CN112163787B - 一种基于大数据的旅客相对关系预测方法 - Google Patents
一种基于大数据的旅客相对关系预测方法 Download PDFInfo
- Publication number
- CN112163787B CN112163787B CN202011121143.XA CN202011121143A CN112163787B CN 112163787 B CN112163787 B CN 112163787B CN 202011121143 A CN202011121143 A CN 202011121143A CN 112163787 B CN112163787 B CN 112163787B
- Authority
- CN
- China
- Prior art keywords
- passenger
- score
- relationship
- peer
- time
- 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 28
- 238000010606 normalization Methods 0.000 claims abstract description 19
- 230000008520 organization Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (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旅客相对关系预测方法,包括以下步骤:获取旅客出行数据;基于旅客出行数据计算同订单关系得分、同行值机关系得分、同行座位关系得分,归一化处理后,计算出旅客关系得分;确定旅客关系系数,计算出旅客粘度值得分;计算旅客相对关系得分;基于旅客粘度值得分和旅客相对关系得分,计算旅客相对关系总得分值。本发明利用民航旅客出行数据,计算出旅客粘度值得分,然后引入旅客相对关系得分的计算,将旅客粘度值得分和旅客相对关系得分进行融合,获得最终的旅客相对关系总得分值,能够提高旅客全流程的服务质量,增强旅客服务体验和满意度。
Description
技术领域
本发明涉及大数据技术领域,特别涉及一种基于大数据的旅客相对关系预测方法。
背景技术
随着社会现代化建设高速发展,人民群众对于美好生活的追求日益增加,对于出行服务与体验的需求也更加多样化。越来越多的旅客选择搭乘飞机这一方便快捷的出行方式,因此各大航空公司的各类信息系统中存储的大量旅客出行数据呈现出爆发性增长。如何充分利用这些数据资源深耕旅客价值、拓展旅客资源,挖掘旅客潜在需求、为旅客提供优质个性化服务从而刺激收益提升,是现今民航业面临的一个巨大的机遇与挑战。
民航旅客通过订票、值机等共同出行行为中,在一定程度上体现了旅客之间的社交关系。针对现有的民航数据,如何暂时没有特定记录旅客关系。如何利用现有的民航数据,分析出旅客间的关系,进而提高旅客全流程的服务质量,增强旅客服务体验和满意度,越来越受到人们的关注。
发明内容
为解决上述问题,本发明提供了一种基于大数据的旅客相对关系预测方法。
本发明采用以下技术方案:
一种基于大数据的旅客相对关系预测方法,包括以下步骤:
S1、获取旅客出行数据,所述旅客出行数据包括出行订单信息、值机信息、座位信息及旅客关系信息;
S2、基于出行订单信息计算同订单关系得分,基于值机信息计算同行值机关系得分,基于座位信息计算同行座位关系得分,经归一化处理后,计算出旅客关系得分,旅客关系得分通过以下公式计算:
Vij=βp×P’ij+βb×B’ij+βs×S’ij
其中,Vij为旅客关系得分,P′ij为同订单关系得分归一化处理后的结果,B′ij为同行值机关系得分归一化处理后的结果,S′ij为同行座位关系得分归一化处理后的结果,βp为同订单关系得分权重,βb为同行值机关系得分权重,βs为同行座位关系得分权重;
S3、基于旅客关系信息确定出旅客关系系数,通过以下公式计算出旅客粘度值得分:
Wij=Vij×cij÷1.1
其中,Wij为旅客粘度值得分,cij为旅客关系系数;
S4、建立旅客相对关系得分模型,计算出旅客相对关系得分:
其中,V′ij为旅客相对关系得分,其代表以旅客i为中心,在旅客i的关系网中,旅客i、j关系得分与旅客i同其他旅客关系得分的对比值,Vij为旅客关系得分,VMAX表示的是以旅客i为中心,在旅客i的关系网中,与除了旅客i之外的其他旅客关系得分的最大值;
S5、基于旅客粘度值得分和旅客相对关系得分,通过以下公式计算出旅客相对关系总得分值:
其中,W’ij、W’ji为旅客相对关系总得分值,τ为旅客粘度值得分的权重系数,(1-τ)为旅客相对关系得分的权重系数,ρij为同行系数,其数值根据同行时间因素确定。
优选地,还包括步骤S6,基于旅客同行次数,对所述旅客相对关系总得分值计算方式进行优化,其具体包括以下分步骤:
S61、通过以下公式计算调整系数:
其中,μ为调整系数,xij为旅客i、j的同行人数值,,xij为在同民航订座人数最大值和同值机编组人数最小值中取最小值。
S62、通过以下公式得到最终的旅客相对关系总得分值:
其中,t为旅客i、j的同行次数。
优选地,所述同行系数ρij通过以下公式计算得出:
其中,Kij为旅客i与旅客j的同行次数,t′L为旅客i与旅客j最近一次同行时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
优选地,所述同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,dci[k]为旅客i和旅客j第k次同行的登机牌序号差值,t′k为旅客i和旅客j第k次同行时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
优选地,所述同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,D[k]为旅客i和旅客j第k次同值机编组的旅客数量,t′k为旅客i和旅客j第k次同行时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
优选地,所述同行座位关系得分通过以下方法计算:
dseat[k]=αdp[k]+βdh[k]
其中,Sij为同行座位关系得分,dseat[k]为旅客i和旅客j第k次同行时座位的曼哈顿距离,t′k为旅客i和旅客j第k次同行时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间,dp[k]为旅客i和旅客j第k次同行的座位纵向距离,dh[k]为旅客i和旅客j第k次同行的座位横向距离,α为纵向距离权重,β为横向距离权重。
优选地,所述同订单关系得分通过以下方法计算:
其中,S1[k]为旅客i和旅客j第k次机票同订单的订单旅客数量,S2[k]为旅客i和旅客j第k次CC平台同票号的订单旅客数量,S3[k]为旅客i和旅客j第k次旅游度假同订单的订单旅客数量,S4[k]为旅客i和旅客j第k次假期平台同订单的订单旅客数量,t1k为旅客i和旅客j第k次机票同订单的订单时间,t2k为旅客i和旅客j第k次CC平台同票号的订单时间,t3k为旅客i和旅客j第k次旅游度假同订单的订单时间,t4k为旅客i和旅客j第k次假期平台同订单的订单时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
优选地,所述步骤S2中的归一化处理通过以下方法计算得到归一化结果:
其中,xcenter为得分数据的中位数,所述中位数为将所有得分数据进行排序,选取的排序在中间的得分数据的值。
优选地,所述旅客关系信息包含旅客关系类型,所述旅客关系类型至少包括直系亲属、配偶、近亲属、亲戚、朋友、同学、同事、其他、无关系中的一种或多种,每种旅客关系类型唯一对应一旅客关系系数。
优选地,所述旅客关系系数取值范围为1~1.1。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
本发明利用民航旅客出行数据,基于出行订单信息、值机信息、座位信息及旅客关系信息,计算出旅客粘度值得分,然后引入旅客相对关系得分的计算,将旅客粘度值得分和旅客相对关系得分进行融合,获得最终的旅客相对关系总得分值,能够提高旅客全流程的服务质量,增强旅客服务体验和满意度。
附图说明
图1为本发明的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
参考图1所示,本发明公开了一种基于大数据的旅客相对关系预测方法,包括以下步骤:
S1、获取旅客出行数据,旅客出行数据包括出行订单信息、值机信息、座位信息及旅客关系信息。
S2、基于出行订单信息计算同订单关系得分,基于值机信息计算同行值机关系得分,基于座位信息计算同行座位关系得分,经归一化处理后,计算出旅客关系得分,旅客关系得分通过以下公式计算:
Vij=βp×P’ij+βb×B’ij+βs×S’ij
其中,Vij为旅客关系得分,P′ij为同订单关系得分归一化处理后的结果,B′ij为同行值机关系得分归一化处理后的结果,S′ij为同行座位关系得分归一化处理后的结果,βp为同订单关系得分权重,βb为同行值机关系得分权重,βs为同行座位关系得分权重。
归一化处理通过以下方法计算得到归一化结果:
其中,xcenter为得分数据的中位数,中位数为将所有得分数据进行排序,选取的排序在中间的得分数据的值。若得分数据的总数量是偶数,则xcenter取中间两个得分数据的平均值。若中位数为0,则xcenter取非0的最小值。
同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,dci[k]为旅客i和旅客j第k次同行的登机牌序号差值,t′k为旅客i和旅客j第k次同行时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
同行座位关系得分通过以下方法计算:
dseat[k]=αdp[k]+βdh[k]
其中,Sij为同行座位关系得分,dseat[k]为旅客i和旅客j第k次同行时座位的曼哈顿距离,t′k为旅客i和旅客j第k次同行时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间,dp[k]为旅客i和旅客j第k次同行的座位纵向距离,dh[k]为旅客i和旅客j第k次同行的座位横向距离,α为纵向距离权重,β为横向距离权重。
同订单关系得分通过以下方法计算:
其中,S1[k]为旅客i和旅客j第k次机票同订单的订单旅客数量,S2[k]为旅客i和旅客j第k次CC平台同票号的订单旅客数量,S3[k]为旅客i和旅客j第k次旅游度假同订单的订单旅客数量,S4[k]为旅客i和旅客j第k次假期平台同订单的订单旅客数量,t1k为旅客i和旅客j第k次机票同订单的订单时间,t2k为旅客i和旅客j第k次CC平台同票号的订单时间,t3k为旅客i和旅客j第k次旅游度假同订单的订单时间,t4k为旅客i和旅客j第k次假期平台同订单的订单时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
S3、基于旅客关系信息确定出旅客关系系数,通过以下公式计算出旅客粘度值得分:
Wij=Vij×cij÷1.1
其中,Wij为旅客粘度值得分,cij为旅客关系系数。旅客关系信息包含旅客关系类型,旅客关系类型至少包括直系亲属、配偶、近亲属、亲戚、朋友、同学、同事、其他、无关系中的一种或多种,每种旅客关系类型唯一对应一旅客关系系数。旅客关系系数取值范围为1~1.1。
S4、建立旅客相对关系得分模型,计算出旅客相对关系得分:
其中,V′ij为旅客相对关系得分,其代表以旅客i为中心,在旅客i的关系网中,旅客i、j关系得分与旅客i同其他旅客关系得分的对比值,Vij为旅客关系得分,VMAX表示的是以旅客i为中心,在旅客i的关系网中,与除了旅客i之外的其他旅客关系得分的最大值。
S5、基于旅客粘度值得分和旅客相对关系得分,通过以下公式计算出旅客相对关系总得分值:
其中,W’ij、W’ji为旅客相对关系总得分值,τ为旅客粘度值得分的权重系数,(1-τ)为旅客相对关系得分的权重系数,ρij为同行系数,其数值根据同行时间因素确定。同行系数ρij通过以下公式计算得出:
其中,Kij为旅客i与旅客j的同行次数,t′L为旅客i与旅客j最近一次同行时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
S6、基于旅客同行次数,对旅客相对关系总得分值计算方式进行优化。该步骤具体包括以下分步骤:
S61、通过以下公式计算调整系数:
其中,μ为调整系数,xij为旅客i、j的同行人数值,,xij为在同民航订座人数最大值和同值机编组人数最小值中取最小值。
S62、通过以下公式得到最终的旅客相对关系总得分值:
其中,t为旅客i、j的同行次数。
实施例二
本实施例与实施例一的区别在于,同行值机关系得分的计算方式不同。
在本实施例中,同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,D[k]为旅客i和旅客j第k次同值机编组的旅客数量,t′k为旅客i和旅客j第k次同行时间,t′为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间。
以上所述,仅为本发明较佳的具体实施方式,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,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (3)
1.一种基于大数据的旅客相对关系预测方法,其特征在于,包括以下步骤:
S1、获取旅客出行数据,所述旅客出行数据包括出行订单信息、值机信息、座位信息及旅客关系信息;
S2、基于出行订单信息计算同订单关系得分,基于值机信息计算同行值机关系得分,基于座位信息计算同行座位关系得分,经归一化处理后,计算出旅客关系得分,旅客关系得分通过以下公式计算:
Vij=βp×P′ij+βb×B′ij+βs×S′ij
其中,Vij为旅客关系得分,P'ij为同订单关系得分归一化处理后的结果,B'ij为同行值机关系得分归一化处理后的结果,S'ij为同行座位关系得分归一化处理后的结果,βp为同订单关系得分权重,βb为同行值机关系得分权重,βs为同行座位关系得分权重;
S3、基于旅客关系信息确定出旅客关系系数,通过以下公式计算出旅客粘度值得分:
Wij=Vij×cij÷1.1
其中,Wij为旅客粘度值得分,cij为旅客关系系数;
S4、建立旅客相对关系得分模型,计算出旅客相对关系得分:
其中,V'ij为旅客相对关系得分,其代表以旅客i为中心,在旅客i的关系网中,旅客i、j关系得分与旅客i同其他旅客关系得分的对比值,Vij为旅客关系得分,VMAX表示的是以旅客i为中心,在旅客i的关系网中,与除了旅客i之外的其他旅客关系得分的最大值;
S5、基于旅客粘度值得分和旅客相对关系得分,通过以下公式计算出旅客相对关系总得分值:
其中,W'ij、W'ji为旅客相对关系总得分值,τ为旅客粘度值得分的权重系数,(1-τ)为旅客相对关系得分的权重系数,ρij为同行系数,其数值根据同行时间因素确定;
还包括步骤S6,基于旅客同行次数,对所述旅客相对关系总得分值计算方式进行优化,其具体包括以下分步骤:
S61、通过以下公式计算调整系数:
其中,μ为调整系数,xij为旅客i、j的同行人数值;
S62、通过以下公式得到最终的旅客相对关系总得分值:
其中,t为旅客i、j的同行次数;
所述同行系数ρij通过以下公式计算得出:
其中,Kij为旅客i与旅客j的同行次数,t'L为旅客i与旅客j最近一次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间;
所述同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,dci[k]为旅客i和旅客j第k次同行的登机牌序号差值,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间;
或所述同行值机关系得分通过以下方法计算:
其中,Bij为同行值机关系得分,D[k]为旅客i和旅客j第k次同值机编组的旅客数量,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间;
所述同行座位关系得分通过以下方法计算:
dseat[k]=αdp[k]+βdh[k]
其中,Sij为同行座位关系得分,dseat[k]为旅客i和旅客j第k次同行时座位的曼哈顿距离,t'k为旅客i和旅客j第k次同行时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间,dp[k]为旅客i和旅客j第k次同行的座位纵向距离,dh[k]为旅客i和旅客j第k次同行的座位横向距离,α为纵向距离权重,β为横向距离权重;
所述同订单关系得分通过以下方法计算:
其中,S1[k]为旅客i和旅客j第k次机票同订单的订单旅客数量,S2[k]为旅客i和旅客j第k次CC平台同票号的订单旅客数量,S3[k]为旅客i和旅客j第k次旅游度假同订单的订单旅客数量,S4[k]为旅客i和旅客j第k次假期平台同订单的订单旅客数量,t1k为旅客i和旅客j第k次机票同订单的订单时间,t2k为旅客i和旅客j第k次CC平台同票号的订单时间,t3k为旅客i和旅客j第k次旅游度假同订单的订单时间,t4k为旅客i和旅客j第k次假期平台同订单的订单时间,t'为旅客出行数据对应时间窗口的开始时间,T为旅客出行数据对应时间窗口的结束时间;
所述步骤S2中的归一化处理通过以下方法计算得到归一化结果:
其中,xcenter为得分数据的中位数,所述中位数为将所有得分数据进行排序,选取的排序在中间的得分数据的值。
2.如权利要求1所述的一种基于大数据的旅客相对关系预测方法,其特征在于,所述旅客关系信息包含旅客关系类型,所述旅客关系类型至少包括直系亲属、配偶、近亲属、亲戚、朋友、同学、同事、其他、无关系中的一种或多种,每种旅客关系类型唯一对应一旅客关系系数。
3.如权利要求2所述的一种基于大数据的旅客相对关系预测方法,其特征在于,所述旅客关系系数取值范围为1~1.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011121143.XA CN112163787B (zh) | 2020-10-19 | 2020-10-19 | 一种基于大数据的旅客相对关系预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011121143.XA CN112163787B (zh) | 2020-10-19 | 2020-10-19 | 一种基于大数据的旅客相对关系预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112163787A CN112163787A (zh) | 2021-01-01 |
CN112163787B true CN112163787B (zh) | 2024-05-24 |
Family
ID=73867584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011121143.XA Active CN112163787B (zh) | 2020-10-19 | 2020-10-19 | 一种基于大数据的旅客相对关系预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112163787B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021189A (zh) * | 2014-06-13 | 2014-09-03 | 中国民航信息网络股份有限公司 | 一种民航旅客网络生成方法 |
CN105631750A (zh) * | 2015-12-25 | 2016-06-01 | 中国民航信息网络股份有限公司 | 民航旅客团体发现方法 |
CN105654337A (zh) * | 2015-12-25 | 2016-06-08 | 中国民航信息网络股份有限公司 | 民航旅客价值评估方法 |
CN107886372A (zh) * | 2017-12-06 | 2018-04-06 | 中国南方航空股份有限公司 | 客户价值发现方法 |
KR20190125124A (ko) * | 2018-04-27 | 2019-11-06 | (주) 케이씨넷 | 빅데이터를 활용한 여행자 및 동행자 패턴분석 시스템 및 방법 |
CN110751523A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 一种潜在高价值旅客的发现方法及装置 |
-
2020
- 2020-10-19 CN CN202011121143.XA patent/CN112163787B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021189A (zh) * | 2014-06-13 | 2014-09-03 | 中国民航信息网络股份有限公司 | 一种民航旅客网络生成方法 |
CN105631750A (zh) * | 2015-12-25 | 2016-06-01 | 中国民航信息网络股份有限公司 | 民航旅客团体发现方法 |
CN105654337A (zh) * | 2015-12-25 | 2016-06-08 | 中国民航信息网络股份有限公司 | 民航旅客价值评估方法 |
CN107886372A (zh) * | 2017-12-06 | 2018-04-06 | 中国南方航空股份有限公司 | 客户价值发现方法 |
KR20190125124A (ko) * | 2018-04-27 | 2019-11-06 | (주) 케이씨넷 | 빅데이터를 활용한 여행자 및 동행자 패턴분석 시스템 및 방법 |
CN110751523A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 一种潜在高价值旅客的发现方法及装置 |
Non-Patent Citations (3)
Title |
---|
一种基于社交网络的民航新旅客成长性预测方法;林友芳 等;《北京交通大学学报》;第38卷(第06期);第40-46页 * |
一种融合个体属性与社交关系的民航旅客价值度量方法;丁建立 等;《航空学报》;第39卷(第02期);第1-12页 * |
民航旅客社会网络构建方法研究;冯霞 等;《计算机仿真》;第30卷(第06期);第51-54、142页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112163787A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210232984A1 (en) | Order allocation system and method | |
US11315170B2 (en) | Methods and systems for order processing | |
CN113779384B (zh) | 一种基于乘客画像的航班推荐方法 | |
CN108304974B (zh) | 一种基于优化C5.0和Apriori的民航NOSHOW预测及强因子分析方法 | |
KR20180006876A (ko) | 오더 짝짓기를 위한 시스템들 및 방법들 | |
DE112013006463T5 (de) | Zielvorhersagevorrichtung, Zielvorhersageverfahren und Zielanzeigeverfahren | |
CN111949848B (zh) | 一种基于特定事件的跨平台传播态势评估及分级方法 | |
CN111861618A (zh) | 一种上车点推荐方法和系统 | |
Yousaf et al. | Generalized multipath planning model for ride-sharing systems | |
CN112308616B (zh) | 一种航司旅客的群体划分方法及装置 | |
CN112270427A (zh) | 一种推荐上车点的方法和系统 | |
CN108804577A (zh) | 一种资讯标签兴趣度的预估方法 | |
CN112200625A (zh) | 一种航班资源推荐方法及装置 | |
CN112163787B (zh) | 一种基于大数据的旅客相对关系预测方法 | |
CN112163786B (zh) | 一种基于大数据和pagerank算法的民航旅客个人影响力评估方法 | |
CN113320537A (zh) | 一种车辆控制方法和系统 | |
CN112163716A (zh) | 一种基于大数据的旅客绝对关系预测方法 | |
CN116562574A (zh) | 城际定制客运的协同优化方法、装置、设备和存储介质 | |
CN111241162A (zh) | 高速铁路成网条件下旅客出行行为分析方法及存储介质 | |
CN111866578A (zh) | 数据处理方法和装置、电子设备及计算机可读存储介质 | |
CN113609142B (zh) | 基于ota平台数据投放的运价自动更新方法和存储介质 | |
CN112052898B (zh) | 一种城际高铁乘客的潜在分类模型构建方法和系统 | |
Karl et al. | Mapping destination choice: set theory as a methodological tool. | |
CN112163785A (zh) | 一种基于大数据和神经网络的民航旅客个人影响力评估方法 | |
CN115330432A (zh) | 一种烟草销量预测方法及装置 |
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 |