CN113313523A - 一种确定可比较航班的方法及系统 - Google Patents

一种确定可比较航班的方法及系统 Download PDF

Info

Publication number
CN113313523A
CN113313523A CN202110609873.2A CN202110609873A CN113313523A CN 113313523 A CN113313523 A CN 113313523A CN 202110609873 A CN202110609873 A CN 202110609873A CN 113313523 A CN113313523 A CN 113313523A
Authority
CN
China
Prior art keywords
target
flights
flight
index
cluster
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
CN202110609873.2A
Other languages
English (en)
Inventor
常伯彤
杨程屹
赵耀帅
冯迪
吴丽娜
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.)
China Travelsky Technology Co Ltd
China Travelsky Holding Co
Original Assignee
China Travelsky Holding Co
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 China Travelsky Holding Co filed Critical China Travelsky Holding Co
Priority to CN202110609873.2A priority Critical patent/CN113313523A/zh
Publication of CN113313523A publication Critical patent/CN113313523A/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种确定可比较航班的方法及系统，该方法为：采集指定时间范围内已起飞的多个目标航班的航班数据；从预设属性指标中选择符合预设条件的目标属性指标；针对每一目标航班，根据目标航班的航班数据，确定目标属性指标的指标值，该指标值与目标航班对应；利用所有目标航班对应的指标值，从所有目标航班中确定得到可比较航班。根据计算得到的目标航班的指标值，选择出可比较航班，不依赖于业务人员的主观意识和个人水平，保证所选择的可比较航班具有相似或相同的销售环境和航线管理员操作，从而提高可比较航班之间的销售收益情况的比对准确性，进而提高航班间销售收益情况比对的公平性。

Description

一种确定可比较航班的方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种确定可比较航班的方法及系统。
背景技术
对于航空公司而言，提高航班收益是重要的经营目标。为提高航班收益，通常需要对航班之间的销售收益情况进行比对，再根据比对结果调整经营策略。
目前通常由业务人员从航班中选择可比较航班，再对业务人员所选择的可比较航班进行销售收益情况的比对。但是，航班的销售收益情况会同时受到销售环境和航线管理员操作等方面的影响，业务人员选择可比较航班依赖于业务人员的主观意识和个人水平，无法准确的选择出销售环境和航线管理员操作等方面相似或相同的可比较航班，导致航班之间的销售收益情况的比对准确性较差。
发明内容
有鉴于此，本发明实施例提供一种确定可比较航班的方法及系统，以解决目前选择可比较航班的方式存在的准确性较低等问题。
为实现上述目的，本发明实施例提供如下技术方案：
本发明实施例第一方面公开一种确定可比较航班的方法，所述方法包括：
采集指定时间范围内已起飞的多个目标航班的航班数据；
从预设属性指标中选择符合预设条件的目标属性指标，所述预设属性指标至少包含：航线相关属性指标和航班相关属性指标；
针对每一所述目标航班，根据所述目标航班的航班数据，确定所述目标属性指标的指标值，所述指标值与所述目标航班对应；
利用所有所述目标航班对应的所述指标值，从所有所述目标航班中确定得到可比较航班。
优选的，所述利用所有所述目标航班对应的所述指标值，从所有所述目标航班中确定得到可比较航班，包括：
利用所有所述目标航班对应的所述指标值，构建指标值矩阵，所述指标值矩阵的每一行元素由一个所述目标航班对应的所述指标值构成；
根据所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少一个航线类簇，同一航线类簇中的航线为可比较航线；
对于每一航线类簇，利用所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为至少一个航班类簇；
确定同一航班类簇中的所述目标航班为可比较航班。
优选的，所述根据所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少一个航线类簇，包括：
以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少K个航线类簇，K为大于等于1的整数；
相应的，所述对于每一航线类簇，利用所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为至少一个航班类簇，包括：
对于每一航线类簇，以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为N个航班类簇，N为大于等于1的整数。
优选的，所述从预设属性指标中选择符合预设条件的目标属性指标，包括：
从预设属性指标中，选择符合低冗余条件和航班特性条件的预设属性指标为目标属性指标。
优选的，从所有所述目标航班中确定得到可比较航班之后，还包括：
对确定得到的所述可比较航班进行验证。
本发明实施例第二方面公开一种确定可比较航班的系统，所述系统包括：
采集单元，用于采集指定时间范围内已起飞的多个目标航班的航班数据；
选择单元，用于从预设属性指标中选择符合预设条件的目标属性指标，所述预设属性指标至少包含：航线相关属性指标和航班相关属性指标；
第一确定单元，用于针对每一所述目标航班，根据所述目标航班的航班数据，确定所述目标属性指标的指标值，所述指标值与所述目标航班对应；
第二确定单元，用于利用所有所述目标航班对应的所述指标值，从所有所述目标航班中确定得到可比较航班。
优选的，所述第二确定单元包括：
构建模块，用于利用所有所述目标航班对应的所述指标值，构建指标值矩阵，所述指标值矩阵的每一行元素由一个所述目标航班对应的所述指标值构成；
第一划分模块，用于根据所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少一个航线类簇，同一航线类簇中的航线为可比较航线；
第二划分模块，用于对于每一航线类簇，利用所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为至少一个航班类簇；
确定模块，用于确定同一航班类簇中的所述目标航班为可比较航班。
优选的，所述第一划分模块具体用于：以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少K个航线类簇，K为大于等于1的整数；
相应的，所述第二划分模块具体用于：对于每一航线类簇，以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为N个航班类簇，N为大于等于1的整数。
本发明实施例第三方面公开一种电子设备，包括：处理器以及存储器，所述处理器以及存储器通过通信总线相连；其中，所述处理器，用于调用并执行所述存储器中存储的程序；所述存储器，用于存储程序，所述程序用于实现如本发明实施例第一方面公开的确定可比较航班的方法。
本发明实施例第四方面公开一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行本发明实施例第一方面公开的确定可比较航班的方法。
基于上述本发明实施例提供的一种确定可比较航班的方法及系统，该方法为：采集指定时间范围内已起飞的多个目标航班的航班数据；从预设属性指标中选择符合预设条件的目标属性指标；针对每一目标航班，根据目标航班的航班数据，确定目标属性指标的指标值，该指标值与目标航班对应；利用所有目标航班对应的指标值，从所有目标航班中确定得到可比较航班。本方案中，采集目标航班的航班数据，并从预设属性指标中选择符合条件的目标属性指标。利用目标航班的航班数据，计算目标属性指标的与目标航班对应的指标值。根据各个目标航班的指标值，从所有目标航班中确定得到可比较航班。根据计算得到的目标航班的指标值，选择出可比较航班，不依赖于业务人员的主观意识和个人水平，保证所选择的可比较航班具有相似或相同的销售环境和航线管理员操作等方面，从而提高可比较航班之间的销售收益情况的比对准确性，进而提高航班间销售收益情况比对的公平性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种确定可比较航班的方法的流程图；
图2为本发明实施例提供的确定得到可比较航班的流程图；
图3为本发明实施例提供的一种确定可比较航班的方法的另一流程图；
图4为本发明实施例提供的一种确定可比较航班的系统的结构框图；
图5为本发明实施例提供的一种电子设备的结构示意图。
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。
在本申请中，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知，目前在选择可比较航班时，通常是由业务人员以人工的方式从航班中选择可比较航班，再对所选择的可比较航班进行销售收益情况的比对。但是，由于航班的销售收益情况会同时受到销售环境和航线管理员操作等方面的影响，人工选择可比较航班依赖于业务人员的主观意识和个人水平，不能准确的选择出销售环境和航线管理员操作等方面相似或相同的可比较航班，从而导致航班之间的销售收益情况的比对准确性较差。
因此，本发明实施例提供一种确定可比较航班的方法及系统，采集目标航班的航班数据，并从预设属性指标中选择符合条件的目标属性指标。利用目标航班的航班数据，计算目标属性指标的与目标航班对应的指标值。根据各个目标航班的指标值，从所有目标航班中确定得到可比较航班。根据计算得到的目标航班的指标值，选择出可比较航班，不依赖于业务人员的主观意识和个人水平，以保证所选择的可比较航班具有相似或相同的销售环境和航线管理员操作等方面，从而提高可比较航班之间的销售收益情况的比对准确性，进而以提高航班间销售收益情况比对的公平性。
需要说明的是，在本发明实施例中所涉及的可比较航班，具体是指：能够用于比对销售收益情况的航班，且可比较航班之间具有相似或相同的销售环境和航线管理员操作等方面。
参见图1，示出了本发明实施例提供的一种确定可比较航班的方法的流程图，该方法包括：
步骤S101：采集指定时间范围内已起飞的多个目标航班的航班数据。
在具体实现步骤S101的过程中，采集指定时间范围内已经起飞的多个目标航班的航班数据，每个目标航班的航班数据包括但不仅限于：航班信息、城市信息、航司信息和旅客需求信息等数据。
可以理解的是，在采集目标航班的航班数据后，需要对航班数据中的缺失值进行相应处理，以保证航班数据的准确和完备。
步骤S102：从预设属性指标中选择符合预设条件的目标属性指标。
需要说明的是，预先设置多个预设属性指标，所设置的多个预设属性指标为涵盖航班销售环境的重要指标，预设属性指标包括但不仅限于：航线相关属性指标和航班相关属性指标。
其中，航线相关属性指标包括但不仅限于：航线基本属性指标、航线资源属性指标和航线环境属性指标等与航线相关的属性指标，在此不一一举例说明。
航班相关属性指标包括但不仅限于：航班时间属性指标和航司属性指标等与航班相关的属性指标，在此不一一举例说明。
可以理解的是，每个预设属性指标中至少包含一个及以上的指标，每个预设属性指标所包含的指标的具体内容，详见以下内容。
航班时间属性指标所包含的指标：航班班期，航班起飞时间是否为周末，航班起飞时间是否为法定节假日。
航司属性指标所包含的指标：航班承运人等级。
航线基本属性指标所包含的指标：出发城市等级，到达城市等级，航线距离。
航线资源属性指标所包含的指标：同航线航班数量，同航线接近时段航班数量。
航线环境属性指标所包含的指标：航线旅客需求量。
其它重要属性指标所包含的指标：起飞时间，飞机机型，是否含餐食，价格水平，时长，航班布局数。
需要说明的是，预设属性指标为涵盖航班销售环境的重要指标，由于航班的业务数据中通常为直观的属性指标(比如航线信息中的距离，公布运价等)，为更全面的反映航班销售环境，可通过上述举例说明的各个预设属性指标所包含的指标，计算得到比例型的新属性指标，该新属性指标指示新的航线特性，比如新属性指标为每公里公布运价。
结合直观的属性指标和比例型的新属性指标，能更全面的反映航班销售环境。
为更好解释说明各个预设属性指标的具体内容，通过表1示出的内容进行举例说明，可以理解的是，表1中仅示出了部分预设属性指标及其含义。
表1：
Figure BDA0003095526570000071
Figure BDA0003095526570000081
Figure BDA0003095526570000091
需要说明的是，在实际应用过程中，可根据实际需求确定各个预设属性指标的具体内容，而上述关于各个预设属性指标的具体内容，仅用于举例说明，在本发明实施例中，对于各个预设属性指标的具体内容不一一举例说明。
可以理解的是，在实际应用中，诸如航司等级、计划起飞时刻等级、准点率等级和航班布局等级等用于航班聚类的重要的属性指标，均需变换为指标的百分比排名，例如某航班对应的航司等级在其起飞日同航线市场上各航班航司等级中所占的百分比排名，以表达航班在起飞日当日航线上的排名竞争力。
在具体实现步骤S102的过程中，从预设属性指标中，选择符合低冗余条件和航班特性条件的预设属性指标为目标属性指标。
可以理解的是，在实际应用过程中，要求所选择的目标属性指标至少需要满足以下条件：能全面覆盖表达航班特性，所选择的目标属性指标不能包含过多的冗余数据，比如旅客量和运力这两个预设属性指标之间就存在冗余数据。
因此，在从预设属性指标中选择目标属性指标属性时，按照低冗余条件和航班特性条件，选择能覆盖表达航班特性且冗余低的目标属性指标。
步骤S103：针对每一目标航班，根据目标航班的航班数据，确定目标属性指标的指标值。
在具体实现步骤S103的过程中，对于每一目标航班，利用该目标航班的航班数据，确定目标属性指标的指标值，所确定的该指标值与该目标航班对应。
也就是说，每个目标航班的航班数据，可确定目标属性指标的一组指标值，比如：假设所确定的目标属性指标为航司属性指标和航线基本属性指标，则利用每个目标航班的航班数据，可确定得到航司属性指标和航线基本属性指标的一组指标值。
步骤S104：利用所有目标航班对应的指标值，从所有目标航班中确定得到可比较航班。
由上述步骤S103的内容可知，每个目标航班的航班数据，可确定目标属性指标的一组指标值，在具体实现步骤S104的过程中，利用所有目标航班对应的指标值，构建指标值矩阵，该指标值矩阵的每一行元素(每个元素即为指标值)由一个目标航班对应的指标值构成。
也就是说，指标值矩阵的每一行元素，即为利用一个目标航班的航班数据计算得到的目标属性指标的一组指标值。指标值矩阵的每一行元素指代一个具体的目标航班，即每个目标航班由指标值矩阵中的一行指标值表示，指标值矩阵中的一行指标值能反映与之对应的目标航班的销售环境。
构建指标值矩阵后，利用指标值矩阵，将所有目标航班进行分类，每个类别中的目标航班即为可比较航班。
也就是说，将所有目标航班进行分类后，每个类别中包含一个及以上的目标航班，同一类别的目标航班之间能进行销售收益情况的比对，即同一类别的目标航班为可比较航班。
在具体实现中，在将所有目标航班进行分类的过程中，可先对所有目标航班的航线进行分类(即得到至少一个航线类别)，再对同一航线类别中的航线所对应的目标航班进行分类(即得到至少一个航班类别)，航线类别相同且航班类别相同的航班即为可比较航班。
优选的，在确定得到可比较航班之后，对确定得到的可比较航班进行验证，验证上述步骤S101至步骤S104所确定的可比较航班是否能真实用于进行销售收益情况的比对。
具体验证方式为：利用业务经验，选择指定案例，利用指定案例对确定得到的可比较航班进行验证，该指定案例即为利用业务经验所确定的可比较航班。
比如：根据业务经验从目标航班中确定可比较航班，比如：确定同天起飞同航线同时段的航班为可比较航班，利用由业务经验所确定的可比较航班，对上述步骤S101至步骤S104所确定的可比较航班进行验证。
在本发明实施例中，采集目标航班的航班数据，并从预设属性指标中选择符合条件的目标属性指标。利用目标航班的航班数据，计算目标属性指标的与目标航班对应的指标值。根据各个目标航班的指标值，从所有目标航班中确定得到可比较航班。根据计算得到的目标航班的指标值，选择出可比较航班，不依赖于业务人员的主观意识和个人水平，保证所选择的可比较航班具有相似或相同的销售环境和航线管理员操作等方面，从而提高可比较航班之间的销售收益情况的比对准确性，进而提高航班间销售收益情况比对的公平性。
上述本发明实施例图1步骤S104中涉及的确定可比较航班的过程，参见图2，示出了本发明实施例提供的确定得到可比较航班的流程图，包括以下步骤：
步骤S201：利用所有目标航班对应的指标值，构建指标值矩阵。
需要说明的是，关于指标值矩阵的具体内容，参见上述本发明实施例图1步骤S104中的内容，在此不再赘述。
步骤S202：根据指标值矩阵中与航线相关属性指标对应的指标值，对所有目标航班对应的航线进行航线聚类，将所有目标航班的航线划分为至少一个航线类簇。
需要说明的是，同一航线类簇中的航线为可比较航线。
在具体实现步骤S202的过程中，根据指标值矩阵中与航线相关属性指标对应的指标值，结合可以处理离散型变量和连续型变量的聚类算法，对所有目标航班对应的航线进行航线聚类，将所有目标航班的航线划分为至少一个航线类簇。
可以理解的是，在对所有目标航班对应的航线进行航线聚类的过程中，通过戴维森堡丁指数(也称为DB指数)和轮廓系数，重复执行聚类过程，直至确定最优的聚类数。
需要说明的是，在利用聚类算法(比如K-means聚类算法和K-prototype聚类算法)进行聚类时，需要确定聚类数，DB指数和轮廓系数可作为评估聚类结果好坏的指标，DB指数越小轮廓系数越大，指示聚类的效果越好。
因此，在对所有目标航班对应的航线进行航线聚类的过程中：以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和指标值矩阵中与航线相关属性指标对应的指标值，对所有目标航班对应的航线进行航线聚类，将所有目标航班的航线划分为至少K个航线类簇，K为大于等于1的整数。
也就是说，对所有目标航班对应的航线进行航线聚类的过程中，选择戴维森堡丁指数最小和轮廓系数最大时对应的聚类数K，将所有目标航班对应的航线划分为K个航线类簇。
步骤S203：对于每一航线类簇，利用指标值矩阵中与航班相关属性指标对应的指标值，对航线类簇中所有航线对应的目标航班进行航班聚类，将航线类簇中所有航线对应的目标航班划分为至少一个航班类簇。
在具体实现步骤S203的过程中，在将所有目标航班的航线划分为K个航线类簇后，针对每一航线类簇，利用指标值矩阵中与航班相关属性指标对应的指标值(该航线类簇中所有航线对应的目标航班所对应的航班相关属性指标的指标值)，对该航线类簇中所有航线对应的目标航班进行航班聚类，将该航线类簇中所有航线对应的目标航班划分为至少一个航班类簇。
通过以上方式，将每个航线类簇所对应的目标航班进行航班划分，每个航线类簇即对应至少一个航班类簇。
也就是说，结合上述步骤S202和步骤203所示出的内容，主要是通过两个步骤对所有目标航班进行分类，第一步为先将所有目标航班对应的航线划分为至少一个航线类簇，第二步为再将同一航线类簇下对应的目标航班划分为至少一个航班类簇。
在具体实现中，对于每一航线类簇，以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和指标值矩阵中与航班相关属性指标对应的指标值，对该航线类簇中所有航线对应的目标航班进行航班聚类，将该航线类簇中所有航线对应的目标航班划分为N个航班类簇，N为大于等于1的整数，其中，N即为最优的聚类数，聚类的过程可参见步骤S202中的内容，在此不再赘述。
步骤S204：确定同一航班类簇中的目标航班为可比较航班。
在具体实现步骤S204的过程中，将所有目标航班的航线划分为K个航线类簇后，及将每个航线类簇中对应的所有目标航班划分为N个航班类簇后，属于同一航班类簇中的目标航班为可比较航班。
在具体实现步骤S204的过程中，将所有目标航班划分为K个类簇后，属于同一类簇的目标航班即为可比较航班，同一类簇中的目标航班即为销售环境相同或相近的可比较航班。
在本发明实施例中，根据指标值矩阵，利用聚类算法，先将所有目标航班对应的航线划分为K个航线类簇，再将同一航线类簇下的目标航班划分为N个航班类簇，同一航班类簇中的目标航班即为可比较航班，不依赖于业务人员的主观意识和个人水平，保证所选择的可比较航班具有相似或相同的销售环境和航线管理员操作等方面，从而提高可比较航班之间的销售收益情况的比对准确性，进而提高航班间销售收益情况比对的公平性。
为更好解释说明上述本发明实施例图1和图2中各个步骤的内容，通过图3示出的内容进行举例说明，需要说明的是，图3仅用于举例。
参见图3，示出了本发明实施例提供的一种确定可比较航班的方法的另一流程图，该方法包括：
步骤S301：采集指定时间范围内已起飞的多个目标航班的航班数据。
步骤S302：从预设属性指标中选择符合预设条件的目标属性指标。
步骤S303：构建指标值矩阵。
在具体实现步骤S303的过程中，对于每一目标航班，利用该目标航班的航班数据，计算目标属性指标的指标值，得到该目标航班对应的指标值。
利用所有目标航班对应的指标值，构建指标值矩阵。
步骤S304：利用指标值矩阵，对所有目标航班进行聚类。
在具体实现步骤S304的过程中，利用指标值矩阵中的指标值，通过聚类算法对所有目标航班进行聚类，在聚类过程中，以戴维森堡丁指数和轮廓系数作为评估聚类效果的指标。
具体如何对所有目标航班进行聚类的过程，参见上述本发明实施例图2中的内容，在此不再赘述。
步骤S305：确定是否满足聚类结束条件。若是，执行步骤S306，若否，返回执行步骤S304。
在具体实现步骤S305的过程中，以戴维森堡丁指数最小和轮廓系数最大作为聚类结束条件，若聚类过程满足聚类结束条件，获取戴维森堡丁指数最小和轮廓系数最大时的聚类数(即上述本发明实施例图2中提及的最优的聚类数)，若聚类过程不满足聚类结束条件，返回执行步骤S304继续对所有目标航班进行聚类。
步骤S306：将所有目标航班的航线划分为K个航线类簇，并将同一航线类簇下的目标航班划分为N个航班类簇，同一航班类簇中的目标航班为可比较航班，并对可比较航班进行验证。
在具体实现步骤S306的过程中，具体如何对所有目标航班聚类划分的过程，参见上述本发明实施例图2中的内容，在此不再赘述。
与上述本发明实施例提供的一种确定可比较航班的方法相对应，参见图4，本发明实施例还提供了一种确定可比较航班的系统的结构框图，该系统包括：采集单元401、选择单元402、第一确定单元403和第二确定单元404；
采集单元401，用于采集指定时间范围内已起飞的多个目标航班的航班数据。
选择单元402，用于从预设属性指标中选择符合预设条件的目标属性指标，预设属性指标至少包含：航线相关属性指标和航班相关属性指标。
在具体实现中，选择单元402具体用于：从预设属性指标中，选择符合低冗余条件和航班特性条件的预设属性指标为目标属性指标。
第一确定单元403，用于针对每一目标航班，根据目标航班的航班数据，确定目标属性指标的指标值，指标值与目标航班对应。
第二确定单元404，用于利用所有目标航班对应的指标值，从所有目标航班中确定得到可比较航班。
在本发明实施例中，采集目标航班的航班数据，并从预设属性指标中选择符合条件的目标属性指标。利用目标航班的航班数据，计算目标属性指标的与目标航班对应的指标值。根据各个目标航班的指标值，从所有目标航班中确定得到可比较航班。根据计算得到的目标航班的指标值，选择出可比较航班，不依赖于业务人员的主观意识和个人水平，保证所选择的可比较航班具有相似或相同的销售环境和航线管理员操作等方面，从而提高可比较航班之间的销售收益情况的比对准确性，进而提高航班间销售收益情况比对的公平性。
优选的，结合图4示出的内容，第二确定单元404包括：构建模块、第一划分模块、第二划分模块和确定模块，各个模块的执行原理如下：
构建模块，用于利用所有目标航班对应的指标值，构建指标值矩阵，指标值矩阵的每一行元素由一个目标航班对应的指标值构成。
第一划分模块，用于根据指标值矩阵中与航线相关属性指标对应的指标值，对所有目标航班对应的航线进行航线聚类，将所有目标航班的航线划分为至少一个航线类簇，同一航线类簇中的航线为可比较航线。
在具体实现中，第一划分模块具体用于：以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和指标值矩阵中与航线相关属性指标对应的指标值，对所有目标航班对应的航线进行航线聚类，将所有目标航班的航线划分为至少K个航线类簇，K为大于等于1的整数。
第二划分模块，用于对于每一航线类簇，利用指标值矩阵中与航班相关属性指标对应的指标值，对该航线类簇中所有航线对应的目标航班进行航班聚类，将该航线类簇中所有航线对应的目标航班划分为至少一个航班类簇。
在具体实现中，第二划分模块具体用于：对于每一航线类簇，以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和指标值矩阵中与航班相关属性指标对应的指标值，对航线类簇中所有航线对应的目标航班进行航班聚类，将航线类簇中所有航线对应的目标航班划分为N个航班类簇，N为大于等于1的整数。
确定模块，用于确定同一航班类簇中的目标航班为可比较航班。
在本发明实施例中，根据指标值矩阵，利用聚类算法，对所有目标航班进行聚类，将所有目标航班划分为K个类簇，同一类簇中的目标航班即为可比较航班，不依赖于业务人员的主观意识和个人水平，保证所选择的可比较航班具有相似或相同的销售环境和航线管理员操作等方面，从而提高可比较航班之间的销售收益情况的比对准确性，进而提高航班间销售收益情况比对的公平性。
优选的，结合图4示出的内容，该系统还包括：
验证单元，用于对确定得到的所述可比较航班进行验证。
本发明实施例还提供一种电子设备，该电子设备包括：处理器以及存储器，处理器以及存储器通过通信总线相连；其中，处理器，用于调用并执行存储器中存储的程序；存储器，用于存储程序，该程序用于实现确定可比较航班的方法。
下面参考图5，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置506加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
更进一步的，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机可执行指令，计算机可执行指令用于执行确定可比较航班的方法。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：采集指定时间范围内已起飞的多个目标航班的航班数据；从预设属性指标中选择符合预设条件的目标属性指标；针对每一目标航班，根据目标航班的航班数据，确定目标属性指标的指标值，该指标值与目标航班对应；利用所有目标航班对应的指标值，从所有目标航班中确定得到可比较航班。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种确定可比较航班的方法，其特征在于，所述方法包括：
采集指定时间范围内已起飞的多个目标航班的航班数据；
从预设属性指标中选择符合预设条件的目标属性指标，所述预设属性指标至少包含：航线相关属性指标和航班相关属性指标；
针对每一所述目标航班，根据所述目标航班的航班数据，确定所述目标属性指标的指标值，所述指标值与所述目标航班对应；
利用所有所述目标航班对应的所述指标值，从所有所述目标航班中确定得到可比较航班。
2.根据权利要求1所述的方法，其特征在于，所述利用所有所述目标航班对应的所述指标值，从所有所述目标航班中确定得到可比较航班，包括：
利用所有所述目标航班对应的所述指标值，构建指标值矩阵，所述指标值矩阵的每一行元素由一个所述目标航班对应的所述指标值构成；
根据所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少一个航线类簇，同一航线类簇中的航线为可比较航线；
对于每一航线类簇，利用所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为至少一个航班类簇；
确定同一航班类簇中的所述目标航班为可比较航班。
3.根据权利要求2所述的方法，其特征在于，所述根据所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少一个航线类簇，包括：
以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少K个航线类簇，K为大于等于1的整数；
相应的，所述对于每一航线类簇，利用所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为至少一个航班类簇，包括：
对于每一航线类簇，以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为N个航班类簇，N为大于等于1的整数。
4.根据权利要求1所述的方法，其特征在于，所述从预设属性指标中选择符合预设条件的目标属性指标，包括：
从预设属性指标中，选择符合低冗余条件和航班特性条件的预设属性指标为目标属性指标。
5.根据权利要求1所述的方法，其特征在于，从所有所述目标航班中确定得到可比较航班之后，还包括：
对确定得到的所述可比较航班进行验证。
6.一种确定可比较航班的系统，其特征在于，所述系统包括：
采集单元，用于采集指定时间范围内已起飞的多个目标航班的航班数据；
选择单元，用于从预设属性指标中选择符合预设条件的目标属性指标，所述预设属性指标至少包含：航线相关属性指标和航班相关属性指标；
第一确定单元，用于针对每一所述目标航班，根据所述目标航班的航班数据，确定所述目标属性指标的指标值，所述指标值与所述目标航班对应；
第二确定单元，用于利用所有所述目标航班对应的所述指标值，从所有所述目标航班中确定得到可比较航班。
7.根据权利要求6所述的系统，其特征在于，所述第二确定单元包括：
构建模块，用于利用所有所述目标航班对应的所述指标值，构建指标值矩阵，所述指标值矩阵的每一行元素由一个所述目标航班对应的所述指标值构成；
第一划分模块，用于根据所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少一个航线类簇，同一航线类簇中的航线为可比较航线；
第二划分模块，用于对于每一航线类簇，利用所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为至少一个航班类簇；
确定模块，用于确定同一航班类簇中的所述目标航班为可比较航班。
8.根据权利要求7所述的系统，其特征在于，所述第一划分模块具体用于：以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和所述指标值矩阵中与所述航线相关属性指标对应的指标值，对所有所述目标航班对应的航线进行航线聚类，将所有所述目标航班的航线划分为至少K个航线类簇，K为大于等于1的整数；
相应的，所述第二划分模块具体用于：对于每一航线类簇，以戴维森堡丁指数最小和轮廓系数最大为目标，利用预设的聚类算法和所述指标值矩阵中与所述航班相关属性指标对应的指标值，对所述航线类簇中所有航线对应的所述目标航班进行航班聚类，将所述航线类簇中所有航线对应的所述目标航班划分为N个航班类簇，N为大于等于1的整数。
9.一种电子设备，其特征在于，包括：处理器以及存储器，所述处理器以及存储器通过通信总线相连；其中，所述处理器，用于调用并执行所述存储器中存储的程序；所述存储器，用于存储程序，所述程序用于实现如权利要求1-5任意一所述的确定可比较航班的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1-5任意一所述的确定可比较航班的方法。
CN202110609873.2A 2021-06-01 2021-06-01 一种确定可比较航班的方法及系统 Pending CN113313523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110609873.2A CN113313523A (zh) 2021-06-01 2021-06-01 一种确定可比较航班的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110609873.2A CN113313523A (zh) 2021-06-01 2021-06-01 一种确定可比较航班的方法及系统

Publications (1)

Publication Number Publication Date
CN113313523A true CN113313523A (zh) 2021-08-27

Family

ID=77377036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110609873.2A Pending CN113313523A (zh) 2021-06-01 2021-06-01 一种确定可比较航班的方法及系统

Country Status (1)

Country Link
CN (1) CN113313523A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160110441A1 (en) * 2014-10-21 2016-04-21 Google Inc. Dynamic determination of filters for flight search results
CN109446275A (zh) * 2018-09-03 2019-03-08 厦门快商通信息技术有限公司 一种基于大数据的航空数据分析方法、设备及存储介质
CN109933984A (zh) * 2019-02-15 2019-06-25 中时瑞安（北京）网络科技有限责任公司 一种最佳聚类结果筛选方法、装置和电子设备
CN110751359A (zh) * 2019-08-30 2020-02-04 中国南方航空股份有限公司 一种自动化航线网络评估方法、电子设备及存储介质
CN111222550A (zh) * 2019-12-30 2020-06-02 中国电力科学研究院有限公司 一种用户用电行为确定方法和装置
CN111985685A (zh) * 2020-07-14 2020-11-24 中国民用航空总局第二研究所 基于大数据分析的航班计划优化方法、装置及电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160110441A1 (en) * 2014-10-21 2016-04-21 Google Inc. Dynamic determination of filters for flight search results
CN109446275A (zh) * 2018-09-03 2019-03-08 厦门快商通信息技术有限公司 一种基于大数据的航空数据分析方法、设备及存储介质
CN109933984A (zh) * 2019-02-15 2019-06-25 中时瑞安（北京）网络科技有限责任公司 一种最佳聚类结果筛选方法、装置和电子设备
CN110751359A (zh) * 2019-08-30 2020-02-04 中国南方航空股份有限公司 一种自动化航线网络评估方法、电子设备及存储介质
CN111222550A (zh) * 2019-12-30 2020-06-02 中国电力科学研究院有限公司 一种用户用电行为确定方法和装置
CN111985685A (zh) * 2020-07-14 2020-11-24 中国民用航空总局第二研究所 基于大数据分析的航班计划优化方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王莉莉;周娟;任杰;: "交叉口汇聚航班的航线选择方法", 南京航空航天大学学报, no. 01, 15 February 2015 (2015-02-15) *

Similar Documents

Publication Publication Date Title
US10889297B2 (en) Determining a safe driving speed for a vehicle
CN111052158A (zh) 用于分配服务请求的系统和方法
US10252461B2 (en) Cognitive-based driving anomaly detection based on spatio-temporal landscape-specific driving models
US20240345290A1 (en) Modifying activities based on probabilistic weather scenarios
CN110544055A (zh) 订单处理方法和装置
CN116150216A (zh) 行程搜索方法、装置、电子设备及存储介质
CN112651668A (zh) 一种航班资源分配方法、装置及服务器
CN112396243B (zh) 一种基于加法模型的航班订座值的处理方法及系统
CN112308346A (zh) 一种基于指数平滑模型的航班订座值的处理方法及系统
CN112634062B (zh) 基于Hadoop的数据处理方法、装置、设备及存储介质
CN112396244A (zh) 一种基于零预订模型的航班订座值的处理方法及系统
CN110853412B (zh) 异常航迹点的识别方法和设备
CN113313523A (zh) 一种确定可比较航班的方法及系统
US20200355519A1 (en) Systems and methods for evaluating extended-range twin-engine operational performance standards during vehicular travel
CN111612183A (zh) 信息处理方法、装置、电子设备及计算机可读存储介质
KR20240035054A (ko) 공항 운영 평가 시스템 및 방법
CN115758175A (zh) 航班座位数据处理方法及装置、存储介质及电子设备
CN113485890B (zh) 航班查询系统业务监控方法、装置、设备及存储介质
US11501337B2 (en) Route-based information slotting based on predicted acceptance
CN115098558A (zh) 一种航班数据统计方法及装置
CN112396248A (zh) 一种基于均值模型的航班订座值的处理方法及系统
CN110781583A (zh) 审核模式优化方法、装置及电子设备
CN111062592A (zh) 机位分配动态仿真方法、装置及电子设备
CN112396245B (zh) 一种基于线性模型的航班订座值的处理方法及系统
CN116911909A (zh) 航班座位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