CN118093749A - 差旅信息的处理方法、装置、设备及存储介质 - Google Patents
差旅信息的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN118093749A CN118093749A CN202410089526.5A CN202410089526A CN118093749A CN 118093749 A CN118093749 A CN 118093749A CN 202410089526 A CN202410089526 A CN 202410089526A CN 118093749 A CN118093749 A CN 118093749A
- Authority
- CN
- China
- Prior art keywords
- travel
- user
- information
- determining
- prediction information
- 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
Links
- 238000003672 processing method Methods 0.000 title abstract description 10
- 230000010365 information processing Effects 0.000 title description 11
- 230000004308 accommodation Effects 0.000 claims abstract description 70
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000012790 confirmation Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 83
- 230000008859 change Effects 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 37
- 230000004048 modification Effects 0.000 claims description 24
- 238000012986 modification Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 7
- 230000010006 flight Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种差旅信息的处理方法、装置、设备及存储介质,涉及人工智能领域,尤其涉及平台服务的AI应用领域。具体实现方案为:获取用户的历史差旅信息;其中,历史差旅信息表征用户在历史时间段内进行差旅的出行和住宿情况;根据历史差旅信息,确定用户在预设时间段内的差旅预测信息,并将差旅预测信息推送至所述用户;其中,差旅预测信息包括预测出的用户在预设时间段内进行差旅的时间信息和地点信息;若响应到用户对差旅预测信息的确认操作,则根据差旅预测信息,确定用户的差旅规划行程;其中,差旅规划行程表征对预设时间段内所规划的出行和住宿情况。提高了差旅信息的处理效率,提升用户体验。
Description
技术领域
本公开涉及人工智能领域中的平台服务和AI应用领域,尤其涉及一种差旅信息的处理方法、装置、设备及存储介质。
背景技术
差旅管理是企业运营的重要部分,目前对差旅信息的处理方式中存在诸多环节,员工需要对各个环节进行人工确认。例如,员工需要手动进行车票或酒店的查询和预订等。
这种方式需要员工投入较多的时间与精力,差旅信息的处理效率和精度较低,降低了员工的工作效率和差旅体验。
发明内容
本公开提供了一种差旅信息的处理方法、装置、设备及存储介质。
根据本公开的第一方面,提供了一种差旅信息的处理方法,包括:
获取用户的历史差旅信息;其中,所述历史差旅信息表征用户在历史时间段内进行差旅的出行和住宿情况;
根据所述历史差旅信息,确定所述用户在预设时间段内的差旅预测信息,并将所述差旅预测信息推送至所述用户;其中,所述差旅预测信息包括预测出的用户在预设时间段内进行差旅的时间信息和地点信息;
若响应到所述用户对所述差旅预测信息的确认操作,则根据所述差旅预测信息,确定所述用户的差旅规划行程;其中,所述差旅规划行程表征对预设时间段内所规划的出行和住宿情况。
根据本公开的第二方面,提供了一种差旅信息的处理装置,包括:
信息获取单元,用于获取用户的历史差旅信息;其中,所述历史差旅信息表征用户在历史时间段内进行差旅的出行和住宿情况;
信息预测单元,用于根据所述历史差旅信息,确定所述用户在预设时间段内的差旅预测信息,并将所述差旅预测信息推送至所述用户;其中,所述差旅预测信息包括预测出的用户在预设时间段内进行差旅的时间信息和地点信息;
行程规划单元,用于若响应到所述用户对所述差旅预测信息的确认操作,则根据所述差旅预测信息,确定所述用户的差旅规划行程;其中,所述差旅规划行程表征对预设时间段内所规划的出行和住宿情况。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,该计算机程序被处理器执行时实现第一方面所述的方法。
根据本公开的技术,提高了差旅信息的处理效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种差旅信息的处理方法的流程示意图;
图2是根据本公开实施例提供的差旅规划行程在可视化界面上的示意图;
图3是根据本公开实施例提供的一种差旅信息的处理方法的流程示意图;
图4是根据本公开实施例提供的一种差旅信息的处理方法的流程示意图;
图5是根据本公开实施例提供的一种差旅信息的处理装置的结构框图;
图6是根据本公开实施例提供的一种差旅信息的处理装置的结构框图;
图7是用来实现本公开实施例的差旅信息的处理方法的电子设备的框图;
图8是用来实现本公开实施例的差旅信息的处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
当前,随着企业业务的扩展和全球化进程的加速,差旅管理已成为企业运营的重要部分。然而,现有的差旅管理系统往往不能满足企业多元化的需求,无法实现高效的差旅信息的处理,尤其在审批、预订、报销等环节存在诸多问题。传统的差旅信息的处理方式中包括多个环节,例如,员工出差前需要对机票、火车票、酒店等资源进行查询以确定出差时间、住宿地点等,然后提交差旅申请,获得审批后再进行机票、火车票、酒店的预订,预订成功后可以开始差旅行程。这种方式中,将机票、酒店等预订的决策权交予员工,不能很好的控制差旅费用成本。
另外,差旅前的各个准备环节均需要员工投入较多的时间与精力,员工需要人为判断行程的合理性,降低了员工的工作效率和差旅体验,差旅信息的处理效率和精度较低。
本公开提供一种差旅信息的处理方法、装置、设备及存储介质,应用于人工智能领域中的平台与服务领域,尤其涉及平台与服务中的AI(Artificial Intelligence,人工智能)应用,以提高差旅信息的处理效率。
需要说明的是,本实施例中的数据并不是针对某一特定用户,并不能反映出某一特定用户的个人信息。需要说明的是,本实施例中的数据来自于公开数据集。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
为使读者更深刻地理解本公开的实现原理,现结合以下图1-图8对实施例进行进一步细化。
图1为根据本公开实施例提供的一种差旅信息的处理方法的流程示意图,该方法可以由一种差旅信息的处理装置执行。如图1所示,该方法包括以下步骤:
S101、获取用户的历史差旅信息;其中,历史差旅信息表征用户在历史时间段内进行差旅的出行和住宿情况。
示例性地,用户在工作过程中可能会进行出差或旅行,可以将出差和旅行统称为差旅。差旅信息是差旅过程中的出行和住宿等信息,例如,差旅信息可以包括出行日期、出行方式、出行费用、住宿地址、住宿费用等。用户在每次差旅后,都可以将本次差旅的差旅信息作为历史差旅信息进行存储。
可以实时或定时地获取用户的历史差旅信息,例如,可以每个月获取一次用户的所有的历史差旅信息。也可以预设一个历史时间段,每次获取历史时间段内的历史差旅信息,从而得到用户在历史时间段内进行差旅的出行和住宿情况。例如,可以每次获取一年内的历史差旅信息。
S102、根据历史差旅信息,确定用户在预设时间段内的差旅预测信息,并将差旅预测信息推送至用户;其中,差旅预测信息包括预测出的用户在预设时间段内进行差旅的时间信息和地点信息。
示例性地,根据用户的历史差旅信息,对用户在预设时间段内的差旅情况进行预测,得到差旅预测信息。预设时间段是指未来的一段时间,例如,可以确定用户在未来一个月内的差旅预测信息。确定差旅预测信息是指预测用户下次进行差旅的时间和地点等相关信息,即差旅预测信息中可以包括预测出的用户在预设时间段内进行差旅的时间信息和地点信息等。例如,可以预测用户在一个月内是否要进行差旅、要去哪里进行差旅等。
在根据历史差旅信息,确定差旅预测信息时,可以对历史差旅信息进行统计,从历史差旅信息中查找用户经常出差的时间和地点等信息。根据用户经常出差的时间和地点等信息,确定用户的差旅预测信息。例如,用户每个月一号都会去A城市出差一个周,则可以预测出用户下个月一号也会去A城市出差一个周。即,差旅预测信息中包括下个月一号的时间信息、A城市的地点信息、以及出差一个周的时间信息等。
也可以构建一个预设时间段内的虚拟日程表,在虚拟日程表中,对预设时间段的每一天进行是否差旅的预测。即,可以根据历史差旅信息,预测预设时间段内的每一天是否要进行差旅,每一天可以对应一个概率值,表示进行差旅的可能性。例如,若历史差旅信息中的某一月的某一天进行了差旅,则在虚拟日程表中,月份对应的这一天进行差旅的概率值较大。预先设置一个概率阈值,若进行差旅的概率大于预设的概率阈值,则确定这一天需要进行差旅,差旅预测信息中可以包括这一天的日期,作为时间信息。
将差旅预测信息推送给用户,例如,可以推送到用户的客户端上,提示用户可能即将需要进行差旅,并请用户查看预测出的差旅时间和地点是否为正确的时间和地点。可以当日期临近虚拟日程表中的需要出差日期时,再将差旅预测信息发送给用户。
本实施例中,该方法还包括:获取用户的出行搜索记录;其中,出行搜索记录表征用户对车票、机票、住宿中至少一项的搜索情况;根据出行搜索记录,确定用户的差旅预测信息。
具体的,用户在需要出差时,可能会提前进行车票、机票、酒店等信息的搜索。可以实时或定时地获取用户的出行搜索记录,出行搜索记录是用户搜索的与出行相关的信息。通过出行搜索记录,可以确定用户对车票、机票、住宿中至少一项的搜索情况。例如,出行搜索记录中可以表明用户频繁搜索了A城市至B城市的车票,以及B城市市区的酒店等。
根据出行搜索记录,可以确定用户的差旅预测信息。例如,可以确定出行搜索记录中,用户所搜索的车票的日期,以及始发站和到达站,根据所搜索的车票的日期,可以确定用户的出行日期,根据车票的始发站和到达站,可以确定用户的出发地和目的地。
这样设置的有益效果在于,监控用户搜索机酒火的行为,预测用户即将出差,自动为用户生成差旅预测信息,从而能够进一步生成差旅规划行程,减少用户操作,提高差旅信息的处理效率,提升用户的差旅体验。
S103、若响应到用户对差旅预测信息的确认操作,则根据差旅预测信息,确定用户的差旅规划行程;其中,差旅规划行程表征对预设时间段内所规划的出行和住宿情况。
示例性地,用户在收到差旅预测信息后,可以判断差旅预测信息是否正确,即确认自身是否真的要进行差旅,若是,则确认实际要差旅的时间和地点是否为差旅预测信息中的时间和地点。若差旅预测信息正确,则用户可以通过客户端发出确认操作;若差旅预测信息错误,则用户可以通过客户端对差旅预测信息进行更改或直接忽略。
若响应到用户对差旅预测信息做出确认操作,则说明用户确实要在预测的时间内前往预测的地点出差。可以根据差旅预测信息,为用户进行差旅行程的规划,确定用户的差旅规划行程。差旅规划行程可以表征所规划的出行和住宿情况等,例如,可以包括用户所要乘坐的车次、所住的酒店地址等。若没有响应到用户对差旅预测信息做出的确认操作,则说明差旅预测信息存在错误,不需要根据差旅预测信息,确定差旅规划行程。
在确定差旅规划行程时,可以根据出差的时间,确定该时间内的车次或航班。具体的,可以确定往返的车次和航班等信息。还可以根据出差的目的地,确定目的地附近的酒店,得到用户住宿的地址。差旅规划行程中可以包括用户从出发到返程的所有出行的信息和住宿的信息等。
本实施例中,该方法还包括:将差旅规划行程推送至用户,若响应到用户对差旅规划行程的确认操作,则根据差旅规划行程中的出行和住宿情况进行下单。
具体的,在得到差旅规划行程后,可以将差旅规划行程推送给用户,例如,可以发送到用户的客户端上,供用户进行查看。用户可以对差旅规划行程进行查看,确认对所规划的行程是否满意。若满意,则用户可以通过客户端对差旅规划行程进行确认。
若响应到用户对差旅规划行程做出了确认操作,则可以根据差旅规划行程中的出行和住宿情况进行下单。下单是指对差旅规划行程中车次、航班、酒店等进行预定和付款等操作,从而完成差旅前的准备工作。
本实施例中,可以按照行程的时间顺序进行下单,例如,可以先下单前往目的地的车票,再下单返程的车票。交通方式的下单优先级可以高于住宿的下单优先级,即,可以先下单车票,再下单酒店。
这样设置的有益效果在于,用户确认行程后,可以根据差旅规划行程自动进行下单付款,减少用户操作,提升用户的差旅体验。
本实施例中,该方法还包括:若响应到用户对差旅规划行程的修改操作,则通过预设的人机交互方式,获取用户对差旅规划行程的修改要求;根据差旅预测信息,基于修改要求,重新确定用户的差旅规划行程。
具体的,若用户对差旅规划行程不满意,则用户可以通过客户端对差旅规划行程进行修改。用户可以通过人机交互的方式提出修改要求,改变差旅的时间、地点、车次、航班、酒店等信息。例如,差旅规划行程中的出发时间是下午3点,用户可以通过语音输入修改要求,要求将出发时间修改为上午10点。
若响应到用户对差旅规划行程做出了修改操作,则通过预设的人机交互方式,获取修改操作中指示的修改要求。根据差旅预测信息和修改要求,重新进行行程规划,得到新的差旅规划行程。例如,可以将修改要求补充到差旅预测信息后,根据补充后的差旅预测信息,确定用户的差旅规划行程。差旅规划行程的确定方式不发生变化。例如,根据补充后的差旅预测信息,可以确定出与原先的差旅规划行程一致的酒店信息,只是出发时的车次发生了改变。
这样设置的有益效果在于,用户可以通过人机交互提出需求,重新进行规划,使规划出的行程满足用户的实际需求,提高差旅信息处理的灵活性,提升用户的差旅体验。
图2为差旅规划行程在可视化界面上的示意图,图2中用户可以看到差旅规划行程中的往返车次的信息和住宿的信息。用户可以点击界面底部的“确认”进行车次和酒店的下单,也可以点击界面底部的“修改”,重新得到一份新的差旅规划行程。
本公开实施例中,通过获取用户的历史差旅信息,可以预测用户在未来一段时间是否会进行差旅,以及进行差旅的地点等信息,即得到用户在预设时间段内的差旅预测信息,实现及时为用户进行差旅提醒,避免延误差旅。若用户对差旅预测信息进行了确认,则可以根据用户的差旅预测信息,自动为用户进行差旅行程的规划,完成差旅前的准备工作,减少用户操作,提高了差旅信息的处理效率。有效提升了用户的差旅体验,提高用户的工作效率。
图3为本公开实施例提供的一种差旅信息的处理方法的流程示意图。
本实施例中,根据历史差旅信息,确定用户在预设时间段内的差旅预测信息,可细化为:根据历史差旅信息,确定用户的差旅规律信息;其中,差旅规律信息表征差旅时间的变化规律和差旅地点的变化规律;根据差旅规律信息,确定用户在预设时间段内的差旅预测信息。
如图3所示,该方法包括以下步骤:
S301、获取用户的历史差旅信息;其中,历史差旅信息表征用户在历史时间段内进行差旅的出行和住宿情况。
示例性地,本步骤可以参见上述步骤S101,不再赘述。
S302、根据历史差旅信息,确定用户的差旅规律信息;其中,差旅规律信息表征差旅时间的变化规律和差旅地点的变化规律。
示例性地,在得到历史差旅信息后,可以从历史差旅信息中提取出用户的差旅规律信息。差旅规律信息可以表示为在用户的多次差旅中,差旅时间的变化规律和差旅地点的变化规律。例如,差旅时间的变化规律为用户每隔一个月就进行一次差旅,差旅地点的变化规律为用户每次差旅都是去A城市。
可以对历史差旅信息中的差旅时间进行统计,确定每两次差旅之间的时间间隔,和每次差旅所经历的时间长度,得到差旅时间的变化规律。还可以对历史差旅信息中的差旅地点进行统计,确定不同差旅地点之间的变化周期,以及同一差旅地点的差旅次数,得到差旅地点的变化规律。
本实施例中,可以从历史差旅信息中确定出用户的差旅规律信息,也可以由用户预先设置自己的差旅规律信息。例如,用户确定自己存在每个月出差去一次A城市的需求,则可以将该需求确定为差旅规律信息进行存储。
S303、根据差旅规律信息,确定用户在预设时间段内的差旅预测信息,并将差旅预测信息推送至用户。
示例性地,在确定差旅规律信息后,可以根据差旅规律信息,先预测用户在预设时间段内是否需要进行差旅,若不需要,则不再执行后续步骤;若需要,则可以继续预测用户所要差旅的时间和地点等信息,得到用户在预设时间段内的差旅预测信息。例如,差旅规律信息中表示了用户每个月一号会出差到A城市,预设时间段为当前时间往后的一个月,则可以预测出在下个月一号用户可能会出差到A城市,差旅预测信息中可以包括下个月一号的时间信息和A城市的地点信息。若差旅规律信息中表示了用户每隔两个月会出一次差,预设时间段为当前时间往后的一个月,则可以预测出用户在下个月不会进行差旅,也就不用确定差旅预测信息。
若确定用户在预设时间段内可能需要进行差旅,则可以在得到差旅预测信息后,实时将差旅预测信息推送给用户,也可以在当前日期临近差旅预测信息中预测的差旅时间时,再将差旅预测信息推送给用户。
本实施例中,根据用户的历史差旅信息,可以针对不同的用户查找对应的差旅规律信息,从而判断用户什么时候去哪里差旅,实现对用户进行个性化的差旅规划的定制,学习到用户的差旅习惯和偏好,满足不同用户的实际需求,提高差旅信息的处理精度,提升用户体验。
本实施例中,根据差旅规律信息,确定用户在预设时间段内的差旅预测信息,包括:若根据差旅规律信息中差旅时间的变化规律,预测用户在预设时间段内进行差旅,则根据差旅时间的变化规律和差旅地点的变化规律,预测出发日期、返程日期、出发地、以及目的地;将出发日期和返程日期确定为差旅预测信息中的时间信息,以及将出发地和目的地确定为差旅预测信息的地点信息。
具体的,根据差旅规律信息中差旅时间的变化规律,预测用户在预设时间段内是否会进行差旅。若是,则继续根据差旅时间的变化规律和差旅地点的变化规律,预测用户的出发日期、返程日期、出发地、以及目的地等信息,将预测出的信息确定为差旅预测信息。例如,可以将出发日期和返程日期确定为差旅预测信息中的时间信息,将出发地和目的地确定为差旅预测信息的地点信息。若预测出用户在预设时间段内不会进行差旅,则不需要确定差旅预测信息,等待下次预测。
可以根据差旅时间的变化规律,预测出发日期和返程日期,根据差旅地点的变化规律,预测出发地和目的地。在确定出发日期和返程日期时,不需要确定用户在几点出发或在几点返程,只需要确定用户在哪一天出发或返程即可。例如,预测用户需要在2月1日从天津出差到上海,2月5日返回天津,则可以确定出发日期为2月1日,返程日期为2月5日,出发地为天津,目的地为上海。
这样设置的有益效果在于,先判断用户是否会进行差旅,若是,再进一步确定差旅的日期和地点,有效提高差旅信息的确定效率。
S304、若响应到用户对差旅预测信息的确认操作,则根据差旅预测信息,确定用户的差旅规划行程;其中,差旅规划行程表征对预设时间段内所规划的出行和住宿情况。
示例性地,若用户确认会根据差旅预测信息中的时间和地点进行差旅,则可以根据差旅预测信息,为用户生成差旅规划行程,使用户可以按照差旅规划行程,完成整个的差旅过程。例如,可以规划用户所要乘坐的航班和车次,以及规划用户所要住宿的酒店等。
本实施例中,根据差旅预测信息,确定用户的差旅规划行程,包括:根据差旅预测信息,确定用户在差旅过程中的出行班次和住宿地址;其中,出行班次包括用户从出发地前往目的地的班次,和用户从目的地返回出发地的班次;根据出行班次和住宿地址,生成用户的差旅规划行程。
具体的,差旅预测信息中表示用户可能要出行的日期和地点,但是并没有用户出行的方式、出行的具体时刻、以及到达目的地后的停留方案等行程相关的信息。而差旅规划行程中可以包括用户出行的方式、出行的具体时刻、以及到达目的地后的停留方案等行程相关的信息。
在根据差旅预测信息确定差旅规划行程时,可以先确定用户在差旅过程中的出行班次和住宿地址。出行班次包括用户从出发地前往目的地的班次,和用户从目的地返回出发地的班次,例如,可以是往返的机票或车票等。住宿地址是用户到达目的地后,在目的地住宿的地址。
可以根据差旅预测信息中的出发日期、返程日期、出发地、以及目的地,确定往返的出行班次。例如,可以确定出发日期这天,从出发地到目的地的所有车次,查询所有车次的余票,将余票数量最多的车次,确定为用户从出发地前往目的地所乘坐的车次;以及确定返程日期这天,从目的地到出发地的所有车次,查询所有车次的余票,将余票数量最多的车次,确定为用户从目的地回到出发地所乘坐的车次。
可以根据差旅预测信息中的目的地,确定住宿地址。例如,可以确定目的地的火车站地址,查找火车站附近的酒店,作为住宿地址。本实施例中,可以为用户推荐时间满足度高、价格最优的航班火车,以及符合企业政策和价格匹配度最优的酒店等,既节约费用,又减少用户的查询操作。
根据出行班次和住宿地址,生成用户的差旅规划行程。例如,可以预设差旅规划行程的模板,将出行班次和住宿地址添加至预设的模板中,得到完整的差旅规划行程。
这样设置的有益效果在于,自动为用户确定可能乘坐的车次或航班,以及确定住宿地址,避免用户手动进行搜索,提高差旅信息的处理效率,并可以控制差旅成本。
本实施例中,可以将第三方的差旅服务供应商API(Application ProgrammingInterface,应用程序编程接口)接口封装为差旅资源插件,差旅资源插件可以包括航班列表查询插件、指定航班查询插件、预订机票下单插件、火车车次列表查询插件、预订火车票下单插件、酒店列表查询插件、指定酒店详情查询插件、预订酒店下单插件等。根据预先封装的资源插件,可以进行班次和酒店的查询、下单等操作,提高差旅信息处理的可行性。
本实施例中,根据差旅预测信息,确定用户在差旅过程中的出行班次和住宿地址,包括:获取用户的用户画像;其中,用户画像中包括出行方式和出行时刻;根据用户画像和差旅预测信息中的时间信息,确定用户在差旅过程中的出行班次,以及根据差旅预测信息中的地点信息,确定用户在差旅过程中的住宿地址。
具体的,每个用户对应有自己的用户画像,用户画像中包括用户的差旅喜好,例如,可以包括用户平时最常使用的出行方式、最常选择的出行时刻、以及最常住的酒店名称等。出行方式可以是火车、汽车、轮船、飞机等,出行时刻是出发或返程当天的班次的时刻。用户画像可以根据用户每次的差旅信息进行实时或定时地更新,例如,可以根据用户历史差旅的申请数据、历史差旅的订单数据、用户所在的办公区地址、用户出差所要拜访的地址等,分析用户常用的交通方式、常去的机场车站、常住的酒店、常用的打车目的地等,绑定每个用户与每个城市的出差行为习惯,构建用户画像,并进行更新。
结合用户画像和差旅预测信息,确定用户在差旅过程中的出行班次和住宿地址。可以根据用户画像和差旅预测信息中的时间信息,确定用户在差旅过程中的出行班次,以及根据用户画像和差旅预测信息中的地点信息,确定用户在差旅过程中的住宿地址。例如,根据差旅预测信息中的时间信息,可以确定用户的出发日期,再根据用户画像,确定用户通常选择的出发时刻,根据确定出的出发日期和出发时刻,将出发日期这天,在出发时刻的班次,确定为用户出发的出行班次。又例如,根据差旅预测信息中的地点信息,确定用户所要到达的城市,根据用户画像确定用户常住的酒店,查找用户所要到达的城市中的该酒店,作为用户的住宿地址。
这样设置的有益效果在于,获取用户画像,得到用户的个人喜好的信息,根据用户的个人喜好,确定用户最有可能乘坐的班次以及住宿地址,有利于满足用户个性化的差旅需求,提升用户的差旅体验。
本实施例中,根据用户画像和差旅预测信息中的时间信息,确定用户在差旅过程中的出行班次,包括:根据用户画像中的出行方式和差旅预测信息中的时间信息,确定出行方式的班次列表;其中,班次列表中包括至少一个班次;根据用户画像中的出行时刻和班次列表中班次的余票,确定用户在差旅过程中的出行班次。
具体的,用户画像中包括用户常用的出行方式,将用户画像中的出现方式,确定为用户即将进行的差旅所要使用的出行方式。例如,用户画像中的出行方式为飞机,则确定用户在预设时间段内的差旅也乘坐飞机。根据差旅预测信息中的时间信息,确定用户的出行日期,出行日期可以是出发日期,也可以是返程日期。根据用户画像中的出行方式和出行日期,确定该出行方式在该出行日期的班次列表。班次列表中包括至少一个班次,例如,出行方式为飞机,则可以将出行日期这天的所有航班列为班次列表。在确定班次列表时,还可以根据差旅预测信息,确定出发地和目的地,从而得到出发地到目的地的班次列表,和/或目的地到出发地的班次列表。
根据用户画像中的出行时刻,从班次列表中选择出行时刻所对应的班次。例如,可以确定在出行时刻前后预设时间长度内的班次。查询这些班次的余票,根据余票数量,从这些班次中确定一个班次,作为用户在差旅过程中的出行班次。例如,可以将余票最多的班次,确定为用户的出行班次。
这样设置的有益效果在于,先根据用户画像获取出行日期的车次列表或航班列表,再从列表中选择一个车次或航班,作为出行班次。实现了根据用户的个性化需求,进行精确地班次选择,提高差旅信息的处理精度。
还可以预先设置默认画像,若用户没有对应的用户画像,则可以根据默认画像,确定用户在差旅过程中的出行班次和住宿地址。默认画像中可以包括默认的出行方式、出行时刻、出行费用、住宿费用等。例如,可以默认不同线路的出行方式,还可以默认以价格从低至高的顺序选择酒店等等,实现对差旅成本的控制。
本实施例中,该方法还包括:根据出行班次,确定用户在目的地的停留时间;若停留时间满足预设的时间要求,则根据出行班次和住宿地址,生成用户的差旅规划行程。
具体的,出行班次可以包括往返的两个班次,在确定用户在差旅过程中的出行班次后,可以判断往返的班次是否确定的合理。若合理,则可以根据确定出的出行班次和住宿地址,生成用户的差旅规划行程。
每一趟班次都对应有出发的时刻和到达的时刻,根据往返的出行班次,可以确定用户在到达目的地后,在目的地的停留时间。例如,可以确定到达目的地的时刻,和从目的地离开的时刻,根据这两个时刻,可以确定用户在目的地的停留时间。
预先设置一个时间要求,例如,时间要求可以是用户在目的地停留的最短时长。判断确定出的停留时间是否满足预设的时间要求,若是,则可以根据出行班次和住宿地址,生成用户的差旅规划行程。例如,预设的时间要求为用户需要在目的地停留至少10个小时,且10个小时必须是同一天。若确定给出的出行班次为1月4日晚上8点的航班从北京出发到上海,晚上10点到达上海,以及1月5日早上7点的航班从上海出发回北京,可以确定用户在上海的停留时间为晚上10点,到第二天早上7点。用户在上海的停留时间跨了两天,这这两天均没有满足10小时的时间长度,即该规划不合理,不满足预设的时间要求,不能生成差旅规划行程。
这样设置的有益效果在于,对用户在目的地的停留时间进行判断,避免生成不合理的差旅规划行程,提高差旅信息的处理精度。
本实施例中,该方法还包括:若停留时间不满足预设的时间要求,则根据用户画像和差旅预测信息中的时间信息,更换用户在差旅过程中的出行班次,直至停留时间满足预设的时间要求。
具体的,若停留时间不满足预设的时间要求,则确定出行班次不合理,不能根据该出行班次生成差旅规划行程。可以根据用户画像和差旅预测信息中的时间信息,更换用户在差旅过程中的出行班次,得到新的出行班次,确定新的停留时间。再次判断新的停留时间是否满足预设的时间要求,直至停留时间满足预设的时间要求,可以根据新的出行班次生成差旅规划行程。
本实施例中,可以预先构建并训练一个神经网络模型,该神经网络模型可以用于根据差旅预测信息,生成差旅规划行程。即,可以将差旅预测信息输入至神经网络模型中,神经网络模型根据差旅预测信息,生成出行班次,再判断出行班次是否合理,若合理,则可以输出差旅规划行程;若不合理,则再次确定新的出行班次,最终输出一个差旅规划行程。可以由神经网络模型编排输出差旅规划行程以及相应的机酒火订单的结构化数据。本实施例中,对神经网络模型的模型结构和训练过程不做具体限定。
这样设置的有益效果在于,如果规划的行程的不合理,可以重新更换出行班次,确保可以得到可行性高的差旅规划行程,提高差旅信息的处理精度。
本公开实施例中,通过获取用户的历史差旅信息,可以预测用户在未来一段时间是否会进行差旅,以及进行差旅的地点等信息,即得到用户在预设时间段内的差旅预测信息,实现及时为用户进行差旅提醒,避免差旅延期。若用户对差旅预测信息进行了确认,则可以根据用户的差旅预测信息,自动为用户进行差旅行程的规划,完成差旅前的准备工作,减少用户操作,提高了差旅信息的处理效率。有效提升了用户的差旅体验,提高用户的工作效率。
图4为本公开实施例提供的一种差旅信息的处理方法的流程示意图。
本实施例中,若响应到用户对差旅预测信息的确认操作,则根据差旅预测信息,确定用户的差旅规划行程,可细化为:若响应到用户对差旅预测信息的确认操作,则根据差旅预测信息,生成差旅申请,并将差旅申请发送至预设的管理员;其中,管理员用于对差旅申请进行审批;若响应到管理员对差旅申请的审批通过操作,则根据差旅预测信息,确定用户的差旅规划行程。
如图4所示,该方法包括以下步骤:
S401、获取用户的历史差旅信息;其中,历史差旅信息表征用户在历史时间段内进行差旅的出行和住宿情况。
示例性地,本步骤可以参见上述步骤S101,不再赘述。
S402、根据历史差旅信息,确定用户在预设时间段内的差旅预测信息,并将差旅预测信息推送至所述用户;其中,差旅预测信息包括预测出的用户在预设时间段内进行差旅的时间信息和地点信息。
示例性地,本步骤可以参见上述步骤S102,不再赘述。
S403、若响应到用户对差旅预测信息的确认操作,则根据差旅预测信息,生成差旅申请,并将差旅申请发送至预设的管理员;其中,管理员用于对差旅申请进行审批。
示例性地,用户在看到生成的差旅预测信息后,可以通过客户端对差旅预测信息进行确认。响应到用户对差旅预测信息的确认操作,确定用户确实要在预测的日期向预测的地点进行差旅。但是用户在进行差旅前需要先进行申请,申请通过才可以进行差旅。
可以根据差旅预测信息,生成差旅申请。例如,可以预先设置差旅申请的模板,根据差旅预测信息,提取出行日期、目的地等差旅信息,将提取出的信息添加至预设的模板中,得到完整的差旅申请。将差旅申请发送给预设的管理员,例如,可以将差旅申请推送到管理员的客户端上。管理员在接收到差旅申请后,可以对差旅申请进行审批。例如,管理员可以审批通过或审批不通过。
S404、若响应到管理员对差旅申请的审批通过操作,则根据差旅预测信息,确定用户的差旅规划行程。
示例性地,若响应到管理员对差旅申请的审批通过的操作,则确定用户可以按照差旅预测信息进行差旅,即,可以根据差旅预测信息,生成用户的差旅规划行程,并将差旅规划行程推送给用户。
若响应到管理员对差旅申请的审批不通过的操作,则确定用户不可以按照差旅预测信息进行差旅,不需要根据差旅预测信息,生成用户的差旅规划行程。可以向用户发送审批不通过的通知,提示用户不能进行差旅或提示用户重新发送差旅申请。
也就是说,在用户确定要进行差旅后,可以自动提交本次差旅的差旅申请,由上级审批差旅申请,通过后生成差旅规划行程。审批过程中不需要用户手动填写差旅申请,减少用户操作,提高用户的工作效率。本实施例中,可以通过神经网络模型完成差旅规划行程的生成。在用户确定差旅规划行程后,还可以进行机酒火订单的付款,并将机酒火订单展示至用户的客户端界面上。
用户在差旅过程中可能产生消费的票据,本实施例中,用户可以将差旅过程个人垫付部分的消费票据上传至客户端,例如,可以通过图像进行上传。通过识别票据,可以自动形成本次差旅的报销单,减少用户操作,提升用户体验。
本公开实施例中,通过获取用户的历史差旅信息,可以预测用户在未来一段时间是否会进行差旅,以及进行差旅的地点等信息,即得到用户在预设时间段内的差旅预测信息,实现及时为用户进行差旅提醒,避免差旅延期。若用户对差旅预测信息进行了确认,则可以根据用户的差旅预测信息,自动为用户进行差旅行程的规划,完成差旅前的准备工作,减少用户操作,提高了差旅信息的处理效率。有效提升了用户的差旅体验,提高用户的工作效率。
图5为本公开实施例提供的一种差旅信息的处理装置的结构框图。为了便于说明,仅示出了与本公开实施例相关的部分。参照图5,差旅信息的处理装置500包括:信息获取单元501、信息预测单元502和行程规划单元503。
信息获取单元501,用于获取用户的历史差旅信息;其中,所述历史差旅信息表征用户在历史时间段内进行差旅的出行和住宿情况;
信息预测单元502,用于根据所述历史差旅信息,确定所述用户在预设时间段内的差旅预测信息,并将所述差旅预测信息推送至所述用户;其中,所述差旅预测信息包括预测出的用户在预设时间段内进行差旅的时间信息和地点信息;
行程规划单元503,用于若响应到所述用户对所述差旅预测信息的确认操作,则根据所述差旅预测信息,确定所述用户的差旅规划行程;其中,所述差旅规划行程表征对预设时间段内所规划的出行和住宿情况。
图6为本公开实施例提供的一种差旅信息的处理装置的结构框图,如图6所示,差旅信息的处理装置600包括信息获取单元601、信息预测单元602和行程规划单元603,其中,信息预测单元602包括规律确定模块6021和信息确定模块6022。
规律确定模块6021,用于根据所述历史差旅信息,确定所述用户的差旅规律信息;其中,所述差旅规律信息表征差旅时间的变化规律和差旅地点的变化规律;
信息确定模块6022,用于根据所述差旅规律信息,确定所述用户在预设时间段内的差旅预测信息。
一个示例中,信息确定模块6022,包括:
第一确定子模块,用于若根据所述差旅规律信息中差旅时间的变化规律,预测所述用户在预设时间段内进行差旅,则根据所述差旅时间的变化规律和差旅地点的变化规律,预测出发日期、返程日期、出发地、以及目的地;
第二确定子模块,用于将所述出发日期和返程日期确定为所述差旅预测信息中的时间信息,以及将所述出发地和目的地确定为所述差旅预测信息的地点信息。
一个示例中,行程规划单元603,包括:
班次确定模块,用于根据所述差旅预测信息,确定所述用户在差旅过程中的出行班次和住宿地址;其中,所述出行班次包括用户从出发地前往目的地的班次,和用户从目的地返回出发地的班次;
行程生成模块,用于根据所述出行班次和住宿地址,生成所述用户的差旅规划行程。
一个示例中,班次确定模块,包括:
画像获取子模块,用于获取所述用户的用户画像;其中,所述用户画像中包括出行方式和出行时刻;
班次确定子模块,用于根据所述用户画像和所述差旅预测信息中的时间信息,确定所述用户在差旅过程中的出行班次,以及根据所述差旅预测信息中的地点信息,确定所述用户在差旅过程中的住宿地址。
一个示例中,班次确定子模块,具体用于:
根据所述用户画像中的出行方式和所述差旅预测信息中的时间信息,确定所述出行方式的班次列表;其中,所述班次列表中包括至少一个班次;
根据所述用户画像中的出行时刻和所述班次列表中班次的余票,确定所述用户在差旅过程中的出行班次。
一个示例中,还包括:
时间确定单元,用于根据所述出行班次,确定所述用户在目的地的停留时间;
时间判断单元,用于若所述停留时间满足预设的时间要求,则根据所述出行班次和住宿地址,生成所述用户的差旅规划行程。
一个示例中,还包括:
班次更换单元,用于若所述停留时间不满足预设的时间要求,则根据所述用户画像和所述差旅预测信息中的时间信息,更换所述用户在差旅过程中的出行班次,直至停留时间满足预设的时间要求。
一个示例中,还包括:
记录获取单元,用于获取用户的出行搜索记录;其中,所述出行搜索记录表征用户对车票、机票、住宿中至少一项的搜索情况;
记录预测单元,用于根据所述出行搜索记录,确定所述用户的差旅预测信息。
一个示例中,行程规划单元603,包括:
申请生成模块,用于若响应到所述用户对所述差旅预测信息的确认操作,则根据所述差旅预测信息,生成差旅申请,并将所述差旅申请发送至预设的管理员;其中,所述管理员用于对差旅申请进行审批;
申请通过模块,用于若响应到所述管理员对所述差旅申请的审批通过操作,则根据所述差旅预测信息,确定所述用户的差旅规划行程。
一个示例中,还包括:
行程推送单元,用于将所述差旅规划行程推送至所述用户,若响应到所述用户对所述差旅规划行程的确认操作,则根据所述差旅规划行程中的出行和住宿情况进行下单。
一个示例中,还包括:
行程修改单元,用于若响应到所述用户对所述差旅规划行程的修改操作,则通过预设的人机交互方式,获取所述用户对所述差旅规划行程的修改要求;
重新规划单元,用于根据所述差旅预测信息,基于所述修改要求,重新确定所述用户的差旅规划行程。
根据本公开的实施例,本公开还提供了一种电子设备。
图7为本公开实施例提供的一种电子设备的结构框图,电子设备可以是终端设备或服务器,如图7所示,电子设备700包括:至少一个处理器702;以及与所述至少一个处理器702通信连接的存储器701;其中,存储器存储有可被所述至少一个处理器702执行的指令,所述指令被所述至少一个处理器702执行,以使所述至少一个处理器702能够执行本公开的差旅信息的处理方法。
电子设备700还包括接收器703和发送器704。接收器703用于接收其他设备发送的指令和数据,发送器704用于向外部设备发送指令和数据。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如差旅信息的处理方法。例如,在一些实施例中,差旅信息的处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的差旅信息的处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行差旅信息的处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (27)
1.一种差旅信息的处理方法,包括:
获取用户的历史差旅信息;其中,所述历史差旅信息表征用户在历史时间段内进行差旅的出行和住宿情况;
根据所述历史差旅信息,确定所述用户在预设时间段内的差旅预测信息,并将所述差旅预测信息推送至所述用户;其中,所述差旅预测信息包括预测出的用户在预设时间段内进行差旅的时间信息和地点信息;
若响应到所述用户对所述差旅预测信息的确认操作,则根据所述差旅预测信息,确定所述用户的差旅规划行程;其中,所述差旅规划行程表征对预设时间段内所规划的出行和住宿情况。
2.根据权利要求1所述的方法,其中,根据所述历史差旅信息,确定所述用户在预设时间段内的差旅预测信息,包括:
根据所述历史差旅信息,确定所述用户的差旅规律信息;其中,所述差旅规律信息表征差旅时间的变化规律和差旅地点的变化规律;
根据所述差旅规律信息,确定所述用户在预设时间段内的差旅预测信息。
3.根据权利要求2所述的方法,其中,根据所述差旅规律信息,确定所述用户在预设时间段内的差旅预测信息,包括:
若根据所述差旅规律信息中差旅时间的变化规律,预测所述用户在预设时间段内进行差旅,则根据所述差旅时间的变化规律和差旅地点的变化规律,预测出发日期、返程日期、出发地、以及目的地;
将所述出发日期和返程日期确定为所述差旅预测信息中的时间信息,以及将所述出发地和目的地确定为所述差旅预测信息的地点信息。
4.根据权利要求3所述的方法,其中,根据所述差旅预测信息,确定所述用户的差旅规划行程,包括:
根据所述差旅预测信息,确定所述用户在差旅过程中的出行班次和住宿地址;其中,所述出行班次包括用户从出发地前往目的地的班次,和用户从目的地返回出发地的班次;
根据所述出行班次和住宿地址,生成所述用户的差旅规划行程。
5.根据权利要求4所述的方法,其中,根据所述差旅预测信息,确定所述用户在差旅过程中的出行班次和住宿地址,包括:
获取所述用户的用户画像;其中,所述用户画像中包括出行方式和出行时刻;
根据所述用户画像和所述差旅预测信息中的时间信息,确定所述用户在差旅过程中的出行班次,以及根据所述差旅预测信息中的地点信息,确定所述用户在差旅过程中的住宿地址。
6.根据权利要求5所述的方法,其中,根据所述用户画像和所述差旅预测信息中的时间信息,确定所述用户在差旅过程中的出行班次,包括:
根据所述用户画像中的出行方式和所述差旅预测信息中的时间信息,确定所述出行方式的班次列表;其中,所述班次列表中包括至少一个班次;
根据所述用户画像中的出行时刻和所述班次列表中班次的余票,确定所述用户在差旅过程中的出行班次。
7.根据权利要求5或6所述的方法,还包括:
根据所述出行班次,确定所述用户在目的地的停留时间;
若所述停留时间满足预设的时间要求,则根据所述出行班次和住宿地址,生成所述用户的差旅规划行程。
8.根据权利要求7所述的方法,还包括:
若所述停留时间不满足预设的时间要求,则根据所述用户画像和所述差旅预测信息中的时间信息,更换所述用户在差旅过程中的出行班次,直至停留时间满足预设的时间要求。
9.根据权利要求1-8中任一项所述的方法,还包括:
获取用户的出行搜索记录;其中,所述出行搜索记录表征用户对车票、机票、住宿中至少一项的搜索情况;
根据所述出行搜索记录,确定所述用户的差旅预测信息。
10.根据权利要求1-9中任一项所述的方法,其中,若响应到所述用户对所述差旅预测信息的确认操作,则根据所述差旅预测信息,确定所述用户的差旅规划行程,包括:
若响应到所述用户对所述差旅预测信息的确认操作,则根据所述差旅预测信息,生成差旅申请,并将所述差旅申请发送至预设的管理员;其中,所述管理员用于对差旅申请进行审批;
若响应到所述管理员对所述差旅申请的审批通过操作,则根据所述差旅预测信息,确定所述用户的差旅规划行程。
11.根据权利要求1-10中任一项所述的方法,还包括:
将所述差旅规划行程推送至所述用户,若响应到所述用户对所述差旅规划行程的确认操作,则根据所述差旅规划行程中的出行和住宿情况进行下单。
12.根据权利要求11所述的方法,还包括:
若响应到所述用户对所述差旅规划行程的修改操作,则通过预设的人机交互方式,获取所述用户对所述差旅规划行程的修改要求;
根据所述差旅预测信息,基于所述修改要求,重新确定所述用户的差旅规划行程。
13.一种差旅信息的处理装置,包括:
信息获取单元,用于获取用户的历史差旅信息;其中,所述历史差旅信息表征用户在历史时间段内进行差旅的出行和住宿情况;
信息预测单元,用于根据所述历史差旅信息,确定所述用户在预设时间段内的差旅预测信息,并将所述差旅预测信息推送至所述用户;其中,所述差旅预测信息包括预测出的用户在预设时间段内进行差旅的时间信息和地点信息;
行程规划单元,用于若响应到所述用户对所述差旅预测信息的确认操作,则根据所述差旅预测信息,确定所述用户的差旅规划行程;其中,所述差旅规划行程表征对预设时间段内所规划的出行和住宿情况。
14.根据权利要求13所述的装置,其中,所述信息预测单元,包括:
规律确定模块,用于根据所述历史差旅信息,确定所述用户的差旅规律信息;其中,所述差旅规律信息表征差旅时间的变化规律和差旅地点的变化规律;
信息确定模块,用于根据所述差旅规律信息,确定所述用户在预设时间段内的差旅预测信息。
15.根据权利要求14所述的装置,其中,所述信息确定模块,包括:
第一确定子模块,用于若根据所述差旅规律信息中差旅时间的变化规律,预测所述用户在预设时间段内进行差旅,则根据所述差旅时间的变化规律和差旅地点的变化规律,预测出发日期、返程日期、出发地、以及目的地;
第二确定子模块,用于将所述出发日期和返程日期确定为所述差旅预测信息中的时间信息,以及将所述出发地和目的地确定为所述差旅预测信息的地点信息。
16.根据权利要求15所述的装置,其中,所述行程规划单元,包括:
班次确定模块,用于根据所述差旅预测信息,确定所述用户在差旅过程中的出行班次和住宿地址;其中,所述出行班次包括用户从出发地前往目的地的班次,和用户从目的地返回出发地的班次;
行程生成模块,用于根据所述出行班次和住宿地址,生成所述用户的差旅规划行程。
17.根据权利要求16所述的装置,其中,所述班次确定模块,包括:
画像获取子模块,用于获取所述用户的用户画像;其中,所述用户画像中包括出行方式和出行时刻;
班次确定子模块,用于根据所述用户画像和所述差旅预测信息中的时间信息,确定所述用户在差旅过程中的出行班次,以及根据所述差旅预测信息中的地点信息,确定所述用户在差旅过程中的住宿地址。
18.根据权利要求17所述的装置,其中,所述班次确定子模块,具体用于:
根据所述用户画像中的出行方式和所述差旅预测信息中的时间信息,确定所述出行方式的班次列表;其中,所述班次列表中包括至少一个班次;
根据所述用户画像中的出行时刻和所述班次列表中班次的余票,确定所述用户在差旅过程中的出行班次。
19.根据权利要求17或18所述的装置,还包括:
时间确定单元,用于根据所述出行班次,确定所述用户在目的地的停留时间;
时间判断单元,用于若所述停留时间满足预设的时间要求,则根据所述出行班次和住宿地址,生成所述用户的差旅规划行程。
20.根据权利要求19所述的装置,还包括:
班次更换单元,用于若所述停留时间不满足预设的时间要求,则根据所述用户画像和所述差旅预测信息中的时间信息,更换所述用户在差旅过程中的出行班次,直至停留时间满足预设的时间要求。
21.根据权利要求13-20中任一项所述的装置,还包括:
记录获取单元,用于获取用户的出行搜索记录;其中,所述出行搜索记录表征用户对车票、机票、住宿中至少一项的搜索情况;
记录预测单元,用于根据所述出行搜索记录,确定所述用户的差旅预测信息。
22.根据权利要求13-21中任一项所述的装置,其中,所述行程规划单元,包括:
申请生成模块,用于若响应到所述用户对所述差旅预测信息的确认操作,则根据所述差旅预测信息,生成差旅申请,并将所述差旅申请发送至预设的管理员;其中,所述管理员用于对差旅申请进行审批;
申请通过模块,用于若响应到所述管理员对所述差旅申请的审批通过操作,则根据所述差旅预测信息,确定所述用户的差旅规划行程。
23.根据权利要求13-22中任一项所述的装置,还包括:
行程推送单元,用于将所述差旅规划行程推送至所述用户,若响应到所述用户对所述差旅规划行程的确认操作,则根据所述差旅规划行程中的出行和住宿情况进行下单。
24.根据权利要求23所述的装置,还包括:
行程修改单元,用于若响应到所述用户对所述差旅规划行程的修改操作,则通过预设的人机交互方式,获取所述用户对所述差旅规划行程的修改要求;
重新规划单元,用于根据所述差旅预测信息,基于所述修改要求,重新确定所述用户的差旅规划行程。
25.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。
27.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-12中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410089526.5A CN118093749A (zh) | 2024-01-22 | 2024-01-22 | 差旅信息的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410089526.5A CN118093749A (zh) | 2024-01-22 | 2024-01-22 | 差旅信息的处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118093749A true CN118093749A (zh) | 2024-05-28 |
Family
ID=91152032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410089526.5A Pending CN118093749A (zh) | 2024-01-22 | 2024-01-22 | 差旅信息的处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118093749A (zh) |
-
2024
- 2024-01-22 CN CN202410089526.5A patent/CN118093749A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10984349B2 (en) | Travel advisory notifications | |
US20220215499A1 (en) | Hierarchical selection process | |
CN108352001B (zh) | 基于计算设备的用户的场境自动预订运输 | |
US8296266B2 (en) | Computer implemented method for integrating services in a calendar application via web services | |
CN114581180A (zh) | 一种充电站推荐方法、充电桩状态的确定方法及装置 | |
US9857186B2 (en) | System and method for long-haul trip planning for commercial vehicles transportation | |
EP3158528A1 (en) | Trip planning and implementation | |
KR20140039194A (ko) | 지능형 개인용 타임라인 보조 시스템 및 방법 | |
CN109118752A (zh) | 信息处理方法、信息处理系统以及程序 | |
US11810058B2 (en) | Carrier path prediction based on dynamic input data | |
US11170323B2 (en) | Generating and managing group reservations of travel resources | |
US20210174270A1 (en) | Rideshare vehicle demand forecasting device, method for forecasting rideshare vehicle demand, and storage medium | |
JP2014029580A (ja) | タクシー配車アプリケーションシステム及び配車プログラム | |
US20110218835A1 (en) | Changing priority levels within a controllable transit system | |
CN110612523B (zh) | 基于配对数据组关联标识符 | |
JP7460062B2 (ja) | オンライン予約車両情報処理方法、装置、機器、及びコンピュータ記憶媒体 | |
CN112541135A (zh) | 信息共享方法、装置、电子设备、存储介质及程序产品 | |
CN118093749A (zh) | 差旅信息的处理方法、装置、设备及存储介质 | |
EP3435298A1 (en) | Computer implemented technologies configured to enable efficient processing of data in a transportation network based on generation of directed graph data derived from transportation timetable data | |
KR20210016605A (ko) | 동적 입력 데이터를 기반으로 하는 운송자 경로 예측 | |
JPH1166172A (ja) | 訪問割り当て方法、訪問割り当て処理装置及び訪問割り当てシステム | |
JP6845477B2 (ja) | 情報処理装置およびコンピュータプログラム | |
JP7408969B2 (ja) | 予約処理装置及びプログラム | |
WO2024134897A1 (ja) | 配車管理装置及び配車管理方法 | |
EP3579156A1 (en) | Carrier path prediction based on dynamic input data |
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 |