CN112308255A - 基于变化的预订动态更新自动行李处理系统 - Google Patents

Abstract

本公开的实施例涉及基于变化的预定动态更新自动行李处理系统。机票转移系统获取较早预订的航班和旅客的标识，提供较早出发的航班的列表，接收对来自较早出发的航班的列表之中的较早出发的航班的选择，标识与较早预订的航空公司相对应的较早出发预订的航班，并且向较早预订的航空公司发送航班行李请求，相对于针对旅客的行李从较早预订的航班到所选择的较早出发的航班转运的估计时间，从转运可行性模块接收对行李请求的成功响应，以及完成针对所选择的较早出发的航班的机票购买。

Description

基于变化的预订动态更新自动行李处理系统

技术领域

本发明涉及电气、电子和计算机领域，并且更具体地涉及用于管理航空公司票务和行李转运的计算机系统。

背景技术

当座位意外空置时，航空公司有时会向旅客提供“超售(standby)”票。这些超售票为旅客提供了例如较早到达其目的地、升级座位等等的机会。对于航空公司而言，超售票提供了通过使客户数目最大化来提高盈利能力的机会。给定的旅客是否可以利用超售票可能取决于许多因素，其中至少一些是依赖于系统的并且难以衡量。

发明内容

本发明的原理提供了用于基于航班预订到较早出发的航班中的变化来动态更新行李处理系统的技术。在一方面，一种示例性方法包括：从旅客获取较早预订的航班和旅客的标识；向旅客提供较早出发的航班的列表；从旅客接收对较早出发的航班的选择；标识与较早预订的航班相对应的较早预订的航空公司，并向较早预订的航空公司发送行李请求；相对于针对旅客的行李从较早预订的航班到所选择的较早出发的航班的转运的估计时间，从转运可行性模块接收对行李请求的成功响应；以及为旅客完成针对所选择的较早出发的航班的机票购买。

在另一方面，一种示例性方法包括：在选择的航空公司的中央预订系统处，从航空公司机票转移系统接收航班请求，该航班请求包括旅客的标识、选择的航空公司的较早出发的航班号以及旅客的较早预订的航班号；基于较早预订的航班号，在选择的航空公司的中央预订系统中标识较早预订的航空公司；向较早预订的航空公司的行李处理系统发送第一行李转运时间请求，该第一行李转运时间请求包括旅客的标识和旅客的较早预订的航班号；从较早预订的航空公司的行李处理系统接收第一部分转运时间的估计，该第一部分转运时间用于将旅客的行李从该行李在较早预订的航空公司的行李系统中的位置转运至选择的航空公司的行李存放点；向选择的航空公司的行李处理系统发送第二行李转运时间请求，该第二行李转运时间请求包括旅客的标识和较早出发的航班号；从选择的航空公司的行李处理系统接收第二部分转运时间，该第二部分转运时间用以将旅客的行李从选择的航空公司的行李存放点转运到较早出发的航班的行李舱；基于第一部分转运时间和第二部分转运时间与当前时间之和，获取完整转运时间；以及响应于完整转运时间早于较早出发的航班的登机时间，将成功消息递送给转运系统。

在又一方面，一种示例性方法包括：针对机票转移事务，从第一航空公司的行李处理系统获取第一部分转运时间的估计，该第一部分转运时间用于将旅客的行李从行李在第一航空公司的行李队列中的位置转运到第二航空公司的行李存放点；从第二航空公司的行李处理系统获取第二部分转运时间的估计，该第二部分转运时间用于将旅客的行李从第二航空公司的行李存放点转运到较早出发的航班的行李舱；通过将第一部分转运时间的估计和第二部分转运时间的估计与当前时间求和，对估计的完整转运时间进行估计；从转移事务数据库获取针对机票转移事务的实际的完整转运时间；以及基于将实际的完整转运时间与估计的完整转运时间进行比较，训练机器学习模块以估计针对另一机票转移事务的另一完整转运时间。

如本文所使用的，“促进”动作包括执行动作，使动作更容易，帮助执行动作或使动作被执行。因此，作为示例而非限制，在一个处理器上执行的指令可以通过在远程处理器上执行的指令、通过发送适当的数据或命令以引起或帮助动作被执行来促进动作被执行。为了避免疑问，在行动者通过执行动作以外的方式来促进该动作的情况下，该动作仍然是由某个实体或实体组合执行的。

本发明的一个或多个实施例或其元件可以以计算机程序产品的形式来实现，该计算机程序产品包括具有用于执行所指示的方法步骤的计算机可用程序代码的计算机可读存储介质。此外，本发明的一个或多个实施例或其元件可以以系统(或装置)的形式来实现，该系统包括体现计算机可执行指令的存储器，以及耦合到该存储器并由该指令操作以执行示例性方法步骤的至少一个处理器。此外，在另一方面，本发明的一个或多个实施例或其元件可以以用于执行本文所述的一个或多个方法步骤的部件的形式来实现；该部件可以包括(i)(多个)硬件模块，(ii)存储在有形计算机可读存储介质(或多种这样的介质)中并在硬件处理器上实现的(多个)软件模块，或(iii)(i)和(ii)的组合；(i)-(iii)中的任何一个实现本文所述的特定技术。

鉴于前述内容，本发明的技术可以提供实质的有益技术效果。例如，一个或多个实施例提供以下中的一项或多项：

智能收集数据并确定将系统中的行李的目的地信息从较早预订的航班更新为较早出发的航班的可行性；

参考先前存在的已托运行李对超售票购买进行预购验证；以及

响应于针对较早预订的航班的已托运行李自动推荐可行的较早出发的航班。

通过以下对结合附图阅读的说明性实施例的详细描述，本发明的这些和其他特征和优点将变得显而易见。

附图说明

图1描绘了根据本发明实施例的云计算环境；

图2描绘了根据本发明实施例的抽象模型层；

图3A-图3B描绘了根据示例性实施例的用于实现将机票动态地移动到较早出发的航班的方法的系统架构；

图4A-图4C描绘了根据另一示例性实施例的用于实现将机票动态地移动到较早出发的航班的另一方法的另一系统架构；以及

图5描绘了可以在实现本发明的一个或多个方面和/或元件中有用的计算机系统。

具体实施方式

首先应当理解，尽管本公开包括关于云计算的详细描述，但其中记载的技术方案的实现却不限于云计算环境，而是能够结合现在已知或以后开发的任何其它类型的计算环境而实现。

云计算是一种服务交付模式，用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源，例如可以是网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。

特征包括：

按需自助式服务：云的消费方在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。

广泛的网络接入：计算能力可以通过标准机制在网络上获取，这种标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、膝上型电脑、个人数字助理PDA)对云的使用。

资源池：提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务于多重消费方，其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下，消费方不能控制或甚至并不知晓所提供的资源的确切位置，但可以在较高抽象程度上指定位置(例如国家、州或数据中心)，因此具有位置无关性。

迅速弹性：能够迅速、有弹性地(有时是自动地)部署计算能力，以实现快速扩展，并且能迅速释放来快速缩小。在消费方看来，用于部署的可用计算能力往往显得是无限的，并能在任意时候都能获取任意数量的计算能力。

可测量的服务：云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力，自动地控制和优化资源效用。可以监测、控制和报告资源使用情况，为服务提供者和消费方双方提供透明度。

服务模型如下：

软件即服务(SaaS)：向消费方提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外，消费方既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。

平台即服务(PaaS)：向消费方提供的能力是在云基础架构上部署消费方创建或获取的应用，这些应用利用提供者支持的程序设计语言和工具创建。消费方既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构，但对其部署的应用具有控制权，对应用托管环境配置可能也具有控制权。

基础架构即服务(IaaS)：向消费方提供的能力是消费方能够在其中部署并运行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费方既不管理也不控制底层的云基础架构，但是对操作系统、存储和其部署的应用具有控制权，对选择的网络组件(例如主机防火墙)可能具有有限的控制权。

部署模型如下：

私有云：云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。

共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。

公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。

混合云：云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。

云计算环境是面向服务的，特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。

现在参考图1，描绘了说明性的云计算环境50。如图所示，云计算环境50包括一个或多个云计算节点10，云消费方利用该云计算节点10来使用的本地计算设备可以进行通信，本地计算设备诸如例如是个人数字助理(PDA)或蜂窝电话54A、台式计算机54B、膝上型计算机54C和/或汽车计算机系统54N。节点10可以彼此通信。节点10可以被物理地或虚拟地分组(未示出)在一个或多个网络或其组合中，一个或多个网络诸如上文所述的私有云、共同体云、公共云或混合云。这允许云计算环境50提供基础架构、平台和/或软件即服务，云消费方不需要为其维护本地计算设备上的资源。应当理解，图1中所示的计算设备54A-N的类型仅旨在是说明性的，并且计算节点10和云计算环境50可以通过任何类型的网络和/或网络可寻址连接(例如，使用web浏览器)与任何类型的计算机化设备通信。

现在参考图2，示出了由云计算环境50(图1)提供的一组功能抽象层。应当预先理解，图2中所示的组件、层和功能仅旨在是说明性的，并且本发明的实施例不限于此。如所描绘的，提供了以下层和对应的功能：

硬件和软件层60包括硬件和软件组件。硬件组件的示例包括：大型机61；基于RISC(精简指令集计算机)架构的服务器62；服务器63；刀片服务器64；存储设备65；以及网络和联网组件66。在一些实施例中，软件组件包括网络应用服务器软件67和数据库软件68。

虚拟层70提供抽象层，从该抽象层可以提供以下虚拟实体的示例：虚拟服务器71；虚拟存储装置72；虚拟网络73，包括虚拟私有网络；虚拟应用和操作系统74；以及虚拟客户端75。

在一个示例中，管理层80可以提供以下描述的功能。资源供应81提供对被利用来在云计算环境内执行任务的计算资源和其他资源的动态购置。当在云计算环境内利用资源时，计量和定价82提供成本跟踪，并为这些资源的消耗开具账单或发票。在一个示例中，这些资源可以包括应用软件许可。安全性为云消费方和任务提供身份验证，并为数据和其他资源提供保护。用户门户83为消费方和系统管理员提供对云计算环境的访问。服务级别管理84提供云计算资源分配和管理，使得所需的服务级别被满足。服务级别协定(SLA)计划和实现85提供对根据SLA预期未来需求的云计算资源的预先布置和购置。

工作负载层90提供了可以利用云计算环境的功能性的示例。可以从该层提供的工作负载和功能的示例包括：地图和导航91；软件开发和生命周期管理92；虚拟教室教育递送93；数据分析处理94；事务处理95；以及用于动态更新行李处理系统的系统96。

在许多常规场景中，旅客预订航班预订(“较早预订的航班”)，到达适当的机场，并向提供转机的航空公司托运一件或多件行李。在一些情况下，旅客可能会在已经针对较早预订的航班托运了行李之后意识到，有可能登上比较早预订的航班更早出发的不同航班(“较早出发的航班”)。在这些情况下，旅客可能想要购买较早出发的航班的超售票，并将其行李的目的地信息从较早预订的航班更新为较早出发的航班。然而，旅客不知道行李是否能够及时地可行地被转运至较早出发的航班。

应当理解，鉴于旅客已经针对较早预订的航班托运了行李，在购买较早出发的航班的超售票时的一个挑战是：行李可能未从与较早预订的航班相关联的行李处理系统转运至较早出发的航班，在这种情况下，旅客可能在始发机场或目的地机场与其行李分开。此外，在一些情况下，如果非随身携带的行李的所有者与行李分开(例如，旅客和行李在不同的航班上)，则非随身携带的行李可能被移动至安全区域进行存放和/或安置。在这种情况下，在没有其行李的情况下乘坐较早出发的航班的旅客可能需要跟踪其行李的位置，并且可能需要等待行李的稍后到达。在其他场景中，非随身携带的行李可能导致延误或改道的航班，因为在至少一些情况下，航空公司不被允许有意地在没有行李所有者的情况下跨国界运输行李。

本发明的各方面通过以下克服该挑战：在完成针对较早出发的航班的超售票的购买之前(例如，在较早出发的航班结束登机和/或装载之前)确定将旅客的已托运行李的目的地信息从较早预订的航班更新为较早出发的航班的可行性。在一个或多个实施例中，行李处理系统使用行李上的智能标签或条形码来确定行李的位置，然后又通知转运可行性模块的关于在行李处理系统的上下文中更新行李的目的地信息是否可行的确定，以将行李从一个航班成功转运至另一航班。在一个或多个实施例中，转运可行性模块包括机器学习软件，该机器学习软件考虑诸如旅客的行李在第一航班的行李队列或行李舱中的位置、当日时间、机场拥挤度、两个航班的行李舱的位置等等之类的因素来学习将行李从第一航班转运至第二航班所需的时间。根据一些实施例，后端服务器或云托管的系统托管转运系统和转运可行性协议。一个或多个实施例包括基于应用/基于浏览器的转运系统，旅客可以通过该转运系统输入其较早预订的航班号，并且可以从一个或多个航空公司接收针对较早出发的航班的供给。在一个或多个实施例中，转运系统基于为转运旅客的已托运行李特别确定的可行性来对供给进行资格预审。

相应地，图3A-图3B描绘了用于根据将机票动态地移动到较早出发的航班的方法200来实现系统96的系统架构100。系统架构100包括用户界面102、转运系统104、基于机器学习的转运可行性模块106、较早出发的航空公司的中央预订系统(CRS)107、行李处理系统(LHS)108和关联的机器学习模块(MLM)109、较早预订的航空公司的LHS 110和关联的MLM111、以及转移事务数据库112。根据某些实施例，架构100还包括转机可行性模块114，其与转运可行性模块106是分开的并且不同的。在一个或多个实施例中，转运系统104、转运可行性模块106和转机可行性模块114与任何航空公司的中央预订系统或行李处理系统分开实现。例如，这些模块中的任何模块或全部模块可以在云中或在机场后端服务器中实现。

方法200包括：在202处，转运系统104经由用户界面102接收以下指示：旅客已经针对较早预订的航班托运了其行李并且想要找到较早出发的航班的超售票。在一个或多个实施例中，指示包括旅客的较早预订的航班号和旅客的标识(例如，姓名和航班号)。然后，在204处，转运系统104用旅客托运了其行李的时间与较早预订的航班的登机时间之间的计划登机时间来标识较早出发的航班。例如，转运系统104基于诸如电子航班板之类的公开信息来标识较早出发的航班。在一个或多个实施例中，转运系统104可以利用在从指向机场航站楼中的视频航班时间显示器的相机中所获取的视频馈送上的光学字符识别(OCR)。

在206处，转运可行性模块106从较早预订的航空公司的LHS 110中获取旅客的行李在较早预订的航班的行李队列(即，从较早预订的航班的值机柜台到较早预订的航班的机上行李舱的路径)中的位置。在208处，转运可行性模块106从较早预订的航空公司的LHS110中获取针对每个较早出发的航班的唯一的第一部分转运时间dt1的估计，通过第一部分转运时间dt1，旅客的行李可以从较早预订的航班的行李队列移动到较早出发的航空公司的值机柜台。然后在210处，转运可行性模块106从较早出发的航空公司的LHS 108中获取针对每个较早出发的航班的唯一的第二部分转运时间dt2的估计，通过第二部分转运时间dt2，旅客的行李可以从较早出发的航空公司的值机柜台移动到较早出发的航班的行李舱。在一个或多个实施例中，可以从各个LHS 108、110中的机器学习模块109、111获取部分转运时间dt2、dt1的估计。在一个或多个实施例中，机器学习模块109、111可以被训练，如在下面进一步讨论的。在212处，转运可行性模块106将第一部分转运时间dt1和第二部分转运时间dt2相加并且将结果与当前时间t相加，以针对每个较早出发的航班估计完整转运时间t2。在一个或多个实施例中，随着较早预订的航空公司的LHS 110报告旅客的行李在较早预订的航班的行李队列中的移动，部分转运时间dt1、dt2和完整转运时间t2的估计被实时地更新。在这段时间期间，旅客可以决定请求较早出发的航班。

在214处，转运可行性模块106将每个较早出发的航班的完整转运时间t2与每个航班的登机口关闭时间t1进行比较。在216处，转运可行性模块106排除其完整转运时间t2在(多个)那些航班完成登机的(多个)登机口关闭时间t1之后的任何较早出发的航班。

在218处，转运系统104通过激活用户界面102向旅客显示其估计的完整转运时间t2在(多个)航班按计划完成登机的登机口关闭时间tl之前的较早出发的航班的剩余的可用超售票。在220处，转运系统104经由用户界面102从旅客接收对可用超售票之一的请求。在222处，转运系统104为旅客购买所请求的票，并且在223处，转运系统104经由用户界面102将登机牌递送给旅客。在224处，转运系统104与转运可行性模块106通信，其引导较早预订的航空公司的LHS 110将旅客的已托运行李从较早预订的航班的行李队列转运至较早出发的航班的登机口或较早出发的航空公司的柜台。在一个或多个实施例中，LHS 110通过以下进行响应：用将旅客的已托运行李转运至LHS 108的消息来拒绝旅客的已托运行李。

在226处，LHS 110将旅客的已托运行李转运至较早出发的航班登机口或较早出发的航空公司的行李存放点。注意，除了行李目的地的计算机指示之外，LHS 110可以是全部或部分自动化的，或者可以是完全手动的。在228处，较早出发的航空公司的LHS 108针对较早出发的航班托运旅客的行李。这可以是登机口托运或柜台托运。

在一个或多个实施例中，LHS 108、110通过使用附接在行李上的“智能标签”来定位行李。“智能标签”是RFID设备，其通过唯一的代码来标识每一件行李及其所有者。在其他实施例中，LHS 108、110通过维护检查点的记录来定位行李，其中具有行李条形码的纸质标签已经被条形码读取器扫描。例如，在使行李通过安全扫描仪之前、在从安全扫描仪接收行李并将其装载到输送机或牵引车上之后(在这种情况下，人员还将扫描牵引车或输送机的条形码以记录行李在何处)、在第一站从牵引车或输送机上卸载行李时(在这种情况下，人员也将扫描第一站的条形码)等等，行李处理人员可以用手持式条形码读取器扫描纸质标签。根据本发明的一个或多个实施例，较早预订的航空公司的LHS 110能够读取智能标签，以在包含值机柜台(或其他行李存放点)与行李舱之间的一个或多个点处定位行李队列内的行李。实际上，在一个或多个实施例中，LHS 110能够通过扫描附接到行李的(多个)智能标签来定位飞机的行李舱内的行李。

在一个或多个实施例中，LHS 110利用智能标签行李位置来估计每件行李和每个较早出发的航班的部分转运时间dt1。例如，如果一件行李处于较早预订的航班的从航站楼A的值机柜台到安全检查点的运送中的行李队列中，而第一较早出发的航班在航站楼C的登机口处，那么与在航站楼A的登机口处的第二较早出发的航班的较少部分转运时间相比，LHS 110将针对第一较早出发的航班估计较多的部分转运时间。

如上所提及，可以从与各个LHS 108、110相关联的各个机器学习模块109、111中获取部分转运时间dt2、dt1的估计。在一个或多个实施例中，每个机器学习模块(MLM)对转移事务数据库112中的“大数据”进行训练。例如，每次完成行李转运时，与LHS 110相关联的MLM 111从转移事务数据库112获取用于将行李从其在LHS 110行李队列中的位置转运至LHS 108的行李存放点的实际时间。MLM 111将实际时间与先前估计的部分转运时间dt1进行比较，并更新其神经网络的权重以使部分转运时间的估计更接近实际时间，同时保持其他估计的部分转运时间也接近对应的实际时间。此外，在一个或多个实施例中，与LHS 108相关联的MLM 109从转移事务数据库112获取用于将行李从LHS 108的柜台或其他行李存放点转运至较早出发的航班的行李舱的实际时间。MLM 109将实际时间与先前估计的部分转运时间dt2进行比较，并更新其神经网络的权重以使部分转运时间的估计更接近实际时间，同时保持其他估计的部分转运时间也接近对应的实际时间。因此，在充分重复行李转运之后，MLM 109、MLM 111中的每一个将收敛至部分行李转运时间的模型，该模型以令人满意的置信度级别预测任何给定行李转运的部分转运时间。此外，基于机器学习的转运可行性模块106可以从转移事务数据库112获取与估计的完整转运时间t2相比的实际完整转运时间的历史，并且由此可以训练自身以提供对t2的准确估计而不依赖于附属的MLM 109、MLM111。

在预订较早出发的航班时可能出现的另一问题是，旅客是否能够在较早出发的航班开始/完成登机之前到达较早出发的航班的登机口。这是与旅客的行李是否能够进入较早出发的航班的行李舱分开的考虑因素。但是，类似的原则也适用。

因此，在一个或多个实施例中，在240处，与转运可行性模块106不同的转机可行性模块114可以估计从旅客的当前位置到达较早出发的航班的登机口的旅客的转机时间t3。例如，如果较早出发的航班在航站楼A的登机口处，而旅客在航站楼A的安全检查点之外，则转机可行性模块114可以估计较早出发的航班的较早转机时间t3，与旅客在航站楼B的安全检查点内的情况时相同的较早出发的航班的较晚转机时间t3相比。类似于(多个)完整转运时间t2，可以基于旅客的位置来实时更新(多个)转机时间t3，可以使用例如旅客用来访问用户界面102的移动设备上的无线信号跟踪或全球定位跟踪来检测旅客的位置。

在考虑(多个)旅客转机时间t3的实施例中，在242处，转机可行性模块114排除其(多个)转机时间t3在该(多个)航班计划关闭登机门的(多个)时间t1之后的任何(多个)较早出发的航班。取决于旅客和旅客行李的位置以及取决于(多个)各个较早出发的航班的位置，对于给定的较早出发的航班，转运时间t2或转机时间t3可能会更严格(更晚)。

在各种实施例中，在244处，转运系统104针对每次成功的机票转移在转移事务数据库中至少记录以下数据：(a)旅客选择较早出发的航班的机票的时间t；(b)针对较早出发的航班的估计的完整转运时间t2；以及(c)旅客的行李被寄存在较早出发的航班的行李舱中的实际完整转运时间t4。然后在250处，转运可行性模块106可以学习从第一航班的行李队列中的特定位置到第二航班的行李舱的总实际转运时间dt3。同样，在260处，转机可行性模块114可以学习从旅客的特定开始位置到给定航班的登机口的总实际转机时间dt4。在未来，所学习的时间dt3和dt4可以被用来改善t2和t3的估计。

图4A至图4C描绘了用于实现将机票动态地移动到较早出发的航班的另一方法400的另一系统架构300。系统架构300包括用户界面302、转运系统304、基于机器学习的转运可行性模块306、较早出发的航空公司的中央预订系统307、行李处理系统(LHS)308和关联的机器学习模块(MLM)309、较早预订的航空公司的LHS 310和关联的MLM 311、以及转移事务数据库312。

该方法包括：在402处，转运系统304经由用户界面302接收旅客的标识和旅客的较早预订的航班的标识(例如，姓名和航班号)。在404处，转运系统304将旅客的姓名和航班号广播到多个航空公司的中央预订系统307。在406处，转运系统304从每个航空公司接收较早出发的航班的列表，该列表具有在当前时间之后且旅客的较早预订的航班的登机时间之前的登机时间。在408处，转运系统304经由用户界面302显示较早出发的航班的累积列表。在410处，转运系统304从用户界面302接收对较早出发的航班的选择。在412处，转运系统304将具有旅客的标识(例如，姓名)、较早预订的航班号和所选择的(较早出发的)航班号的航班请求发送到所选择的(较早出发的)航空公司的中央预订系统(CRS)307。

在414处，所选择的航空公司的CRS 307接收航班请求，并从较早预订的航班号中标识较早预订的航空公司。在416处，所选择的航空公司的CRS 307向较早预订的航空公司的LHS 310发送行李请求；行李请求包括旅客的标识、航班号和所选择的航班号。

在418处，较早预订的航空公司的LHS 310通过扫描与旅客的标识和航班号相匹配的一个或多个智能标签来定位旅客的行李，或者在其他实施例中通过搜索条形码扫描位置和时间戳的数据库来定位旅客的行李。在一个或多个实施例中，LHS 310通过与具有该旅客标识的所有智能标签(在多个行李包的情况下)通信来定位旅客的行李，并确定智能标签在航班行李舱中或在行李存放点和行李舱之间的行李队列中的确切位置。在其他实施例中，LHS 310通过在其数据库中查询行李条形码扫描位置和时间戳来定位旅客的行李。在419处，MLM 311估计将旅客的所有行李从其在行李舱或LHS 310中的其他地方中的(多个)位置移动到较早出发的航班的柜台或其他行李存放点的部分转运时间dt1。然后，在420处，所选择的(较早出发的)航空公司的CRS 307从较早预订的航空公司的LHS 310接收dt1的估计。在“智能标签”实施例中，当行李已经被装载到较早预订的航班上时，响应还包括较早预订的航班的行李舱中行李位置的图片或示意图(行李位置之后可以被用于机器学习模块)。对MLM的输入包括从较早预订的航空公司的行李提取点到较早出发的航空公司的行李存放点之间的地面距离——顺便说一句，其可能只是机场内的两个点或机场地面上的两个点，或者从机场的某个点到机场地面上的另一点，这取决于行李当前在哪里以及如果行李要到达另一航班则其现在需要去往哪里。其他输入包括：这两个点之间的行李的历史搬运时间，如果两个点都在地面上则使用GPS(全球定位系统)的当前预期，路径上的交通和障碍物，在这两个点之间历史可见的可能搬运方式等等——并且这些将由回归学习器学习以估计转运行李所花费的时间。

在422处，所选择的(较早出发的)航空公司的CRS 307从MLM 309请求用于将旅客的行李从所选择的航空公司的行李存放点移动到较早出发的航班的行李舱的部分转运时间dt2的估计。在423处，所选择的航空公司的CRS 307接收dt2的估计。

如上所提及，可以从与各个LHS 308、310相关联的各个机器学习模块309、311获取部分转运时间dt2、dt1的估计。每个机器学习模块(MLM)可以在来自转移事务数据库312中的“大数据”上被训练。例如，每次完成行李转运时，与LHS 310相关联的MLM 311可以从转移事务数据库312获取用于将行李从其在LHS 310行李队列中的位置转运至LHS 308的柜台或其他行李存放点的实际时间。然后，MLM 311可以将实际时间与先前估计的部分转运时间dt1进行比较，并可以相应地更新其神经网络的权重以使部分转运时间的估计更接近实际时间，同时保持其他估计的部分转运时间也接近对应的实际时间。类似地，与LHS 308相关联的MLM 309可以从转移事务数据库312获取用于将行李从LHS 308的柜台或其他行李存放点转运至较早出发的航班的行李舱的实际时间。然后，MLM 309可以将实际时间与先前估计的部分转运时间dt2进行比较，并可以相应地更新其神经网络的权重以使部分转运时间的估计更接近实际时间，同时保持其他估计的部分转运时间也接近对应的实际时间。因此，在充分重复行李转运之后，MLM 309、MLM 311中的每一个将收敛至部分行李转运时间的模型，该模型以令人满意的置信度级别预测任何给定行李转运的部分转运时间。

在424处，较早出发的航空公司将部分转运时间dt1和dt2发送至转运可行性模块306。在425处，转运可行性模块306通过将dt1和dt2与当前时间戳t相加来估计完整转运时间t2，其用以将行李从较早预订的航班行李舱转运至较早出发的航班行李舱。在426处，转运可行性模块306将t2与较早出发的航班的已知登机时间t1进行比较。如果t2早于t1，那么在428处，转运可行性模块306将成功响应发送给转运系统304。在一个或多个实施例中，t2应比t1早至少“安全裕度”时间；安全裕度可以是例如五分钟、十分钟或二十分钟。

在430处，如果转运系统304已从转运可行性模块306接收到成功响应，那么转运系统304为旅客购买该较早出发的航班的超售票。然后在432处，转运系统304向转运可行性模块306发送消息，其引导LHS 310和LHS 308协调从较早预订的航班到较早出发的航班的行李转运。在一个或多个实施例中，在434处，较早预订的航空公司的LHS 310自动更新被标记在旅客的行李上的目的地代码(例如，将新条形码应用于行李或空中重新编程行李的RFID标签)，以指示用于装载的正确的较早出发的航班。在一个或多个实施例中，标志或贴纸被自动应用到行李以指示其应从队列中被移除并放置在不同队列中。一个或多个实施例还包括提供并在435处激活自动行李处理系统310内的转向器，或在部分手动的LHS内的检查点处的警报，从而能够在较早预订的航空公司的行李存放和较早预订的航班的行李舱之间的点处转向和转运行李。一个或多个实施例还包括在436处调用机器人传送装置，以将行李从较早预订的航空公司的LHS 310转运至较早出发的航空公司的LHS308。在438处，转运系统304经由用户界面302向旅客递送较早出发的航班的登机牌。

在440-441处，LHS 308、310利用实际转运时间来更新转移事务数据库312。在442处，基于机器学习的转运可行性模块从数据库312获取实际转运时间，并且在443处，鉴于另一航空公司航班舱中的行李位置、当日时间、每月某日、周末/周中、机场拥挤度、两个航空公司舱的位置等，基于机器学习的转运可行性模块306学习将行李从一个航空公司航班转运至另一航空公司航班的总时间dt3。在一个或多个实施例中，一旦转运可行性模块306已经充分学习了各种转运时间，那么代替依赖MLM 309、311来估计转运时间，方法400改为转向转运可行性模块306。值得注意的是，转运可行性模块306不同于LHS 308、310，也不同于其相应的MLM 309、311。因此，转运可行性模块306可以在不依赖MLM 309、311的情况下从由LHS 308、310产生的行李位置数据中产生令人满意的完整转运时间t2的准确估计。在一个或多个实施例中，这在相同航班号在不同时间可能位于不同的登机口的情况下可能是有帮助的。另外，使用单个转运可行性模块可以减轻在两个不同航空公司的MLM之间进行协调时所涉及的时间和数据成本。

在一些实施例中，该系统可以是基于其初始阶段的策略，其中一旦基于机器学习的转运可行性模块变得稳定并且达到足够的准确度，则可以省略两个航空公司之间的时间受限的握手程序，使得系统依赖转运可行性模块来决定行李转运时间。

另外，可以用估计的行李转运时间和实际的行李转运时间中的误差周期性地(例如，每天)更新基于机器学习的转运可行性模块。

因此，本发明的一个方面是一种用于在客户针对其航班提前到达机场的场景中将机票动态地移动到较早航班的系统，其中登机航班的航空公司拍卖其空置座位。另一方面是在较早出发的航空公司和较早预订的航空公司之间运行的时间受限的行李转运可行性程序，其在较早出发的航班开始实际登机之前检查客户行李从较早预订的航空公司转运至较早出发的航空公司的可行性。另一方面是基于机器学习的转运可行性模块，其可以鉴于客户行李智能标签数据(其精确地告知了行李在飞机舱中或在行李队列中的位置)、当日时间、机场拥挤度、两个行李舱的位置等等，从历史数据中学习将行李从一个航空公司航班的行李舱转运至另一航空公司航班的行李舱的时间。

鉴于目前为止的讨论并参考附图，将理解，一般而言，根据本发明的一方面的示例性方法包括：在402处，从旅客处获取较早预订的航班的以及旅客的标识；在408处，向旅客提供较早出发的航班的列表；在410处，从旅客接收对较早出发的航班的选择；在412处，标识与较早预订的航班相对应的较早预订的航空公司，并将行李请求发送给较早预订的航空公司；在428处，相对于针对旅客的行李从较早预订的航班到所选择的较早出发的航班的转运的估计时间，从转运可行性模块接收对行李请求的成功响应；以及在430处，完成为旅客购买所选择的较早出发的航班的机票。

在一个或多个实施例中，获取较早预订的航班的以及旅客的标识的步骤通过在与任何航空公司的机票处理系统不同的云配置中实现的航空公司机票转移系统来完成。

在一个或多个实施例中，转运可行性模块基于对旅客的行李的转运的估计时间的机器学习评估来生成成功响应。例如，机器学习评估考虑第一部分转运时间，该第一部分转运时间是响应于行李请求从较早预订的航空公司的行李处理系统获取的。第一部分转运时间由考虑旅客的行李在行李处理系统中的位置的机器学习模块来生成。作为另一示例，机器学习评估考虑第二部分转运时间，该第二部分转运时间是从与较早出发的航班相关联的较早出发的航空公司的行李处理系统获取的。第二部分转运时间由考虑相对于较早出发的航空公司的行李存放点的较早出发的航班的位置的机器学习模块来生成。

根据另一方面，一种示例性方法包括：在414处，在选择的航空公司的中央预订系统处，从航空公司机票转移系统接收航班请求，该航班请求包括旅客的标识、选择的航空公司的较早出发的航班号以及旅客的较早预订的航班号；在416处，基于较早预订的航班号，在选择的航空公司的中央预订系统中标识较早预订的航空公司，并向较早预订的航空公司的行李处理系统发送第一行李转运时间请求，该第一行李转运时间请求包括旅客的标识和旅客的较早预订的航班号；在420处，从较早预订的航空公司的行李处理系统接收第一部分转运时间的估计，该第一部分转运时间用于将旅客的行李从该行李在较早预订的航空公司的行李系统中的位置转运到所选择的航空公司的行李存放点；在422处，向选择的航空公司的行李处理系统发送第二行李转运时间请求，该第二行李转运时间请求包括旅客的标识和较早出发的航班号；在423处，从选择的航空公司的行李处理系统接收第二部分转运时间，该第二部分转运时间用以将旅客的行李从选择的航空公司的行李存放点转运到较早出发的航班的行李舱；在425处，基于第一部分转运时间和第二部分转运时间与当前时间之和，获取完整转运时间；在428处，响应于完整转运时间早于较早出发的航班的登机时间，将成功消息递送给转运系统。在一个或多个实施例中，转运可行性模块306发送第一行李转运时间请求和第二行李转运时间请求，接收并求和第一部分转运时间和第二部分转运时间，并且基于第一部分转运时间和第二部分转运时间与当前时间之和，使用机器学习来获取完整转运时间。在一个或多个实施例中，转运可行性模块考虑旅客的行李在较早预订的航空公司的行李处理系统内的位置并且考虑选择的航空公司的行李存放点的位置。在一个或多个实施例中，转运可行性模块考虑选择的航空公司的行李存放点的位置并且考虑较早出发的航班的位置。

在一个或多个实施例中，第一部分转运时间由与较早预订的航空公司的行李处理系统相关联的第一机器学习模块来生成，其中第一机器学习模块考虑旅客的行李在较早预订的航空公司的行李处理系统中的位置并且考虑选择的航空公司的行李存放点的位置。在一个或多个实施例中，第二部分转运时间由与选择的航空公司的行李处理系统相关联的第二机器学习模块来生成，其中第二机器学习模块考虑选择的航空公司的行李存放点的位置并且考虑较早出发的航班的位置。

根据另一方面，一种示例性方法包括：在420处，针对机票转移事务，从第一航空公司的行李处理系统获取第一部分转运时间的估计，该第一部分转运时间用于将旅客的行李从行李在第一航空公司的行李队列中的位置转运到第二航空公司的行李存放点；在423处，从第二航空公司的行李处理系统获取第二部分转运时间的估计，该第二部分转运时间用于将旅客的行李从第二航空公司的行李存放点转运到较早出发的航班的行李舱；在425处，通过将第一部分转运时间的估计和第二部分转运时间的估计与当前时间求和，对估计的完整转运时间进行估计；在442处，从转移事务数据库获取针对机票转移事务的实际的完整转运时间；以及在443处，基于将实际的完整转运时间与估计的完整转运时间进行比较，训练机器学习模块以估计针对另一机票转移事务的另一完整转运时间。

在一个或多个实施例中，机器学习模块被训练以考虑与另一机票转移事务相关联的旅客的行李的位置并且考虑与该另一机票转移事务相关联的选择的航空公司的行李存放点的位置。在一个或多个实施例中，机器学习模块被训练以考虑该另一机票转移事务被请求的当日时间。在一个或多个实施例中，机器学习模块被训练以考虑该另一机票转移事务被请求的日期。在一个或多个实施例中，机器学习模块在与任何航空公司的票务系统不同的云中被实现。在一个或多个实施例中，获取和估计的步骤在与机器学习模块不同的转运可行性模块中被实现。在一个或多个实施例中，机器学习模块与航空公司的行李处理系统相关联。

本发明的一个或多个实施例或其元件可以以包括存储器和耦合到该存储器并且可操作以执行示例性方法步骤的至少一个处理器的装置的形式来实现，或者以体现计算机可执行指令的非瞬态计算机可读介质的形式来实现，当计算机执行该计算机可执行指令时，该计算机可执行指令使计算机执行示例性方法步骤。图5描绘了可以用于实现本发明的一个或多个方面和/或元件的计算机系统，其也表示根据本发明的实施例的云计算节点。现在参考图5，云计算节点10仅是合适的云计算节点的一个示例，并且无意暗示对本文所述的本发明实施例的使用范围或功能性的任何限制。无论如何，云计算节点10能够被实现和/或执行上文阐述的任何功能性。

在云计算节点10中，存在可与许多其他通用或专用计算系统环境或配置一起操作的计算机系统/服务器12。可以适于与计算机系统/服务器12一起使用的众所周知的计算系统、环境和/或配置的示例包括但不限于个人计算机系统、服务器计算机系统、瘦客户端、胖客户端、手持式或膝上型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费电子产品、网络PC、小型计算机系统、大型计算机系统以及包括上述任何系统或设备的分布式云计算环境等。

计算机系统/服务器12可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括执行特定的任务或者实现特定的抽象数据类型的例程、程序、目标程序、组件、逻辑、数据结构等。计算机系统/服务器12可以在通过通信网络链接的远程处理设备执行任务的分布式云计算环境中实施。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

如图5中所示，以通用计算设备的形式示出了云计算节点10中的计算机系统/服务器12。计算机系统/服务器12的组件可以包括但不限于一个或多个处理器或处理单元16、系统存储器28以及将包括系统存储器28的各种系统组件耦合到处理器16的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是能够被计算机系统/服务器12访问的任意可获取的介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图1未显示，通常称为“硬盘驱动器”)。尽管图1中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM、DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白，尽管图中未示出，其它硬件和/或软件模块可以与计算机系统/服务器12一起操作，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

因此，一个或多个实施例可以利用在通用计算机或工作站上运行的软件。参考图5，这样的实现可以采用例如处理器16、存储器28以及到显示器24和诸如键盘、指向设备等等的(多个)外部设备14的输入/输出接口22。如本文所使用的，术语“处理器”旨在包括任何处理设备，诸如例如包括CPU(中央处理单元)和/或其他形式的处理电路的处理设备。此外，术语“处理器”可以指代多于一个的个体处理器。术语“存储器”旨在包括与处理器或CPU相关联的存储器，诸如例如RAM(随机存取存储器)30、ROM(只读存储器)、固定存储器设备(例如，硬盘驱动器34)、可移除存储设备(例如软盘)、闪存等。另外，本文中所使用的短语“输入/输出接口”旨在考虑例如用于向处理单元输入数据的一个或多个机构(例如，鼠标)的接口，以及用于提供与处理单元相关联的结果的一个或多个机构(例如打印机)的接口。处理器16、存储器28和输入/输出接口22可以作为数据处理单元12的一部分例如经由总线18互连。合适的互连，例如经由总线18，也可以被提供给诸如网卡之类的可以被提供以与计算机网络进行对接的网络接口20，以及诸如软盘或CD-ROM驱动器之类的可以被提供以与适当介质进行对接的介质接口。

因此，如本文所述，包括用于执行本发明的方法的指令或代码的计算机软件可以被存储在一个或多个相关联的存储器设备(例如，ROM、固定或可移动存储器)中，并且当准备好被利用时，被部分地或全部加载(例如，加载到RAM中)并由CPU实现。这样的软件可以包括但不限于固件、常驻软件、微代码等。

适用于存储和/或执行程序代码的数据处理系统将包括至少一个处理器16，其通过系统总线18直接或间接耦合到存储器元件28。存储器元件可以包括在程序代码的实际实现期间采用的本地存储器、大容量存储装置和高速缓存存储器32，其提供至少一些程序代码的临时存储以减少在实现期间必须从大容量存储器中取回代码的次数。

输入/输出或I/O设备(包括但不限于键盘、显示器、指向设备等)可以直接或通过中间I/O控制器耦合到系统。

网络适配器20也可以耦合到系统，以使得数据处理系统能够通过中间的专用或公共网络耦合到其他数据处理系统或远程打印机或存储设备。调制解调器、电缆调制解调器和以太网卡仅是当前可用的几种类型的网络适配器。

如本文中所使用的，包括权利要求，“服务器”包括运行服务器程序的物理数据处理系统(例如，图5中所示的系统12)。将理解，这样的物理服务器可以包括或可以不包括显示器和键盘。

一个或多个实施例可以被至少部分地实现在云或虚拟机环境的上下文中，但是这是示例性且非限制性的。

应当注意，本文所描述的任何方法可以包括提供如下系统的附加步骤，该系统包括在计算机可读存储介质上体现的不同软件模块；这些模块可以包括例如在框图中描绘的和/或本文所描述的任何或所有适当的元件；作为示例而非限制，描述了模块/块和/或子模块/子块中的任何一个、一些或全部。然后可以使用在一个或多个硬件处理器(例如16)上执行的如上所述的系统的不同软件模块和/或子模块来执行方法步骤。此外，计算机程序产品可以包括具有代码的计算机可读存储介质，该代码适于被实现来执行本文所述的一个或多个方法步骤，包括为系统提供不同的软件模块。

在一些情况下可以采用的用户界面的一个示例是由服务器等向用户的计算设备的浏览器所服务的超文本标记语言(HTML)代码。HTML由用户的计算设备上的浏览器进行解析，以创建图形用户界面(GUI)。

示例性系统和制品细节

在任何可能的技术细节结合层面，本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (23)

1.一种方法，包括：

获取较早预订的航班和旅客的标识；

提供较早出发的航班的列表；

接收对来自所述较早出发的航班的所述列表之中的较早出发的航班的选择；

标识与所述较早预订的航班相对应的较早预订的航空公司，并且向所述较早预订的航空公司发送行李请求；

相对于针对所述旅客的行李从所述较早预订的航班到所选择的所述较早出发的航班的转运的估计时间，从转运可行性模块接收对所述行李请求的成功响应；以及

完成针对所选择的所述较早出发的航班的机票购买。

2.根据权利要求1所述的方法，其中获取较早预订的航班和所述旅客的标识的步骤通过以与任何航空公司的机票处理系统不同的云配置所实现的航空公司机票转移系统而被完成。

3.根据权利要求1所述的方法，其中所述转运可行性模块基于对所述旅客的行李的转运的所述估计时间的机器学习评估来生成所述成功响应。

4.根据权利要求3所述的方法，其中所述机器学习评估考虑第一部分转运时间，所述第一部分转运时间是响应于所述行李请求而从所述较早预订的航空公司的行李处理系统获取的，其中所述第一部分转运时间由考虑所述旅客的行李在所述行李处理系统中的位置的机器学习模块来生成。

5.根据权利要求3所述的方法，其中所述机器学习评估考虑第二部分转运时间，所述第二部分转运时间是从与所述较早出发的航班相关联的较早出发的航空公司的行李处理系统获取的，其中所述第二部分转运时间通过考虑所述较早出发的航班相对于所述较早出发的航空公司的行李存放点的位置的机器学习模块而被生成。

6.根据权利要求1所述的方法，还包括：通过激活所述较早预订的航空公司的行李处理系统内的转向器，促进从所述行李处理系统中移除所述旅客的行李。

7.根据权利要求1所述的方法，还包括：促进用更新的目的地代码标记所述旅客的行李。

8.一种方法，包括：

在选择的航空公司的中央预订系统处，从航空公司机票转移系统接收航班请求，所述航班请求包括旅客的标识、所述选择的航空公司的较早出发的航班号以及所述旅客的较早预订的航班号；

基于所述较早预订的航班号，在所述选择的航空公司的所述中央预订系统中标识较早预订的航空公司；

向所述较早预订的航空公司的行李处理系统发送第一行李转运时间请求，所述第一行李转运时间请求包括所述旅客的标识和所述旅客的较早预订的航班号；

从所述较早预订的航空公司的所述行李处理系统接收第一部分转运时间的估计，所述第一部分转运时间用于将所述旅客的行李从所述行李在所述较早预订的航空公司的行李系统中的位置转运到所述选择的航空公司的行李存放点；

向所述选择的航空公司的行李处理系统发送第二行李转运时间请求，所述第二行李转运时间请求包括所述旅客的标识和所述较早出发的航班号；

从所述选择的航空公司的所述行李处理系统接收第二部分转运时间，所述第二部分转运时间用以将所述旅客的行李从所述选择的航空公司的所述行李存放点转运到较早出发的航班的行李舱；

基于所述第一部分转运时间和所述第二部分转运时间与当前时间之和，获取完整转运时间；以及

响应于所述完整转运时间早于所述较早出发的航班的登机时间，将成功消息递送给所述转运系统，并且发起所述旅客的行李从所述较早预订的航空公司的行李处理系统到所述选择的航空公司的行李处理系统的转运。

9.根据权利要求8所述的方法，其中转运可行性模块发送所述第一行李转运时间请求和所述第二行李转运时间请求，接收并求和所述第一部分转运时间和第二部分转运时间，并且基于所述第一部分转运时间和所述第二部分转运时间与所述当前时间之和，使用机器学习来获取所述完整转运时间。

10.根据权利要求9所述的方法，其中所述转运可行性模块考虑所述旅客的行李在所述较早预订的航空公司的所述行李处理系统内的位置并且考虑所述选择的航空公司的行李存放点的位置。

11.根据权利要求9所述的方法，其中所述转运可行性模块考虑所述选择的航空公司的行李存放点的位置并且考虑所述较早出发的航班的位置。

12.根据权利要求8所述的方法，其中所述第一部分转运时间由与所述较早预订的航空公司的所述行李处理系统相关联的第一机器学习模块来生成，其中所述第一机器学习模块考虑所述旅客的行李在所述较早预订的航空公司的所述行李处理系统中的位置并且考虑所述选择的航空公司的行李存放点的位置。

13.根据权利要求8所述的方法，其中所述第二部分转运时间由与所述选择的航空公司的所述行李处理系统相关联的第二机器学习模块来生成，其中所述第二机器学习模块考虑所述选择的航空公司的行李存放点的位置并且考虑所述较早出发的航班的位置。

14.一种方法，包括：

针对机票转移事务，从第一航空公司的行李处理系统获取第一部分转运时间的估计，所述第一部分转运时间用于将旅客的行李从所述行李在所述第一航空公司的行李队列中的位置转运到第二航空公司的行李存放点；

从所述第二航空公司的行李处理系统获取第二部分转运时间的估计，所述第二部分转运时间用于将所述旅客的行李从所述第二航空公司的行李存放点转运到较早出发的航班的行李舱；

通过将所述第一部分转运时间的估计和所述第二部分转运时间的估计与当前时间求和，对估计的完整转运时间进行估计；

从转移事务数据库获取针对所述机票转移事务的实际的完整转运时间；以及

基于将所述实际的完整转运时间与所述估计的完整转运时间进行比较，训练机器学习模块以估计针对另一机票转移事务的另一完整转运时间。

15.根据权利要求14所述的方法，其中所述机器学习模块被训练以考虑与所述另一机票转移事务相关联的旅客的行李的位置，并且考虑与所述另一机票转移事务相关联的选择的航空公司的行李存放点的位置。

16.根据权利要求14所述的方法，其中所述机器学习模块被训练以考虑所述另一机票转移事务被请求的当日时间。

17.根据权利要求14所述的方法，其中所述机器学习模块被训练以考虑所述另一机票转移事务被请求的日期。

18.根据权利要求14所述的方法，其中所述机器学习模块在与任何航空公司的票务系统不同的云中被实现。

19.根据权利要求14所述的方法，其中获取和估计的步骤在与所述机器学习模块不同的转运可行性模块中被实现。

20.根据权利要求14所述的方法，其中所述机器学习模块与航空公司的行李处理系统相关联。

21.一种计算机系统，包括：

一个或多个处理器；

耦合到所述一个或多个处理器的计算机可读存储介质，所述计算机可读存储介质包括指令，当所述指令由所述一个或多个处理器执行时实施根据权利要求1-20中任意一项所述的方法。

22.一种计算机程序产品，包括计算机可读存储介质，所述计算机可读存储介质具有程序指令，所述程序指令可由处理器执行以使所述处理器实施根据权利要求1-20中任意一项所述的方法。

23.一种系统，所述系统包括分别用于执行根据权利要求1-20中任意一项所述的方法的各个步骤的模块。

Images