CN113139746B - 基于人工智能的酒店续住方法、装置、设备及存储介质 - Google Patents
基于人工智能的酒店续住方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113139746B CN113139746B CN202110525073.2A CN202110525073A CN113139746B CN 113139746 B CN113139746 B CN 113139746B CN 202110525073 A CN202110525073 A CN 202110525073A CN 113139746 B CN113139746 B CN 113139746B
- Authority
- CN
- China
- Prior art keywords
- room
- check
- hotel
- determining
- living
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 230000004083 survival effect Effects 0.000 claims description 9
- 238000007726 management method Methods 0.000 abstract description 18
- 235000021152 breakfast Nutrition 0.000 description 17
- 210000001672 ovary Anatomy 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 241001122767 Theaceae Species 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012549 training 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Abstract
本发明公开了一种基于人工智能的酒店续住方法、装置、设备及存储介质。包括获取续住用户的续住请求,并判断续住请求中是否携带智能推荐标识;在续住请求中携带有智能推荐标识时,获取续住用户的历史入住信息;根据历史入住信息确定续住用户的历史入住特征;将历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;根据理想房间特征确定酒店可选房间的匹配值,并将匹配值大于预设阈值的房间作为待选房间;获取续住用户基于待选房间选取的目标房间,将目标房间的入住指令发送至移动终端。相对于现有的酒店管理需要有管理人员24小时监管,为旅客办理入住的方式,本发明上述方式能够减少酒店的人工成本且可以为旅客智能推荐房间。
Description
技术领域
本发明涉及酒店管理的技术领域,尤其涉及一种基于人工智能的酒店续住方法、装置、设备及存储介质。
背景技术
随着科技的发展和人类的进步,人们的生活水平越来越高,出行的需求也不断增大。这有效的提高了酒店行业的发展,其中酒店预订已经日益发达,逐渐渗透进人们的生活中,但是。现有的酒店入住,即使在网上进行了预约,也必须通过前台进行办理,不管是酒店、公租房还是家庭旅馆,需要有人24小时专门办理入住和退房手续。给用户带来了不便,这也提高了酒店的人工成本。也会存在旅客离店或者是办理入住时,工作人员暂时不在现场,给旅客带来了不便,并且,对于再次入住的用户,还需要重新确认用户的需求信息,也增加了双方的时间成本。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种基于人工智能的酒店续住方法、装置、设备及存储介质,旨在解决现有技术酒店管理中需要有管理人员24小时监管,增加酒店的人工成本以及不能很好的为用户推荐理想的房间的技术问题。
为实现上述目的,本发明提供了一种基于人工智能的酒店续住方法,所述方法包括以下步骤:
获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识;
在所述续住请求中携带有智能推荐标识时,获取所述续住用户的历史入住信息;
根据所述历史入住信息确定所述续住用户的历史入住特征;
将所述历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;
根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间;
获取所述续住用户基于所述待选房间选取的目标房间,将所述目标房间的入住指令发送至所述移动终端。
可选地,所述根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间的步骤,包括:
根据所述理想房间特征确定酒店可选房间的目标特征;
根据所述历史入住信息确定所述目标特征对应的特征权重;
根据所述理想房间特征和所述目标特征确定所述目标特征对应的特征分值;
根据所述特征权重和所述特征分值确定匹配值,并将所述匹配值大于预设阈值的房间作为待选房间。
可选地,所述根据所述特征权重和所述特征分值确定匹配值的步骤,包括:
根据所述特征权重和所述特征分值通过以下公式计算匹配值:
其中,W为匹配值,n为目标特征的总数量,Pi为第i个目标特征对应的特征权重,Fi为第i个目标特征对应的特征分值。
可选地,所述根据所述历史入住信息确定所述续住用户的历史入住特征的步骤,包括:
根据所述历史入住信息确定历史入住房间的初始特征;
获取所述初始特征之间的相关度,并获取相关度大于相关度阈值的相关特征;
从所述初始特征中将所述相关特征中的冗余特征剔除,以获得历史入住特征。
可选地,所述根据所述历史入住信息确定所述续住用户的历史入住特征的步骤,包括:
根据所述历史入住信息确定历史入住房间的设施关键词;
根据所述历史入住信息统计所述设施关键词对应的频率;
将所述设施关键词按照所述设施关键词对应的频率的高低进行排序,获得排序结果;
根据所述排序结果确定所述续住用户的历史入住特征。
可选地,所述获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识的步骤之后,所述方法还包括:
在所述续住请求中未携带智能推荐标识时,根据所述续住请求确定用户预入住房间;
获取酒店可选房间信息;
根据所述酒店可选房间信息判断所述预入住房间是否处于未租赁状态;
在所述预入住房间处于未租赁状态时,将所述预入住房间的入住指令发送至所述移动终端。
可选地,所述根据所述酒店可选房间信息判断所述预入住房间是否处于未租赁状态的步骤之后,所述方法还包括:
在所述预入住房间未处于未租赁状态时,根据所述预入住房间确定预入住房间特征;
将所述预入住房间特征作为理想房间特征;
返回根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间的步骤。
此外,为实现上述目的,本发明还提供一种基于人工智能的酒店续住装置,所述装置包括:
判断模块,用于获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识;
获取模块,用于在所述续住请求中携带有智能推荐标识时,获取所述续住用户的历史入住信息;
确定模块,用于根据所述历史入住信息确定所述续住用户的历史入住特征;
筛选模块,用于将所述历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;
匹配模块,用于根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间;
入住模块,用于获取所述续住用户基于所述待选房间选取的目标房间,将所述目标房间的入住指令发送至所述移动终端。
此外,为实现上述目的,本发明还提出一种基于人工智能的酒店续住设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的酒店续住程序,所述基于人工智能的酒店续住程序配置为实现如上文所述的基于人工智能的酒店续住方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有基于人工智能的酒店续住程序,所述基于人工智能的酒店续住程序被处理器执行时实现如上文所述的基于人工智能的酒店续住方法的步骤。
本发明包括获取续住用户通过移动终端发起的续住请求,并判断续住请求中是否携带智能推荐标识;在续住请求中携带有智能推荐标识时,获取续住用户的历史入住信息;根据历史入住信息确定续住用户的历史入住特征;将历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;根据理想房间特征确定酒店可选房间的匹配值,并将匹配值大于预设阈值的房间作为待选房间;获取续住用户基于待选房间选取的目标房间,将目标房间的入住指令发送至移动终端。相对于现有的酒店管理需要有管理人员24小时监管,为旅客办理入住的方式,本发明上述方式能够减少酒店的人工成本且可以为旅客智能推荐房间。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于人工智能的酒店续住设备的结构示意图;
图2为本发明基于人工智能的酒店续住方法第一实施例的流程示意图;
图3为本发明基于人工智能的酒店续住方法第二实施例的流程示意图;
图4为本发明基于人工智能的酒店续住方法第三实施例的流程示意图;
图5为本发明基于人工智能的酒店续住装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的基于人工智能的酒店续住设备结构示意图。
如图1所示,该基于人工智能的酒店续住设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对基于人工智能的酒店续住设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及基于人工智能的酒店续住程序。
在图1所示的基于人工智能的酒店续住设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明基于人工智能的酒店续住设备中的处理器1001、存储器1005可以设置在基于人工智能的酒店续住设备中,所述基于人工智能的酒店续住设备通过处理器1001调用存储器1005中存储的基于人工智能的酒店续住程序,并执行本发明实施例提供的基于人工智能的酒店续住方法。
基于上述基于人工智能的酒店续住设备,本发明实施例提供了一种基于人工智能的酒店续住方法,参照图2,图2为本发明基于人工智能的酒店续住方法第一实施例的流程示意图。
本实施例中,所述基于人工智能的酒店续住方法包括以下步骤:
步骤S10:获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识。
需要说明的是,本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备,例如平板电脑、个人电脑、上位机等,或者是一种能够实现上述功能的电子设备或酒店预定终端。以下以所述酒店预定终端为例,对本实施例及下述各实施例进行说明。
应理解的是,所述移动终端可以是所述续住用户的手机、电脑等计算服务设备,所述续住请求可以是所述续住用户在所述移动终端上发起的续住请求,所述续住请求可以包括用户的身份信息、位置信息,以及智能推荐标识,所述智能推荐标识可以是用户在发起续住请求时,可以自主选择是否需要所述酒店预定终端为用户进行智能推荐房间的服务,在需要所述酒店预定终端为用户进行智能推荐服务时,在发起续住请求的时候,可以勾选上智能推荐标识,则所述酒店预定终端将为所述用户进行智能推荐房间入住,不需要用户再次输入用户的需求信息以及入住时的基本信息。所述基本信息包括用户的身份信息以及联系方式等信息。
在具体实施中,续住用户可以通过自己的移动终端,例如手机等设备发起续住请求,在发起续住请求的时候,可以选择是否需要智能推荐房间的服务,在需要智能推荐房间的服务时,选择智能推荐标识,则所述续住请求中就会携带智能推荐标识,酒店预定终端接收所述续住请求,并判断所述续住请求中是否携带智能推荐标识。
步骤S20:在所述续住请求中携带有智能推荐标识时,获取所述续住用户的历史入住信息。
需要说明的是,所述历史入住信息可以是所述续住用户之前入住酒店的酒店房间的信息以及续住用户的身份信息和联系方式等,例如,房间的基础设施信息、房间大小、楼层、价格以及房间所在的酒店的平面图的以及房间的位置等。
步骤S30:根据所述历史入住信息确定所述续住用户的历史入住特征。
进一步的,为了更好的根据用户之前的入住习惯为用户推荐更合适的房间,所述根据所述历史入住信息确定所述续住用户的历史入住特征的步骤,包括:根据所述历史入住信息确定历史入住房间的初始特征;获取所述初始特征之间的相关度,并获取相关度大于相关度阈值的相关特征;从所述初始特征中将所述相关特征中的冗余特征剔除,以获得历史入住特征。
需要说明的是,所述初始特征可以是所述续住用户之前入住的酒店房间的特征,例如,历史入住特征可以是有阳台、独卫、空调、带早餐、亲子房、宝宝椅以及楼层低等特征。所述初始特征之间的相关度可以是所述特征之间具有的相关程度,例如,亲子房中一般均会有宝宝椅和玩具,则判定亲子房与宝宝椅的相关度较高,面积大的房间一般会有沙发、电视等特征,则判定面积大的房间与沙发、电视等特征的相关度较高,带早餐的特征与有阳台的特征之间的联系并不是必要的,则认为早餐与阳台的特征相关度不高,为了避免总结出来的历史入住特征过多,增加后续的运算成本以及简化智能推荐的流程,需要将相关度较高的特征中的部分特征剔除,达到既删减了部分特征,又不影响特征涵盖的全面性。所述相关度阈值可以是自定义的值,可以将特征之间的相关度用数值表示。所述冗余特征可以是相关度较高的两个或多个特征中的其中一个或多个特征,例如,亲子房中一般均会有宝宝椅和玩具,则判定亲子房与宝宝椅和玩具的相关度较高,此时,冗余特征可以是亲子房、宝宝椅和玩具中的一个或两个,只需要在这些特征中保留一个或多个参与后续的智能推荐即可,在确定冗余特征的时候,可以采用随机确定的方式,例如,将相关度较高的亲子房、宝宝椅和玩具中的宝宝椅和玩具确定为冗余特征,从所述初始特征中剔除,以获得历史入住特征,所述历史入住特征可以是通过上述方式将所述初始特征中的冗余特征剔除后获得的特征。避免根据历史入住信息总结出来的特征过多,增加后续的运算成本以及简化智能推荐的流程。
步骤S40:将所述历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征。
需要说明的是,所述预设机器学习模型可以是预先根据样本特征集进行训练得到的神经网络模型,所述将所述历史入住特征输入至预设机器学习模型进行筛选可以是筛选出所述历史入住特征中的部分无效的特征,例如,在所述历史入住特征中存在有低楼层和有电梯的特征的时候,所述低楼层的特征可认为是无效的特征,可以进行删除,以及之前的历史入住特征相对于当前的酒店设施已经无法得到满足或者是有更优的替代设施,也可以进行删除或优化,例如,历史特征中有电视机特征,在将所述历史入住特征输入至预设机器学习模型进行筛选的时候,可以将电视机优化为电脑、智能大屏等设施,以获得理想房间特征。
步骤S50:根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间。
需要说明的是,所述酒店可选房间可以是当前酒店未租赁的可以入住的房间,所述匹配值可以是所述酒店当前的可选房间与所述理想房间特征对应的匹配程度,所述预设阈值可以是自定义的阈值,所述待选房间可以有多个,可以是匹配值大于所述预设阈值的房间。所述根据所述理想房间特征确定酒店可选房间的匹配值可以是确定所述酒店可选房间中存在的特征与所述理想房间特征重合的特征的数量,例如,理想房间特征有10个,A房间中存在所述理想房间特征10个中的5个特征,B房间中存在所述理想房间特征10个中的8个特征,则所述A房间和B房间对应的匹配值分别为5和8,若预设阈值为4,则所述房间A和所述房间B均可以作为所述待选房间。
步骤S60:获取所述续住用户基于所述待选房间选取的目标房间,将所述目标房间的入住指令发送至所述移动终端。
需要说明的是,所述目标房间可以是所述续住用户根据推荐的待选房间的照片、价格、以及处于酒店的楼层确定的将要入住的房间。所述入住指令可以是所述目标房间的密码锁或其他可以开门的指令等,以使所述续住用户根据所述入住指令入住房间。
进一步的,为了增加续住用户的满意度,所述获取所述续住用户基于所述待选房间确定的目标房间的步骤之前,所述方法还包括:将所述待选房间的相关信息展现给所述续住用户;其中,所述相关信息包括所述待选房间的照片和价格、所述待选房间对应的酒店的平面图,以及在所述平面图中的位置,以使所述续住用户根据所述待选房间的照片和价格、所述平面图确定目标房间。
进一步的,为了减少酒店运营的人工成本和增加用户的体验感,所述将所述目标房间的入住指令发送至所述移动终端的步骤之后,还包括,获取所述续住用户基于所述目标房间的入住信息;根据所述目标房间和所述入住信息更新服务器上的酒店房间信息;和/或:获取所述续住用户的离开信息和评价信息;将所述评价信息发送至酒店管理终端;根据所述离开信息更新所述服务器上的酒店房间信息。
需要说明的是,所述入住信息可以是所述续住用户的入住时间,入住天数等信息,所述离开信息可以是所述续住用户的离开日期和时间等信息,以便在所述续住用户离开后及时通知保洁人员打扫卫生,不影响下一位入住用户入住。
进一步的,为了使用户租赁到满意的房间,所述获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识的步骤之后,所述方法还包括:在所述续住请求中未携带智能推荐标识时,根据所述续住请求确定用户预入住房间;获取酒店可选房间信息;根据所述酒店可选房间信息判断所述预入住房间是否处于未租赁状态;在所述预入住房间处于未租赁状态时,将所述预入住房间的入住指令发送至所述移动终端。
需要说明的是,所述预入住房间可以是用户根据自己之前的入住体验,直接指定的要入住的房间,所述酒店可选房间信息可以是当前酒店中的未租赁的房间信息。
进一步的,所述根据所述酒店可选房间信息判断所述预入住房间是否处于未租赁状态的步骤之后,所述方法还包括:在所述预入住房间未处于未租赁状态时,根据所述预入住房间确定预入住房间特征;将所述预入住房间特征作为理想房间特征;返回根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间的步骤。
本实施例包括获取续住用户通过移动终端发起的续住请求,并判断续住请求中是否携带智能推荐标识;在续住请求中携带有智能推荐标识时,获取续住用户的历史入住信息;根据历史入住信息确定续住用户的历史入住特征;将历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;根据理想房间特征确定酒店可选房间的匹配值,并将匹配值大于预设阈值的房间作为待选房间;获取续住用户基于待选房间选取的目标房间,将目标房间的入住指令发送至移动终端。相对于现有的酒店管理需要有管理人员24小时监管,为旅客办理入住的方式,本实施例上述方式能够减少酒店的人工成本且可以为旅客智能推荐房间,增加用户的满意度和节约用户每次入住酒店时候的需求确认和办理入住的时间。
参考图3,图3为本发明基于人工智能的酒店续住方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S50包括:
步骤S501:根据所述理想房间特征确定酒店可选房间的目标特征。
需要说明的是,所述目标特征可以是获取所述酒店可选房间的全部特征,再确定所述全部特征与所述理想房间特征的重复特征,将所述重复特征作为所述目标特征,即所述目标特征可以是所述酒店可选房间中拥有的所述理想房间特征,例如,理想房间特征有阳台、大床房、早餐、梳妆台、电脑和沙发。酒店可选房间中的特征有餐厅、浴缸、阳台、亲子房、早餐、电脑和沙发,则所述目标特征可以是有阳台、早餐、电脑和沙发。
步骤S502:根据所述历史入住信息确定所述目标特征对应的特征权重。
需要说明的是,所述特征权重可以是所述特征对于在进行智能房间推荐时的影响程度,例如,酒店入住的时候,一般情况下床和独卫是必不可少的,则对应的权重最高,电脑房中电脑的权重也很高,根据所述历史入住信息为不同的特征分配不同的权重,可以为续住用户推荐更加匹配的房间。例如,根据历史入住信息可知,续住用户居住电脑房和双床的时候偏多,则目标特征中,电脑和双床的权重可以设置的较高,根据历史入住信息可知,续住用户一般在上午退房,基本不使用早餐,则目标特征中,早餐的权重可以设置的较低,或者是续住用户为亲子,则亲子房的权重可设置的较高。
步骤S503:根据所述理想房间特征和所述目标特征确定所述目标特征对应的特征分值。
需要说明的是,所述特征分值可以是所述目标特征中的特征的好坏或匹配的程度,例如,在目标特征中有阳台的时候,A房间的阳台更大,采光更好,B房间的阳台为封闭式,且采光不佳,则计算酒店可选房间的匹配值的时候,A房间的阳台这个特征对应的特征分值自然高于B房间。或者是在目标特征中有智能家居设备的时候,C房间的智能家居设备的数目多于D房间,则智能家居特征对应的特征分值C房间自然高于D房间。
步骤S504:根据所述特征权重和所述特征分值确定匹配值,并将所述匹配值大于预设阈值的房间作为待选房间。
进一步的,为了增加用户对推荐的房间的满意度,所述根据所述特征权重和所述特征分值确定匹配值的步骤,包括:根据所述特征权重和所述特征分值通过以下公式计算匹配值:
其中,W为匹配值,n为目标特征的总数量,Pi为第i个目标特征对应的特征权重,Fi为第i个目标特征对应的特征分值。
在具体实施中,例如,理想房间特征有阳台、大床房、早餐、梳妆台、电脑、沙发和智能家居设备。酒店可选房间A中的特征有餐厅、浴缸、阳台、亲子房、早餐、电脑、沙发和智能家居设备,则所述目标特征可以是有阳台、早餐、电脑、沙发和智能家居设备。则目标特征的总数量为5,分别是阳台、早餐、电脑、沙发和智能家居设备,根据续住用户的历史入住信息可知,续住用户经常玩电脑,不吃早餐,使用智能家居设备较多,则所述目标特征对应的特征权重可以分配如下:阳台0.05、早餐0、电脑,0.6、沙发0.05和智能家居设备0.3,且酒店可选房间A阳台大且采光好,对应的特征分值为90,智能家居设备中缺少用户之前经常使用的智能音响,对应的特征分值为50,电脑的配置较高基本可以满足用户的使用需求,则对应的特征分值为80,有基础健康早餐对应的特征分值为70,沙发较小对应的特征分值为60,则所述房间A对应的匹配值为:0.05*90+0*70+0.6*80+0.05*60+0.3*50=70.5,则A房间对应的匹配值为70.5,根据上述计算方式计算出所有酒店可选房间的匹配值。将匹配值大于预设阈值的可选房间作为待选房间。所述预设阈值可以是自定义的能够使匹配出的可选房间满足续住用户的续住需求的预设匹配值,在根据所述预设阈值和酒店可选房间的匹配值筛选待选房间时,得到的待选房间过少时,可以适当降低所述预设阈值。
本实施例根据所述理想房间特征确定酒店可选房间的目标特征;根据所述历史入住信息确定所述目标特征对应的特征权重;根据所述理想房间特征和所述目标特征确定所述目标特征对应的特征分值;根据所述特征权重和所述特征分值确定匹配值,并将所述匹配值大于预设阈值的房间作为待选房间。本实施例通过理想房间特征确定酒店可选房间的目标特征,根据目标特征的特征权重和特征分值计算出匹配值,根据所述匹配值为续住用户推荐房间,使得续住用户不需要自己手动输入入住的需求就可以获得量身打造的合适的推荐房间,节约了用户续住时需要操作的时间,提升了续住用户入住的体验感。
参考图4,图4为本发明基于人工智能的酒店续住方法第三实施例的流程示意图。
基于上述各实施例,在本实施例中,所述步骤S30,包括:
步骤S301:根据所述历史入住信息确定历史入住房间的设施关键词。
需要说明的是,所述设施关键词可以是所述历史入住信息中历史入住房间中的设施关键词。例如,历史入住的房间有房间A和房间B,房间A有阳台,独卫,梳妆台,餐厅,电脑,房间B有花园、飘窗、茶几、独卫和电脑,则所述设施关键词包括房间A和房间B中的阳台,独卫,梳妆台,餐厅,电脑、花园、飘窗、茶几。
步骤S302:根据所述历史入住信息统计所述设施关键词对应的频率。
需要说明的是,所述设施关键词对应的频率可以是所述设施关键词在历史入住信息中出现的频率,例如,续住用户的历史入住次数有5次,在历史入住的房间中3次入住房间中有电脑,2次有阳台,5次有独卫,则设施关键词电脑、阳台和独卫对应的频率分别为3、2和5。
步骤S303:将所述设施关键词按照所述设施关键词对应的频率的高低进行排序,获得排序结果。
在具体实施中,例如,续住用户的历史入住次数有5次,在历史入住的房间中3次入住房间中有电脑,2次有阳台,5次有独卫,则设置关键词电脑、阳台和独卫对应的频率分别为3、2和5。按照所述设施关键词对应的频率的高低进行排序,获得的排序结果为独卫、电脑、阳台。
步骤S304:根据所述排序结果确定所述续住用户的历史入住特征。
需要说明的是,所述根据所述排序结果确定所述续住用户的历史入住特征可以是取所述排序结果中的前预设个数个特征作为所述历史入住特征,例如,排序结果为独卫、阳台、电脑、双床、早餐、餐厅、高楼层,预设的选取特征的个数为5个,则选取排序结果中的前5个特征作为所述历史入住特征,可以是独卫、阳台、电脑、双床、早餐。
本实施例获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识;在所述续住请求中携带有智能推荐标识时,获取所述续住用户的历史入住信息;根据所述历史入住信息确定历史入住房间的设施关键词;根据所述历史入住信息统计所述设施关键词对应的频率;将所述设施关键词按照所述设施关键词对应的频率的高低进行排序,获得排序结果;根据所述排序结果确定所述续住用户的历史入住特征。将所述历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间;获取所述续住用户基于所述待选房间选取的目标房间,将所述目标房间的入住指令发送至所述移动终端。相对于现有的酒店管理需要有管理人员24小时监管,为旅客办理入住的方式,本实施例上述方式能够减少酒店的人工成本且可以为旅客智能推荐房间,节约了用户续住时的时间,提升了入住的体验感。
参照图5,图5为本发明基于人工智能的酒店续住装置第一实施例的结构框图。
如图5所示,本发明实施例提出的基于人工智能的酒店续住装置包括:
判断模块10,用于获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识;
获取模块20,用于在所述续住请求中携带有智能推荐标识时,获取所述续住用户的历史入住信息;
确定模块30,用于根据所述历史入住信息确定所述续住用户的历史入住特征;
筛选模块40,用于将所述历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;
匹配模块50,用于根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间;
入住模块60,用于获取所述续住用户基于所述待选房间选取的目标房间,将所述目标房间的入住指令发送至所述移动终端。
本实施例包括获取续住用户通过移动终端发起的续住请求,并判断续住请求中是否携带智能推荐标识;在续住请求中携带有智能推荐标识时,获取续住用户的历史入住信息;根据历史入住信息确定续住用户的历史入住特征;将历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;根据理想房间特征确定酒店可选房间的匹配值,并将匹配值大于预设阈值的房间作为待选房间;获取续住用户基于待选房间选取的目标房间,将目标房间的入住指令发送至移动终端。相对于现有的酒店管理需要有管理人员24小时监管,为旅客办理入住的方式,本实施例上述方式能够减少酒店的人工成本且可以为旅客智能推荐房间。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的参数运行方法,此处不再赘述。
基于本发明上述基于人工智能的酒店续住装置第一实施例,提出本发明基于人工智能的酒店续住装置的第二实施例。
在本实施例中,所述匹配模块50,还用于根据所述理想房间特征确定酒店可选房间的目标特征;根据所述历史入住信息确定所述目标特征对应的特征权重;根据所述理想房间特征和所述目标特征确定所述目标特征对应的特征分值;根据所述特征权重和所述特征分值确定匹配值,并将所述匹配值大于预设阈值的房间作为待选房间。
进一步的,所述匹配模块50,还用于根据所述特征权重和所述特征分值通过以下公式计算匹配值:
其中,W为匹配值,n为目标特征的总数量,Pi为第i个目标特征对应的特征权重,Fi为第i个目标特征对应的特征分值。
进一步的,所述确定模块30,还用于根据所述历史入住信息确定历史入住房间的初始特征;获取所述初始特征之间的相关度,并获取相关度大于预设阈值的相关特征;从所述初始特征中将所述相关特征中的冗余特征剔除,以获得历史入住特征。
进一步的,所述确定模块30,还用于根据所述历史入住信息确定历史入住房间的设施关键词;根据所述历史入住信息统计所述设施关键词对应的频率;将所述设施关键词按照所述设施关键词对应的频率的高低进行排序,获得排序结果;根据所述排序结果确定所述续住用户的历史入住特征。
进一步的,所述入住模块60,还用于在所述续住请求中未携带智能推荐标识时,根据所述续住请求确定用户预入住房间;获取酒店可选房间信息;根据所述酒店可选房间信息判断所述预入住房间是否处于未租赁状态;在所述预入住房间处于未租赁状态时,将所述预入住房间的入住指令发送至所述移动终端。
进一步的,所述入住模块60,还用于在所述预入住房间未处于未租赁状态时,根据所述预入住房间确定预入住房间特征;将所述预入住房间特征作为理想房间特征;返回根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间的步骤。
本发明基于人工智能的酒店续住装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有基于人工智能的酒店续住程序,所述基于人工智能的酒店续住程序被处理器执行时实现如上文所述的基于人工智能的酒店续住方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种基于人工智能的酒店续住方法,其特征在于,所述基于人工智能的酒店续住方法包括以下步骤:
获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识;
在所述续住请求中携带有智能推荐标识时,获取所述续住用户的历史入住信息;
根据所述历史入住信息确定所述续住用户的历史入住特征;
将所述历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;
根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间;
获取所述续住用户基于所述待选房间选取的目标房间,将所述目标房间的入住指令发送至所述移动终端;
所述根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间的步骤,包括:
根据所述理想房间特征确定酒店可选房间的目标特征;
根据所述历史入住信息确定所述目标特征对应的特征权重;
根据所述理想房间特征和所述目标特征确定所述目标特征对应的特征分值;
根据所述特征权重和所述特征分值确定匹配值,并将所述匹配值大于预设阈值的房间作为待选房间。
2.如权利要求1所述的基于人工智能的酒店续住方法,其特征在于,所述根据所述特征权重和所述特征分值确定匹配值的步骤,包括:
根据所述特征权重和所述特征分值通过以下公式计算匹配值:
其中,W为匹配值,n为目标特征的总数量,Pi为第i个目标特征对应的特征权重,Fi为第i个目标特征对应的特征分值。
3.如权利要求1所述的基于人工智能的酒店续住方法,其特征在于,所述根据所述历史入住信息确定所述续住用户的历史入住特征的步骤,包括:
根据所述历史入住信息确定历史入住房间的初始特征;
获取所述初始特征之间的相关度,并获取相关度大于相关度阈值的相关特征;
从所述初始特征中将所述相关特征中的冗余特征剔除,以获得历史入住特征。
4.如权利要求1所述的基于人工智能的酒店续住方法,其特征在于,所述根据所述历史入住信息确定所述续住用户的历史入住特征的步骤,包括:
根据所述历史入住信息确定历史入住房间的设施关键词;
根据所述历史入住信息统计所述设施关键词对应的频率;
将所述设施关键词按照所述设施关键词对应的频率的高低进行排序,获得排序结果;
根据所述排序结果确定所述续住用户的历史入住特征。
5.如权利要求1所述的基于人工智能的酒店续住方法,其特征在于,所述获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识的步骤之后,所述方法还包括:
在所述续住请求中未携带智能推荐标识时,根据所述续住请求确定用户预入住房间;
获取酒店可选房间信息;
根据所述酒店可选房间信息判断所述预入住房间是否处于未租赁状态;
在所述预入住房间处于未租赁状态时,将所述预入住房间的入住指令发送至所述移动终端。
6.如权利要求5所述的基于人工智能的酒店续住方法,其特征在于,所述根据所述酒店可选房间信息判断所述预入住房间是否处于未租赁状态的步骤之后,所述方法还包括:
在所述预入住房间未处于未租赁状态时,根据所述预入住房间确定预入住房间特征;
将所述预入住房间特征作为理想房间特征;
返回根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间的步骤。
7.一种基于人工智能的酒店续住装置,其特征在于,所述基于人工智能的酒店续住装置包括:
判断模块,用于获取续住用户通过移动终端发起的续住请求,并判断所述续住请求中是否携带智能推荐标识;
获取模块,用于在所述续住请求中携带有智能推荐标识时,获取所述续住用户的历史入住信息;
确定模块,用于根据所述历史入住信息确定所述续住用户的历史入住特征;
筛选模块,用于将所述历史入住特征输入至预设机器学习模型进行筛选,以获得理想房间特征;
匹配模块,用于根据所述理想房间特征确定酒店可选房间的匹配值,并将所述匹配值大于预设阈值的房间作为待选房间;
入住模块,用于获取所述续住用户基于所述待选房间选取的目标房间,将所述目标房间的入住指令发送至所述移动终端;
所述匹配模块,还用于根据所述理想房间特征确定酒店可选房间的目标特征;根据所述历史入住信息确定所述目标特征对应的特征权重;根据所述理想房间特征和所述目标特征确定所述目标特征对应的特征分值;根据所述特征权重和所述特征分值确定匹配值,并将所述匹配值大于预设阈值的房间作为待选房间。
8.一种基于人工智能的酒店续住设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的酒店续住程序,所述基于人工智能的酒店续住程序配置为实现如权利要求1至6中任一项所述的基于人工智能的酒店续住方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有基于人工智能的酒店续住程序,所述基于人工智能的酒店续住程序被处理器执行时实现如权利要求1至6任一项所述的基于人工智能的酒店续住方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110525073.2A CN113139746B (zh) | 2021-05-13 | 2021-05-13 | 基于人工智能的酒店续住方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110525073.2A CN113139746B (zh) | 2021-05-13 | 2021-05-13 | 基于人工智能的酒店续住方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113139746A CN113139746A (zh) | 2021-07-20 |
CN113139746B true CN113139746B (zh) | 2023-11-14 |
Family
ID=76817751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110525073.2A Active CN113139746B (zh) | 2021-05-13 | 2021-05-13 | 基于人工智能的酒店续住方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139746B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010182287A (ja) * | 2008-07-17 | 2010-08-19 | Steven C Kays | 適応型インテリジェント・デザイン |
CN105005579A (zh) * | 2015-05-28 | 2015-10-28 | 携程计算机技术(上海)有限公司 | Ota网站中酒店房型个性化排序方法及系统 |
CN105046600A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒(上海)有限公司 | 一种酒店用电视的个性化信息推荐方法及系统 |
CN107203819A (zh) * | 2017-05-23 | 2017-09-26 | 合肥昊思云科科技有限公司 | 一种酒店客房智能化预订方法 |
CN107291939A (zh) * | 2017-07-06 | 2017-10-24 | 携程计算机技术(上海)有限公司 | 酒店信息的聚类匹配方法及系统 |
CN107679674A (zh) * | 2017-10-23 | 2018-02-09 | 携程计算机技术(上海)有限公司 | Ota平台海外酒店房型服务缺陷的预测方法及系统 |
CN108241310A (zh) * | 2018-01-22 | 2018-07-03 | 苏州白金汉爵大酒店有限公司 | 酒店房间状态控制方法、装置及系统 |
CN109063137A (zh) * | 2018-08-03 | 2018-12-21 | 苏州大学 | 一种推荐对象确定方法、装置、设备及可读存储介质 |
CN109977131A (zh) * | 2019-04-03 | 2019-07-05 | 深圳市前海喜越科技有限公司 | 一种房型匹配系统 |
CN112508218A (zh) * | 2021-02-03 | 2021-03-16 | 北京云动数字媒体技术有限公司 | 酒店预订方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140052577A1 (en) * | 2012-06-06 | 2014-02-20 | Stephen GOTLIEB | System and method for travel and planning and trip information aggregation |
-
2021
- 2021-05-13 CN CN202110525073.2A patent/CN113139746B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010182287A (ja) * | 2008-07-17 | 2010-08-19 | Steven C Kays | 適応型インテリジェント・デザイン |
CN105005579A (zh) * | 2015-05-28 | 2015-10-28 | 携程计算机技术(上海)有限公司 | Ota网站中酒店房型个性化排序方法及系统 |
CN105046600A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒(上海)有限公司 | 一种酒店用电视的个性化信息推荐方法及系统 |
CN107203819A (zh) * | 2017-05-23 | 2017-09-26 | 合肥昊思云科科技有限公司 | 一种酒店客房智能化预订方法 |
CN107291939A (zh) * | 2017-07-06 | 2017-10-24 | 携程计算机技术(上海)有限公司 | 酒店信息的聚类匹配方法及系统 |
CN107679674A (zh) * | 2017-10-23 | 2018-02-09 | 携程计算机技术(上海)有限公司 | Ota平台海外酒店房型服务缺陷的预测方法及系统 |
CN108241310A (zh) * | 2018-01-22 | 2018-07-03 | 苏州白金汉爵大酒店有限公司 | 酒店房间状态控制方法、装置及系统 |
CN109063137A (zh) * | 2018-08-03 | 2018-12-21 | 苏州大学 | 一种推荐对象确定方法、装置、设备及可读存储介质 |
CN109977131A (zh) * | 2019-04-03 | 2019-07-05 | 深圳市前海喜越科技有限公司 | 一种房型匹配系统 |
CN112508218A (zh) * | 2021-02-03 | 2021-03-16 | 北京云动数字媒体技术有限公司 | 酒店预订方法及系统 |
Non-Patent Citations (2)
Title |
---|
"基于RFM模型和协同过滤技术的酒店房型推荐算法";周桂如;《吉首大学学报(自然科学版)》;29-32 * |
西部旅游城市发展产权酒店初探;耿选珍;;科技信息(第18期);754 * |
Also Published As
Publication number | Publication date |
---|---|
CN113139746A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875629B (zh) | 基于体感网的居家养老系统及其控制方法 | |
US20210398410A1 (en) | Systems and Methods for Predictive Environmental Fall Risk Identification | |
CN107004053A (zh) | 基于家族历史的动态可穿戴设备行为 | |
CN103809536A (zh) | 一种客房智能管理系统 | |
CN106844699B (zh) | 一种智能社区的服务员工的授权方法 | |
CN109961178B (zh) | 户型改造信息的获取方法及装置 | |
US20200012955A1 (en) | Device, system and method for factor estimation | |
US20200042925A1 (en) | Methods and systems for measuring and improving real-time user satisfaction in hospitality industry | |
CN106558012A (zh) | 一种基于智能社区的健康服务系统 | |
CN107613852A (zh) | 被监视者监视系统的中央处理装置以及中央处理方法、及所述被监视者监视系统 | |
CN114580719A (zh) | 一种智慧展馆互动方法及系统 | |
EP3776396B1 (en) | Detecting abnormal behavior in smart buildings | |
CN113139746B (zh) | 基于人工智能的酒店续住方法、装置、设备及存储介质 | |
US20200066398A1 (en) | Nursing Home Bed Reservation | |
JP2019050496A (ja) | 応答制御装置、制御方法、制御プログラム、および、記録媒体 | |
JP2012216167A (ja) | 環境地図生成装置及びプログラム | |
CN112219385A (zh) | 用于智能建筑物的便携式用户配置文件 | |
JP2011123599A (ja) | 環境活動促進システム | |
CN109961319A (zh) | 一种户型改造信息的获取方法及装置 | |
CN109720945B (zh) | 电梯分配方法、装置、设备及计算机可读存储介质 | |
CN112237013A (zh) | 对于智能建筑物的满意度测量 | |
CN106844698B (zh) | 一种数字云服务平台 | |
KR20190040770A (ko) | 크라우드 소싱 기반 장애 시설물 정보 업로드 방법 | |
JP2014222487A (ja) | シミュレーション装置及びプログラム | |
JP2021047600A (ja) | 情報処理システムおよびプログラム |
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 |