CN115168456B - 航班销售过程特征获取方法及装置、存储介质及电子设备 - Google Patents

航班销售过程特征获取方法及装置、存储介质及电子设备 Download PDF

Info

Publication number
CN115168456B
CN115168456B CN202211087868.0A CN202211087868A CN115168456B CN 115168456 B CN115168456 B CN 115168456B CN 202211087868 A CN202211087868 A CN 202211087868A CN 115168456 B CN115168456 B CN 115168456B
Authority
CN
China
Prior art keywords
historical
value
booking
average value
historical booking
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
Application number
CN202211087868.0A
Other languages
English (en)
Other versions
CN115168456A (zh
Inventor
王忠韬
王硕
黄彩虹
成斌
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
Original Assignee
China Travelsky 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 China Travelsky Technology Co Ltd filed Critical China Travelsky Technology Co Ltd
Priority to CN202211087868.0A priority Critical patent/CN115168456B/zh
Publication of CN115168456A publication Critical patent/CN115168456A/zh
Application granted granted Critical
Publication of CN115168456B publication Critical patent/CN115168456B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种航班销售过程特征获取方法及装置、存储介质及电子设备，可应用于数据处理技术领域，该方法包括：通过计算每个预设采集时间点的历史订座平均值，并对每个历史订座平均值进行无效性判断，对无效的历史订座平均值进行数据修正，基于数据修正后的历史订座平均值和判定为有效值的历史订座平均值，绘制历史航班的销售数据变化初始曲线，并对销售数据变化初始曲线进行曲线平滑处理，得到用于表征历史航班的销售过程特征的目标曲线，从而实现了获取历史航班的销售过程特征。

Description

航班销售过程特征获取方法及装置、存储介质及电子设备
技术领域
本申请涉及数据处理技术领域，尤其涉及一种航班销售过程特征获取方法及装置、存储介质及电子设备。
背景技术
随着科技的快速发展，航空运输逐渐成为主要的交通运输方式之一。目前，航空公司为了实现对未来航班的订座需求的预测，通常会通过历史航班的订座数据，预测未来航班最终的销售结果，然而，未来航班的订座需求，除了包含最终的销售结果外，还应该包含中间销售过程的销售结果，而未来航班在销售过程的订座需求与历史航班的销售过程特征有关。
因此，如何提供一种能够获取历史航班的销售过程特征，以实现对未来航班在销售过程的订座需求的预测的技术方案，是目前本领域技术人员亟需解决的问题。
发明内容
本申请提供了一种航班销售过程特征获取方法及装置、存储介质及电子设备，目的在于实现获取历史航班的销售过程特征，以对未来航班的在销售过程的订座需求的预测。
为了实现上述目的，本申请提供了以下技术方案：
本申请第一方面公开一种航班销售过程特征获取方法，包括：
获取每个历史航班在每个预设采集时间点的原始历史订座数据；
对每个原始历史订座数据进行预处理，得到每个原始历史订座数据对应的历史订座数据；
基于每个历史航班在每个预设采集时间点的历史订座数据，计算每个预设采集时间点的历史订座平均值；
对每个历史订座平均值进行无效性判断，以判定每个历史订座平均值是否为无效值；
针对每个历史订座平均值，若判定所述历史订座平均值为有效值，则将所述历史订座平均值作为初始值，若判定所述历史订座平均值为无效值，则对所述历史订座平均值进行数据修正，并将数据修正后的历史订座平均值作为初始值；
基于各个初始值，绘制历史航班的销售数据变化初始曲线；
对所述销售数据变化初始曲线进行曲线平滑处理，得到用于表征所述历史航班的销售过程特征的目标曲线；
应用所述目标曲线，预测未来航班在销售过程的订座需求。
本申请第二方面公开一种航班销售过程特征获取装置，包括：
获取单元，用于获取每个历史航班在每个预设采集时间点的原始历史订座数据；
预处理单元，用于对每个原始历史订座数据进行预处理，得到每个原始历史订座数据对应的历史订座数据；
计算单元，用于基于每个历史航班在每个预设采集时间点的历史订座数据，计算每个预设采集时间点的历史订座平均值；
判断单元，用于对每个历史订座平均值进行无效性判断，以判定每个历史订座平均值是否为无效值；
修正单元，用于针对每个历史订座平均值，若判定所述历史订座平均值为有效值，则将所述历史订座平均值作为初始值，若判定所述历史订座平均值为无效值，则对所述历史订座平均值进行数据修正，并将数据修正后的历史订座平均值作为初始值；
绘制单元，用于基于各个初始值，绘制历史航班的销售数据变化初始曲线；
平滑单元，用于对所述销售数据变化初始曲线进行曲线平滑处理，得到用于表征所述历史航班的销售过程特征的目标曲线；
预测单元，用于应用所述目标曲线，预测未来航班在销售过程的订座需求。
本申请第三方面公开一种存储介质，所述存储介质存储有指令集，其中，所述指令集被处理器执行时实现如上述的航班销售过程特征获取方法。
本申请第四方面公开一种电子设备，包括：
存储器，用于存储至少一组指令集；
处理器，用于执行所述存储器中存储的指令集，通过执行所述指令集实现如上述的航班销售过程特征获取方法。
与现有技术相比，本申请包括以下优点：
本申请提供了一种航班销售过程特征获取方法及装置、存储介质及电子设备，该方法包括：通过计算每个预设采集时间点的历史订座平均值，并对每个历史订座平均值进行无效性判断，对无效的历史订座平均值进行数据修正，基于数据修正后的历史订座平均值和判定为有效值的历史订座平均值，绘制历史航班的销售数据变化初始曲线，并对销售数据变化初始曲线进行曲线平滑处理，得到用于表征历史航班的销售过程特征的目标曲线，从而实现了获取历史航班的销售过程特征。
附图说明
为了更清楚地说明本申请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申请的实施例，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为本申请提供的一种航班销售过程特征获取方法的方法流程图；
图2为本申请提供的一种航班销售过程特征获取方法的又一方法流程图；
图3为本申请提供的一种航班销售过程特征获取方法的又一方法流程图；
图4为本申请提供的一种航班销售过程特征获取方法的又一方法流程图；
图5为本申请提供的一种航班销售过程特征获取方法的又一方法流程图；
图6为本申请提供的一种航班销售过程特征获取方法的又一方法流程图；
图7为本申请提供的一种航班销售过程特征获取装置的结构示意图；
图8为本申请提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本申请公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本申请公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本申请可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本申请实施例提供了一种航班销售过程特征获取方法，该方法可以应用在多种系统平台，其执行主体可以为计算机终端或各种移动设备的处理器，该方法的方法流程图如图1所示，具体包括：
S101、获取每个历史航班在每个预设采集时间点的原始历史订座数据。
本实施例中，获取每个历史航班在每个预设采集时间点的原始历史订座数据，其中，预设采集时间点用于表示距离航班起飞的天数，示例性的，预设采集时间点可以是航班起飞前90天、航班起飞前80天。
优选的，本实施例中的预设采集时间点的个数可以是24个。
其中，原始历史订座数据为累计订座数据，例如，获取A航班在航班起飞前30天的历史订座数据，也就是获取A航班在航班起飞前30天已经累计售卖的座位的数据。
S102、对每个原始历史订座数据进行预处理，得到每个原始历史订座数据对应的历史订座数据。
本实施例中，对每个原始历史订座数据进行预处理，从而得到每个原始历史订座数据对应的历史订座数据，具体的，对每个原始历史订座数据进行去限制处理和去季节性处理。其中，去限制处理可以是通过Baseline或EM算法进行处理。
本实施例中，对每个原始历史订座数据进行去限制处理和去季节性处理的具体过程请参见现有的去限制处理和去季节性处理的算法，此处不再赘述。
S103、基于每个历史航班在每个预设采集时间点的历史订座数据，计算每个预设采集时间点的历史订座平均值。
本实施例中，基于每个历史航班在每个预设采集时间点的历史订座数据和历史航班的数量，计算每个预设采集时间点的历史订座平均值。
具体的，基于每个历史航班在每个预设采集时间点的历史订座数据，计算每个预设采集时间点的历史订座平均值的过程，具体包括以下步骤：
针对每个预设采集时间点，基于每个历史航班在预设采集时间点的历史订座数据，统计预设采集时间点的订座总数量，基于订座总数量和历史航班的数量，计算预设采集时间点的历史订座平均值。
本实施例中，针对每个预设采集时间点，基于预处理后的每个历史航班在预设采集时间点的历史订座数据，统计预设采集时间点的订座总数量，具体的，将预处理后的每个历史航班在预设采集时间点的历史订座数据进行累加，得到预设采集时间点的订座总数量；并统计历史航班的数量，基于订座总数量和历史航班的数量，计算预设采集时间点的历史订座平均值，具体的，将订座总数量除以历史航班的数量，从而得到预设采集时间点的历史订座平均值。
本实施例中，可以用aveHis[Dcpi]表示第i个预设采集时间点的历史订座平均值；
Figure 927670DEST_PATH_IMAGE001
，其中，Dcpi表示预第i个预设 采集时间点，His[Dcpi]表示预处理后的历史航班在第i个预设采集时间点的历史订座数 据，n表示历史航班的数量，i=1,……,n。
S104、对每个历史订座平均值进行无效性判断，以判定每个历史订座平均值是否为无效值。
本实施例中，对每个历史订座平均值进行无效性判断，从而判定每个历史订座平均值是否为无效值。
参阅图2，对每个历史订座平均值进行无效性判断的过程，具体包括以下步骤：
S201、针对每个历史订座平均值，判断参与计算该历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数是否小于预设阈值，若是，执行S202，若否，执行S203。
本实施例中，针对每个历史订座平均值，判断参与计算该历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数是否大于预设阈值，需要说明的是，预设阈值为人为设定的数值，可以根据需求进行修改。
例如，历史订座平均值为0.3，参阅计算该历史订座平均值的历史订座数据，也就是预处理后的各个历史航班在该历史订座平均值对应的预设采集时间点的历史订座数据分别为0,1,0,0,1,0，则参与计算的历史订座数据中有2个为历史订座数据不为零值，预设阈值为5，则确定不为零值的历史订座数据的个数小于预设阈值。
S202、针对每个历史订座平均值，判定历史订座平均值为无效值。
本实施例中，针对每个历史订座平均值，若参与计算该历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数小于预设阈值，则判定该历史订座平均值为无效值。
S203、针对每个历史订座平均值，判定历史订座平均值为有效值。
本实施例中，针对每个历史订座平均值，若参与计算该历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数不小于预设阈值，则判定该历史订座平均值为有效值，也就是判定该历史订座平均值不为无效值。
S204、按预设规则，将各个历史订座平均值划分为多个序列。
本实施例中，基于各个历史订座平均值对应的预设采集时间点，按预设规则，将各个历史订座平均值划分为多个序列。
参阅图3，按预设规则，对各个历史订座平均值划分为多个序列的过程，具体包括以下步骤：
S301、按预设采集时间点的先后顺序，对各个历史订座平均值进行排序。
本实施例中，基于每个历史订座平均值对应的预设采集时间点，按预设采集时间点的先后顺序，对各个历史订座平均值进行排序，也就是说，Dcp1对应的历史订座平均值排在Dcp2对应的历史订座平均值之前，Dcp2对应的历史订座平均值排在Dcp3对应的历史订座平均值之前，以此类推。
S302、从已排序的历史订座平均值中选取前N1个历史订座平均值组成第一个序列。
本实施例中，从已排序的历史订座平均值中选取前N1个历史订座平均字号组成第一个序列；其中，N1为大于1的正整数。优选的，N1为4。
S303、分别将第二个历史订座平均值至倒数第二个历史订座平均值中的每N2个连续的历史订座平均值组成每个N2个连续的历史订座平均值对应的序列。
本实施例中，分别将第二个历史订座平均值至倒数第二个历史订座平均值中的每N2个连续的历史订座平均值组成每N2个连续的历史订座平均值对应的序列。优选的，N2为5。
例如，共12个历史订座平均值，分别表示为A1、A2、……、A12，N2为5，则A2至A11中的每5个连续的历史订座平均值组成的该5个连续的历史订座平均值对应的序列分别为{A2，A3，A4，A5，A6}、{A3，A4，A5，A6，A7}、{A4，A5，A6，A7，A8}、{A5，A6，A7，A8，A9}、{A6，A7，A8，A9、A10}和{A7，A8，A9，A10，A11}。
S304、将已排序的历史订座平均值中的倒数N3个历史订座平均值组成倒数第二个序列，将已排序的历史订座平均值中的倒数N4个历史订座平均值组成倒数第一个序列。
本实施例中，将已排序的历史订座平均值中的倒数N3个历史订座平均值组成倒数第二个序列，其中，N3为大于1的正整数。
优选的，N3为4。
本实施例中，将已排序的历史订座平均值中的倒数N4个历史订座平均值组成倒数第一个序列，其中，N4为大于1的正整数。
优选的，N4为3。
例如，共12个历史订座平均值，分别表示为A1、A2、……、A12，N3为4，N4为3，则倒数第二个序列为{A9，A10，A11，A12}，倒数第一个序列为{A10，A11，A12}。
S205、对第一个序列执行第一操作，并依次对除第一个序列以外的每个序列执行第二操作。
本实施例中，对第一个序列执行第操作，并依次对除第一个序列以外的每个序列执行第二操作。
本实施例中，参阅图4，第一操作包括以下步骤：
S401、针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，判断该历史订座平均值是否已被判定为无效值，若是，执行S402，若否，执行S403。
本实施例中，针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，判断该历史订座平均值是否未被判定为无效值。
例如，第一个序列为{A1，A2，A3，A4}，需要分别判断A2是否未被判定为无效值，判断A3是否未被判定为无效值。
S402、继续保持判定历史订座平均值为无效值。
本实施例中，针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，若该历史订座平均值已被判定为无效值，则继续保持判定该历史订座平均值为无效值。
S403、判断该历史订座平均值是否在第一区间内，若是，执行S404，若否，执行S405。
本实施例中，针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，若该历史订座平均值未被判定为无效值，则进一步判断该历史订座平均值是否在第一区间内，其中，第一区间基于第一序列中的最后一个历史订座平均值所确定，示例性的，第一区间可以是(0.3*aveHis[Dcpj]，3*aveHis[Dcpj])，其中，为aveHis[Dcpj]为第一序列中的最后一个历史订座平均值。
S404、继续保持判定历史订座平均值为有效值。
本实施例中，针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，若该历史订座平均值在第一区间内，则继续保持判定历史订座平均值为有效值。
S405、将判定历史订座平均值为有效值的结果更新为判定为无效值。
本实施例中，针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，若该历史订座平均值在第一区间内，则将判定历史订座平均值为有效值的结果更新为判定为无效值。
本实施例中，参阅图5，第二操作包括以下步骤：
S501、针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，判断该历史订座平均值是否已被判定为无效值，若是，执行S502，若否，执行S503。
本实施例中，针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，判断判断该历史订座平均值是否已被判定为无效值，其中，目标序列为除第一个序列以外的任意一个序列。
例如，目标序列为{A2，A3，A4，A5，A6}，需要分别判断A3是否未被判定为无效值，判断A4是否未被判定为无效值，判断A5是否未被判定为无效值。
S502、继续保持判定历史订座平均值为无效值。
本实施例中，针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，若该历史订座平均值已被判定为无效值，则继续保持判定历史订座平均值为无效值。
S503、判断历史订座值是否在第二区间内，或在第三区间内，若是，执行S504，若否，执行S505。
本实施例中，针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，若该历史订座平均值未被判定为无效值，则进一步判断该历史订座值是否在第二区间内，或在第三区间内，其中，第二区间基于目标序列中的第一个历史订座平均值所确定，第三区间基于目标序列中的最后一个历史订座平均值所确定。示例性的，第二区间可以是(0.3*aveHis[Dcpf]，3*aveHis[Dcpf])，其中，为aveHis[Dcpf]为目标序列中的第一个历史订座平均值，第三区间可以是(0.3*aveHis[Dcpj]，3*aveHis[Dcpj])，其中，aveHis[Dcpj]为目标序列中的最后一个历史订座平均值。
S504、继续保持判定历史订座平均值为有效值。
本实施例中，针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，若该历史订座平均值在第二区间内，或在第三区间内，则继续保持判定历史订座平均值为有效值。
S505、将判定历史订座平均值为有效值的结果更新为判定为无效值。
本实施例中，针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，若该历史订座平均值即不在第二区间内，又不在第三区间内，则将判定历史订座平均值为有效值的结果更新为判定为无效值。
S105、针对每个历史订座平均值，若判定历史订座平均值为有效值，则将历史订座平均值作为初始值，若判定历史订座平均值为无效值，则对历史订座平均值进行数据修正，并将数据修正后的历史订座平均值作为初始值。
本实施例中，针对每个历史订座平局值，若判定历史订座平均值为有效值，则直接将该历史订座平均值作为初始值，若判定历史订座平均值为无效值，则需要对该历史订座平均值进行数据修正，并将数据修正后的历史订座平均值作为初始值。
本实施例中，参阅图6，对历史订座平均值进行数据修正的过程，具体包括以下步骤：
S601、将各个历史订座平均值中预设采集时间点在历史订座平均值对应的预设采集时间点之前、且预设采集时间点之间相距最近且被判定为有效值的历史订座平均值确定为第一目标历史订座平均值。
本实施例中，将该历史订座平均值之前，距离该历史订座平均值最近的且判定为有效值的历史订座平均值确定为第一目标历史订座平均值。
S602、将各个历史订座平均值中预设采集时间点在历史订座平均值对应的预设采集时间点之后、且预设采集时间点之间相距最近且被判定为有效值的历史订座平均值确定为第二目标历史订座平均值。
本实施例中，将该历史订座平均值之后，距离该历史订座平均值最近的且判定为有效值的历史订座平均值确定为第二目标历史订座平均值。
S603、基于第一目标历史订座平均值和第二目标历史订座平均值，对历史订座平均值进行数据修正。
本实施例中，基于第一目标历史订座平均值和第二目标历史订座平均值，对历史订座平均值进行数据修正，具体的，计算第一目标历史订座平均值和第二目标历史订座平均值的平均值，将所计算得到的平均值作为对历史订座平均值进行数据修正后的值。
S106、基于各个初始值，绘制历史航班的销售数据变化初始曲线。
本实施例中，基于各个初始值，绘制历史航班的销售数据变化初始曲线。
S107、对销售数据变化初始曲线进行曲线平滑处理，得到用于表征历史航班的销售过程特征的目标曲线。
本实施例中，对历史航班的销售数据变化初始曲线进行曲线平滑处理，得到用于表征历史航班的销售过程特征的目标曲线，具体的，包括以下步骤：
针对销售数据变化初始曲线中的每一个初始值，基于初始值的前一个初始值和/或后一个初始值，计算得到初始值对应的目标值；
基于各个目标值，绘制用于表征历史航班的销售过程特征的目标曲线。
本实施例中，基于初始值的前一个初始值和/或后一个初始值，通过预设公式，计算得到初始值对应的目标值。
预设公式为：
uncHis[Dcpi]=(aveHis[Dcpi-1]+2*aveHis[Dcpi]+aveHis[Dcpi+1])÷4
其中，uncHis[Dcpi]为修正后的初始值，也就是目标值。
需要说明的是，对于第一个预设采集时间点和最后一个预设采集时间点，进行数据修正所采用的预设公式中的分母为3。对于除第一个预设采集时间点和最后一个预设采集时间点外的其他预设采集时间点，进行数据修正所采用的预设公式中的分母为4。
本实施例中，基于各个目标值，绘制历史航班销售数据变化目标曲线，从而实现对历史航班销售数据变化初始曲线的曲线平滑处理。
本实施例中，历史航班销售数据变化目标曲线用于指示历史航班的历史销售过程特征。
S108、应用目标曲线，预测未来航班在销售过程的订座需求。
本实施例中，应用目标曲线，可以预测未来航班在销售过程的订座需求。
本申请实施例提供的航班销售过程特征获取方法，通过对原始历史订座数据进行预处理，去除原始订座数据中的数据偏向，通过计算每个预设采集时间点的历史订座平均值，并对每个历史订座平均值进行无效性判断，对无效的历史订座平均值进行数据修正，基于数据修正后的历史订座平均值和判定为有效值的历史订座平均值，绘制历史航班的销售数据变化初始曲线，并对销售数据变化初始曲线进行曲线平滑处理，得到用于表征历史航班的销售过程特征的目标曲线，从而实现了获取历史航班的销售过程特征，进而基于历史航班的销售过程特征对未来航班在销售过程的订座需求进行预测。
对上述提及的航班销售过程特征获取方法的实现过程进行举例说明如下：
对原始订座数据进行去限制、去季节影响，得到去限制、去季节影响的历史订座数据，各个历史订座数据如表1所示：
表1 历史订座数据表
Figure 562919DEST_PATH_IMAGE002
基于每个历史航班在每个Dcp（预设采集时间点）的历史订座数据，计算每个Dcp的历史订座平均值，得到如表2所示的结果：
表2 历史订座平均值表
Figure 811498DEST_PATH_IMAGE003
可选的，在计算历史订座平均值时，采用四舍五入，保留一个小数点的方式，作为历史订座平均值。
对每个历史订座平均值进行无效性判断，以判定每个历史订座平均值是否为无效值，得到如表3所示的结果：
表3 无效性判断结果表
Figure 675549DEST_PATH_IMAGE004
其中，F表示该历史订座平均值为无效值，T表示该历史订座平均值为有有效值。
对每个判定为无效值的历史订座平均值进行数据修正，得到如表4所示的结果：
表4 数据修正后的结果表
Figure 224342DEST_PATH_IMAGE005
基于数据修正后的结果表中的各个数据，绘制历史航班的销售数据变化初始曲线。
并对销售数据变化初始曲线进行曲线平滑处理，也就是对销售数据变化初始曲线包括的每个数据进行三点加权平滑，得到的结果如表5所示：
表5 平滑结果表
Figure 515646DEST_PATH_IMAGE006
基于平滑结果表中的各个数据，绘制用于表征历史航班的销售过程特征的目标曲线。
应用目标曲线，预测未来航班在销售过程的订座需求。
需要说明的是，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。
应当理解，本申请公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请公开的范围在此方面不受限制。
与图1所述的方法相对应，本申请实施例还提供了一种航班销售过程特征获取装置，用于对图1中方法的具体实现，其结构示意图如图7示，具体包括：
获取单元701，用于获取每个历史航班在每个预设采集时间点的原始历史订座数据；
预处理单元702，用于对每个原始历史订座数据进行预处理，得到每个原始历史订座数据对应的历史订座数据；
计算单元703，用于基于每个历史航班在每个预设采集时间点的历史订座数据，计算每个预设采集时间点的历史订座平均值；
判断单元704，用于对每个历史订座平均值进行无效性判断，以判定每个历史订座平均值是否为无效值；
修正单元705，用于针对每个历史订座平均值，若判定所述历史订座平均值为有效值，则将所述历史订座平均值作为初始值，若判定所述历史订座平均值为无效值，则对所述历史订座平均值进行数据修正，并将数据修正后的历史订座平均值作为初始值；
绘制单元706，用于基于各个初始值，绘制历史航班的销售数据变化初始曲线；
平滑单元707，用于对所述销售数据变化初始曲线进行曲线平滑处理，得到用于表征所述历史航班的销售过程特征的目标曲线；
预测单元708，用于应用所述目标曲线，预测未来航班在销售过程的订座需求。
本申请实施例提供的航班销售过程特征获取装置，通过对原始历史订座数据进行预处理，去除原始订座数据中的数据偏向，通过计算每个预设采集时间点的历史订座平均值，并对每个历史订座平均值进行无效性判断，对无效的历史订座平均值进行数据修正，基于数据修正后的历史订座平均值和判定为有效值的历史订座平均值，绘制历史航班的销售数据变化初始曲线，并对销售数据变化初始曲线进行曲线平滑处理，得到用于表征历史航班的销售过程特征的目标曲线，从而实现了获取历史航班的销售过程特征。
在本申请的一个实施例中，基于前述方案，计算单元703具体用于：
针对每个预设采集时间点，基于每个历史航班在所述预设采集时间点的历史订座数据，统计所述预设采集时间点的订座总数量，基于所述订座总数量和历史航班的数量，计算所述预设采集时间点的历史订座平均值。
在本申请的一个实施例中，基于前述方案，判断单元704具体用于：
针对每个历史订座平均值，若参与计算所述历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数小于预设阈值，则判定所述历史订座平均值为无效值，若参与计算所述历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数不小于预设阈值，则判定所述历史订座平均值为有效值；
按预设规则，将各个历史订座平均值划分为多个序列；
对第一个序列执行第一操作，并依次对除第一个序列以外的每个序列执行第二操作；
所述第一操作包括：针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，若所述历史订座平均值未被判定为无效值，则判断所述历史订座平均值是否在第一区间内，若不在第一区间内，则将判定所述历史订座平均值为有效值的结果更新为判定为无效值，若在第一区间内，则继续保持判定所述历史订座平均值为有效值，若所述历史订座平均值已被判定为无效值，则继续保持判定所述历史订座平均值为无效值；所述第一区间基于所述第一序列中的最后一个历史订座平均值所确定；
所述第二操作包括：针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，若所述历史订座平均值未被判定为无效值，则判断所述历史订座值是否在第二区间内，或在第三区间内，若否，则将判定所述历史订座平均值为有效值的结果更新为判定为无效值，若是，则继续保持判定所述历史订座平均值为有效值，若所述历史订座平均值已被判定为无效值，则继续保持判定所述历史订座平均值为无效值；所述目标序列为除第一个序列以外的任意一个序列，所述第二区间基于所述目标序列中的第一个历史订座平均值所确定，所述第三区间基于所述目标序列中的最后一个历史订座平均值所确定。
在本申请的一个实施例中，基于前述方案，判断单元704在对各个历史订座平均值划分为多个序列时，具体用于：
按预设采集时间点的先后顺序，对各个历史订座平均值进行排序；
从已排序的历史订座平均值中选取前N1个历史订座平均值组成第一个序列；所述N1为大于1的正整数；
分别将第二个历史订座平均值至倒数第二个历史订座平均值中的每N2个连续的历史订座平均值组成每个N2个连续的历史订座平均值对应的序列；所述N2为大于1的正整数；
将已排序的历史订座平均值中的倒数N3个历史订座平均值组成倒数第二个序列，将已排序的历史订座平均值中的倒数N4个历史订座平均值组成倒数第一个序列；所述N3和N4均为大于1的正整数。
在本申请的一个实施例中，基于前述方案，修正单元705在对所述历史订座平均值进行数据修正时，具体用于：
将各个历史订座平均值中预设采集时间点在所述历史订座平均值对应的预设采集时间点之前、且预设采集时间点之间相距最近且被判定为有效值的历史订座平均值确定为第一目标历史订座平均值；
将各个历史订座平均值中预设采集时间点在所述历史订座平均值对应的预设采集时间点之后、且预设采集时间点之间相距最近且被判定为有效值的历史订座平均值确定为第二目标历史订座平均值；
基于所述第一目标历史订座平均值和所述第二目标历史订座平均值，对所述历史订座平均值进行数据修正。
在本申请的一个实施例中，基于前述方案，平滑单元707具体用于：
针对所述销售数据变化初始曲线中的每一个初始值，基于所述初始值的前一个初始值和/或后一个初始值，计算得到所述初始值对应的目标值；
基于各个目标值，绘制用于表征所述历史航班的销售过程特征的目标曲线。
本申请实施例还提供了一种存储介质，所述存储介质存储有指令集，其中，在所述指令集运行时执行如上文任一实施例公开的航班销售过程特征获取方法。
本申请实施例还提供了一种电子设备，其结构示意图如图8所示，具体包括存储器801，用于存储至少一组指令集；处理器802，用于执行所述存储器中存储的指令集，通过执行所述指令集实现如上文任一实施例公开的航班销售过程特征获取方法。
在具体实施方式部分，本申请将所有以权利要求形式进行保护的内容，以下述形式重复：
根据本申请公开的一个或多个实施例，图1提供了一种航班销售过程特征获取方法，包括：获取每个历史航班在每个预设采集时间点的原始历史订座数据；对每个原始历史订座数据进行预处理，得到每个原始历史订座数据对应的历史订座数据；基于每个历史航班在每个预设采集时间点的历史订座数据，计算每个预设采集时间点的历史订座平均值；对每个历史订座平均值进行无效性判断，以判定每个历史订座平均值是否为无效值；针对每个历史订座平均值，若判定所述历史订座平均值为有效值，则将所述历史订座平均值作为初始值，若判定所述历史订座平均值为无效值，则对所述历史订座平均值进行数据修正，并将数据修正后的历史订座平均值作为初始值；基于各个初始值，绘制历史航班的销售数据变化初始曲线；对所述销售数据变化初始曲线进行曲线平滑处理，得到用于表征所述历史航班的销售过程特征的目标曲线；应用所述目标曲线，预测未来航班在销售过程的订座需求。
针对每个预设采集时间点，基于每个历史航班在所述预设采集时间点的历史订座数据，统计所述预设采集时间点的订座总数量，基于所述订座总数量和历史航班的数量，计算所述预设采集时间点的历史订座平均值。
针对所述销售数据变化初始曲线中的每一个初始值，基于所述初始值的前一个初始值和/或后一个初始值，计算得到所述初始值对应的目标值；
基于各个目标值，绘制用于表征所述历史航班的销售过程特征的目标曲线。
根据本申请公开的一个或多个实施例，图2提供了另一种航班销售过程特征获取方法，包括：针对每个历史订座平均值，若参与计算所述历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数小于预设阈值，则判定所述历史订座平均值为无效值，若参与计算所述历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数不小于预设阈值，则判定所述历史订座平均值为有效值；按预设规则，将各个历史订座平均值划分为多个序列；对第一个序列执行第一操作，并依次对除第一个序列以外的每个序列执行第二操作。
根据本申请公开的一个或多个实施例，图3提供了另一种航班销售过程特征获取方法，包括：按预设采集时间点的先后顺序，对各个历史订座平均值进行排序；从已排序的历史订座平均值中选取前N1个历史订座平均值组成第一个序列；所述N1为大于1的正整数；分别将第二个历史订座平均值至倒数第二个历史订座平均值中的每N2个连续的历史订座平均值组成每个N2个连续的历史订座平均值对应的序列；所述N2为大于1的正整数；将已排序的历史订座平均值中的倒数N3个历史订座平均值组成倒数第二个序列，将已排序的历史订座平均值中的倒数N4个历史订座平均值组成倒数第一个序列；所述N3和N4均为大于1的正整数。
根据本申请公开的一个或多个实施例，图4提供了另一种航班销售过程特征获取方法，包括：所述第一操作包括：针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，若所述历史订座平均值未被判定为无效值，则判断所述历史订座平均值是否在第一区间内，若不在第一区间内，则将判定所述历史订座平均值为有效值的结果更新为判定为无效值，若在第一区间内，则继续保持判定所述历史订座平均值为有效值，若所述历史订座平均值已被判定为无效值，则继续保持判定所述历史订座平均值为无效值；所述第一区间基于所述第一序列中的最后一个历史订座平均值所确定。
根据本申请公开的一个或多个实施例，图5提供了另一种航班销售过程特征获取方法，包括：所述第二操作包括：针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，若所述历史订座平均值未被判定为无效值，则判断所述历史订座值是否在第二区间内，或在第三区间内，若否，则将判定所述历史订座平均值为有效值的结果更新为判定为无效值，若是，则继续保持判定所述历史订座平均值为有效值，若所述历史订座平均值已被判定为无效值，则继续保持判定所述历史订座平均值为无效值；所述目标序列为除第一个序列以外的任意一个序列，所述第二区间基于所述目标序列中的第一个历史订座平均值所确定，所述第三区间基于所述目标序列中的最后一个历史订座平均值所确定。
根据本申请公开的一个或多个实施例，图6提供了另一种航班销售过程特征获取方法，包括：将各个历史订座平均值中预设采集时间点在所述历史订座平均值对应的预设采集时间点之前、且预设采集时间点之间相距最近且被判定为有效值的历史订座平均值确定为第一目标历史订座平均值；将各个历史订座平均值中预设采集时间点在所述历史订座平均值对应的预设采集时间点之后、且预设采集时间点之间相距最近且被判定为有效值的历史订座平均值确定为第二目标历史订座平均值；基于所述第一目标历史订座平均值和所述第二目标历史订座平均值，对所述历史订座平均值进行数据修正。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
以上描述仅为本申请公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请公开中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (9)

1.一种航班销售过程特征获取方法，其特征在于，包括：
获取每个历史航班在每个预设采集时间点的原始历史订座数据；
对每个原始历史订座数据进行预处理，得到每个原始历史订座数据对应的历史订座数据；
基于每个历史航班在每个预设采集时间点的历史订座数据，计算每个预设采集时间点的历史订座平均值；
针对每个历史订座平均值，若参与计算所述历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数小于预设阈值，则判定所述历史订座平均值为无效值，若参与计算所述历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数不小于预设阈值，则判定所述历史订座平均值为有效值；
按预设规则，将各个历史订座平均值划分为多个序列；
对第一个序列执行第一操作，并依次对除第一个序列以外的每个序列执行第二操作；
所述第一操作包括：针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，若所述历史订座平均值未被判定为无效值，则判断所述历史订座平均值是否在第一区间内，若不在第一区间内，则将判定所述历史订座平均值为有效值的结果更新为判定为无效值，若在第一区间内，则继续保持判定所述历史订座平均值为有效值，若所述历史订座平均值已被判定为无效值，则继续保持判定所述历史订座平均值为无效值；所述第一区间基于所述第一序列中的最后一个历史订座平均值所确定；
所述第二操作包括：针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，若所述历史订座平均值未被判定为无效值，则判断所述历史订座平均值是否在第二区间内，或在第三区间内，若否，则将判定所述历史订座平均值为有效值的结果更新为判定为无效值，若是，则继续保持判定所述历史订座平均值为有效值，若所述历史订座平均值已被判定为无效值，则继续保持判定所述历史订座平均值为无效值；所述目标序列为除第一个序列以外的任意一个序列，所述第二区间基于所述目标序列中的第一个历史订座平均值所确定，所述第三区间基于所述目标序列中的最后一个历史订座平均值所确定；
针对每个历史订座平均值，若判定所述历史订座平均值为有效值，则将所述历史订座平均值作为初始值，若判定所述历史订座平均值为无效值，则对所述历史订座平均值进行数据修正，并将数据修正后的历史订座平均值作为初始值；
基于各个初始值，绘制历史航班的销售数据变化初始曲线；
对所述销售数据变化初始曲线进行曲线平滑处理，得到用于表征所述历史航班的销售过程特征的目标曲线；
应用所述目标曲线，预测未来航班在销售过程的订座需求。
2.根据权利要求1所述的方法，其特征在于，所述基于每个历史航班在每个预设采集时间点的历史订座数据，计算每个预设采集时间点的历史订座平均值，包括：
针对每个预设采集时间点，基于每个历史航班在所述预设采集时间点的历史订座数据，统计所述预设采集时间点的订座总数量，基于所述订座总数量和历史航班的数量，计算所述预设采集时间点的历史订座平均值。
3.根据权利要求1所述的方法，其特征在于，按预设规则，对各个历史订座平均值划分为多个序列，包括：
按预设采集时间点的先后顺序，对各个历史订座平均值进行排序；
从已排序的历史订座平均值中选取前N1个历史订座平均值组成第一个序列；所述N1为大于1的正整数；
分别将第二个历史订座平均值至倒数第二个历史订座平均值中的每N2个连续的历史订座平均值组成每个N2个连续的历史订座平均值对应的序列；所述N2为大于1的正整数；
将已排序的历史订座平均值中的倒数N3个历史订座平均值组成倒数第二个序列，将已排序的历史订座平均值中的倒数N4个历史订座平均值组成倒数第一个序列；所述N3和N4均为大于1的正整数。
4.根据权利要求1所述的方法，其特征在于，所述对所述历史订座平均值进行数据修正，包括：
将各个历史订座平均值中预设采集时间点在所述历史订座平均值对应的预设采集时间点之前、且预设采集时间点之间相距最近且被判定为有效值的历史订座平均值确定为第一目标历史订座平均值；
将各个历史订座平均值中预设采集时间点在所述历史订座平均值对应的预设采集时间点之后、且预设采集时间点之间相距最近且被判定为有效值的历史订座平均值确定为第二目标历史订座平均值；
基于所述第一目标历史订座平均值和所述第二目标历史订座平均值，对所述历史订座平均值进行数据修正。
5.根据权利要求1所述的方法，其特征在于，所述对所述销售数据变化初始曲线进行曲线平滑处理，得到用于表征历史航班的销售过程特征的目标曲线，包括：
针对所述销售数据变化初始曲线中的每一个初始值，基于所述初始值的前一个初始值和/或后一个初始值，计算得到所述初始值对应的目标值；
基于各个目标值，绘制用于表征所述历史航班的销售过程特征的目标曲线。
6.一种航班销售过程特征获取装置，其特征在于，包括：
获取单元，用于获取每个历史航班在每个预设采集时间点的原始历史订座数据；
预处理单元，用于对每个原始历史订座数据进行预处理，得到每个原始历史订座数据对应的历史订座数据；
计算单元，用于基于每个历史航班在每个预设采集时间点的历史订座数据，计算每个预设采集时间点的历史订座平均值；
判断单元，用于对每个历史订座平均值进行无效性判断，以判定每个历史订座平均值是否为无效值；
修正单元，用于针对每个历史订座平均值，若判定所述历史订座平均值为有效值，则将所述历史订座平均值作为初始值，若判定所述历史订座平均值为无效值，则对所述历史订座平均值进行数据修正，并将数据修正后的历史订座平均值作为初始值；
绘制单元，用于基于各个初始值，绘制历史航班的销售数据变化初始曲线；
平滑单元，用于对所述销售数据变化初始曲线进行曲线平滑处理，得到用于表征所述历史航班的销售过程特征的目标曲线；
预测单元，用于应用所述目标曲线，预测未来航班在销售过程的订座需求；
所述判断单元具体用于：
针对每个历史订座平均值，若参与计算所述历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数小于预设阈值，则判定所述历史订座平均值为无效值，若参与计算所述历史订座平均值的历史订座数据中，不为零值的历史订座数据的个数不小于预设阈值，则判定所述历史订座平均值为有效值；
按预设规则，将各个历史订座平均值划分为多个序列；
对第一个序列执行第一操作，并依次对除第一个序列以外的每个序列执行第二操作；
所述第一操作包括：针对第一序列中除第一个历史订座平均和最后一个历史订座平均值外的每个历史订座平均值，若所述历史订座平均值未被判定为无效值，则判断所述历史订座平均值是否在第一区间内，若不在第一区间内，则将判定所述历史订座平均值为有效值的结果更新为判定为无效值，若在第一区间内，则继续保持判定所述历史订座平均值为有效值，若所述历史订座平均值已被判定为无效值，则继续保持判定所述历史订座平均值为无效值；所述第一区间基于所述第一序列中的最后一个历史订座平均值所确定；
所述第二操作包括：针对目标序列中除第一个历史订座平均值和最后一个历史订座平均值外的每个历史订座平均值，若所述历史订座平均值未被判定为无效值，则判断所述历史订座平均值是否在第二区间内，或在第三区间内，若否，则将判定所述历史订座平均值为有效值的结果更新为判定为无效值，若是，则继续保持判定所述历史订座平均值为有效值，若所述历史订座平均值已被判定为无效值，则继续保持判定所述历史订座平均值为无效值；所述目标序列为除第一个序列以外的任意一个序列，所述第二区间基于所述目标序列中的第一个历史订座平均值所确定，所述第三区间基于所述目标序列中的最后一个历史订座平均值所确定。
7.根据权利要求6所述的装置，其特征在于，所述计算单元具体用于：
针对每个预设采集时间点，基于每个历史航班在所述预设采集时间点的历史订座数据，统计所述预设采集时间点的订座总数量，基于所述订座总数量和历史航班的数量，计算所述预设采集时间点的历史订座平均值。
8.一种存储介质，其特征在于，所述存储介质存储有指令集，其中，所述指令集被处理器执行时实现如权利要求1-5任意一项所述的航班销售过程特征获取方法。
9.一种电子设备，其特征在于，包括：
存储器，用于存储至少一组指令集；
处理器，用于执行所述存储器中存储的指令集，通过执行所述指令集实现如权利要求1-5任意一项所述的航班销售过程特征获取方法。
CN202211087868.0A 2022-09-07 2022-09-07 航班销售过程特征获取方法及装置、存储介质及电子设备 Active CN115168456B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211087868.0A CN115168456B (zh) 2022-09-07 2022-09-07 航班销售过程特征获取方法及装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211087868.0A CN115168456B (zh) 2022-09-07 2022-09-07 航班销售过程特征获取方法及装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN115168456A CN115168456A (zh) 2022-10-11
CN115168456B true CN115168456B (zh) 2022-11-25

Family

ID=83481068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211087868.0A Active CN115168456B (zh) 2022-09-07 2022-09-07 航班销售过程特征获取方法及装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN115168456B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757728B (zh) * 2023-08-16 2023-10-24 中国民航信息网络股份有限公司 一种历史航班的销售数据的处理方法及相关装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678392A (zh) * 2015-12-25 2016-06-15 中国民航信息网络股份有限公司 预付费航班座位销售系统及其方法
CN111191710A (zh) * 2019-12-26 2020-05-22 广州优策科技有限公司 一种基于大数据的异常航班识别方法
CN111582584A (zh) * 2020-05-09 2020-08-25 南京航空航天大学 基于航空公司公平性的航段运行时间优化方法
CN111784156A (zh) * 2020-06-30 2020-10-16 中国民航信息网络股份有限公司 座位配额的确定方法及装置、存储介质及电子设备
CN112200625A (zh) * 2020-09-30 2021-01-08 中国民航信息网络股份有限公司 一种航班资源推荐方法及装置
CN112396248A (zh) * 2020-11-30 2021-02-23 中国民航信息网络股份有限公司 一种基于均值模型的航班订座值的处理方法及系统
CN114358404A (zh) * 2021-12-27 2022-04-15 中国民航信息网络股份有限公司 航班数据的处理方法及装置电子设备、存储介质
WO2022105666A1 (zh) * 2020-11-19 2022-05-27 中国民航信息网络股份有限公司 一种重复订座识别方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678392A (zh) * 2015-12-25 2016-06-15 中国民航信息网络股份有限公司 预付费航班座位销售系统及其方法
CN111191710A (zh) * 2019-12-26 2020-05-22 广州优策科技有限公司 一种基于大数据的异常航班识别方法
CN111582584A (zh) * 2020-05-09 2020-08-25 南京航空航天大学 基于航空公司公平性的航段运行时间优化方法
CN111784156A (zh) * 2020-06-30 2020-10-16 中国民航信息网络股份有限公司 座位配额的确定方法及装置、存储介质及电子设备
CN112200625A (zh) * 2020-09-30 2021-01-08 中国民航信息网络股份有限公司 一种航班资源推荐方法及装置
WO2022105666A1 (zh) * 2020-11-19 2022-05-27 中国民航信息网络股份有限公司 一种重复订座识别方法及装置
CN112396248A (zh) * 2020-11-30 2021-02-23 中国民航信息网络股份有限公司 一种基于均值模型的航班订座值的处理方法及系统
CN114358404A (zh) * 2021-12-27 2022-04-15 中国民航信息网络股份有限公司 航班数据的处理方法及装置电子设备、存储介质

Also Published As

Publication number Publication date
CN115168456A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN115168456B (zh) 航班销售过程特征获取方法及装置、存储介质及电子设备
CN109086135B (zh) 资源伸缩方法、装置、计算机设备及存储介质
CN108694182B (zh) 活动推送方法、活动推送装置和服务器
CN106296247B (zh) 网络信息资源在线排序方法和装置
CN109272312B (zh) 用于交易风险实时侦测的方法和装置
CN112150023A (zh) 任务分配方法、装置及存储介质
CN111225050A (zh) 云计算资源分配方法及装置
CN111159481B (zh) 图数据的边预测方法、装置及终端设备
CN109726092A (zh) 总线处理效率评估方法、系统和计算机存储介质
CN111176810B (zh) 基于优先级的气象水文数据处理调度系统
CN110300011B (zh) 一种告警根因定位方法、装置和计算机可读存储介质
CN112561138B (zh) 电力负荷预测方法、装置、计算机设备和存储介质
CN111221827A (zh) 基于图形处理器的数据库表连接方法、装置、计算机设备和存储介质
CN116341781A (zh) 基于大规模邻域搜索算法的路径规划方法及存储介质
CN109190946A (zh) 营收数据确定方法、装置、电子设备及存储介质
CN116167857A (zh) 数据处理方法、装置、计算机设备及存储介质
CN113537588B (zh) 一种人数预测方法、装置、设备及计算机可读存储介质
CN108710562A (zh) 异常记录的合并方法、装置及设备
CN115169758B (zh) 订座数据预测方法及装置、存储介质及电子设备
CN108898432A (zh) 一种广告投放效果评估方法、装置及电子设备
CN112529732B (zh) 储能单元充放电控制方法、装置、计算机设备和存储介质
CN109559078B (zh) 一种车辆调度方法、装置、设备及存储介质
CN112258229A (zh) 一种票价档位与列车的对应关系的生成方法和装置
CN113988909A (zh) 积分处理方法、装置、计算机设备和存储介质
CN113360102A (zh) 打印文件的生成方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant