CN116263896A - 基于乘客投诉倾向的航班起飞和降落排序 - Google Patents

基于乘客投诉倾向的航班起飞和降落排序 Download PDF

Info

Publication number
CN116263896A
CN116263896A CN202211368823.0A CN202211368823A CN116263896A CN 116263896 A CN116263896 A CN 116263896A CN 202211368823 A CN202211368823 A CN 202211368823A CN 116263896 A CN116263896 A CN 116263896A
Authority
CN
China
Prior art keywords
departure
aircraft
customer
computer
satisfaction
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
CN202211368823.0A
Other languages
English (en)
Inventor
H.S.麦克法丁
Y.德里西
M.埃特尔
A.L.詹蒂莱
P.里斯托斯基
C.K.谭
孙玮
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.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN116263896A publication Critical patent/CN116263896A/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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G06Q10/025—Coordination of plural reservations, e.g. plural trip segments, transportation combined with accommodation
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q30/01—Customer relationship services
    • 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
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q30/0203—Market surveys; Market polls
    • 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
    • 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
    • G06Q50/14—Travel agencies
    • 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
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0226—Incentive systems for frequent usage, e.g. frequent flyer miles programs or point systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种用于基于操作成本和预测的乘客满意度成本生成从已知始发地的飞行器离港的有序列表的计算机实现的方法。该方法收集关于一个或多个乘客的历史数据，其中历史数据包括一个或多个飞行器操作以及相关联的乘客投诉和满意度数据。该方法进一步基于所收集的历史数据训练乘客满意度预测模型，并且基于经训练的乘客满意度预测模型计算每个飞行器离港的预测乘客满意度成本。该方法进一步基于操作成本和计算的预测的乘客满意度成本的组合生成飞行器离港的有序列表。

Description

基于乘客投诉倾向的航班起飞和降落排序
技术领域
本公开总体上涉及认知计算领域，并且更具体地涉及在确定离港飞行器调度时结合顾客满意度。
背景技术
用于离港飞行器调度的传统方法试图优化与飞行器离港相关的整体延迟或成本。例如，大型客机可能由于较大的乘客计数而起飞优先，或者较低效率的飞行器可能由于在怠速期间较大的燃料燃烧而接收优先。
然而，当确定离港飞行器调度时，旅行运营商越来越多地关注客户满意度作为关键性能指标。
发明内容
本发明实施例公开了一种方法、计算机程序产品和系统。
根据本发明的实施例，一种在包括处理器和存储器的数据处理系统中的计算机实现的方法，用于基于操作成本和预测的客户满意度成本生成从已知始发地的飞行器离港的有序列表。该方法包括收集关于一个或多个顾客的历史数据，其中历史数据包括一个或多个飞行器操作以及相关联的顾客投诉和满意度数据，以及基于所收集的历史数据训练顾客满意度预测模型。该方法进一步包括基于训练的客户满意度预测模型计算每个飞行器离港的预测客户满意度成本，并且基于操作成本和计算的预测客户满意度成本的组合生成飞行器离港的有序列表。
根据本发明的实施例，一种计算机程序产品包括非瞬态有形存储设备，该非瞬态有形存储设备具有与其体现的程序代码。程序代码可由计算机的处理器执行以执行方法。该方法包括收集关于一个或多个顾客的历史数据，其中历史数据包括一个或多个飞行器操作以及相关联的顾客投诉和满意度数据，以及基于所收集的历史数据训练顾客满意度预测模型。该方法进一步包括基于训练的客户满意度预测模型计算每个飞行器离港的预测客户满意度成本，并且基于操作成本和计算的预测客户满意度成本的组合生成飞行器离港的有序列表。
根据本发明的实施例，计算机系统包括一个或多个计算机设备，该一个或多个计算机设备各自具有一个或多个处理器和一个或多个有形存储设备；以及被体现在所述一个或多个存储设备中的至少一个存储设备上的程序，所述程序具有用于由所述一个或多个处理器执行的多个程序指令。程序指令实施一种方法。该方法包括收集关于一个或多个顾客的历史数据，其中历史数据包括一个或多个飞行器操作以及相关联的顾客投诉和满意度数据，以及基于所收集的历史数据训练顾客满意度预测模型。该方法进一步包括基于训练的客户满意度预测模型计算每个飞行器离港的预测客户满意度成本，并且基于操作成本和计算的预测客户满意度成本的组合生成飞行器离港的有序列表。
附图说明
图1示出了根据本发明的实施例的飞行器离港调度环境。
图2是示出根据本发明的实施例的图1的飞行器离港调度程序120的操作的流程图。
图3示出了根据本发明的实施例的图1的飞行器离港调度程序120的使用案例。
图4是图解地示出了根据本发明的实施例的图1的飞行器离港调度环境的硬件部件的示图。
图5示出了根据本发明的实施例的云计算环境。
图6示出了根据本发明的实施例图5的说明性云计算环境的抽象模型层。
具体实施方式
现今，旅行运营商(例如，航空公司、轮船、公共汽车、火车等)越来越多地集中于客户满意度作为关键性能指标。影响客户满意度的操作关键性能指标包括但不限于：离港时间和延误、出租车出车时间、路线中的时间和延迟、到达时间和延迟、出租车入车时间、以及引发的中途停留改变。
从旅行运营商的角度来看，由于运行参数的故障，旅行运营商经常采取顾客补偿/改进事后。对此，旅行运营商每年花费大量资金，为这种补偿花费数以亿计的美元。在许多情况下，通过避免可能导致满意度和投诉降低的旅行情况，这将大大节省开支。该避免可以经由成本中性的方法发生，如选择替代的离港计划。
取决于客户在旅行过程中的位置，有三个广泛的机会来解决客户满意度：(1)当客户进行计划和预订时，旅行运营商可以将客户转向远离可能降低客户满意度的潜在情况，这往往难以预测；(2)当客户实际旅行时，旅行运营商可尝试改进操作，使得不会发生降低满意度的情形；以及(3)在客户已经旅行之后，旅行运营商可尝试通过接收投诉并作出补偿(其通常是昂贵的)来改进客户满意度。
本发明的实施例集中于当顾客旅行时的人工智能(AI)驱动的干预，以便使旅行运营商尝试改进操作，使得降低顾客满意度的情形受到限制。
或者由于正常的操作或例外的事件，旅行运营商必须例行地顺序从终端离港。例如，由于滑行道和跑道的能力有限，在枢纽机场的高峰时离港必须被排序。或者，机场的天气事件(例如，飓风、大风、雪等)可导致意外的备份离港，一旦天气事件消退，这导致对备份离港进行排序。
传统方法试图对总体延迟或成本进行优先级排序。例如，当在每个乘客基础上观看时，由于较大的乘客计数，大型客机可以在起飞顺序中接收优先级，或者由于在怠速期间较大的燃料燃烧，效率较低的飞行器可以在起飞顺序中接收优先级。
本发明结合了机器学习模型来估计由于旅行目的和类型因素引起的顾客满意度的变化。例如，研究已经表明，到度假目的地的航班延误将导致比应用于商务航班的相同延误更多的顾客投诉。
为了结合机器学习模型来估计顾客满意度的变化，旅行运营商累积了一组示例性离港顾客满意度值的历史。在本发明中，旅行运营商然后基于特征(“X”)和标签(“Y”)来训练满意机器学习模型，特征(“X”)是每个示例离港的客户、旅程、预订和操作特征的组合，标签(“Y”)是每个示例离港的客户满意度值。顾客简档和旅行历史是顾客特征的一部分。离港延迟是“X”的操作训练特征之一。
如关于本发明将进一步讨论的，向每个查询离港分配满意度代价函数，该满意度代价函数接收离港、操作和延迟信息作为输入并且然后基于查询离港的已知客户、行程、预订和操作特征以及所提供的延迟值来评估满意机器学习模型。基于操作成本函数与客户满意度成本函数的组合来评估每个查询离港。此后，基于操作成本函数和满意度成本函数的组合计算所请求的离港排序列表并且将其输出到交通管理系统。
如以上段落中所例示的，本发明利用结合顾客满意度方面的能力来增强现有离港调度能力。提高客户满意度是重要的成本因素，特别是在竞争环境中。
历史上，调度飞行器离港主要是基于燃料成本。如今，客户满意度随着燃料价格降低和发动机效率而重要性提高。
交通管理器、或调度飞行器离港的人员典型地操作离港设施(例如，机场、公共汽车站、火车站等)，并且旅行运营商(例如，特定航空公司、公共汽车、火车等)被约束为向交通管理器做出离港请求。换言之，旅行运营商不直接确定最终的实际离港排序。
此外，替代的旅行运营商经常调度同一来源并且彼此竞争的旅行运营商的离港。本发明结合了替代运营商的调度的离岗，而不是它们的确切的离港请求策略的可见性。
如本文将更详细地解释的，本发明公开了一种新颖的方法，该方法接受包括期望离港的边际窗口的先前生成的请求离港计划，应用预测分配的离港、操作结果和客户满意度度量的训练的预测模型以生成改进的请求离港计划。然后将改进的请求离港计划发送到交通管理器用于最终调度。
在下文中，将参考附图详细描述本发明的示例性实施例。
本发明并不限于以下示例性实施例，而是可以在本发明的范围内以各种修改来实施。此外，本文中使用的附图是用于说明的目的，并且可能没有示出实际尺寸。
图1示出了根据本发明的实施例的飞行器离港调度计算环境100。离港调度计算环境100包括全部经由网络102连接的主机服务器110、交通管理器130和计算设备140。图1中的设置表示用于本发明的一个示例性实施例配置并且不限于所描述的设置以便从本发明获得益处。
在示例性实施例中，主机服务器110包括飞行器离港调度程序120。在不同实施例中，主机服务器110可为膝上型计算机、平板计算机、上网本计算机、个人计算机(PC)、台式计算机、个人数字助理(PDA)、智能电话、服务器或能够经由网络102与交通管理器130和计算装置140通信的任何可编程电子装置。主机服务器110可以包括内部和外部硬件组件，如以下参照图4更详细描述和描绘的。在其他实施例中，如本文关于图5和6所描述的，可以在云计算环境中实现主机服务器110。主机服务器110还可具有允许其与交通管理器130、计算装置140和其他计算机或服务器通过网络102通信的无线连接能力。
继续参考图1，交通管理器130包括用户界面132和飞行器离港和到达数据库134。在示例性实施例中，交通管理器130可以是管理飞机离港和到达的飞机交通控制塔、公车离港和到达的公车终端调度器、列车离港和到达的列车站调度器等。
在示例性实施例中，交通管理器130包括用户接口132，该用户接口可以是允许用户(即，交通管理器)经由网络102与飞行器离港和到达数据库134和其他连接设备进行交互的计算机程序。例如，用户接口132可以是图形用户界面(GUI)。除了包括计算机程序之外，用户接口132可以连接耦接至硬件部件，诸如在图4中描述的那些，用于发送和接收数据。在示例性实施例中，用户接口132可以是web浏览器，然而在其他实施例中，用户接口132可以是能够接收用户交互和与其他设备(诸如主机服务器110)通信的不同程序。
在示例性实施例中，用户接口132可以是触摸屏显示器、视觉显示器、远程操作显示器、或从物理键盘接收输入的显示器。在替代实施例中，用户接口132可经由语音命令、蓝牙、连接到交通管理器130的移动设备或通过本领域普通技术人员已知的任何其他方式来操作。在示例性实施例中，用户(即，交通管理器130)可以与用户界面132交互以报告问题、重载调度的离港或到达、并且从飞行器离港调度程序120接收调度改变。在不同实施例中，用户可以经由网络102与用户界面132交互以向飞行器离港调度程序120提供反馈。
在示例性实施例中，交通管理器130包括飞行器离港和到达数据库134。飞行器离港和到达数据库134可以是交通管理器130上的本地数据存储，其包含与各个旅行运营商、位置、时间、星期几、飞行器的始发、目的地、操作特征等等对应的一组或多组所调度的飞行器离港和到达数据。例如，飞机A在2019年5月5日星期一上午9：30离开纽约LaGuardia机场(LGA)，并且计划在同一天下午12：15到达亚特兰大机场(ATL)。该数据集样本可作为数据对象存储在飞机离港和到达数据库134中，诸如<飞机_A，LGA，ATL，9：30am-12：15pm，5/5/19>。
虽然飞行器离港和到达数据库134被描绘为存储在交通管理器130上，但是在其他实施例中，飞行器离港和到达数据库134，作为单独的数据库，可以被存储在主机服务器110、飞行器离港调度程序120、或经由网络102连接的任何其他装置或数据库上。在替代实施例中，飞行器离港和到达数据库134可以由一起工作或单独工作的群集或多个计算设备组成。
继续参考图1，计算设备140包括用户界面142和应用程序144。在各实施例中，计算设备140可以是膝上型计算机、平板计算机、上网本计算机、个人计算机(PC)、台式计算机、个人数字助理(PDA)、可穿戴设备、智能电话、或能够经由网络102与主机服务器110和交通管理器130通信的任何可编程电子设备。计算设备140可以包括内部和外部硬件部件，如以下参照图4更详细描绘和描述的。在其他实施例中，如本文关于图5和6所描述的，计算设备140可以在云计算环境中实现。计算设备140还可具有允许其通过网络102与主机服务器110、交通管理器130和其他计算机或服务器通信的无线连接能力。
在示例性实施例中，计算设备140包括用户界面142，该用户界面可以是允许用户经由网络102与计算设备140和其他连接设备进行交互的计算机程序。例如，用户界面142可以是图形用户界面(GUI)。除了包括计算机程序之外，用户接口142可以连接耦接至硬件部件，诸如图4中描述的那些，用于接收用户输入。在示例性实施例中，用户接口142可以是web浏览器，然而在其他实施例中，用户接口142可以是能够接收用户交互和与其他设备通信的不同程序。
在示例性实施例中，计算设备140包括计算设备140上的应用程序144，所述应用程序可以是计算机程序，所述应用程序允许用户实时地张贴针对任何给定旅行运营商接收的服务的反馈、评论和满意度。在示例性实施例中，应用程序144可以是社交媒体网站、旅行运营商的网站、在线讨论板、或允许终端用户传送关于旅行体验的反馈的任何这样的应用程序。
继续参考图1，在示例性实施例中，飞行器离港调度程序120可以是包含可由处理器执行的指令集的主机服务器110上的计算机应用程序。指令集可以使用功能模块的集合来描述。在示例性实施例中，飞行器离港调度程序120可以通过网络102接收来自交通管理器130和计算设备140的输入。在替代实施例中，飞行器离港调度程序120可以是包含在交通管理器130内的计算机应用，或者作为独立电子设备上的独立程序。
继续参考图1，飞行器离港调度程序120的功能模块包括收集模块122、训练模块124、计算模块126、生成模块127、通信模块128以及历史操作和投诉数据库129。
图2是示出根据本发明的实施方式的图1的飞行器离港调度程序120的操作的流程图。
参考图1和图2，收集模块122包括飞行器离港调度程序120中的一组编程指令以收集关于一个或多个客户的历史数据，其中，历史数据包括一个或多个飞行器操作以及相关联的客户投诉和满意度数据(步骤202)。该组编程指令可由处理器执行。
在示例性实施例中，关于一个或多个飞行器操作以及相关联的客户投诉和满意度数据的历史数据可以包括参照用户(即，客户/乘客)先前与旅行运营商有关的离港和经历的数据点的集合。
存在顾客投诉和满意度数据的多种对象测量，可以针对这些对象测量来训练本文所讨论的顾客满意度预测模型。例如，一些对象测量可以包括客户投诉的计数、直接客户调查和反馈机制、以及使用旅行运营商的后续旅行的倾向。
在示例性实施例中，针对示例性离港集合，经由收集模块122随时间收集顾客满意度值的历史。满意机器学习模型可基于特征(“X”)和关联标签(“Y”)，特征(“X”)是每个示例性离港的汇总客户、路线、预订和操作特征的组合，关联标签(“Y”)是每个示例性离港的客户满意度值。
在示例性实施例中，经汇总的顾客简档(即，航班上的忠诚度成员的百分比)是顾客特征的一部分。离港时间、到达时间、出租车时间和路线内延迟是“X”中的操作训练特征的一部分。
在示例性实施例中，收集模块122可以能够通过以下各项中的至少一项经由网络102获得旅行运营商的飞行器操作以及一个或多个客户的相关联的客户投诉和满意数据：摄像机、物联网(IoT)设备、IoT传感器、交通管理器130、和一个或多个客户的个人计算设备(例如，计算设备140)。
图3示出了根据本发明的实施例的图1的飞行器离港调度程序120的使用案例。
参考图3和示例性例子，用于两个样本航班(航班1和航班2)的独立训练特征302(‘X’)包括“始发地、目的地、调度特征”、“汇总客户特征”、汇总预约特征、“实际预期离港和到达时间”、以及“操作特征”。对于相同的两个样本飞行(飞行1和飞行2)的从属训练特征304(“Y”)包括“投诉”和“评论”。收集模块122收集飞行1和飞行2的飞行器操作的历史数据，以及各个飞行的客户满意度数据。
在示例性实施例中，收集模块122可以将接收到的飞行器操作数据集合和相关联的客户投诉和满意度数据存档在历史操作和投诉数据库129中。历史操作和投诉数据库129可以是飞行器离港调度程序120上的本地数据存储。
在示例性实施例中，飞行器离港调度程序120可以能够为该一个或多个顾客建立数据简档并且当接收到相关联的顾客投诉和/或满意度数据时动态地更新相应的数据简档。
虽然历史操作和投诉数据库129被描绘为存储在飞行器离港调度程序120上，但是在其他实施例中，历史操作和投诉数据库129可以作为单独的数据库存储在主机服务器110、交通管理器130、或经由网络102连接的任何其他装置或数据库上。在替代实施例中，历史操作和投诉数据库129可以包括一起工作或单独工作的群集或多个计算设备。
继续参考图1和图2，训练模块124包括飞行器离港调度程序120中的一组编程指令，以基于所收集的历史数据训练客户满意度预测模型(步骤204)。该组编程指令可由处理器执行。
在示例性实施例中，训练模块124使用关于顾客和飞行操作的历史数据作为输入数据以及顾客投诉/满意度作为目标数据。
例如，飞行器离港调度程序120可以估计测试离港特征集的客户满意度分数。客户满意度分数估计基于对先前离港的历史数据的检查。
在示例性实施例中，训练模块124结合了离港的操作参数的估计和给定从预期测试变化预测的预期分配的离港窗口。操作参数可以包括但不限于：出租车出车时间或其他类似的分段运输因素、旅行时间(例如，飞行时间)、到达时间、和出租车入车或目标终端处其他类似的取消分段运输因素。
在示例性实施例中，操作参数可以多种方式估计。例如，可以通过检查平均出租车或分段运输时间来估计操作参数，以考虑诸如空中交通控制和天气的路内因素的更复杂的分析(例如，可以相对于一天中的时间、一周中的一天、市场条件等对出租车时间建模)。
进一步地，预期离港与预期的操作参数、固定的操作参数、加上各种离港特征、飞行器特征、汇总的客户特征(例如，作为忠诚度成员的客户的百分比)、汇总的预订特征(例如，每座舱类装载/拥挤)、路线特征、始发地特征、和目的地特征组合，以便创建测试离港特征集。
所估计的顾客满意度分数可以例如经由经训练的机器学习模型或深度学习模型(例如，人工神经网络)来计算。模型有多种可能性。模型可包括但不限于线性回归、逻辑回归、决策树、随机森林、梯度增强决策树等。
在示例性实施例中，训练模块124可以与用于调度离港序列请求的现有决策逻辑集成在一起。例如，现有的决策逻辑用于计算特定飞行器的初始离港窗口。然后，在所计算的针对特定飞行器的初始离港窗口内使用飞行器离港调度程序120的逻辑以生成较窄的、更高度优化的离港顺序请求。
在替代实施例中，可以向每个查询离港分配满意度代价函数，所述满意度代价函数接收离港作为输入，并且然后基于查找客户数据、行程、预订、以及查询离港的操作特征的预测来评估满意机器学习模型。然后，可以给每个查询离港分配扩展成本函数，该扩展成本函数将基于先前模型的预先存在的操作成本函数与新的满意度成本函数组合。所述组合可基于加权值或替代功能组合。
在替代性实施例中，可以基于将扩展成本函数代入预先存在的离港规划逻辑中来计算所请求的离港排序列表，并且然后导出到交通管理器130。
继续参照图3和以上说明性实例，训练模块124在周一早上基于离开LaGuardia机场(LGA)的两个先前离港：亚特兰大航班(ATL)和底特律航班(DTW)来训练客户满意度预测模型。DTW航班示出了更高的延迟，但是更好的满意分数(即，更少的投诉和更高的评论)，并且具有更大百分比的忠诚度客户。照此，训练模块124突出显示哪些航班可在调度的离港之前或之后被排序并保持顾客满意度。
继续参考图1和图2，计算模块126包括飞行器离港调度程序120中的一组编程指令，以基于训练的客户满意度预测模型计算每个飞行器离港的预测客户满意度成本(步骤206)。该组编程指令可由处理器执行。
在示例性实施例中，飞行器离港调度程序120接收收集的历史数据，包括飞行器操作和相关联的客户投诉和满意度数据，其中，所收集的历史数据包括汇总的客户简档信息、汇总的旅行预订信息、汇总的始发地和目的地信息、以及离港飞行器和路线信息的组合，连同指示每个飞行器离港的相关联的客户投诉和满意度值的标签。
在示例性实施例中，客户投诉值包括基于客户反馈的聚合投诉严重性值的量度，包括平均值、最大值、最小值，并且其中预定范围内的严重性值被分配给与特定的先前离港相关的客户投诉值。
在示例性实施例中，汇总的顾客简档信息由分配了已知旅行目的(例如，商务、假期或自主选择的旅行)的先前离港旅行的乘客的数量、与一个或多个忠诚度类别相关联的先前离港旅行的乘客的数量、以及落入一个或多个预定类别的旅行体验和忠诚度计划期限的离港旅行的乘客的数量组成。
在示例性实施例中，所汇总的旅行预订特征可以包括每舱类别(例如，商务类别、头等类别、经济仓等)的预订集中的数量。
在示例性实施例中，离港飞行器和路线特征可以包括飞行器模型、大小、容量、利用等。
在示例性实施例中，计算模块126可以估计包括最小离港时间窗口和最大预期离港时间窗口的预期实际分配的离港时间窗口。例如，计算模块126可以在30天、60天或90天的时间窗口上计算一周中的一天、一天中的时间、离港终端、以及到达终端的平均延迟偏移。计算模块126然后可以设置预期的实际分配的离港时间窗口，其是所请求的离港时间加上或减去所计算的平均延迟偏移。
在替代实施例中，计算模块126可以结合天气预报和其他附加特征作为机器学习算法的输入。例如，计算模块126可以基于已知的(例如，公共信息)离港计划结合替代旅行运营商的预期离港计划请求。
在示例性实施例中，计算模块126进一步能够估计用于所述飞行器离港的一组附加的相关操作特征。一组附加的从属操作特征包括但不限于出租车出车时间、旅行时间、到达出租车入车时间和到达时间。
此外，计算模块126然后将估计的预期实际分配的离港时间窗口和估计的离港的从属操作特征、调度的离港和到达时间、接收的汇总顾客简档信息、接收的汇总旅行预订信息、接收的汇总始发地和目的地信息以及接收的离港飞行器和路线信息合并。
在示例性实施例中，计算模块126接收与一个或多个特定先前离港有关的经汇总的客户调查信息，并且针对每个预期离港计算经汇总的客户满意度值，其中，该计算是基于所接收的经汇总的客户调查信息的。计算模块126然后基于所计算的预期离港中的每预期离港的汇总的客户满意度值确定最佳预期离港请求计划表，并且将所确定的最佳预期离港请求计划发送到交通管理器以调度所接收的离港请求。
在示例性实施例中，调度的最佳预期离港请求基于与其他预期离港相比所计算的最高聚合客户满意度值。
在示例性实施例中，由监督机器学习模型针对每个预期离港做出所计算的聚合客户满意度值，所述监督机器学习模型针对标记的先前离港值的训练集、汇总的客户简档信息以及针对先前离港语料库做出的相关联的聚合客户满意度值进行训练。
聚合的客户满意度值可以基于接收聚合的客户投诉信息而做出，其中客户投诉信息与特定的先前离港相关地做出。进一步，在示例性实施例中，汇总的客户投诉信息包括针对特定的先前离港接收的客户投诉的计数。
在替代实施例中，汇总的客户投诉信息包括旅行运营商响应于与先前离港相关的投诉对客户作出的汇总的补偿金额的度量，其中汇总的补偿金额包括平均金额、最大金额、最小金额或金额的变化，其中补偿金额被指派给与特定先前离港相关的客户投诉。
继续参照图3和以上说明性示例，计算模块126基于不同输入数据(即，始发地和目的地特征、汇总的客户特征、汇总的预订特征、实际离港和到达计划、操作特征以及客户投诉和评论)来估计客户满意度值。如图3的表中所见，DTW飞行(20分钟延迟)显示比ATL飞行(2分钟延迟)高的延迟。然而，DTW在其客户之间示出了更好的满意分值(即，更少的投诉和更高的评论)。DTW飞行(80％忠诚度乘客)还显示出比ATL飞行(57％忠诚度客户)更大百分比的忠诚度客户。当随后针对相似的飞行选项评估客户满意度预测模型时，即使存在较高的延迟，至具有较高忠诚度客户计数的DTW的早上飞行也将趋于预测较高的客户满意度。
继续参考图1和图2，生成模块128包括飞行器离港调度程序120中的一组编程指令，以基于操作成本和计算的预测的客户满意度成本的组合生成飞行器离港的有序列表(步骤208)。该组编程指令可由处理器执行。
在示例性实施例中，飞行器离港调度程序120接收生成飞行器离港的有序列表的请求，其中，所述飞行器离港的有序列表包括具有相关联的调度的离港和到达时间的离港飞行器集合、以及用于所述飞行器离港中的每个的离港时间窗口。
在示例性实施例中，生成模块128生成探索预期离港的变化空间的一组预期测试请求离港计划。可以以范围从探索所有潜在离港子窗口直到给定粒度的网格搜索到基于最快速改进的直接探索的梯度风格搜索的不同方式来生成该探索。
生成模块128可以生成预期离港请求计划的列表，该列表包括给定的一组离港飞行器以及针对每个离港飞行器的请求离港时间窗口，该请求离港时间窗口包括最小请求离港时间和最大请求离港时间。
在示例性实施例中，飞行器离港调度程序120接受先前生成的请求的离港计划(其包括期望离港的边际窗口)，应用预测分配的离港、操作结果和客户满意度度量的经训练的预测模型，以经由生成模块128生成改进的请求的离港计划。然后，通过网络102将改进的请求离港计划发送至交通管理器130以用于最终调度。
继续参照图3和以上说明性实例，由于旅行运营商希望改进离港计划请求，生成模块128将生成飞行器离港的有序列表，其以所请求的顺序稍后放置DTW航班，因为客户满意度预测模型示出DTW航班的较高延迟不影响满意度分数，尤其是如果航班由忠诚度客户填充。
在示例性实施例中，网络102是能够在连接的设备之间传输数据的通信信道，并且可以是用于促进两方或更多方之间的电话呼叫的电信网络，包括陆线网络、无线网络、封闭网络、卫星网络、或其任何组合。在另一实施例中，网络102可以是互联网，代表用于支持连接到互联网的设备之间的通信的网络和网关的全球集合。本文其他实施例中，网络102可包括例如可实现为内联网、局域网(LAN)、广域网(WAN)或其任何组合的有线、无线或光纤连接。在另外的实施例中，网络102可以是蓝牙网络、WiFi网络或其组合。一般而言，网络102可以是将支持主机服务器110、交通管理器130和计算设备140之间的通信的连接和协议的任何组合。
图4是描绘根据本发明的实施例的计算设备(诸如图1中所示的主机服务器110或计算设备140)的部件的框图。应当理解，图4仅提供一个实现方式的图示并且不暗示关于其中可以实现不同实施例的环境的任何限制。可以对所描绘的环境做出许多修改。
主机服务器110可以包括一个或多个处理器902、一个或多个计算机可读RAM 904、一个或多个计算机可读ROM 906、一个或多个计算机可读存储介质908、设备驱动器912、读/写驱动器或接口914、网络适配器或接口916，所有这些都在通信结构918上互连。通信结构918可用被设计用于在处理器(诸如微处理器、通信和网络处理器等)、系统存储器、外围设备和系统内的任何其他硬件组件之间传递数据和/或控制信息的任何架构来实现。
一个或多个操作系统910和一个或多个应用程序911(如飞行器离港调度程序120)可以被存储在计算机可读存储介质908中的一个或多个上以便由处理器902中的一个或多个处理器经由相应的RAM 904(其通常包括高速缓存存储器)中的一个或多个RAM来执行。在所示实施例中，计算机可读存储介质908中的每个可以是内部硬盘的磁盘存储设备、CD-ROM、DVD、记忆棒、磁带、磁盘、光盘、诸如RAM、ROM、EPROM、闪存的半导体存储设备或可以存储计算机程序和数字信息的任何其他计算机可读有形存储设备。
主机服务器110还可以包括用于从一个或多个便携式计算机可读存储介质926进行读取和写入的R/W驱动器或接口914。主机服务器110上的应用程序911可存储在一个或多个便携式计算机可读存储介质926上，经由相应的R/W驱动器或接口914读取并加载到相应的计算机可读存储介质908中。
主机服务器110还可以包括网络适配器或接口916，如TCP/IP适配器卡或无线通信适配器(如使用OFDMA技术的4G无线通信适配器)。主机服务器110上的应用程序911可经由网络(例如，互联网、局域网或其他广域网或无线网络)和网络适配器或接口916从外部计算机或外部存储装置下载到计算装置。程序可以从网络适配器或接口916加载到计算机可读存储介质908上。网络可以包括铜线、光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。
主机服务器110还可以包括显示屏920、键盘或小键盘922、以及计算机鼠标或触摸板924。设备驱动程序912与用于成像的显示屏920、键盘或小键盘922、计算机鼠标或触摸板924、和/或用于字母数字字符输入和用户选择的压力感测的显示屏920相接口。设备驱动器912、R/W驱动器或接口914和网络适配器或接口916可包括硬件和软件(存储在计算机可读存储介质908和/或ROM 906上)。
本文描述的程序是基于它们在本发明的具体实施例中针对其实现的应用来标识的。然而，应当理解，本文中的任何特定程序术语仅为了方便而使用，并且因此本发明不应局限于仅在由这样的术语标识和/或暗示的任何特定应用中使用。
应当理解的是，尽管本公开包括关于云计算的详细描述，但本文所叙述的教导的实现不限于云计算环境。相反，本发明的实施例能够结合现在已知的或以后开发的任何其他类型的计算环境来实现。
云计算是一种服务交付模型，用于使得能够方便的、按需的网络访问可配置计算资源(例如，网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务)的共享池，所述可配置计算资源可以用最小的管理努力或与服务提供商的交互来快速供应和释放。该云模型可以包括至少五个特性、至少三个服务模型和至少四个部署模型。
特性如下：
按需自助服务：云消费者可以按需自动地单方面配置计算能力，如服务器时间和网络存储，而无需与服务的提供商进行人类交互。
广泛的网络接入：能力可通过网络获得并且通过促进异构瘦客户机平台或厚客户机平台(例如，移动电话、膝上型计算机、和PDA)使用的标准机制来访问。
资源池：提供者的计算资源被池化以使用多租户模型来服务于多个消费者，其中根据需求动态地分配和重新分配不同的物理和虚拟资源。存在位置独立性的感觉，因为消费者通常不具有对所提供的资源的确切位置的控制或了解，但可能能够以较高抽象级别(例如，国家、州或数据中心)指定位置。
快速弹性：可以快速且弹性地供应能力(在一些情况下，自动地)以快速缩小和快速释放以快速放大。对于消费者而言，可用于供应的能力通常显得不受限制并且可以在任何时间以任何数量购买。
测量服务：云系统通过在适合于服务类型(例如，存储、处理、带宽、和活动用户账户)的某个抽象级别处利用计量能力来自动控制和优化资源使用。可以监视、控制和报告资源使用，为所利用的服务的提供者和消费者提供透明度。
服务模型如下：
软件即服务(SaaS)：提供给消费者的能力是使用在云基础设施上运行的提供商的应用。可通过诸如web浏览器(例如，基于web的电子邮件)之类的瘦客户端接口从不同客户端设备访问应用。消费者不管理或控制包括网络、服务器、操作系统、存储或甚至单独的应用能力的底层云基础设施，可能的例外是有限的用户特定应用配置设置。
平台即服务(PaaS)：提供给消费者的能力是将消费者创建或获取的使用由提供商支持的编程语言和工具创建的应用部署到云基础设施上。消费者不管理或控制包括网络、服务器、操作系统或存储的底层云基础设施，但是对所部署的应用和可能的应用托管环境配置具有控制。
基础设施即服务(IaaS)：提供给消费者的能力是提供处理、存储、网络、和其他基本计算资源，其中消费者能够部署和运行任意软件，其可以包括操作系统和应用程序。消费者不管理或控制底层云基础设施，而是具有对操作系统、存储、所部署的应用的控制以及对所选联网组件(例如，主机防火墙)的可能受限的控制。
部署模型如下：
私有云：云基础设施仅针对组织操作。它可以由组织或第三方管理，并且可以存在于场所内或场所外。
社区云：云基础设施由若干组织共享并且支持已经共享关注(例如，任务、安全要求、策略、和合规性考虑)的特定社区。它可以由组织或第三方管理，并且可以存在于场所内或场所外。
公共云：使云基础设施对一般公众或大型行业组可用并且由出售云服务的组织拥有。
混合云：云基础设施是两个或更多个云(私有、社区或公共)的组合，这些云保持唯一实体但通过使数据和应用能够移植的标准化或专有技术(例如，云突发以用于云之间的负载平衡)绑定在一起。
云计算环境是面向服务的，专注于状态性、低耦合、模块性和语义互操作性。云计算的核心是包括互连节点网络的基础设施。
现在参见图5，描绘了说明性云计算环境50。如图所示，云计算环境50包括云消费者使用的本地计算设备可以与其通信的一个或多个云计算节点10，本地计算设备诸如例如个人数字助理(PDA)或蜂窝电话54A、台式计算机54B、膝上型计算机54C和/或汽车计算机系统54N。节点10可彼此通信。它们可以物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上所述的私有云、社区云、公共云或混合云、或其组合。这允许云计算环境50提供基础设施、平台和/或软件作为云消费者不需要为其维护本地计算设备上的资源的服务。应当理解，图5中所示的计算装置54A-N的类型仅旨在是说明性的，并且计算节点10和云计算环境50可通过任何类型的网络和/或网络可寻址连接(例如，使用网络浏览器)与任何类型的计算机化装置通信。
现在参见图6，示出了由云计算环境50(图5)提供的一组功能抽象层。应提前理解，图6中所示的组件、层和功能仅旨在是说明性的，并且本发明的实施例不限于此。如所描述，提供以下层和对应功能：
硬件和软件层60包括硬件和软件组件。硬件组件的示例包括：大型机61；基于RISC(精简指令集计算机)架构的服务器62；服务器63；刀片服务器64；存储设备65；以及网络和联网组件66。在一些实施例中，软件组件包括网络应用服务器软件67和数据库软件68。
虚拟化层70提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器71；虚拟存储器72；虚拟网络73，包括虚拟专用网络；虚拟应用和操作系统74；以及虚拟客户端75。
在一个示例中，管理层80可以提供以下所描述的功能。资源供应81提供用于在云计算环境内执行任务的计算资源和其他资源的动态采购。计量和定价82在云计算环境内利用资源时提供成本跟踪，并为这些资源的消费开账单或发票。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其他资源提供保护。用户门户83为消费者和系统管理员提供对云计算环境的访问。服务水平管理84提供云计算资源分配和管理，使得满足所需的服务水平。服务水平协议(SLA)规划和履行85提供根据SLA预期未来需求的云计算资源的预安排和采购。
工作负载层90提供可以利用云计算环境的功能的示例。可以从该层提供的工作负荷和功能的示例包括：地图和导航91；软件开发和生命周期管理92；虚拟课堂教育交付93；数据分析处理94；事务处理95；以及控制对数据对象96的访问。
本发明可以是任何可能的技术细节集成水平的系统、方法、和/或计算机程序产品。计算机程序产品可包括其上具有用于使处理器执行本发明的各方面的计算机可读程序指令的计算机可读存储介质(或多个介质)。
计算机可读存储介质可以是可以保留和存储供指令执行设备使用的指令的有形设备。计算机可读存储介质可以是，例如但不限于，电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备、或者上述的任意合适的组合。计算机可读存储介质的更具体示例的非穷尽列表包括以下各项：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式紧凑盘只读存储器(CD-ROM)、数字通用盘(DVD)、记忆棒、软盘、诸如穿孔卡之类的机械编码设备或具有记录在其上的指令的槽中的凸出结构、以及上述各项的任何合适的组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，例如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，穿过光纤电缆的光脉冲)或通过电线发射的电信号。
本文所描述的计算机可读程序指令可以经由网络(例如，互联网、局域网、广域网和/或无线网络)从计算机可读存储介质下载至相应的计算/处理设备或下载至外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输纤维、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口接收来自网络的计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据、或以一种或多种程序设计语言的任何组合编写的源代码或目标代码，这些程序设计语言包括面向对象的程序设计语言(诸如Smalltalk、C++等)和过程程序设计语言(诸如“C”程序设计语言或类似程序设计语言)。计算机可读程序指令可以完全地在用户计算机上执行、部分在用户计算机上执行、作为独立软件包执行、部分在用户计算机上部分在远程计算机上执行或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者可连接到外部计算机(例如，使用互联网服务提供商通过互联网)。在一些实施例中，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来使电子电路个性化来执行计算机可读程序指令，以便执行本发明的各方面。
本文参照根据本发明的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的多个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
可以将这些计算机可读程序指令提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理器执行时，产生了用于实现在流程图和/或框图的或多个框中指定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置、和/或其他设备以特定方式工作，从而，其中存储有指令的计算机可读存储介质包括包含实现流程图和/或框图中的或多个方框中规定的功能/动作的方面的指令的制造品。
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置、或其他设备上，以使一系列操作步骤在计算机、其他可编程装置或其他设备上执行以产生计算机实现的过程，从而使得在计算机、其他可编程装置、或其他设备上执行的指令实现流程图和/或框图的或多个框中所指定的功能/动作。
附图中的流程图和框图示出了根据本发明的不同实施例的系统、方法和计算机程序产品的可能实现方式的架构、功能和操作。对此，流程图或框图中的每个框可表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些备选实现中，框中标注的功能可以不按照图中标注的顺序发生。例如，取决于所涉及的功能，连续示出的两个块实际上可以基本上同时执行，或者这些块有时可以以相反的顺序执行。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作或执行专用硬件与计算机指令的组合的专用的基于硬件的系统来实现。
基于前述，已经公开了一种计算机系统、方法和计算机程序产品。然而，在不背离本发明的范围的情况下，可以进行多种修改和替换。因此，已经通过举例而非限制的方式公开了本发明。

Claims (10)

1.一种用于基于操作成本和预测的客户满意度成本生成从已知始发地的飞行器离港的有序列表的计算机实现方法，所述方法包括：
收集关于一个或多个客户的历史数据，其中所述历史数据包括一个或多个飞行器操作以及相关的客户投诉和满意度数据；
基于所述收集的历史数据训练客户满意度预测模型；
基于所述训练的客户满意度预测模型计算每个所述飞行器离港的预测的客户满意度成本；以及
基于所述操作成本和所述计算的预测的客户满意度成本的组合，生成飞行器离港的有序列表。
2.根据权利要求1所述的计算机实现的方法，进一步包括：
接收生成所述飞行器离港的有序列表的请求，其中所述飞行器离港的有序列表包括具有相关联的调度离港和到达时间的一组离港飞行器以及针对所述飞行器离港中的每个的离港时间窗口。
3.根据权利要求1所述的计算机实现的方法，进一步包括：
接收收集的历史数据，包括飞行器操作以及相关联的客户投诉和满意度数据，其中，所述收集的历史数据包括汇总的客户简档特征、汇总的旅行预订特征、汇总的始发地和目的地特征、以及离港飞行器和路线特征的组合，以及指示每个飞行器离港的相关联的客户投诉和满意度值的标签。
4.根据权利要求3所述的计算机实现的方法，其中，基于所述训练的客户满意度预测模型计算每个所述飞行器离港的所述预测的客户满意度成本进一步包括：
接收与一个或多个特定先前离港有关的汇总的客户调查信息；
计算每个预期离港的汇总的客户满意度值，其中，所述计算基于所述接收的汇总的客户调查信息；
基于所述预期离港中的每个的所述计算出的汇总的客户满意度值确定最佳预期离港请求时间表；以及
将所述确定的最佳预期离港请求时间表传输至交通管理器以调度所述接收的离港。
5.根据权利要求4所述的计算机实现的方法，进一步包括：
估计包括最小预期离港时间窗口和最大预期离港时间窗口的预期的实际分配的离港时间窗口；
从所述预期的实际分配的离港时间窗口进一步估计用于所述离港的另外的一组从属操作特征，其中所述另外的一组从属操作特征包括离港出租车出车时间、行驶时间、到达出租车入车时间和到达时间；以及
将所估计的预期的实际分配的离港时间窗口和所述离港的所述估计的从属操作特征、所述调度的离港和到达时间、所述接收的汇总的客户简档特征、所述接收的聚合的旅行预订特征、所述接收的聚合的始发地和目的地特征、以及所述接收的离港飞行器和路线特征合并。
6.根据权利要求3所述的计算机实现的方法，其中所述客户投诉值包括基于客户反馈的汇总的投诉严重度值的度量，所述度量包括平均值、最大值、最小值，并且其中预定范围内的严重度值被指派给所述客户投诉值，所述客户投诉值与特定的先前离港相关。
7.根据权利要求6所述的计算机实施的方法，其中，由监督机器学习模型针对每个预期离港做出所计算的汇总的客户满意度值，所述监督机器学习模型针对标记的先前离港值、汇总的客户简档信息以及针对先前离港的语料库做出的相关联的总客户满意度值的训练集进行训练。
8.根据权利要求7所述的计算机实现的方法，其中，所述汇总的消费者简档信息由以下项组成：在分配已知旅行目的的先前离港旅行的乘客的数量、与一个或多个忠诚度类别相关联的先前离港旅行的乘客的数量、以及落入一个或多个预定类别的旅行体验和忠诚度计划期限的离港旅行的乘客的数量。
9.一种计算机程序产品，包括程序代码，所述程序代码可由计算机的处理器执行以执行权利要求1-8之一所述的方法。
10.一种计算机系统，包括：
一个或多个计算机装置，各自具有一个或多个处理器和一个或多个有形的存储设备；以及
在所述一个或多个存储装置中的至少一个上体现的程序，所述程序具有用于由所述一个或多个处理器执行的多个程序指令，所述程序指令包括用于执行权利要求1-8之一所述的方法的操作的指令。
CN202211368823.0A 2021-12-15 2022-11-03 基于乘客投诉倾向的航班起飞和降落排序 Pending CN116263896A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/644,382 US20230186206A1 (en) 2021-12-15 2021-12-15 Ordering flight takeoffs and landings based on passenger complaint propensities
US17/644,382 2021-12-15

Publications (1)

Publication Number Publication Date
CN116263896A true CN116263896A (zh) 2023-06-16

Family

ID=86694627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211368823.0A Pending CN116263896A (zh) 2021-12-15 2022-11-03 基于乘客投诉倾向的航班起飞和降落排序

Country Status (3)

Country Link
US (1) US20230186206A1 (zh)
JP (1) JP2023088857A (zh)
CN (1) CN116263896A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094855A (zh) * 2023-08-24 2023-11-21 哈尔滨工业大学 基于酒店服务语言的非本土语言顾客满意度的预测方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7437225B1 (en) * 2005-07-29 2008-10-14 Rockwell Collins, Inc. Flight management system
US20100312586A1 (en) * 2009-06-03 2010-12-09 Drefs Martin J Generation of Travel-Related Offerings
US10269251B2 (en) * 2012-07-13 2019-04-23 The Boeing Company Generalized arrival planning
US20160039539A1 (en) * 2014-08-06 2016-02-11 Rectrix Commercial Aviation Services Inc. Methods and apparatus for aircraft boarding
US10037704B1 (en) * 2017-02-01 2018-07-31 David Myr Automatic real-time air traffic control system and method for maximizing landings / takeoffs capacity of the airport and minimizing aircrafts landing times
CN106952022B (zh) * 2017-03-01 2020-10-09 中国人民解放军海军工程大学 机场飞行资源与飞机的调度方法及调度系统
US20190220827A1 (en) * 2018-01-18 2019-07-18 International Business Machines Corporation Disruption control in complex schedules
US11594138B1 (en) * 2021-08-19 2023-02-28 Beta Air, Llc Systems and methods for optimizing a controlled flight plan

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094855A (zh) * 2023-08-24 2023-11-21 哈尔滨工业大学 基于酒店服务语言的非本土语言顾客满意度的预测方法

Also Published As

Publication number Publication date
JP2023088857A (ja) 2023-06-27
US20230186206A1 (en) 2023-06-15

Similar Documents

Publication Publication Date Title
US10805382B2 (en) Resource position planning for distributed demand satisfaction
US11574377B2 (en) Intelligent on-demand management of ride sharing in a transportation system
US10249167B2 (en) Intelligent alarm customization
US11704123B2 (en) Automated orchestration of containers by assessing microservices
US11270583B2 (en) Traffic control for autonomous vehicles
US10886743B2 (en) Providing energy elasticity services via distributed virtual batteries
US11200517B2 (en) Redistribution based on real time presence data
US11321634B2 (en) Minimizing risk using machine learning techniques
US11442457B2 (en) Navigation via predictive task scheduling interruption for autonomous vehicles
US20190213551A1 (en) System and method of collecting project metrics to optimize distributed development efforts
US11755926B2 (en) Prioritization and prediction of jobs using cognitive rules engine
US20200175853A1 (en) Detecting influential factors for traffic congestion
US20200005409A1 (en) Real time travel contingency service
CN116263896A (zh) 基于乘客投诉倾向的航班起飞和降落排序
US11687370B2 (en) Activity assignment based on resource and service availability
US10650353B2 (en) Context oriented assessment for travel companionship
US20180109924A1 (en) Cognitive Based Optimal Grouping of Users and Trip Planning Based on Learned User Skills
US11824794B1 (en) Dynamic network management based on predicted usage
US20230177612A1 (en) Dynamic micro-insurance premium value optimization using digital twin based simulation
US20230196182A1 (en) Database resource management using predictive models
US11645595B2 (en) Predictive capacity optimizer
US20190220801A1 (en) Predicting the probability of opportunities to be won from organization information
US20220391784A1 (en) Computer automated multi-objective scheduling advisor
US20230196250A1 (en) Automatic alternative route generation
US20230368081A1 (en) Rebooking optimization for transportation disruption

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