CN113077303A - 一种航班信息的推荐方法、系统和电子设备 - Google Patents

一种航班信息的推荐方法、系统和电子设备 Download PDF

Info

Publication number
CN113077303A
CN113077303A CN202110301524.4A CN202110301524A CN113077303A CN 113077303 A CN113077303 A CN 113077303A CN 202110301524 A CN202110301524 A CN 202110301524A CN 113077303 A CN113077303 A CN 113077303A
Authority
CN
China
Prior art keywords
flight
group
airport
user
flight information
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
Application number
CN202110301524.4A
Other languages
English (en)
Inventor
原凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan Taimei Airlines Co ltd
Original Assignee
Hainan Taimei Airlines Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hainan Taimei Airlines Co ltd filed Critical Hainan Taimei Airlines Co ltd
Priority to CN202110301524.4A priority Critical patent/CN113077303A/zh
Publication of CN113077303A publication Critical patent/CN113077303A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0639—Item locations
    • 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)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及航空信息技术领域，提供了一种航班信息的推荐方法、系统和电子设备，由于同一分组中的每名用户具有相同的起点位置和终点位置，说明同一分组中的用户有从同一起始位置即当前所在位置飞往同一终点位置即在预设时长内搜索频率最高的位置的出行需求，购买从同一起始位置到同一终点位置的航班的机票的概率极大，此时，获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐给分组中每名用户的智能终端或客户端，保证了推荐的准确度，且无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度。

Description

一种航班信息的推荐方法、系统和电子设备
技术领域
本发明涉及航空信息技术领域，尤其涉及一种航班信息的推荐方法、系统和电子设备。
背景技术
随着我国从航空运输大国到航空运输强国战略的逐渐展开，航班信息的数据量与日俱增，目前，航空公司会根据用户的出行习惯，为每个用户提供对应的航班信息，以减少用户为获取航班信息所花费的时间，但是，这样需要分析每名用户的习惯并建立每名用户的数据模型，然后根据每名用户的数据模型获取对应的航班信息并推荐至用户的智能终端或客户端，导致数据处理过程异常复杂以及效率低的问题。
发明内容
本发明提供了一种航班信息的推荐方法、系统和电子设备，旨在解决的技术问题是：如何准确高效地为每名用户推荐航班信息。
本发明的一种航班信息的推荐方法的技术方案如下：
获取多名用户各自的当前所在位置和在预设时长内搜索频率最高的位置，并将当前所在位置和在预设时长内搜索频率最高的位置均相同的用户分至同一分组；
获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
本发明的一种航班信息的推荐方法的有益效果如下：
由于同一分组中的每名用户具有相同的起点位置和终点位置，说明同一分组中的用户有从同一起始位置即当前所在位置飞往同一终点位置即在预设时长内搜索频率最高的位置的出行需求，购买从同一起始位置到同一终点位置的航班的机票的概率极大，此时，获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐给分组中每名用户的智能终端或客户端，保证了推荐的准确度，且无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度，因此，本申请的一种航班信息的推荐方法能准确高效地为每名用户推荐航班信息。
在上述方案的基础上，本发明的一种航班信息的推荐方法还可以做如下改进。
进一步，在任一分组对应的任一航班的起飞机场的第一预设范围内获取至少一个起飞相关机场，并在该航班的降落机场的第二预设范围内获取至少一个降落相关机场；
获取起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
采用上述进一步方案的有益效果是：将起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息均推荐至用户，适当提高了推荐的航班信息的范围，进一步保证推荐的准确度。
进一步，还包括：根据关联规则得到该航班的关联航班，采用关联规则或者协同过滤算法计算该航班的关联航班，并将该关联航班的航班信息推荐至该分组中每名用户的智能终端或客户端。
采用上述进一步方案的有益效果是：通过获取关联航班，进一步提高了推荐的准确度。
进一步，还包括：统计并根据任一分组中每名用户的生活轨迹信息，得到该组中每名用户的常用活动区域；
获取该分组对应的所有常用活动区域中出现次数小于预设次数的孤立区域，并获取孤立区域中的机场；
推荐至该分组中每名用户的智能终端或客户端的过程，包括：
从待推荐的航线信息中删除与该分组对应的孤立区域中的所有机场相关的航班信息，再推荐至该分组中每名用户的智能终端或客户端。
采用上述进一步方案的有益效果是：当推荐信息过多时，会极大影响用户查看的体验度，通过删除一些相关性低的航班信息即孤立区域中的所有机场相关的航班信息，再保证推荐的准确度的前提下，缩小推荐的航班信息的范围，提高用户查看的体验度。
进一步，还包括：将经拟合得到的任一分组对应的每个航班的每天剩余的预测空座位数量推荐至该分组中每名用户的智能终端或客户端。
采用上述进一步方案的有益效果是：以便于用户根据每个航班的每天剩余的预测空座位数量能及时进行订票，避免延误行程。
本发明的一种航班信息的推荐系统的技术方案如下：
包括分组模块和推荐模块；
所述分组模块用于：获取多名用户各自的当前所在位置和在预设时长内搜索频率最高的位置，并将当前所在位置和在预设时长内搜索频率最高的位置均相同的用户分至同一分组；
所述推荐模块用于：获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
本发明的一种航班信息的推荐系统的有益效果如下：
由于同一分组中的每名用户具有相同的起点位置和终点位置，说明同一分组中的用户有从同一起始位置即当前所在位置飞往同一终点位置即在预设时长内搜索频率最高的位置的出行需求，购买从同一起始位置到同一终点位置的航班的机票的概率极大，此时，获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐给分组中每名用户的智能终端或客户端，保证了推荐的准确度，且无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度，因此，本申请的一种航班信息的推荐系统能准确高效地为每名用户推荐航班信息。
在上述方案的基础上，本发明的一种航班信息的推荐系统还可以做如下改进。
进一步，所述推荐模块还用于：
在任一分组对应的任一航班的起飞机场的第一预设范围内获取至少一个起飞相关机场，并在该航班的降落机场的第二预设范围内获取至少一个降落相关机场；
获取起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
采用上述进一步方案的有益效果是：将起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息均推荐至用户，适当提高了推荐的航班信息的范围，进一步保证推荐的准确度。
进一步，所述推荐模块还用于：根据任一分组对应的任一航班的乘客中转信息，根据关联规则得到该航班的关联航班，并将该关联航班的航班信息推荐至该分组中每名用户的智能终端或客户端。
采用上述进一步方案的有益效果是：通过获取关联航班，进一步提高了推荐的准确度。
进一步，还包括获取孤立区域模块，所述获取孤立区域模块用于：
统计并根据任一分组中每名用户的生活轨迹信息，得到该组中每名用户的常用活动区域；
获取该分组对应的所有常用活动区域中出现次数小于预设次数的孤立区域，并获取孤立区域中的机场；
所述推荐模块还用于：从待推荐的航线信息中删除与该分组对应的孤立区域中的所有机场相关的航班信息，再推荐至该分组中每名用户的智能终端或客户端。
采用上述进一步方案的有益效果是：当推荐信息过多时，会极大影响用户查看的体验度，通过删除一些相关性低的航班信息即孤立区域中的所有机场相关的航班信息，再保证推荐的准确度的前提下，缩小推荐的航班信息的范围，提高用户查看的体验度。
进一步，所述推荐模块还用于：将经拟合得到的任一分组对应的每个航班的每天剩余的预测空座位数量推荐至该分组中每名用户的智能终端或客户端。
采用上述进一步方案的有益效果是：以便于用户根据每个航班的每天剩余的预测空座位数量能及时进行订票，避免延误行程。
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项所述的一种航班信息的推荐方法的步骤。
附图说明
图1为本发明实施例的一种航班信息的推荐方法的流程示意图；
图2为本发明实施例的一种航班信息的推荐系统的结构示意图；
图3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
如图1所示，本发明实施例的一种航班信息的推荐方法，包括如下步骤：
S1、获取多名用户各自的当前所在位置和在预设时长内搜索频率最高的位置，并将当前所在位置和在预设时长内搜索频率最高的位置均相同的用户分至同一分组；
S2、获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
其中，可通过网络爬虫技术在网页以及APP等中得到任一用户的历史搜索位置，由此在预设时长内搜索频率最高的位置，预设时长可设置为24小时或48小时等，可根据实际情况进行调整，且为了保证推荐的准确度，一般统计距离当前时间点的预设时长内搜索频率最高的位置。
例如，获取1000名用户各自的当前所在位置和在预设时长内搜索频率最高的位置，其中，有100名用户的当前所在位置均在北京，在预设时长内搜索频率最高的位置为南京，则将这100名用户分至同一分组；有另外100名用户的当前所在位置为石家庄，在预设时长内频率最高的位置为重庆，则将这100名用户分至另外一个分组，以此类推，获取多个分组，假设获取10个分组，每个分组中共100名用户，以第一个分组为例进行说明，具体地：
若第一个分组中的100名用户的当前所在位置均在北京，且在预设时长内搜索频率最高的位置为南京，则第一个分组对应的当前所在位置为北京，在预设时长内搜索频率最高的位置为南京，北京有多个机场如北京首都国际机场、大兴机场等，南京也有多个机场如南京禄口国际机场、南京马鞍国际机场等，则北京与南京之间的航班包括：北京的每个机场与南京的每个机场之间的往返航班以及单线航班，往返航班至北京与天津之间的往返航班，单线航班指北京单向飞往南京的航班，以及从南京单向飞往北京的航班；那么：
获取北京与南京之间的所有航班的航班信息，并将北京与南京之间的所有航班的航班信息发送在第一个分组的每名用户的智能终端或客户端，其中智能终端为手机或平板电脑等，客户端为电子邮箱、微信或QQ等，具体可将所有的航班信息以列表的形式进行推荐显示。
可以理解的是，由于第一个分组中的每名用户的当前所在位置和在预设时长内搜索频率最高的位置均相同，说明第一个分组中的用户有从北京飞往南京的出行需求，那么购买从北京与南京之间的航班的机票的概率很大，此时，将北京与南京之间的所有航班的航班信息均提供给第一个分组中的每名用户，达到了保证推荐的准确度的技术效果，而且，对第一个分组中的100用户均推荐相同的航班信息，不需要对每个用户进行单独建立相应的数据模型，极大降低了数据处理的复杂度。
也就是说，由于同一分组中的每名用户具有相同的起点位置和终点位置，说明同一分组中的用户有从同一起始位置即当前所在位置飞往同一终点位置即在预设时长内搜索频率最高的位置的出行需求，购买从同一起始位置到同一终点位置的航班的机票的概率极大，此时，获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐给分组中每名用户的智能终端或客户端，保证了推荐的准确度，且无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度，因此，本申请的一种航班信息的推荐方法能准确高效地为每名用户推荐航班信息。
其中，当前所在位置和在预设时长内搜索频率最高的位置均相同也可理解为：
假如第一名用户的当前所在位置为北京，在预设时长内搜索频率最高的位置为南京，第二名用户的当前所在位置为南京，在预设时长内搜索频率最高的位置为北京，由于第一名用户的出行需求为北京与南京之间，第二名用户的出行需求也为北京与南京之间，因此，第一名用户和第二名用户可分至同一分组。
其中，用户包括没有乘坐过航班的一般用户和乘坐过航班的用户即乘客，由于航班对乘客具有黏性，因此，一般而言，当用户均为乘客时，能进一步提高推荐的准确度。
较优地，在上述技术方案中，还包括：
S3、在任一分组对应的任一航班的起飞机场的第一预设范围内获取至少一个起飞相关机场，并在该航班的降落机场的第二预设范围内获取至少一个降落相关机场；
S4、获取起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
将起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息均推荐至用户，适当提高了推荐的航班信息的范围，进一步保证推荐的准确度。
以上述第一个分组为例进行阐述，第一个分组对应从北京飞到南京的所有航班，以及从南京飞到北京的所有航班，那么，可将北京的机场作为起飞机场同时将南京的机场作为降落机场，也可将南京的机场作为起飞机场同时将北京的机场作为降落机场，以将北京的机场作为起飞机场同时将南京的机场作为降落机场为例进行说明，具体地：
1)第一预设范围可根据实际情况进行设置如200公里或300公里等，第一个分组对应的其中一个航班的起飞机场例如北京首都机场的第一预设范围存在天津滨海国际机场，即天津滨海国际机场为北京首都机场的起飞相关机场；
2)第二预设范围可根据实际情况进行设置如200公里或300公里等，第一个分组对应的其中一个航班的起飞机场例如南京禄口国际机场的第二预设范围存在徐州观音国际机场，即南京禄口国际机场为徐州观音国际机场的降落相关机场；
获取起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息，即获取北京首都机场和天津滨海国际机场分别飞至南京禄口国际机场和徐州观音国际机场的每个航班的航班信息并推荐至用户，适当提高了推荐的航班信息的范围，进一步保证推荐的准确度。
其中，可以理解的是，获取第一个分组对应北京和南京之间的每个航班的航班信息和北京首都机场和天津滨海国际机场分别飞至南京禄口国际机场和徐州观音国际机场的每个航班的航班信息可能存在重复的航班信息，进行去重后，发送至该分组中每名用户的智能终端或客户端。
由于天津滨海国际机场飞至徐州观音国际机场的机票价格可能更低，或者出行时间更为方便，适当提高了推荐的航班信息的范围，进一步保证推荐的准确度。
同理，可对其它分组执行S3-S4，在此不做赘述。
较优地，在上述技术方案中，还包括：
S5、根据任一分组对应的任一航班的乘客中转信息，根据关联规则得到该航班的关联航班，并将该关联航班的航班信息推荐至该分组中每名用户的智能终端或客户端。
以第一个分组对应的北京首都机场飞至南京禄口国际机场的任一航班为例进行继续阐述，获取该航班上每名乘客的中转信息，即得到该航班的乘客中转信息，中转信息包括：乘客的从南京禄口国际机场转乘的航班、从南京禄口国际机场转乘的高铁、乘客到达北京首都机场所乘坐的航班、乘客到达北京首都机场所乘坐的高铁等；那么，根据关联规则得到该航班的关联航班的过程，包括：
例如该航班共有200人，其中，90名乘客从南京禄口国际机场转乘的航班为：南京禄口国际机场至上海虹桥国际机场，70名乘客从南京禄口国际机场转乘的高铁为：从南京到杭州；40名乘客是从石家庄乘高铁到北京首都机场，那么：
1)预设关联规则可设置为：到达同一地点以及从该同一地点出发的乘客数量达到预设阈值时，则将该航班对应的起飞机场的所在位置或/和该航班对应的降落机场的所在位置与该同一地点的之间的航班作为该航班的关联航班，当预设阈值设置为80时，由于90名乘客到达同一地点即上海、70名乘客达到杭州，以及40名乘客从同一地点即石家庄出发，很明显90＞80，则将南京和上海之间的航班作为该航班的关联航班。
2)预设关联规则可设置为：该航班中转乘另外一个航班的占比大于预设占比阈值，例如，将预设占比阈值设置为40％，由于90名乘客从南京禄口国际机场转乘的航班均为：南京禄口国际机场至上海虹桥国际机场，90/200＝45％＞40，则将南京禄口国际机场转乘的航班作为该航班的关联航班。
可以理解的是，S2、S4和S5中所推荐的航班信息可能存在重新的航班信息，故进行去重后，发送至该分组中每名用户的智能终端或客户端。
较优地，在上述技术方案中，还包括：
S10、统计并根据任一分组中每名用户的生活轨迹信息，得到该组中每名用户的常用活动区域；具体地：
其中，生活轨迹信息包括到过的每个城市等，统计到每个城市的频率或者统计第一名用户在每个城市的时长获取第一名用户的常用活动区域，例如，第一名用户到过的城市为北京、上海、南京和重庆，但通过分析该第一名用户一年内的生活轨迹信息，得知第一名用户在重庆待了3天，而在北京、上海、南京的时间均超过100天，则以北京、上海和南京为第一名用户的常用活动区域；以此类推，得到第一个分组中每名用户的常用活动区域。
S11、获取该分组对应的所有常用活动区域中出现次数小于预设次数的孤立区域，并获取孤立区域中的机场；
例如：第一个分组中对应的常用活动区域为北京、上海、南京、重庆、成都、拉萨，北京、上海、南京和重庆的出现次数均超过100次，成都出现出次数为20次，拉萨出现的次数为10次，若预设次数为50次，则孤立区域包括成都和拉萨；获取成都的机场和拉萨的机场。
推荐至该分组中每名用户的智能终端或客户端的过程，包括：
S20、从待推荐的航线信息中删除与该分组对应的孤立区域中的所有机场相关的航班信息，再推荐至该分组中每名用户的智能终端或客户端，具体地：
从待推荐的航线信息中删除与该分组对应的孤立区域中的所有机场相关的航班信息，即从待推荐的航线信息中删除成都的机场和拉萨的机场相关的航班信息，再推荐至该分组中每名用户的智能终端或客户端，其中，待推荐的航线信息为：
1)S2中，任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，
2)S4中，起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息；
3)关联航班的航班信息。
当推荐信息过多时，会极大影响用户查看的体验度，通过删除一些相关性低的航班信息即孤立区域中的所有机场相关的航班信息，再保证推荐的准确度的前提下，缩小推荐的航班信息的范围，提高用户查看的体验度。
较优地，在上述技术方案中，还包括：
S6、将经拟合得到的任一分组对应的每个航班的每天剩余的预测空座位数量推荐至该分组中每名用户的智能终端或客户端。
利用最小二乘法或多项式拟合将任一分组对应的每个航班的历史售票数据进行数据拟合，得到每个航班的每天剩余的预测空座位数量，以便于用户根据每个航班的每天剩余的预测空座位数量能及时进行订票，避免延误行程。
在上述各实施例中，虽然对步骤进行了编号S1、S2等，但只是本申请给出的具体实施例，本领域的技术人员可根据实际情况对调整S1、S2等的执行顺序，此也在本发明的保护范围内，可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
如图2所示，本发明实施例的一种航班信息的推荐系统200，包括分组模块210和推荐模块220；
所述分组模块210用于：获取多名用户各自的当前所在位置和在预设时长内搜索频率最高的位置，并将当前所在位置和在预设时长内搜索频率最高的位置均相同的用户分至同一分组；
所述推荐模块220用于：获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
由于同一分组中的每名用户具有相同的起点位置和终点位置，说明同一分组中的用户有从同一起始位置即当前所在位置飞往同一终点位置即在预设时长内搜索频率最高的位置的出行需求，购买从同一起始位置到同一终点位置的航班的机票的概率极大，此时，获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐给分组中每名用户的智能终端或客户端，保证了推荐的准确度，且无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度，因此，本申请的一种航班信息的推荐系统200能准确高效地为每名用户推荐航班信息。
较优地，在上述技术方案中，所述推荐模块220还用于：
在任一分组对应的任一航班的起飞机场的第一预设范围内获取至少一个起飞相关机场，并在该航班的降落机场的第二预设范围内获取至少一个降落相关机场；
获取起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
将起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息均推荐至用户，适当提高了推荐的航班信息的范围，进一步保证推荐的准确度。
较优地，在上述技术方案中，所述推荐模块220还用于：根据任一分组对应的任一航班的乘客中转信息，根据关联规则得到该航班的关联航班，并将该关联航班的航班信息推荐至该分组中每名用户的智能终端或客户端，通过获取关联航班，进一步提高了推荐的准确度。
较优地，在上述技术方案中，还包括获取孤立区域模块，所述获取孤立区域模块用于：
统计并根据任一分组中每名用户的生活轨迹信息，得到该组中每名用户的常用活动区域；
获取该分组对应的所有常用活动区域中出现次数小于预设次数的孤立区域，并获取孤立区域中的机场；
所述推荐模块220还用于：从待推荐的航线信息中删除与该分组对应的孤立区域中的所有机场相关的航班信息，再推荐至该分组中每名用户的智能终端或客户端。
当推荐信息过多时，会极大影响用户查看的体验度，通过删除一些相关性低的航班信息即孤立区域中的所有机场相关的航班信息，再保证推荐的准确度的前提下，缩小推荐的航班信息的范围，提高用户查看的体验度。
较优地，在上述技术方案中，所述推荐模块220还用于：将经拟合得到的任一分组对应的每个航班的每天剩余的预测空座位数量推荐至该分组中每名用户的智能终端或客户端。以便于用户根据每个航班的每天剩余的预测空座位数量能及时进行订票，避免延误行程。
上述关于本发明的一种航班信息的推荐系统200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班信息的推荐方法的实施例中的各参数和步骤，在此不做赘述。
如图3所示，本发明实施例的一种电子设备300，包括存储器310、处理器320及存储在所述存储器310上并在所述处理器320上运行的程序330，所述处理器320执行所述程序330时实现上述任一实施的一种航班信息的推荐方法的步骤。
其中，电子设备300可以选用电脑、手机等，相对应地，其程序330为电脑软件或手机APP等，且上述关于本发明的一种电子设备300中的各参数和步骤，可参考上文中一种航班信息的推荐方法的实施例中的各参数和步骤，在此不做赘述。
所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。
因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、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)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
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 (10)

1.一种航班信息的推荐方法，其特征在于，包括：
获取多名用户各自的当前所在位置和在预设时长内搜索频率最高的位置，并将当前所在位置和在预设时长内搜索频率最高的位置均相同的用户分至同一分组；
获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
2.根据权利要求1所述的一种航班信息的推荐方法，其特征在于，还包括：
在任一分组对应的任一航班的起飞机场的第一预设范围内获取至少一个起飞相关机场，并在该航班的降落机场的第二预设范围内获取至少一个降落相关机场；
获取起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
3.根据权利要求2所述的一种航班信息的推荐方法，其特征在于，还包括：
根据任一分组对应的任一航班的乘客中转信息，根据关联规则得到该航班的关联航班，并将该关联航班的航班信息推荐至该分组中每名用户的智能终端或客户端。
4.根据权利要求2或3所述的一种航班信息的推荐方法，其特征在于，还包括：
统计并根据任一分组中每名用户的生活轨迹信息，得到该组中每名用户的常用活动区域；
获取该分组对应的所有常用活动区域中出现次数小于预设次数的孤立区域，并获取孤立区域中的机场；
推荐至该分组中每名用户的智能终端或客户端的过程，包括：
从待推荐的航线信息中删除与该分组对应的孤立区域中的所有机场相关的航班信息，再推荐至该分组中每名用户的智能终端或客户端。
5.根据权利要求2或3所述的一种航班信息的推荐方法，其特征在于，还包括：
将经拟合得到的任一分组对应的每个航班的每天剩余的预测空座位数量推荐至该分组中每名用户的智能终端或客户端。
6.一种航班信息的推荐系统，其特征在于，包括分组模块和推荐模块；
所述分组模块用于：获取多名用户各自的当前所在位置和在预设时长内搜索频率最高的位置，并将当前所在位置和在预设时长内搜索频率最高的位置均相同的用户分至同一分组；
所述推荐模块用于：获取任一分组对应的当前所在位置和在预设时长内搜索频率最高的位置之间的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
7.根据权利要求6所述的一种航班信息的推荐系统，其特征在于，所述推荐模块还用于：
在任一分组对应的任一航班的起飞机场的第一预设范围内获取至少一个起飞相关机场，并在该航班的降落机场的第二预设范围内获取至少一个降落相关机场；
获取起飞机场和所有起飞相关机场中的每个机场飞至降落机场和所有降落相关机场中每个机场的每个航班的航班信息，并推荐至该分组中每名用户的智能终端或客户端。
8.根据权利要求7所述的一种航班信息的推荐系统，其特征在于，所述推荐模块还用于：根据任一分组对应的任一航班的乘客中转信息，根据关联规则得到该航班的关联航班，并将该关联航班的航班信息推荐至该分组中每名用户的智能终端或客户端。
9.根据权利要求7或8所述的一种航班信息的推荐系统，其特征在于，还包括获取孤立区域模块，所述获取孤立区域模块用于：
统计并根据任一分组中每名用户的生活轨迹信息，得到该组中每名用户的常用活动区域；
获取该分组对应的所有常用活动区域中出现次数小于预设次数的孤立区域，并获取孤立区域中的机场；
所述推荐模块还用于：从待推荐的航线信息中删除与该分组对应的孤立区域中的所有机场相关的航班信息，再推荐至该分组中每名用户的智能终端或客户端。
10.一种电子设备，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5任一项所述的一种航班信息的推荐方法的步骤。
CN202110301524.4A 2021-03-22 2021-03-22 一种航班信息的推荐方法、系统和电子设备 Pending CN113077303A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110301524.4A CN113077303A (zh) 2021-03-22 2021-03-22 一种航班信息的推荐方法、系统和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110301524.4A CN113077303A (zh) 2021-03-22 2021-03-22 一种航班信息的推荐方法、系统和电子设备

Publications (1)

Publication Number Publication Date
CN113077303A true CN113077303A (zh) 2021-07-06

Family

ID=76613033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110301524.4A Pending CN113077303A (zh) 2021-03-22 2021-03-22 一种航班信息的推荐方法、系统和电子设备

Country Status (1)

Country Link
CN (1) CN113077303A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108089832A (zh) * 2017-12-18 2018-05-29 携程旅游网络技术（上海）有限公司 航班动态信息展示方法、系统、设备及存储介质
CN110929156A (zh) * 2019-11-28 2020-03-27 海南太美航空股份有限公司 一种定向推送航班信息的方法和系统
CN111581506A (zh) * 2020-04-28 2020-08-25 海南太美航空股份有限公司 基于协同过滤的航班推荐方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108089832A (zh) * 2017-12-18 2018-05-29 携程旅游网络技术（上海）有限公司 航班动态信息展示方法、系统、设备及存储介质
CN110929156A (zh) * 2019-11-28 2020-03-27 海南太美航空股份有限公司 一种定向推送航班信息的方法和系统
CN111581506A (zh) * 2020-04-28 2020-08-25 海南太美航空股份有限公司 基于协同过滤的航班推荐方法及系统

Similar Documents

Publication Publication Date Title
CN107086935B (zh) 基于wifi ap的人流量分布预测方法
CN109615937A (zh) 航段运行时间优化计算装置
CN111798079A (zh) 航班调整方法、装置、电子设备及存储介质
CN110443521A (zh) 航班运行风险获取方法、系统和计算机设备
CN104036446A (zh) 基于民航信息系统的值飞航班的前序航班预测系统及方法
WO2024125485A1 (zh) 旅客托运行李信息预测方法及相关设备
CN106802944A (zh) 一种航班检索系统及方法
Patroumpas et al. On-the-fly mobility event detection over aircraft trajectories
US9836725B2 (en) Determining transportation status using network connections
CN112241405A (zh) 航班计划自动生成方法及装置、存储介质及电子设备
CN109544000A (zh) 面向航班正常性的航空公司排班计划优化方法和系统
CN115457810A (zh) 合并航班运行数据的方法、装置、电子设备及存储介质
CN112200625A (zh) 一种航班资源推荐方法及装置
CN104882029B (zh) 基于4d轨迹估算的实时监视告警方法
CN113077303A (zh) 一种航班信息的推荐方法、系统和电子设备
CN114331052A (zh) 航空运行风险的确定方法、计算设备及存储介质
Han et al. iETA: A Robust and Scalable Incremental Learning Framework for Time-of-Arrival Estimation
CN110853412B (zh) 异常航迹点的识别方法和设备
CN102595345A (zh) 一种基于短信的民航旅客登机口通知系统及其方法
CN113486237B (zh) 一种航班信息的推荐方法、系统、存储介质和电子设备
CN105654340A (zh) 旅客真实航程的确定方法及系统
CN113077304A (zh) 一种航班信息的推荐方法、系统和电子设备
CN110843860A (zh) 设备参数呈现方法及装置
CN113159888A (zh) 一种航班信息的推荐方法、系统及电子设备
EP2927847A1 (en) Journey planning method and system

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210706

RJ01 Rejection of invention patent application after publication