CN111008257B - 基于航线大数据平台的航线数据竞争分析方法及系统 - Google Patents
基于航线大数据平台的航线数据竞争分析方法及系统 Download PDFInfo
- Publication number
- CN111008257B CN111008257B CN201911194934.2A CN201911194934A CN111008257B CN 111008257 B CN111008257 B CN 111008257B CN 201911194934 A CN201911194934 A CN 201911194934A CN 111008257 B CN111008257 B CN 111008257B
- Authority
- CN
- China
- Prior art keywords
- route
- index
- alternative
- value
- indexes
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000012163 sequencing technique Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 11
- 230000010006 flight Effects 0.000 description 9
- 238000010606 normalization Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于航线大数据平台的航线数据竞争分析方法及系统,涉及航线管理技术领域。该方法包括:获取用户输入的查询指令,查询指令包含第一航线指标;根据预设编码规则将第一航线指标转化为编码值,根据编码值确定第一匹配范围;在航线大数据平台中查找备选航线,备选航线的第一航线指标处于第一匹配范围内;计算每个备选航线的第二航线指标的平均值,根据平均值确定第二航线指标的第二匹配范围;从备选航线中确定目标航线,目标航线的第二航线指标处于第二匹配范围内。本发明提供的航线数据竞争分析方法,适用于航线大数据平台,能够直接为用户查找到高价值的目标航线,充分利用了航线大数据平台的特性,为航线数据的竞争分析提供便利。
Description
技术领域
本发明涉及航线管理技术领域,尤其涉及基于航线大数据平台的航线数据竞争分析方法及系统。
背景技术
目前,随着中国的民用航空技术的不断发展,开通运营的航线数量也在迅速的增长,当用户想要开通新航线或评估现有航线的竞争力时,通常是基于从业者的主观经验作出决策,缺少足够的数据支持,无法实现智能大数据分析,导致竞争分析过度依赖于决策者的主观判断,不够准确合理。
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,提供一种基于航线大数据平台的航线数据竞争分析方法及系统。
本发明解决上述技术问题的技术方案如下:
一种基于航线大数据平台的航线数据竞争分析方法,包括:
获取用户输入的查询指令,所述查询指令包含第一航线指标;
根据预设编码规则将所述第一航线指标转化为第一编码值,根据所述第一编码值确定第一匹配范围;
在航线大数据平台中查找备选航线,所述备选航线的第一航线指标处于所述第一匹配范围内;
根据预设编码规则将每个所述备选航线的第二航线指标转化为第二编码值,计算全部所述第二编码值的平均值,根据所述平均值确定所述第二航线指标的第二匹配范围;
从所述备选航线中确定目标航线,所述目标航线的第二航线指标的第二编码值处于所述第二匹配范围内;
其中,所述第一航线指标为全部航线指标中的任意一个航线指标,所述第二航线指标为所述全部航线指标中除所述第一航线指标外的任意一个航线指标。
本发明的有益效果是:本发明提供的航线数据竞争分析方法,适用于航线大数据平台,通过航线指标在航线大数据平台对航线进行相似检索匹配,能够得到符合需求的相似航线,便于用户掌握相似航线的航线数据信息,同时本发明通过将航线数据转化为编码值,通过编码值生成匹配范围进行匹配,能够提高航线数据的匹配速度和准确度,并且由于航线数据通常为数值型数据,因此通过编码值的匹配方式能够快速匹配到符合匹配范围的数值,得到备选航线,然后通过计算备选航线的其余航线指标的平均值,进一步确定匹配范围,对备选数据进行筛选,能够直接为用户查找到高价值的目标航线,充分利用了航线大数据平台的特性,为航线数据的竞争分析提供便利。
本发明解决上述技术问题的另一种技术方案如下:
一种基于航线大数据平台的航线数据竞争分析系统,包括:
获取单元,用于获取用户输入的查询指令,所述查询指令包含第一航线指标;
编码单元,用于根据预设编码规则将所述第一航线指标转化为编码值,根据所述第一编码值确定第一匹配范围;
第一匹配单元,用于在航线大数据平台中查找备选航线,所述备选航线的第一航线指标处于所述第一匹配范围内;
计算单元,用于根据预设编码规则将每个所述备选航线的第二航线指标转化为第二编码值,计算全部所述第二编码值的平均值,根据所述平均值确定所述第二航线指标的第二匹配范围;
第二匹配单元,用于从所述备选航线中确定目标航线,所述目标航线的第二航线指标的第二编码值处于所述第二匹配范围内;
其中,所述第一航线指标为全部航线指标中的任意一个航线指标,所述第二航线指标为所述全部航线指标中除所述第一航线指标外的任意一个航线指标。
本发明提供的航线数据竞争分析系统,适用于航线大数据平台,通过航线指标在航线大数据平台对航线进行相似检索匹配,能够得到符合需求的相似航线,便于用户掌握相似航线的航线数据信息,同时本发明通过将航线数据转化为编码值,通过编码值生成匹配范围进行匹配,能够提高航线数据的匹配速度和准确度,并且由于航线数据通常为数值型数据,因此通过编码值的匹配方式能够快速匹配到符合匹配范围的数值,得到备选航线,然后通过计算备选航线的其余航线指标的平均值,进一步确定匹配范围,对备选数据进行筛选,能够直接为用户查找到高价值的目标航线,充分利用了航线大数据平台的特性,为航线数据的竞争分析提供便利。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明基于航线大数据平台的航线数据竞争分析方法的实施例提供的流程示意图;
图2为本发明基于航线大数据平台的航线数据竞争分析方法的其他实施例提供的航线显示示意图;
图3为本发明基于航线大数据平台的航线数据竞争分析系统的实施例提供的结构框架图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明基于航线大数据平台的航线数据竞争分析方法的实施例提供的流程示意图,该航线数据竞争分析方法包括:
S1,获取用户输入的查询指令,查询指令包含第一航线指标。
需要说明的是,本发明基于航线大数据平台实现,航线大数据平台中存储有全国范围内的航线基本信息,即航线指标,例如,可以包括拟开航班、始发航点、经停航点、报价和机型等信息。这些信息可以用于帮助用户进行航线数据的竞争分析,帮助用户判断决策是否开通新航线、规划航班等。
通过获取用户输入的查询指令,根据查询指令中包含的航线指标,就能够从航线大数据平台中匹配到与该航线指标相似的航线数据,从而显示出匹配到的航线数据。
S2,根据预设编码规则将第一航线指标转化为第一编码值,根据第一编码值确定第一匹配范围。
应理解,由于部分航线指标并不是数值,因此,通常难以进行相似匹配,查找相似的航线数据,例如,对于始发航点和到达航点而言,其数值通常为字母缩写,难以进行匹配。本发明通过将各类航线指标根据预设编码规则统一进行编码,从而能够实现根据全部的航线指标进行匹配,不仅能够提高匹配的速度和准确度,还能够提高数据分析的有效范围。
其中,预设编码规则可以根据实际需求设置,其目的是使各类航线指标转换为统一的编码值,以便于从航线大数据平台中匹配相似的航线数据。
下面以一些具体的示例进行说明。
优选地,预设编码规则可以为检测待匹配的航线指标的类型,如果是数值型指标,则根据其类型将数值乘以预设的系数,得到编码值;如果是非数值型指标,首先将其转换为数值,再将数值乘以预设的系数,得到编码值。
航线指标以始发航点和到达航点为例,假设始发航点为杭州,其指标值为HZ,到达航点为深圳,其指标值为SZ,此时,可以通过预设转换规则将其转换为数值,例如,转换规则可以为判断地点类型的航线指标的所在省份,预先设置每个省份的编号,再判断地点类型的航线指标的所在上一级区/市,预设设置每个区/市的编号,最后根据地点类型的航线指标所在的城市确定一个编号。
例如,假设浙江省的编号为23,杭州辖区的编号为01,杭州市的编号为01,那么可以将始发航点编码为230101;假设广东省的编号为11,深圳辖区的编号为05,深圳市的编号为01,那么可以将到达航点编码为110501。
由于可以直接通过编码进行匹配,因此,可以将预设系数设置为1。
而匹配范围也可以根据实际需求确定,以非数值型航线指为例,例如,可以将始发航点和到达航点附近的航点纳入到匹配范围中,以始发航点为例,杭州附近的机场还有宁波机场、温州机场和嘉兴机场等,假设,宁波的编号为02,温州的编号为03,嘉兴的编号为04,那么第一匹配范围就可以设置为230101~230104,而存储在航线大数据平台中的航线数据的各项航线指标也都使用同样的编码规则预先编码过,那么当匹配时,直接检索始发航点在230101~230104范围内的航点即可,从而能够提高数据检索的效率,并且不易出错。
应理解,匹配范围的设置可以根据用户实际需求设置的,因此,也可以将同一省内的不同区/市的编号纳入匹配范围内,增加匹配到的航线数据的数量。
航线指标以数值为例,假设航线指标为报价,那么假设用户输入的航线指标中报价为10万,那么可以对报价进行归一化处理,使其分布在(0,1)之间,从而根据得到的结果进行匹配,便于计算机处理。
假设10万元处理后的结果为0.1,那么可以将第一匹配范围设置为0.05~0.15,从而匹配到与10万元报价接近的航线。
应理解,实际还可以有其他的编码方式和匹配范围设置方式,例如,将全部的数值型航线指标和非数值型航线指标使用统一的变量进行描述,从而使用同一匹配规则进行匹配,以提高系统的效率,又例如,可以对某些航线指标设置只向上划定匹配范围,对某些航线指标只向下划定匹配范围,从而提本发明的实用性。
例如,对于报价而言,只向下去匹配范围,假设编码后的数值为0.5,那么匹配范围可以为0.4~0.5,按照上述编码规则,表示只匹配报价在40万~50万之间的航线数据,从而防止高于50万的航线数据作为干扰项进行干扰。
S3,在航线大数据平台中查找第一航线指标处于第一匹配范围内的备选航线。
S4,根据预设编码规则将每个备选航线的第二航线指标转化为第二编码值,计算全部第二编码值的平均值,根据平均值确定第二航线指标的第二匹配范围。
应理解,假设第一航线指标为始发航点,那么第二航线指标可以为到达航点、报价或机型等除了第一航线指标之外的其余航线指标。
例如,假设用户通过始发航点匹配到了3条备选航线,那么可以将到达航点作为第二航线指标,第二航线指标的编码值的平均值就是将这3条备选航线的第二航线指标的编码值取平均,假设3条备选航线的到达航点编码值分别为230105、230106和230102,那么平均值为230104.3,那么可以根据实际需求设置第二匹配范围,假设设置范围为±2,那么第二匹配范围为:230102.3~230106.3。
又例如,还可以将拟开航班作为第二航线指标,假设3条备选航线的拟开航班的编码值分别为121、211和104,那么平均值为145.3,那么可以根据实际需求设置第二匹配范围,假设设置范围为±30,那么第二匹配范围为:115.3~175.3。
S5,从备选航线中确定第二航线指标的第二编码值处于第二匹配范围内的目标航线。
继续以上述步骤的例子进行说,当第二航线指标选择为到达航点时,第二匹配范围为:230102.3~230106.3,经过比较发现,到达航点的编码值为230105和230106的备选航线的第二航线指标处于第二匹配范围内,那么可以将这两条备选航线确定为目标航线。
当第二航线指标选择为拟开航班时,第二匹配范围为:115.3~175.3,经过比较发现,到达航点的编码值为121的备选航线的第二航线指标处于第二匹配范围内,那么可以将这条备选航线确定为目标航线。
应理解,当第一匹配范围和/或第二匹配范围设置的过大,导致筛选出的目标航线过多时,或者当第一匹配范围和/或第二匹配范围设置的过小,导致筛选出的目标航线过小或没有目标航线时,可以通过调整第一匹配范围和/或第二匹配范围,使匹配到的目标航线数量满足实际需求。
通过这种方式得到与用户输入的航线指标最为接近的备选航线,然后从备选航线中确定另一航线指标,完成对备选航线的竞争力筛选,从而从备选航线中选出最有竞争力的目标航线,完成对相似航线的竞争分析。并且通过调整匹配范围,能够实现对备选航线的多尺度分析。
其中,第一航线指标为全部航线指标中的任意一个航线指标,第二航线指标为全部航线指标中除第一航线指标外的任意一个航线指标。
本实施例提供的航线数据竞争分析方法,适用于航线大数据平台,通过航线指标在航线大数据平台对航线进行相似检索匹配,能够得到符合需求的相似航线,便于用户掌握相似航线的航线数据信息,同时本发明通过将航线数据转化为编码值,通过编码值生成匹配范围进行匹配,能够提高航线数据的匹配速度和准确度,并且由于航线数据通常为数值型数据,因此通过编码值的匹配方式能够快速匹配到符合匹配范围的数值,得到备选航线,然后通过计算备选航线的其余航线指标的平均值,进一步确定匹配范围,对备选数据进行筛选,能够直接为用户查找到高价值的目标航线,充分利用了航线大数据平台的特性,为航线数据的竞争分析提供便利。
可选地,在一些实施例中,还包括:
分别计算每个备选航线中除第一航线指标外的所有其余航线指标的编码值的平均值。
需要说明的是,假设全部的航线指标共有5个,分别是始发航点、到达航点、拟开航班、适飞机型和报价,那么当第一航线指标为始发航点时,其余航线指标就是到达航点、拟开航班、适飞机型和报价,每个航线指标都计算平均值。
假设共有10条备选航线,那么到达航点的编码值的平均值就是将全部10条被选航线的到达航点的编码值取平均,方式同上述实施例,在此不再赘述。然后再按照同样的方式得到拟开航班、适飞机型和报价的平均值。
然后分别根据每个其余航线指标的编码值的平均值确定对应的匹配范围。
应理解,其匹配范围的确定方式同上述实施例,在此不再赘述。
然后从备选航线中确定匹配度最高航线,匹配度最高航线的其余航线指标的编码值均处于对应的匹配范围内。
例如,假设航线指标只有3个,分别是拟开航班、适飞机型和报价,通过将适飞机型作为第一航线指标,匹配到3条备选航线A、B和C,其航线指标的编码值分别为:
备选航线A:适飞机型:05,拟开航班:123,报价:30.5;
备选航线B:适飞机型:06,拟开航班:154,报价:31.6;
备选航线C:适飞机型:05,拟开航班:223,报价:50.5;
每个其余航线指标的平均值分别为:
拟开航班:166.7,报价:37.5;
根据实际情况设置的对应的匹配范围分别为:
拟开航班:146.7~186.7,报价:27.8~47.5;
分别将每条备选航线的其余航线指标与匹配范围进行匹配,发现备选航线A的拟开航班的编码值123不在对应的匹配范围146.7~186.7内,报价的编码值30.5在对应的匹配范围27.8~47.5内,拟开航班这一项航线指标不在匹配范围内,因此不作为匹配度最高航线。
备选航线B的拟开航班的编码值154在对应的匹配范围146.7~186.7内,报价的编码值31.6也在对应的匹配范围27.8~47.5内,除适飞机型外的全部航线指标均在对应的匹配范围内,因此备选航线B作为匹配度最高航线。
备选航线C的拟开航班的编码值223不在对应的匹配范围146.7~186.7内,报价的编码值50.5也不在对应的匹配范围27.8~47.5内,除适飞机型外的全部航线指标均不在对应的匹配范围内,因此不作为匹配度最高航线。
应理解,匹配范围可以根据实际需求设置,使得到的匹配度最高航线至少包括一条备选航线。
本实施例中通过根据备选航线的其余航线指标匹配最优航线,结合了全部航线指标对备选航线的航线指标进行分析,使得分析匹配结果具有全面的优点,能够从匹配到的诸多备选航线中挑选出最具有竞争力的最优航线,简化用户对备选航线的主观分析过程,提高对备选航线进行竞争分析的准确度和客观度。
可选地,在一些实施例中,还包括:
确定每个航线指标对航线竞争力的影响程度,根据影响程度确定每个航线指标的权值;
确定备选航线中每个航线指标的编码值与对应的平均值的偏离值;
根据权值与偏离值确定每个航线指标的子排序值,将所有航线指标的子排序值相加,得到每个备选航线的排序值;
根据排序值对全部备选航线进行排序。
应理解,不同的航线指标对航线竞争力的影响程度是不同的,例如,报价这一航线指标对航线的竞争力影响程度较大,而适飞机型这一航线指标对航线的竞争力影响程度较小。
需要说明的是,每个航线指标对航线竞争力的影响程度可以根据人工的经验进行确定,也可以通过统计学方法或神经网络模型得到。
例如,以神经网络模型为例,可以选择一些评价指标用于评价航线的竞争力,如平均机票价格、客座率等,将每个航线指标作为神经网络模型的输入,将评价指标作为神经网络模型的输出,对神经网络模型进行训练,从而建立起二者的关联关系,根据这种关联关系确定每种航线指标对评价指标的影响力,即得到航线指标对航线竞争力的影响程度。
具体地,可以选择BP网络、SOM自组织特征映射模型或RBF网络等,也可以为卷积神经网络、深度卷积神经网络或循环神经网络等,在此不再一一赘述。
在得到影响程度后,就可以人为地根据影响程度得到权值,影响程度越大,权值可以越大。
优选地,根据权值与偏离值确定每个航线指标的子排序值,具体包括:
对全部偏离值进行归一化处理,将偏离值转换到(0,1)之间;
根据权值对归一化处理后的偏离值进行加权,得到子排序值。
下面采用优选的子排序值计算方式,以一个具体的示例进行说明。
例如,假设共有A、B和C共3条备选航线,航线指标为报价、拟开航班和适飞机型,其中,报价这一航线指标对航线竞争力的影响程度最大,拟开航班这一航线指标对航线竞争力的影响程度中等,适飞机型这一航线指标对航线竞争力的影响程度最小,那么可以将报价、拟开航班和适飞机型的权值分别设置为0.5、0.3和0.2。
航线A、B和C的航线指标的编码值分别为:
备选航线A:报价:30.5,拟开航班:123,适飞机型:05;
备选航线B:报价:31.6,拟开航班:154,适飞机型:06;
备选航线C:报价:50.5,拟开航班:223,适飞机型:05;
每个其余航线指标的平均值分别为:
报价:37.5,拟开航班:166.7,适飞机型05.3;
备选航线中每个航线指标的编码值与对应的平均值的偏离值为:
备选航线A:报价偏离值:7,拟开航班偏离值:43.7,适飞机型偏离值:0.3;
备选航线B:报价偏离值:5.9,拟开航班偏离值:12.7,适飞机型偏离值:0.7;
备选航线C:报价偏离值:13,拟开航班偏离值:56.3,适飞机型偏离值:0.3;
然后对这些航线指标的偏离值进行归一化处理,得到归一化后的偏离值:
备选航线A:归一化后:报价偏离值:0.27,拟开航班偏离值:0.39,适飞机型偏离值:0.23;
备选航线B:归一化后:报价偏离值:0.23,拟开航班偏离值:0.11,适飞机型偏离值:0.54;
备选航线C:归一化后:报价偏离值:0.5,拟开航班偏离值:0.5,适飞机型偏离值:0.23;
然后根据预设的权值,报价0.5,拟开航班0.3和适飞机型0.2,对归一化后的偏离值进行加权,得到航线指标的子排序值为:
备选航线A:报价的子排序值:0.27*0.5=0.135,拟开航班子排序值:0.39*0.3=0.117,适飞机型子排序值:0.23*0.2=0.046;
备选航线B:报价子排序值:0.23*0.5=0.115,拟开航班子排序值:0.11*0.3=0.033,适飞机型子排序值:0.54*0.2=0.108;
备选航线C:报价子排序值:0.5*0.5=0.25,拟开航班子排序值:0.5*0.3=0.15,适飞机型子排序值:0.23*0.2=0.046;
在每个备选航线中,将全部航线指标的子排序值相加,得到每个备选航线的排序值:
备选航线A排序值为0.135+0.117+0.046=0.298,备选航线B排序值为0.115+0.033+0.108=0.256,备选航线C排序值为0.25+0.15+0.046=0.446。
最后,根据这些排序值进行排序,可以得到这些备选航线的顺序为B、A、C。
本实施例中,通过对各个航线指标的偏离度进行分析,能够将备选航线中与中心偏离程度小的航线挑选出来,在对这些备选航线进行排序后,可以按照顺序显示这些航线,以供用户使用,能够使系统分析匹配到的结果满足客户的竞争分析需求。并且本实施例中通过对全部航线指标进行归一化处理,然后根据不同航线指标对竞争力的影响程度进行加权,能够使竞争力强的航线优先显示在前方,充分挖掘了航线指标与竞争力的潜在关系,从而为用户提供更加精确的航线匹配结果。
可选地,在一些实施例中,还包括:
获取用户输入的选择指令;
根据选择指令从全部备选航线中选择一个基准航线;
以基准航线的航线指标为基准航线指标,将备选航线中除基准航线外的其余航线的全部航线指标分别与基准航线指标进行比较,得到比较结果。
应理解,备选航线需要通过显示终端进行显示,以供用户查看,显示终端可以为手机、电脑、平板电脑等具有图像显示功能的装置。而当用户操作时,可以通过点选屏幕或者鼠标点击的方式,输入选择指令,显示终端接收到指令后,通过处理器对指令进行处理,将用户选择的备选航线作为基准航线,然后余航线的全部航线指标分别与基准航线指标进行比较,从而能够直接反馈出比较结果,例如,其他航线的报价相比于基准航线是高还是低等,高出的数值是多少,低出的数值是多少,从而完成对备选航线的分析。
例如,备选航线A报价30万,备选航线B报价40万,备选航线C报价50万,那么当用户选择备选航线B为基准航线时,备选航线A相比于备选航线B低了10万元,备选航线C相比于备选航线B高了10万元,可以将这些信息通过显示终端进行显示,以便用户查阅。
本实施例中通过将各个备选航线的航线指标与选定的基准航线的航线指标进行比较,能够直观的得出各个备选航线与基准航线的区别,从而便于用户根据备选航线进行决策,提高用户的决策效率。
可选地,在一些实施例中,还包括:
当其余航线的第三航线指标大于基准航线指标时,通过第一颜色标注第三航线指标,或通过第一符号标注第三航线指标;
当其余航线的第三航线指标小于基准航线指标时,通过第二颜色标注第三航线指标,或通过第二符号标注第三航线指标;
其中,第三航线指标为全部航线指标中的任意一个航线指标。
应理解,颜色或符号可以根据用户的实际需求设置,例如,可以将颜色设置成对比强烈的颜色,以便用户查看,如第一颜色为红色,第二颜色为绿色等。又例如,可以将符号设置为箭头,方便用户确认备选航线与基准航线的区别,如第一符号为“↑”,第二符号为“↓”,方便用户查看。
应理解,如果其余备选航线与基准航线的某一航线指标数值相同,那么也可以不标注颜色,或统一标注为第三颜色,或者不标注符号,或者标注为第三符号“-”,表明二者数值相同。
如图2所示,给出了一种示例性的符号标注方法,显示了3条备选航线A、B和C,其中,备选航线A为基准航线,当用户选定基准航线后,系统自动比较相应的航线指标,其中,备选航线A、B和C的第一航线指标分别是a1、b1和c1,第二航线指标分别是a2、b2和c2,第三航线指标分别是a3、b3和c13。
那么将每个航线指标比较后,发现备选航线B的第一航线指标b1大于备选航线A的第一航线指标a1,那么就可以在备选航线B的第一航线指标b1后面标注出“↑”键,以便用户查看,其余航线指标同理,不再赘述。
通过图形和颜色的方式对备选航线中的差异航线指标进行标注,能够使用户直观的看到差异项和差异趋势,提高用户的体验度,便于用户对备选航线进行分析。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
如图3所示,为本发明基于航线大数据平台的航线数据竞争分析系统的实施例提供的结构框架图,该航线数据竞争分析系统包括:
获取单元1,用于获取用户输入的查询指令,查询指令包含第一航线指标;
编码单元2,用于根据预设编码规则将第一航线指标转化为第一编码值,根据第一编码值确定第一匹配范围;
第一匹配单元3,用于在航线大数据平台中查找备选航线,备选航线的第一航线指标处于第一匹配范围内;
计算单元4,用于根据预设编码规则将每个备选航线的第二航线指标转化为第二编码值,计算全部第二编码值的平均值,根据平均值确定第二航线指标的第二匹配范围;
第二匹配单元5,用于从备选航线中确定目标航线,目标航线的第二航线指标的第二编码值处于第二匹配范围内;
其中,第一航线指标为全部航线指标中的任意一个航线指标,第二航线指标为全部航线指标中除第一航线指标外的任意一个航线指标。
本实施例提供的航线数据竞争分析系统,适用于航线大数据平台,通过航线指标在航线大数据平台对航线进行相似检索匹配,能够得到符合需求的相似航线,便于用户掌握相似航线的航线数据信息,同时本发明通过将航线数据转化为编码值,通过编码值生成匹配范围进行匹配,能够提高航线数据的匹配速度和准确度,并且由于航线数据通常为数值型数据,因此通过编码值的匹配方式能够快速匹配到符合匹配范围的数值,得到备选航线,然后通过计算备选航线的其余航线指标的平均值,进一步确定匹配范围,对备选数据进行筛选,能够直接为用户查找到高价值的目标航线,充分利用了航线大数据平台的特性,为航线数据的竞争分析提供便利。
可选地,在一些实施例中,计算单元还用分别计算每个备选航线中除第一航线指标外的所有其余航线指标的编码值的平均值;分别根据每个其余航线指标的编码值的平均值确定对应的匹配范围;
第二匹配单元还用于从备选航线中确定匹配度最高航线,匹配度最高航线的其余航线指标的编码值均处于对应的匹配范围内。
可选地,在一些实施例中,还包括:
排序单元,用于确定每个航线指标对航线竞争力的影响程度,根据影响程度确定每个航线指标的权值;确定备选航线中每个航线指标的编码值与对应的平均值的偏离值;根据权值与偏离值确定每个航线指标的子排序值,将所有航线指标的子排序值相加,得到每个备选航线的排序值;根据排序值对全部备选航线进行排序。
可选地,在一些实施例中,获取单元还用于获取用户输入的选择指令;
比较单元,用于根据选择指令从全部备选航线中选择一个基准航线;以基准航线的航线指标为基准航线指标,将备选航线中除基准航线外的其余航线的全部航线指标分别与基准航线指标进行比较,得到比较结果。
可选地,在一些实施例中,还包括:
显示单元,用于当其余航线的第三航线指标大于基准航线指标时,通过第一颜色标注第三航线指标,或通过第一符号标注第三航线指标;当其余航线的第三航线指标小于基准航线指标时,通过第二颜色标注第三航线指标,或通过第二符号标注第三航线指标;
其中,第三航线指标为全部航线指标中的任意一个航线指标。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例,对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可以忽略,或不执行。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于航线大数据平台的航线数据竞争分析方法,其特征在于,包括:
获取用户输入的查询指令,所述查询指令包含第一航线指标;
根据预设编码规则将所述第一航线指标转化为第一编码值,根据所述第一编码值确定第一匹配范围;
在航线大数据平台中查找备选航线,所述备选航线的第一航线指标处于所述第一匹配范围内;
根据预设编码规则将每个所述备选航线的第二航线指标转化为第二编码值,计算全部所述第二编码值的平均值,根据所述平均值确定所述第二航线指标的第二匹配范围;
从所述备选航线中确定目标航线,所述目标航线的第二航线指标的第二编码值处于所述第二匹配范围内;
其中,所述第一航线指标为全部航线指标中的任意一个航线指标,所述第二航线指标为所述全部航线指标中除所述第一航线指标外的任意一个航线指标;
其中,还包括:
确定每个所述航线指标对航线竞争力的影响程度,根据所述影响程度确定每个所述航线指标的权值;
确定所述备选航线中每个所述航线指标的编码值与对应的平均值的偏离值;
根据所述权值与所述偏离值确定每个所述航线指标的子排序值,将所有航线指标的子排序值相加,得到每个所述备选航线的排序值;
根据所述排序值对全部所述备选航线进行排序。
2.根据权利要求1所述的基于航线大数据平台的航线数据竞争分析方法,其特征在于,还包括:
分别计算每个所述备选航线中除所述第一航线指标外的所有其余航线指标的编码值的平均值;
分别根据每个所述其余航线指标的编码值的平均值确定对应的匹配范围;
从所述备选航线中确定匹配度最高航线,所述匹配度最高航线的其余航线指标的编码值均处于对应的匹配范围内。
3.根据权利要求1或2所述的基于航线大数据平台的航线数据竞争分析方法,其特征在于,还包括:
获取用户输入的选择指令;
根据所述选择指令从全部所述备选航线中选择一个基准航线;
以所述基准航线的航线指标为基准航线指标,将所述备选航线中除所述基准航线外的其余航线的全部航线指标分别与所述基准航线指标进行比较,得到比较结果。
4.根据权利要求3所述的基于航线大数据平台的航线数据竞争分析方法,其特征在于,还包括:
当所述其余航线的第三航线指标大于所述基准航线指标时,通过第一颜色标注所述第三航线指标,或通过第一符号标注所述第三航线指标;
当所述其余航线的第三航线指标小于所述基准航线指标时,通过第二颜色标注所述第三航线指标,或通过第二符号标注所述第三航线指标;
其中,所述第三航线指标为全部航线指标中的任意一个航线指标。
5.一种基于航线大数据平台的航线数据竞争分析系统,其特征在于,包括:
获取单元,用于获取用户输入的查询指令,所述查询指令包含第一航线指标;
编码单元,用于根据预设编码规则将所述第一航线指标转化为第一编码值,根据所述第一编码值确定第一匹配范围;
第一匹配单元,用于在航线大数据平台中查找备选航线,所述备选航线的第一航线指标处于所述第一匹配范围内;
计算单元,用于根据预设编码规则将每个所述备选航线的第二航线指标转化为第二编码值,计算全部所述第二编码值的平均值,根据所述平均值确定所述第二航线指标的第二匹配范围;
第二匹配单元,用于从所述备选航线中确定目标航线,所述目标航线的第二航线指标的第二编码值处于所述第二匹配范围内;
其中,所述第一航线指标为全部航线指标中的任意一个航线指标,所述第二航线指标为所述全部航线指标中除所述第一航线指标外的任意一个航线指标;
其中,还包括:
排序单元,用于确定每个所述航线指标对航线竞争力的影响程度,根据所述影响程度确定每个所述航线指标的权值;确定所述备选航线中每个所述航线指标的编码值与对应的平均值的偏离值;根据所述权值与所述偏离值确定每个所述航线指标的子排序值,将所有航线指标的子排序值相加,得到每个所述备选航线的排序值;根据所述排序值对全部所述备选航线进行排序。
6.根据权利要求5所述的基于航线大数据平台的航线数据竞争分析系统,其特征在于,所述计算单元还用分别计算每个所述备选航线中除所述第一航线指标外的所有其余航线指标的编码值的平均值;分别根据每个所述其余航线指标的编码值的平均值确定对应的匹配范围;
所述第二匹配单元还用于从所述备选航线中确定匹配度最高航线,所述匹配度最高航线的其余航线指标的编码值均处于对应的匹配范围内。
7.根据权利要求5或6所述的基于航线大数据平台的航线数据竞争分析系统,其特征在于,所述获取单元还用于获取用户输入的选择指令;
比较单元,用于根据所述选择指令从全部所述备选航线中选择一个基准航线;以所述基准航线的航线指标为基准航线指标,将所述备选航线中除所述基准航线外的其余航线的全部航线指标分别与所述基准航线指标进行比较,得到比较结果。
8.根据权利要求7所述的基于航线大数据平台的航线数据竞争分析系统,其特征在于,还包括:
显示单元,用于当所述其余航线的第三航线指标大于所述基准航线指标时,通过第一颜色标注所述第三航线指标,或通过第一符号标注所述第三航线指标;当所述其余航线的第三航线指标小于所述基准航线指标时,通过第二颜色标注所述第三航线指标,或通过第二符号标注所述第三航线指标;
其中,所述第三航线指标为全部航线指标中的任意一个航线指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194934.2A CN111008257B (zh) | 2019-11-28 | 2019-11-28 | 基于航线大数据平台的航线数据竞争分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194934.2A CN111008257B (zh) | 2019-11-28 | 2019-11-28 | 基于航线大数据平台的航线数据竞争分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008257A CN111008257A (zh) | 2020-04-14 |
CN111008257B true CN111008257B (zh) | 2023-07-04 |
Family
ID=70113519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911194934.2A Active CN111008257B (zh) | 2019-11-28 | 2019-11-28 | 基于航线大数据平台的航线数据竞争分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008257B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081776A (zh) * | 2010-12-30 | 2011-06-01 | 百度在线网络技术(北京)有限公司 | 搜索结果排序方法及系统 |
CN106529781A (zh) * | 2016-11-02 | 2017-03-22 | 合肥飞友网络科技有限公司 | 一种航线运力评估系统及其工作方法 |
CN106682207A (zh) * | 2016-12-30 | 2017-05-17 | 中国民航信息网络股份有限公司 | 查找航线的方法及装置 |
CN107784394A (zh) * | 2017-10-30 | 2018-03-09 | 长安大学 | 考虑前景理论的高速公路路线方案不确定多属性优选方法 |
CN107844611A (zh) * | 2017-12-15 | 2018-03-27 | 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 |
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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160111007A1 (en) * | 2013-10-21 | 2016-04-21 | Rhett Rodney Dennerline | Database System To Organize Selectable Items For Users Related to Route Planning |
US20150161698A1 (en) * | 2015-02-18 | 2015-06-11 | Cargo Chief | Predicting multi-city or direct backhaul |
US10146832B2 (en) * | 2016-02-05 | 2018-12-04 | Unisys Corporation | Prefetching for computing airline routes |
-
2019
- 2019-11-28 CN CN201911194934.2A patent/CN111008257B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081776A (zh) * | 2010-12-30 | 2011-06-01 | 百度在线网络技术(北京)有限公司 | 搜索结果排序方法及系统 |
CN106529781A (zh) * | 2016-11-02 | 2017-03-22 | 合肥飞友网络科技有限公司 | 一种航线运力评估系统及其工作方法 |
CN106682207A (zh) * | 2016-12-30 | 2017-05-17 | 中国民航信息网络股份有限公司 | 查找航线的方法及装置 |
CN107784394A (zh) * | 2017-10-30 | 2018-03-09 | 长安大学 | 考虑前景理论的高速公路路线方案不确定多属性优选方法 |
CN107844611A (zh) * | 2017-12-15 | 2018-03-27 | 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 |
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 |
Non-Patent Citations (2)
Title |
---|
Proactive flight schedule evaluation at Delta Air Lines;B. Schumacher;《WSC"99. 1999 Winter Simulation Conference Proceedings. "Simulation - A Bridge to the Future" (Cat. No.99CH37038)》;20020806;全文 * |
京津冀三大机场国内航线竞争现状分析;亓洋洋等;《交通运输研究》;20190630;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111008257A (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472163B (zh) | 地图搜索结果的展现确定方法、装置、电子设备和介质 | |
CN110321095B (zh) | 用于显示航线信息的终端、系统及方法 | |
CN109711424B (zh) | 一种基于决策树的行为规则获取方法、装置及设备 | |
CN110287219B (zh) | 一种数据处理方法及系统 | |
CN109582849A (zh) | 一种基于知识图谱的网络资源智能检索方法 | |
CN110737805B (zh) | 图模型数据的处理方法、装置和终端设备 | |
CN110532351A (zh) | 推荐词展示方法、装置、设备及计算机可读存储介质 | |
CN109558384A (zh) | 日志分类方法、装置、电子设备和存储介质 | |
CN111192090A (zh) | 航班的座位分配方法、装置、存储介质和电子设备 | |
CN110084493A (zh) | 基于人工智能的企业诊断、预测方法及装置、服务器 | |
CN105740434B (zh) | 网络信息评分方法及装置 | |
CN110852792B (zh) | 一种基于大数据分析的航线价值评估方法及相关产品 | |
CN109740036A (zh) | Ota平台酒店排序方法及装置 | |
CN110413722B (zh) | 地址选择方法、装置以及非瞬时性存储介质 | |
CN109615414A (zh) | 房产预估方法、装置及存储介质 | |
WO2017221856A1 (ja) | 分析装置、分析方法、および記憶媒体 | |
CN111737473A (zh) | 文本分类方法、装置及设备 | |
CN111008257B (zh) | 基于航线大数据平台的航线数据竞争分析方法及系统 | |
CN111985119B (zh) | 基于HarmonySE和CBAM的架构权衡分析方法 | |
CN111611353B (zh) | 筛选方法、装置、电子设备及计算机可读存储介质 | |
TWI684147B (zh) | 雲端自助分析平台與其分析方法 | |
CN114399202A (zh) | 一种城市社区大数据可视化系统 | |
CN115795052A (zh) | 一种产业链地图构建方法、装置及电子设备 | |
CN113190154A (zh) | 模型训练、词条分类方法、装置、设备、存储介质及程序 | |
CN106528748A (zh) | 一种用于确定地域词库的方法与装置 |
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 |