CN113421112A - 一种全周期数据碰撞低价游判断方法及系统 - Google Patents

一种全周期数据碰撞低价游判断方法及系统 Download PDF

Info

Publication number
CN113421112A
CN113421112A CN202110646703.1A CN202110646703A CN113421112A CN 113421112 A CN113421112 A CN 113421112A CN 202110646703 A CN202110646703 A CN 202110646703A CN 113421112 A CN113421112 A CN 113421112A
Authority
CN
China
Prior art keywords
price
travel
average
people
data
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
CN202110646703.1A
Other languages
English (en)
Inventor
张军
贺洁琼
宋佳维
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.)
Jiangsu Songyou Data Technology Co ltd
Original Assignee
Jiangsu Songyou Data Technology 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 Jiangsu Songyou Data Technology Co ltd filed Critical Jiangsu Songyou Data Technology Co ltd
Priority to CN202110646703.1A priority Critical patent/CN113421112A/zh
Publication of CN113421112A publication Critical patent/CN113421112A/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
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q50/12—Hotels or restaurants

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种全周期数据碰撞低价游判断方法及系统，其中方法包括：获取历史价格数据，计算不同时间段的人均价的市场价；分别计算得到不同的旅游天数分不同目的地相应的人均价的市场价；确定所述市场价的低价阈值；从旅游合同数据中提取费用因子；计算所述旅游合同数据中的人均价；比较所述市场价的低价阈值和所述旅游合同数据中的人均价，识别旅游合同数据中的人均价是否属于不合理的低价游，低价游判定结果输出。本发明基于全周期旅游大数据信息，并通过电子合同相关信息对低价游的“低价”进行新的方法估算，能够结合全周期的历史价格数据和主要的旅游费用因子准确地识别旅游合同数据中的人均价是否属于不合理的低价游，未来应用前景广阔。

Description

一种全周期数据碰撞低价游判断方法及系统
技术领域
本发明涉及旅游大数据处理领域，尤其涉及一种全周期数据碰撞低价游判断方法及系统。
背景技术
专利CN201910162037.7公开了一种旅游信息查询系统，该系统包括了人机交互模块、旅游线路基本要求输入模块、旅游线路规划模块、旅游线路修订模块、旅游费用查询模块和自动推荐模块。其中旅行费用查询模块,用于通过网络爬虫模块根据旅游路线修订模块输出的旅游路线所对应的出发地、目的地、景点、酒店、餐厅在各旅游资源网络基站上进行相对应的交通花费、住宿花费、门票花费、餐饮花费价格的挖掘,并将挖掘的结果以花费条目、价钱及其对应的网址链接以表格形式一一对应后,发送到显示屏进行显示。该专利虽然利用网络爬虫对旅行中的费用进行查询，可以提前对旅游的花费进行预算，但是并没有具体的对价格是否合理进行评估，有些旅行社会以低价格招揽客户，因此会产生一些不合理低价游。
不合理低价游，是指背离价值规律，以低于经营成本的价格招揽客户，以不正常竞争扰乱市场的行为。原国家旅游局发布关于打击组织“不合理低价游”的意见中认定5种行为属于“不合理低价游”，包括：(1)凡是旅行社旅游产品价格低于当地旅游部门或旅游行业协会公布的诚信旅游指导价30％以上的；(2)组团社将业务委托给地接社履行，不向地接社支付费用或支付的费用低于接待和服务成本的；(3)地接社接待不支付接待和服务费用或者支付的费用低于接待和服务成本的旅游团队的；(4)旅行社安排导游领队为团队旅游提供服务，要求导游领队垫付或向导游领队收取费用的；(5)法律、法规规定的旅行社损害旅游者合法权益的其他“不合理低价”行为。
上述意见中给出了五种可以认定为不合理低价游的情况，但在实际应用中不够具体明确，欠缺实用性和可操作性。因此，设计出一种全周期数据碰撞低价游判断方法及系统，成为了一种新的技术需求。
发明内容
本发明实施例提供了一种全周期数据碰撞低价游判断方法及系统，准确地识别旅游合同数据中的人均价是否属于不合理的低价游。
第一方面，本发明实施例提供了一种全周期数据碰撞低价游判断方法，所述方法包括：S101:获取全周期历史价格数据，计算不同时间段的人均价的市场价；S102:分别计算得到不同的旅游天数分不同目的地相应的人均价的市场价；S103:确定所述市场价的低价阈值；S104:从旅游合同数据中提取费用因子；S105:计算所述旅游合同数据中的人均价；S106:比较所述市场价的低价阈值和所述旅游合同数据中的人均价，识别所述旅游合同数据中的人均价是否属于不合理的低价游；S107：低价游判定结果输出。
可选地，在所述计算不同时间段的人均价的市场价之前，所述方法还包括：对时间段的人均价的数据进行正态分布检验；对所述时间段的人均价的数据进行缩尾处理，得到趋近正态性状的数据分布。
可选地，所述方法还包括：对不同的旅游天数分不同目的地绘制出相应的人均价的概率密度曲线或者核密度曲线；
所述概率密度曲线的函数为：
Figure BDA0003109368700000021
其中，p为不同的旅游天数分不同目的地相应的人均价，μ、σ分别为概率分布的均值和标准差，EXP代表以e为底的指数函数。
可选地，所述方法还包括：在所述概率密度曲线上截取概率最高点处区间的人均价分布；计算所述区间内人均价均值，分别得到所述不同的旅游天数分不同目的地相应的人均价的市场价。
可选地，所述费用因子包括：旅游人数、旅游天数、出发地、目的地、出行时间、旅游总价格、大交通费用。
可选地，所述计算所述旅游合同数据中的人均价包括：计算所述旅游合同数据中在目的地的旅游天数的人均价格；
所述在目的地e的旅游天数d的人均价格的计算公式为：
Figure BDA0003109368700000031
其中，N为旅游人数，d为旅游天数，TP为旅游总价格，TC为大交通费用。
第二方面，本发明实施例提供了一种全周期数据碰撞低价游判断系统，所述系统包括：获取单元，用于获取全周期历史价格数据，计算不同时间段的人均价的市场价；处理单元，用于分别计算得到不同的旅游天数分不同目的地相应的人均价的市场价；确定单元，用于确定所述市场价的低价阈值；提取单元，用于从旅游合同数据中提取费用因子；计算单元，用于计算所述旅游合同数据中的人均价；识别单元，用于比较所述市场价的低价阈值和所述旅游合同数据中的人均价，识别所述旅游合同数据中的人均价是否属于不合理的低价游；所述确定单元，还用于低价游判定结果输出。
可选地，所述系统还包括：检验单元，用于对时间段的人均价的数据进行正态分布检验；对所述时间段的人均价的数据进行缩尾处理，得到趋近正态性状的数据分布。
可选地，所述系统还包括：绘制单元，用于对不同的旅游天数分不同目的地绘制出相应的人均价的概率密度曲线或者核密度曲线；
所述概率密度曲线的函数为：
Figure BDA0003109368700000032
其中，p为不同的旅游天数分不同目的地相应的人均价，μ、σ分别为概率分布的均值和标准差，EXP代表以e为底的指数函数。
可选地，所述绘制单元，还用于：在所述概率密度曲线上截取概率最高点处区间的人均价分布；计算所述区间内人均价均值，分别得到所述不同的旅游天数分不同目的地相应的人均价的市场价。
本申请提供的一种全周期数据碰撞低价游判断方法及系统，从旅游合同数据中提取费用因子；计算所述旅游合同数据中的人均价；比较所述市场价的低价阈值和所述旅游合同数据中的人均价，准确地识别旅游合同数据中的人均价是否属于不合理的低价游。
附图说明
图1为本发明实施例提供的全周期数据碰撞低价游判断方法流程图；
图2为本发明实施例提供的全周期数据碰撞低价游判断系统示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明具体实施例作进一步的详细描述，实施例并不构成对本发明实施例的限定。
一些行业专家建议从旅游费用要素的构成来看待低价游问题。从组团社的角度看，旅游费用主要包括大交通、地接费用和其他费用等部分；从地接社的角度看，旅游费用主要涉及住宿费用、小交通费用、餐费、门票费用、导服费用和其他费用等六部分，一般不包括间接费用或其他隐性费用。尽管采用上述成本费用核算方法，进行价格对比分析来认定低价游简单实用，但是决定核算的报价要件来源少、数量少，不容易取得。本申请提供的一种全周期数据碰撞低价游判断方法及系统，参考的旅游费用因子全面，结合历史价格数据和主要的旅游费用因子识别低价游。
本申请提供的一种识别低价游的方法，该方法包括以下步骤：
S101，获取全周期历史价格数据，计算不同时间段的人均价的市场价。
可选地，不同时间段可以是国庆节假期间、元旦节假期间、非节日时间段。此处的市场价可以是旅游市场“公允”价格或者旅游市场交易价。基于某段时间收集的历史价格数据，如出发时间t∈[t0，t0+Tn]的人均价格，利用不同情形下Tn周期的人均价格
Figure BDA0003109368700000051
来估算此时间段的人均价的市场价。
可选地，在计算不同时间段的人均价的市场价之前，对时间段的人均价的数据进行正态分布检验；对时间段的人均价的数据进行缩尾处理，得到趋近正态性状的数据分布。
假定大样本人均价格
Figure BDA0003109368700000052
服从高斯分布，即
Figure BDA0003109368700000053
而μ、σ分别为概率分布的均值和标准差。其概率密度曲线的函数为：
Figure BDA0003109368700000054
其中，p为不同的旅游天数分不同目的地相应的人均价，μ、σ分别为概率分布的均值和标准差，EXP代表以e为底的指数函数。
在估算或者计算人均价的市场价之前，我们对人均价格数据采用Shapiro-Wilktest(中文：夏皮罗-威尔克检验，简称：S-W)或者Kolmogorov-Smirnov D(中文：柯尔莫可洛夫-斯米洛夫检验，简称：K-S)等方法进行正态分布检验。在此过程，如遇到异常值影响，可能导致数据结构呈现拖尾分布，很有必要再对数据进行缩尾或其他方法处理，尽可能趋近正态性状。
S102，分别计算得到不同的旅游天数分不同目的地相应的人均价的市场价。
可选地，对不同的旅游天数分不同目的地绘制出相应的人均价的概率密度曲线或者核密度曲线。
可选地，在概率密度曲线上截取概率最高点处区间的人均价分布，计算区间内人均价均值，分别得到不同的旅游天数分不同目的地相应的人均价的市场价。
参考表1的旅游市场“公允”价格对照表，针对不同旅游天数(d)，分不同目的地(e)，绘制出相应的人均价格的概率密度曲线或者核密度曲线，截取概率最高点附近小范围区间所对应的人均价格分布[Pmode-ΔP，Pmode+ΔP]，并求取区间内人均价格均值。根据在目的地e的旅游天数d的人均价格的计算公式：
Figure BDA0003109368700000061
得到不同出行天数不同目的地所对应旅游市场“公允”价格或者旅游市场交易价格。
表1
Figure BDA0003109368700000062
S103，确定市场价的低价阈值。
可选地，“不合理低价”标准阈值可以确定为旅游市场价的70％，当旅游合同数据中的人均价低于该阈值时，则可以认定为该旅游合同为不合理的低价游。
S104，从旅游合同数据中提取费用因子。
费用因子包括：旅游人数、旅游天数、出发地、目的地、出行时间、旅游总价格、大交通费用。
从电子合同数据中抽取影响旅游费用的相关因子，如旅游人数(N，N为正整数)、旅游天数(d，其中d表示为1日游、2天1夜游、3天2夜游等情形)、出发地(s，s代表出发城市)、首站目的地(e，e代表首站目的地城市)和出行时间(t)等，另外，旅游总价格(TP)和大交通费用(TC)包含其中。
S105，计算所述旅游合同数据中的人均价。
可选地，计算旅游合同数据中在目的地的旅游天数的人均价格。
计算每份电子旅游合同对应的所到达首站目的地e的在出游天数为d的人均价格
Figure BDA0003109368700000071
具体计算公式为：
Figure BDA0003109368700000072
其中，N为旅游人数，d为旅游天数，TP为旅游总价格，TC为大交通费用。
可选地，可以从费用因子中剔除大交通费用。考虑到不同目的地的旅游市场“真实”价格的内在合理性，而交通费用占旅游费用比例很高，可以剔除大交通费用贴近旅游市场“真实”价格。
S106，比较市场价的低价阈值和所述旅游合同数据中的人均价，识别旅游合同数据中的人均价是否属于不合理的低价游。
比较市场价的低价阈值和所述旅游合同数据中的人均价，当旅游合同数据中的人均价低于该低价阈值时，则可以认定为该旅游合同为不合理的低价游。
S107：低价游判定结果输出。
本发明实施例还提供了一种全周期数据碰撞低价游判断系统，所述系统包括：获取单元201，用于获取全周期历史价格数据，计算不同时间段的人均价的市场价；处理单元202，用于分别计算得到不同的旅游天数分不同目的地相应的人均价的市场价；确定单元203，用于确定所述市场价的低价阈值；提取单元204，用于从旅游合同数据中提取费用因子；计算单元205，用于计算所述旅游合同数据中的人均价；识别单元206，用于比较所述市场价的低价阈值和所述旅游合同数据中的人均价，识别所述旅游合同数据中的人均价是否属于不合理的低价游；确定单元203，还用于低价游判定结果输出。
可选地，所述系统还包括：检验单元207，用于对时间段的人均价的数据进行正态分布检验；对所述时间段的人均价的数据进行缩尾处理，得到趋近正态性状的数据分布。
可选地，所述系统还包括：绘制单元208，用于对不同的旅游天数分不同目的地绘制出相应的人均价的概率密度曲线或者核密度曲线；
所述概率密度曲线的函数为：
Figure BDA0003109368700000081
其中，p为不同的旅游天数分不同目的地相应的人均价，μ、σ分别为概率分布的均值和标准差，EXP代表以e为底的指数函数。
可选地，所述绘制单元208，还用于：在所述概率密度曲线上截取概率最高点处区间的人均价分布；计算所述区间内人均价均值，分别得到所述不同的旅游天数分不同目的地相应的人均价的市场价。
本申请提供的一种全周期数据碰撞低价游判断方法及系统，从旅游合同数据中提取费用因子；计算所述旅游合同数据中的人均价；比较所述市场价的低价阈值和所述旅游合同数据中的人均价，结合历史价格数据和主要的旅游费用因子准确地识别旅游合同数据中的人均价是否属于不合理的低价游。
专业人员应该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实施例的范围。
以上所述的具体实施方式，对本发明实施例的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明实施例的具体实施方式而已，并不用于限定本发明实施例的保护范围，凡在本发明实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种全周期数据碰撞低价游判断方法，其特征在于，所述方法包括：
S101:获取全周期历史价格数据，计算不同时间段的人均价的市场价；
S102:分别计算得到不同的旅游天数分不同目的地相应的人均价的市场价；
S103:确定所述市场价的低价阈值；
S104:从旅游合同数据中提取费用因子；
S105:计算所述旅游合同数据中的人均价；
S106:比较所述市场价的低价阈值和所述旅游合同数据中的人均价，识别所述旅游合同数据中的人均价是否属于不合理的低价游；
S107：低价游判定结果输出。
2.根据权利要求1所述方法，其特征在于，在所述计算不同时间段的人均价的市场价之前，所述方法还包括：
对时间段的人均价的数据进行正态分布检验；
对所述时间段的人均价的数据进行缩尾处理，得到趋近正态性状的数据分布。
3.根据权利要求1所述方法，其特征在于，所述方法还包括：对不同的旅游天数分不同目的地绘制出相应的人均价的概率密度曲线或者核密度曲线；
所述概率密度曲线的函数为：
Figure FDA0003109368690000011
其中，p为不同的旅游天数分不同目的地相应的人均价，μ、σ分别为概率分布的均值和标准差，EXP代表以e为底的指数函数。
4.根据权利要求3所述方法，其特征在于，所述方法还包括：在所述概率密度曲线上截取概率最高点处区间的人均价分布；计算所述区间内人均价均值，分别得到所述不同的旅游天数分不同目的地相应的人均价的市场价。
5.根据权利要求1所述方法，其特征在于，所述费用因子包括：旅游人数、旅游天数、出发地、目的地、出行时间、旅游总价格、大交通费用。
6.根据权利要求1所述方法，其特征在于，所述计算所述旅游合同数据中的人均价包括：计算所述旅游合同数据中在目的地的旅游天数的人均价格；
所述在目的地e的旅游天数d的人均价格的计算公式为：
Figure FDA0003109368690000021
其中，N为旅游人数，d为旅游天数，TP为旅游总价格，TC为大交通费用。
7.一种全周期数据碰撞低价游判断系统，其特征在于，所述系统包括：
获取单元，用于获取全周期历史价格数据，计算不同时间段的人均价的市场价；
处理单元，用于分别计算得到不同的旅游天数分不同目的地相应的人均价的市场价；
确定单元，用于确定所述市场价的低价阈值；
提取单元，用于从旅游合同数据中提取费用因子；
计算单元，用于计算所述旅游合同数据中的人均价；
识别单元，用于比较所述市场价的低价阈值和所述旅游合同数据中的人均价，识别所述旅游合同数据中的人均价是否属于不合理的低价游；
所述确定单元，还用于低价游判定结果输出。
8.根据权利要求7所述系统，其特征在于，所述系统还包括：检验单元，用于对时间段的人均价的数据进行正态分布检验；对所述时间段的人均价的数据进行缩尾处理，得到趋近正态性状的数据分布。
9.根据权利要求7所述系统，其特征在于，所述系统还包括：绘制单元，用于对不同的旅游天数分不同目的地绘制出相应的人均价的概率密度曲线或者核密度曲线；
所述概率密度曲线的函数为：
Figure FDA0003109368690000031
其中，p为不同的旅游天数分不同目的地相应的人均价，μ、σ分别为概率分布的均值和标准差，EXP代表以e为底的指数函数。
10.根据权利要求9所述系统，其特征在于，所述绘制单元，还用于：在所述概率密度曲线上截取概率最高点处区间的人均价分布；计算所述区间内人均价均值，分别得到所述不同的旅游天数分不同目的地相应的人均价的市场价。
CN202110646703.1A 2021-06-10 2021-06-10 一种全周期数据碰撞低价游判断方法及系统 Pending CN113421112A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110646703.1A CN113421112A (zh) 2021-06-10 2021-06-10 一种全周期数据碰撞低价游判断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110646703.1A CN113421112A (zh) 2021-06-10 2021-06-10 一种全周期数据碰撞低价游判断方法及系统

Publications (1)

Publication Number Publication Date
CN113421112A true CN113421112A (zh) 2021-09-21

Family

ID=77788390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110646703.1A Pending CN113421112A (zh) 2021-06-10 2021-06-10 一种全周期数据碰撞低价游判断方法及系统

Country Status (1)

Country Link
CN (1) CN113421112A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798482A (zh) * 2017-11-16 2018-03-13 中国农业科学院农业信息研究所 一种农产品市场异常波动风险监测方法及系统
CN111179010A (zh) * 2019-09-27 2020-05-19 任我游（厦门）科技发展有限公司 不合理价格产品的在线公证方法、系统、设备和介质
CN111861574A (zh) * 2020-07-24 2020-10-30 上海交通大学 一种基于园区用户需求侧响应的园区价值提升方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798482A (zh) * 2017-11-16 2018-03-13 中国农业科学院农业信息研究所 一种农产品市场异常波动风险监测方法及系统
CN111179010A (zh) * 2019-09-27 2020-05-19 任我游（厦门）科技发展有限公司 不合理价格产品的在线公证方法、系统、设备和介质
CN111861574A (zh) * 2020-07-24 2020-10-30 上海交通大学 一种基于园区用户需求侧响应的园区价值提升方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李莉等: "旅游中零负团费的法律规制", 《北京科技大学学报( 社会科学版)》, vol. 36, no. 2, pages 113 - 118 *
李莉等: "旅游中零负团费的法律规制", 《北京科技大学学报(社会科学版)》, vol. 36, no. 2, pages 113 - 118 *

Similar Documents

Publication Publication Date Title
Trépanier et al. Individual trip destination estimation in a transit smart card automated fare collection system
Zhang et al. Revealing group travel behavior patterns with public transit smart card data
CN107679934A (zh) 一种旅游信息推送方法及服务器
Jafari Kang et al. A procedure for public transit OD matrix generation using smart card transaction data
CN108549976A (zh) 智慧旅游大数据分析方法
Gillen et al. Measuring the relationship between airline network connectivity and productivity
Furth Data analysis for bus planning and monitoring
CN113421112A (zh) 一种全周期数据碰撞低价游判断方法及系统
Carlsen Gathering information: meetings and conventions sector research in Australia
JP7037223B1 (ja) 情報処理装置、情報処理方法、及びプログラム
Wang et al. Understanding the ground access and airport choice behavior of air passengers using transit payment transaction data
Zhang Documentation on regional tourism satellite accounts in Denmark
Leon Airport choice modeling: empirical evidence from a non-hub airport
Miller Improving customer service and satisfaction at London Underground
Ferreira et al. Understanding commercial synergies between public transport and services located around public transport stations
Kim et al. An estimation of the contribution of the international meeting industry to the Korean national economy based on input—Output analysis
Montalvo A methodological proposal to analyze the economic impact of airports
Stats Tourism satellite account: Year ended March 2020
Groizard et al. Islands in trade: Disentangling distance from border effects
Tian et al. Analysis of the causes of spatial differences in urban hotel location satisfaction: the case of Wuhan, China
Schosser et al. Big data opportunities for airline network planning
Forsyth et al. State and Federal Taxes on Tourism in Australia estimates for 2003/04
SUN The Subway Ticket System's Design and Research Based on Internet
Postolit Automation of Collection of Primary Data for Development of a Passenger Origin-Destination Trip Correspondence Matrix Based on Computer Vision and Neural Network Technologies
Yiu et al. Retail rings of influence: Rethinking retail catchment analysis in the light of purchasing power

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