CN112529612A - 一种基于大数据的体育场馆动态定价方法和系统 - Google Patents
一种基于大数据的体育场馆动态定价方法和系统 Download PDFInfo
- Publication number
- CN112529612A CN112529612A CN202011347661.3A CN202011347661A CN112529612A CN 112529612 A CN112529612 A CN 112529612A CN 202011347661 A CN202011347661 A CN 202011347661A CN 112529612 A CN112529612 A CN 112529612A
- Authority
- CN
- China
- Prior art keywords
- stadium
- big data
- big
- dynamic pricing
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000007477 logistic regression Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims 1
- 230000018109 developmental process Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (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体育场馆动态定价方法和系统,包括以下步骤:S1、以某时间段的某场地收益最大化为目标,以需求和供给为约束条件,构建期望模型;S2、依据场馆的历史数据,获得用户预定该时段场地的概率模型;S3、根据历史订单记录统计推测用户对某场地在该时段的大致需求d;S4、输入需求d和未预定的场地数量s到算法模型,输出该场地某时段此刻的最佳价格P。该基于大数据的体育场馆动态定价方法和系统基于体育场馆历史数据进行建模分析,在此基础上建立体育场馆动态定价模型,对于体育场馆调节消费人群,实现稳定运行,并且可以促使价格敏感型的体育消费人群改变锻炼时间,从而降低体育锻炼成本。
Description
技术领域
本发明涉及体育场馆动态定价系统技术领域,具体为一种基于大数据的体育场馆动态定价方法和系统。
背景技术
体育馆,是指室内进行体育比赛,体育锻炼亦或是举办演唱会的建筑,动态定价是指根据市场对产品的需求以及顾客的购买力来对产品进行定价。
目前国内大多数场馆在实际定价的中采用传统成本定价、目标效益定价和需求导向试错法,边际成本定价法,相对来讲比较理想化和单一化;目标利润定价法,或投资收益率定价法,会导致场馆价格居高不下,将一大部分有健身意愿,但消费实力不足的消费者阻挡在门外,与全民健身的宗旨相违背,使得大量体育资源得不到合理的利用;需求导向试错法,在一定程度上可以分流消费人群,减轻场馆运营压力,但是也未能实时有效地根据现场情况动态地制定出价格,也是单一定价方法的一种,不能很好的满足人们的使用需求,针对上述情况,我们提供一种基于大数据的体育场馆动态定价方法和系统。
发明内容
本发明的目的在于提供一种基于大数据的体育场馆动态定价方法和系统,以解决上述背景技术中提出目前国内大多数场馆在实际定价的中采用传统成本定价、目标效益定价和需求导向试错法,边际成本定价法,相对来讲比较理想化和单一化的问题。
为实现上述目的,本发明提供如下技术方案:一种基于大数据的体育场馆动态定价方法和系统,包括以下步骤:
S1、以某时间段的某场地收益最大化为目标,以需求和供给为约束条件,构建期望模型;
S2、依据场馆的历史数据,获得用户预定该时段场地的概率模型;
S3、根据历史订单记录统计推测用户对某场地在该时段的大致需求d;
S4、输入需求d和未预定的场地数量s到算法模型,输出该场地某时段此刻的最佳价格P。
优选的,所述步骤S2中消费者预定场地的概率模型可以用logistic回归模型表示,α代表消费者对该商品的喜好程度,β代表价格的反映系数,其公式为:
优选的,所述步骤S2中通过历史订单数据,分析出消费者的需求,以场馆期望收益最大化为目标函数,同时考虑剩余场地数等多种因素,从而确定在该销售状态下的最优场地销售价格,即不同的销售状态有不同的销售价格,期望收益公式如下:
Es,d=p(y)·(y+Es-1,d-1)+[1-p(y)]·Es,d-1。
优选的,所述一种基于大数据的体育场馆动态定价系统,包括大数据采集存储模块、大数据处理模块和大数据应用模块,所述大数据采集存储模块的输出端连接有大数据处理模块,且大数据处理模块的输出端连接有大数据应用模块。
优选的,所述大数据采集存储模块包括场地数据库、订单数据库和场地资源数据。
优选的,所述大数据应用模块用于实时监控、模型调用和结果输出展示。
优选的,所述大数据处理模块用于机器学习、动态定价算法和深度学习。
优选的,所述实时监控指系统会根据场地预定状况不断给出最优定价策略,且同步到线上场馆预定系统,并且支持人工干预,即人为可以设定最低价和最高价,控制销售价格在合理的区间,所述模型调用是指调用大数据处理模块相应地模型和算法来求得收益最大化地定价,所述结果输出展示是指将输出的结果返回管理者查看。
优选的,所述大数据采集存储模块通过API接口与大数据处理模块实现数据传输,且大数据处理模块通过API接口与大数据应用模块实现数据传输。
与现有技术相比,本发明的有益效果如下:
1、本发明基于体育场馆历史数据进行建模分析,在此基础上建立体育场馆动态定价模型,对于体育场馆调节消费人群,实现稳定运行,并且可以促使价格敏感型的体育消费人群改变锻炼时间,从而降低体育锻炼成本,并且可以更精确地掌握体育消费人群的消费习惯,为今后场馆的精细化和专业化服务提供数据支撑;
2、本发明通过设置的数据输入能够通过接口从外部系统传输所需的数据和事先存储的数据,大数据采集存储模块包括场地数据、订单数据、场地资源数据等,数据详尽,使后续预测的概率更准;本发明通过设置的模型训练是指机器学习或深度学习算法通过构造的模型通过不断学习新数据和模型参数调优来更加准确地预测消费者预定该场地的概率;
3、本发明通过设置的大数据处理模块包含多组算法和模型,针对不同的场地及不同时间的场地分别拥有不同的模型进行计算,同时也可以在不同的算法模型间进行切换部署;本发明的实时监控可以在大多情况下自动采集数据、处理数据,得出最优的价格同步线上预定系统,但该系统也支持人工干预,即人为可以设定最低价和最高价,控制销售价格在合理的区间。
附图说明
图1为本发明主视结构示意图;
图2为本发明流程结构示意图。
图中:1、大数据采集存储模块;2、大数据处理模块;3、大数据应用模块;4、场地数据库;5、订单数据库;6、场地资源数据。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供一种技术方案:一种基于大数据的体育场馆动态定价方法和系统,包括以下步骤:
S1、以某时间段的某场地收益最大化为目标,以需求和供给为约束条件,构建期望模型;
S2、依据场馆的历史数据,获得用户预定该时段场地的概率模型;
S3、根据历史订单记录统计推测用户对某场地在该时段的大致需求d;
S4、输入需求d和未预定的场地数量s到算法模型,输出该场地某时段此刻的最佳价格P。
本发明中:步骤S2中通过历史订单数据,分析出消费者的需求,以场馆期望收益最大化为目标函数,同时考虑剩余场地数等多种因素,从而确定在该销售状态下的最优场地销售价格,即不同的销售状态有不同的销售价格,期望收益公式如下:
Es,d=p(y)·(y+Es-1,d-1)+[1-p(y)]·Es,d-1,将其表示为公式1;
s表示剩余场地存量,d表示未来消费者需求,y表示场地价格,p(y)表示消费者购买该场地的概率,Es,d表示销售状态为(s,d)时的期望收益。消费者在线预定时,将根据场地价格做出是否购买场地的决定,购买场地的概率为p,这种情况下,舱位存量减少1,预测中的消费者总量减少l,此时体育场馆方首先得到了一片场地的收益y总期望收益为y+Es-1,d-1,其没有购买场地的概率为l-p,这种情况下,场地存量不变,预测中的消费者数量减少l,总期望收益为Es,d-1。最终目的是求出销售状态为(s,d)时的最优价格y*,使得此时的期望收益最大。
本发明中:步骤S2中假设消费者预定不同日期某场地的概率是独立的,消费者预定场地的概率模型可以用logistic回归模型表示,α代表消费者对该商品的喜好程度,β代表价格的反映系数,其公式为:
该概率模型需已知参数消费者喜爱程度α和价格影响因素β,一般情况下,p(y)和y的变化呈反比,所以α和β是大于0的参数,使用对数极大似然方法估计,并用梯度下降法优化方法通过历史数据进行求得,消费者购买某场地的概率模型并局限于logistic回归模型,同样还可以使用其它经典的机器学习模型,例如SVM,决策树等或者更为复杂的深度学习算法来进行分类,利用场馆运营过程中积累的历史的交易数据不断训练模型,从而到达更准确预测地目的,各场地的数量是有限的,在不考虑超售的情况,此上限即是场地的数量,当场地销售完之后,无法再给场馆带来收入,因此Es,d不会无限大。同样的,消费者数量的预测也是有上限的,由于场地的数量是有限的,过多的消费者来到,并不会增加场馆的收益,反而会增加计算量,即消费者需求等于该场馆的最大场地数。当场地数量和消费者预测量为0时,期望收益为0。消费者对该片场地某时间段的需求可以从通过统计历史数据中该场地的订单数推测。
α-β=ln[βy+β(Es-1,d-1-Es,d-1)-1],将其表示为公式3;
再令其一阶导数为0,对期望收益求二阶导数小于0,可知期望函数为凹函数,存在全局极大值点,也就说明y*为最佳的价格
将α和β带入公式4,输入预测的此时刻的消费者对此场馆的需求数d及剩余的场地数s;递归法不断调用公式1和公式3,直到状态s或者d至少一个状态为0,所以最终的收益也为0,此时再向前求解,就可以解得每种状态下的最优解和最大期望收益,可求出最大收益期望和最优的价格。最后平台可以实现数据输入、数据存储、模型训练、模型调用、结果输出、实时监控、人工调整等功能。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于大数据的体育场馆动态定价方法,其特征在于,包括以下步骤:
S1、以某时间段的某场地收益最大化为目标,以需求和供给为约束条件,构建期望模型;
S2、依据场馆的历史数据,获得用户预定该时段场地的概率模型;
S3、根据历史订单记录统计推测用户对某场地在该时段的大致需求d;
S4、输入需求d和未预定的场地数量s到算法模型,输出该场地某时段此刻的最佳价格P。
4.一种基于大数据的体育场馆动态定价系统,其特征在于,包括大数据采集存储模块(1)、大数据处理模块(2)和大数据应用模块(3),所述大数据采集存储模块(1)的输出端连接有大数据处理模块(2),且大数据处理模块(2)的输出端连接有大数据应用模块(3)。
5.根据权利要求4所述的一种基于大数据的体育场馆动态定价系统,其特征在于:所述大数据采集存储模块(1)包括场地数据库(4)、订单数据库(5)和场地资源数据(6)。
6.根据权利要求4所述的一种基于大数据的体育场馆动态定价系统,其特征在于:所述大数据应用模块(3)用于实时监控、模型调用和结果输出展示。
7.根据权利要求4所述的一种基于大数据的体育场馆动态定价系统,其特征在于:所述大数据处理模块(2)用于机器学习、动态定价算法和深度学习。
8.根据权利要求6所述的一种基于大数据的体育场馆动态定价系统,其特征在于:所述实时监控指系统会根据场地预定状况不断给出最优定价策略,且同步到线上场馆预定系统,并且支持人工干预,即人为可以设定最低价和最高价,控制销售价格在合理的区间,所述模型调用是指调用大数据处理模块相应地模型和算法来求得收益最大化地定价,所述结果输出展示是指将输出的结果返回管理者查看。
9.根据权利要求4所述的一种基于大数据的体育场馆动态定价系统,其特征在于:所述大数据采集存储模块(1)通过API接口与大数据处理模块(2)实现数据传输,且大数据处理模块(2)通过API接口与大数据应用模块(3)实现数据传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011347661.3A CN112529612A (zh) | 2020-11-26 | 2020-11-26 | 一种基于大数据的体育场馆动态定价方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011347661.3A CN112529612A (zh) | 2020-11-26 | 2020-11-26 | 一种基于大数据的体育场馆动态定价方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112529612A true CN112529612A (zh) | 2021-03-19 |
Family
ID=74993984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011347661.3A Pending CN112529612A (zh) | 2020-11-26 | 2020-11-26 | 一种基于大数据的体育场馆动态定价方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529612A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850907A (zh) * | 2015-05-19 | 2015-08-19 | 南京大学 | 一种基于逆推方法和动态定价模型的新产品定价方法 |
CN105205701A (zh) * | 2015-09-22 | 2015-12-30 | 创点客(北京)科技有限公司 | 一种网络动态定价方法和系统 |
CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及系统 |
CN108062601A (zh) * | 2017-12-20 | 2018-05-22 | 青岛海信网络科技股份有限公司 | 一种停车场动态定价方法和装置 |
CN110428286A (zh) * | 2019-07-31 | 2019-11-08 | 浙江华坤道威数据科技有限公司 | 一种基于消费市场大数据资源的动态定价系统及方法 |
-
2020
- 2020-11-26 CN CN202011347661.3A patent/CN112529612A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850907A (zh) * | 2015-05-19 | 2015-08-19 | 南京大学 | 一种基于逆推方法和动态定价模型的新产品定价方法 |
CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及系统 |
CN105205701A (zh) * | 2015-09-22 | 2015-12-30 | 创点客(北京)科技有限公司 | 一种网络动态定价方法和系统 |
CN108062601A (zh) * | 2017-12-20 | 2018-05-22 | 青岛海信网络科技股份有限公司 | 一种停车场动态定价方法和装置 |
CN110428286A (zh) * | 2019-07-31 | 2019-11-08 | 浙江华坤道威数据科技有限公司 | 一种基于消费市场大数据资源的动态定价系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7110960B2 (en) | Event revenue management system | |
US10395199B1 (en) | Method and system for ATM cash servicing and optimization | |
CN108364085A (zh) | 一种外卖配送时间预测方法和装置 | |
CN110874751B (zh) | 一种超市补货的方法和系统 | |
Xu et al. | A monopolistic and oligopolistic stochastic flow revenue management model | |
CN109858706A (zh) | 一种工程项目造价数据管理系统及方法 | |
Esfandiari et al. | Modeling a stochastic multi-objective supplier quota allocation problem with price-dependent ordering | |
CN111815198B (zh) | 一种门店补货方法、装置和设备 | |
CN107103423A (zh) | 一种整合预算财务系统 | |
CN108596467B (zh) | 一种适于售电公司的市场运营模拟交易仿真系统 | |
CN113128932B (zh) | 仓库备货处理方法、装置、存储介质与电子设备 | |
CN115358651A (zh) | 零售企业门店自动补货的方法、系统及计算机可读存储介质 | |
CN114037383A (zh) | 采购数据的确定方法及其装置、计算机可读存储介质 | |
CN112862175B (zh) | 基于p2p电力交易的本地优化控制方法及装置 | |
CN112529612A (zh) | 一种基于大数据的体育场馆动态定价方法和系统 | |
CN116934237A (zh) | 一种仓储系统的智能补货方法 | |
CN116957640A (zh) | 产品销量预测方法及系统 | |
US20210073840A1 (en) | Multi-layered system for heterogeneous pricing decisions by continuously learning market and hotel dynamics | |
CN114742657A (zh) | 一种投资目标规划方法和系统 | |
Kong et al. | Revenue optimisation approach for auction logistics centre: an investigation of Chinese flower market | |
CN112734457A (zh) | 酒店客房动态定价方法、装置、设备及存储介质 | |
KR102624667B1 (ko) | 전력 사용량 예측 및 누진 단계 예측을 이용한 이웃간 전력 거래 방법 | |
US20240119473A1 (en) | Rate adjustment method and rate adjustment system used to generate estimated rates to generate estimated revenue for optimizing rate estimation model accordingly | |
CN115689029A (zh) | 网络化制造设备资源节能匹配调度的集成优化方法及系统 | |
CN117593086A (zh) | 酒店房源推荐方法、装置、电子设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210319 |