07-17 | 2019-10-22 | 携程旅游网络技术(上海)有限公司 | 新开航线的评估方法、系统、电子设备和介质 |
-
2019
- 2019-11-28 CN CN201911194977.0A patent/CN110929945B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2468923A1 (en) * | 2001-12-14 | 2003-06-26 | Delta Air Lines, Inc. | Method and system for origin-destination passenger demand forecast inference |
CA2990112A1 (en) * | 2008-11-05 | 2010-05-05 | Accenture Global Services Limited | Predictive modeling |
EP2889579A1 (en) * | 2013-12-31 | 2015-07-01 | The Boeing Company | System and method for defining and predicting aircraft trajectories |
CN105654340A (zh) * | 2015-12-28 | 2016-06-08 | 中国民航信息网络股份有限公司 | 旅客真实航程的确定方法及系统 |
CN106779127A (zh) * | 2016-12-30 | 2017-05-31 | 中国民航信息网络股份有限公司 | 确定联程航班的方法及装置 |
CN109816174A (zh) * | 2019-02-02 | 2019-05-28 | 南京航空航天大学 | 基于网络演化影响因子的航线开通预测方法 |
Non-Patent Citations (1)
Title |
---|
廖全旺.支线飞机中国市场分析与预测.国防科技工业.2004,(第12期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110929945A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929945B (zh) | 一种航线开通的预测方法、系统及电子设备 | |
Vansteenwegen et al. | A survey on demand-responsive public bus systems | |
US20220172175A1 (en) | Transportation system and method for allocating frequencies of transit services therein | |
CN104064028B (zh) | 基于多元信息数据的公交到站时间预测方法及系统 | |
CN103177575B (zh) | 城区出租车动态在线调度优化系统及其方法 | |
CN104884900A (zh) | 行程时间信息提供设备和行程时间信息提供方法 | |
CN104620296A (zh) | 按需车辆运行管理装置、按需车辆运行管理方法以及按需车辆运行管理系统 | |
CN111260172B (zh) | 信息处理方法及系统、计算机设备 | |
CN116506470A (zh) | 基于智慧燃气gis的安全巡检方法和物联网系统 | |
Ji et al. | Alleviating users' pain of waiting: Effective task grouping for online-to-offline food delivery services | |
CN109359788A (zh) | 一种高速列车初始晚点影响预测模型的建立方法 | |
CN105528647B (zh) | 基于大数据分析的机场概率交通需求预测方法 | |
CN111192090A (zh) | 航班的座位分配方法、装置、存储介质和电子设备 | |
JP6307376B2 (ja) | 交通分析システム、交通分析プログラムおよび交通分析方法 | |
CN110610284B (zh) | 信息处理方法以及信息处理装置 | |
Żak et al. | Assessment of airside aerodrome infrastructure by SAW method with weights from Shannon's interval entropy | |
EP3848673A1 (en) | Passenger guiding system and passenger guiding method | |
CN110751359A (zh) | 一种自动化航线网络评估方法、电子设备及存储介质 | |
Karádi et al. | Integrated information application on mobile devices for air passengers | |
Putri et al. | A distributed system for finding high profit areas over big taxi trip data with MognoDB and spark | |
CN111415034A (zh) | 一种智能路线排划方法、系统、终端及存储介质 | |
JP2017154536A (ja) | 乗務員運用管理システムおよび乗務員運用管理方法 | |
Nagy et al. | Revealing Influencing Factors of Check-in Time | |
JP2016212535A (ja) | 情報処理装置、交通情報データ、および、コンピュータプログラム | |
JP7347104B2 (ja) | 情報処理装置、非一時的記憶媒体、及び、システム |
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 |