JP6473158B2 - 見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ - Google Patents
見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ Download PDFInfo
- Publication number
- JP6473158B2 JP6473158B2 JP2016539213A JP2016539213A JP6473158B2 JP 6473158 B2 JP6473158 B2 JP 6473158B2 JP 2016539213 A JP2016539213 A JP 2016539213A JP 2016539213 A JP2016539213 A JP 2016539213A JP 6473158 B2 JP6473158 B2 JP 6473158B2
- Authority
- JP
- Japan
- Prior art keywords
- price
- fare
- estimate
- classifier
- estimates
- 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
Links
- 238000000034 method Methods 0.000 title claims description 145
- 238000013179 statistical model Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 25
- 238000004590 computer program Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 230000010006 flight Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008450 motivation Effects 0.000 description 3
- 230000029305 taxis Effects 0.000 description 3
- 238000011976 chest X-ray Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 208000021825 aldosterone-producing adrenal cortex adenoma Diseases 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- G06Q30/0283—Price estimation or determination
Description
モデル・ベースのデータ補間を用いたフライト価格見積もりが提供される。
旅程に対する切符の価格は計算が複雑である。可能な経路指定、認定運賃、及びこれらの運賃の利用可能性の計算の結果である。これらの計算は典型的に、世界配信システム(GDS)において行なわれ、このようなシステムに対して問い合わせを実行することは、遅くて、お金がかかる可能性がある。
価格を他の価格から見積もるためのシステムであって、その価格を用いて、観察される(たとえば、ユーザがライブの予約可能な運賃に対する価格を要求することによって観察される)運賃のキャッシュを増加させる目的を伴うものが提供される。モデル実施例を図1に示す。
分類器をトレーニングするために用いても良い特徴には以下のものが含まれる。
・土曜日滞在
・滞在日数
・週の曜日
・旅行に行く時間
・航空会社
・ウェブ・サイト
・経路
・日付−日及び年−月レベル
・月
・欠落しているフライト価格データを見積もる
・データ生成に関する特徴を用いて優れた予測モデルを形成する
モデルをフライト業界で用いて、これまで観察されていない価格を見積もっても良いし、価格をユーザに表示しても良いし、または価格を返すように問い合わせる価値がある(たとえば、良好な値である可能性がある)か否かを判定しても良い。
消費者価格比較ウェブ・サイト会社は、価格を競争相手の価格と比較することによって競争的に価格設定することを試みる。
欠落している見積もりの推測は、2つの段階(トレーニング及び見積もり)で行なっても良い。
・トレーニング
○過去の価格から統計モデルを構築する
・見積もり
○欠落している見積もり候補を特定する
○統計モデルに基づいて見積もり候補を価格設定する
単純ベイズ分類は、ある特徴の組によって記述される対象物があるクラスに属する確率と、このクラスからの対象物がある特徴の組を特徴とする確率との間の依存関係上に基づく。図3における式(1)及び(2)を参照のこと。
・Cは、入力対象物を分類することができるクラス(たとえば、今の場合は、価格帯たとえば、75〜125EUR)。
・Fiは特徴値(たとえば、今の場合は、金曜日、エール・フランス航空会社ウェブ・サイトなど)。
分類器トレーニングの意図は、観察された価格帯に対して特徴値がどのくらいの頻度で生じるかを計算することである。たとえば図4に示すプロセスでは、特徴値が番号付き領域によって表され、価格帯(バケット)が頻度情報を表している(たとえば、特徴値数量が75〜125EUR、126〜175EURなどの範囲である)。
・経路のリスト
・分類器カテゴリ分類方式
・過去の見積もり
・重みを伴うサポートされた特徴の組
・それぞれの異なった特徴値を含む見積もりの加重数
・ある粒度の価格帯当たりのそれぞれの異なった特徴値を含む見積もりの加重数
・多くの観察された価格帯、見積もり価格帯、及びすべての見積もり
・経路当たりの価格帯のサイズ(たとえば、1EUR、5EUR、10EUR)
・逆向き経路に適用する重み付け
・見積もり年齢に基づいて適用する重み関数
・経路
・欠落している最安見積もり情報を伴う日付(または日付対)のリスト
・見積もりからカテゴリ特徴値を抽出する。
・データ・ベースから、抽出したカテゴリに対してトレーニングされた分類器を取り出す
・見積もり候補からすべての特徴値を抽出する
・候補見積もりの分類を以下によって行なう
○分類器に記憶された各価格帯に対してベイズ事後確率を計算する
○最も高いベイズ事後確率を伴う価格帯クラスを選択する
・価格クラスを候補見積もりに付する
・分類結果を許容するのに必要な最小ベイズ事後確率
・候補の生成に関与する経路オペレータの最大数
・タイを回避するためにベイズ事後確率に付加されるランダム変動
見積もり方法として、価格に確信を与えるものを提供しても良い。たとえば、それが$5以内、$1000以内であることを99%確信しているなど。したがって見積もり方法は以下を提供しても良い。
・これらの確信の計算及び返し。
・これらの確信を用いて、価格をユーザに表示するかまたは起こりそうな価格範囲をユーザに示すか(たとえば、エラー・バー)を決定する。
○ユーザにとって有用ではないので見積もりを示さない
○価格のライブの取り出しをトリガして、正確な値をユーザに示せるようにする。確信をユーザに示すことができる。
○価格に対して起こり得る値の範囲を示すバー(たとえば、図22を参照のこと)。
○表示価格の可視性/強度を下げる(たとえば、着色、陰影付け、または点線を用いて)。
見積もり価格に対する確信範囲は、見積もり方法の結果が価格は見つかるという確信につながる範囲の最低価格から最高価格までの価格帯に及ぶ。見積もり価格に対する確信範囲を、バーを用いて図式的に示しても良い。バーを、日付範囲における各日付に対して表示しても良い。バーを、日付範囲における各日付に対して表示することを、往路及び復路に対して行なっても良い。バーは色分けされていて、たとえば、バーが対応するのは、最近の価格であって、予約機能に対して、出発日を共有する複数の切符から導き出される価格帯に対して、及び同様の旅程から見積もられる価格帯に対して安定である可能性がある価格であることを示しても良い。1つのバーを、ある日付に対して設けても良い。複数のバーを、ある日付に対して設けても良い。実施例を図22に示す。
背景/動機づけ
動機づけは、モデル・ベースの価格設定実施例におけるそれと非常に似ている。
世界配信システムは、OAG(オフィシャル・エアライン・ガイド:たとえば、www.oag.comを参照)からスケジュールを、ATPCOから運賃を、及び航空会社から運賃クラス利用可能性を収集して、この情報をその独自のシステムに記憶する。この記憶した情報をそれらの供給源から定期的に更新する。ある経路及び日付に対する見積もりについて、GDSに問い合わせが来た場合、GDSは以下のステップを行なう。
1.スケジュールから有効な旅程を決定する。
2.旅程に対する有効な運賃を計算する(GDSによっては価格設定エンジンを有しておらず、サード・パーティ・エンジン、たとえばSITAによって提供されるもの(たとえば、http://www.sita.aero/を参照)を用いて、正確な価格が各旅行旅程に対して適用されることを確実にする)。
3.これらの運賃の利用可能性を見つける。
4.正確な税金及び追加料金を加える。
・利用可能性を見つけるためにGDSまたは航空会社予約システムへの問い合わせが必要なのではなくて利用可能性を導き出す。
・真の利用可能性ではなくて見積もられた利用可能性に基づいて新しい価格を計算する。
・利用可能性及び運賃ルールに基づいて新しい価格を見積もることを、新しい価格の観察された事例を伴うことなく行なう。
航空会社にその独自の商品の価格設定を提供すること。なぜならば、航空会社はやはり、現時点でこの価格設定をGDSから高コストで行なっているからである。
運賃利用可能性及び価格に対する見積もりサービスが提供されるサーバ(実際であっても良いしまたは仮想であっても良い)が提供される。関連するウェブ・サイト、スマートフォン・アプリ、企業間サービス、従来の航空会社(たとえば、英国航空、カンタス、KLMなど)との接続、低予算航空会社(たとえば、ライアンエアー、イージージェット、ジャーマンウィングスなど)との接続、及び旅行予約ウェブ・サイト(たとえば、lastminute.com、オポド、トムソンなど)を提供しても良い。
世界配信システム(GDS)は、利用可能性、価格、及び航空会社に対する関連サービスを含むシステムであって、ここを通して予約をし切符を発行することができるシステムと規定しても良い。GDSによって、これらの機能は、申し込み旅行代理店、予約エンジン、航空会社、及び他の申込み者にとって利用可能になる。GDS構成実施例を図17に示す。より一般的な用語は「配信システム」である。これには、航空輸送以外の輸送のモード(たとえば、列車など)に対する予約ができることが含まれていても良い。
歴史的には、航空会社ネットワークの成長につれて、GDSによって経路探索が加えられた。潜在的で可能な接続の数が指数関数的に増加したときに(SOF−NYCには多くの接続点がある。たとえば、SOF−IST−NYC、SOF−FRA−NYC、SOF−MOW−CPH−NYCなど)、GDSはこの「接続」建造物のレイヤーを加えて、異なる価格設定可能経路の数を減らした。そのため、多くの運賃及びルールを処理する必要がない。それらはそれを非常に鈍い方法−静的経路及び接続表で行なった。この方法がそれらに伝えるのは、ゾーン(議論を単純にするためにATPCO−US−EUR、EUR−APACによって規定する)間を飛行するために、本質的に、SOF−NYC間の経路探索都市に、潜在的に間違った方向における結合(たとえばIST)を含んでいるが、多数の都市を可能な接続としては却下する。たとえば、フライトSOF−PRG−CPH−NYCは複雑すぎて潜在的に費用がかかると見なされる場合があり、そのため経路探索段階で落とされる。
経路指定を設定した後に、接続構築が、航空会社、フライト数、及び接続制限(最小接続時間(MCT)表に含まれている)を調べることを始める。MCT(OAGによって配信される)は、フライト/航空会社が時間の点でどのように接続できるかについての一般的なルールを明記する複雑な文献である。たとえば、長距離US−EUがLHRにおいてEU−EUに接続する場合、120分MCTが適用される。一般的なルールは解釈が簡単であるが重要である。誰かがMCTパラメータの範囲外で予約しようとした場合、手動無効化が必要である。
運賃の実施例は価格設定契約である。これは、航空会社が提供するサービスに対する価格(基本運賃)を指定する。価格は、サービス・クラス、クラス・タイプ(Y、Q、J、M、Hなど)、及び旅行のタイプ(片道、往復、複数路線(multi−city)、世界一周(RTW))によって規定される。
アップロード及び配信ATPCOは、業界における運賃及び運賃配信を取り扱う業界団体である。SITAのみに配信する航空会社が少数存在する(ブルガリア航空が例である)。
これまで、ATPCOは運賃を特定のスケジュールで発売しているが、航空会社からの要求によって、この組織は運賃を1時間毎に発売することを始めた。これによって、航空会社は、利用可能性制御に対してのみ適していない市場変化への迅速な反応を確実にすることができる。
運賃データ、運賃クラス・データ、及び運賃制限データを提供する。
ルールの計算を、価格設定エンジンによって、ルール記録、表、及びサブ表の非常に厳密な順番で行なう。特定のルール記録が見つからない場合は、それらをすべて規定する一般的なルールが存在する。
−運賃クラスは、特定の運賃に対するルールがあることをエンジンに伝える。
−カテゴリ制御は、どんなタイプの制限が存在するかをエンジンに伝える。
−エンジンが関連情報を得るために読むときに、カテゴリ・データ表は最後である。
多くの業界専門家が、用語の運賃表示と運賃見積もりとを交換可能に用いているが、これは熟練者にとっては許容できない。それについて説明する。
市場運賃及び関連するルールの包括的な統合された概念。これによって代理店は以下のことができる。
−運賃ルールを比較すること(N.B!価格ではない)
−契約期間(運賃ルール)を乗客に伝えること
契約期間を適用した後の最終価格。これには、乗客に与えたいことのほとんどが取り込まれている。
−すべての税金
−すべての追加料金
−それに関連するすべてのルール
−最終価格
利用可能性の知識は業界では非常に重要である。利用可能性によって、航空会社はその余裕分(シート)を制御することができ、また経路がどのくらい収益性があるかを管理する別の方法を加えることが、利用可能性バケットを開閉することによってなされる。これは収益管理システム(RM)によって管理される。
NAVS=シート・クラス当たりの単純な数値による利用可能性。実施例:Y9H3M0L8...
AVS=利用可能性ステータス−これは、フライト・オープン/クローズド、キャンセル待ちリストに対してオープンなど。
CXR(航空会社)は、より良好な接続が低下するならば、NAVS/AVSを表示として用いることができる。これらのCXRでは、収益管理ルールを用いており、実際の利用可能性及びすべての利用可能性情報を得るためにポーリングする必要がある。
ポーリング及びNAVS/AVSを減らすために、価格設定エンジンは複雑なキャッシュDBを発展させた。それらは正確ではないけれども、情報を記憶するときに、呼び出しを減らすという目標をある程度達成する。
キャッシング・メカニズムを、オフライン・トラフィックによって供給しても良いが、オンライン・チャンネルによって用いられる。利用可能性サーバは、キャッシュされたデータをルール(双方向ポーリング)に基づいて更新すること、及び予約に対するわずかな不一致も警告することができても良い。利用可能性サーバを含むシステム実施例を図21に示す。
前述したステップを実施することを、標準的な良く知られたプログラミング技術を用いて行なうことができる。前述した実施形態の新しさは、特定のプログラミング技術にあるのではなく、記載したステップを用いて記載した結果を達成することを含んでいる。本発明の一部を具体化または形成するソフトウェア・プログラミング・コードは典型的に、永続的な非一時的記憶装置に記憶される。クライアント/サーバ環境では、このようなソフトウェア・プログラミング・コードを、サーバに付随する記憶装置を用いて記憶しても良い。ソフトウェア・プログラミング・コードは、データ処理システムとともに用いる種々の知られている媒体(たとえばディスケット、またはハード・ドライブ、またはCD−ROM)のいずれか上で具体化しても良い。コードをこのような媒体上で配信しても良いし、またはユーザに配信することを、あるコンピュータ・システムのメモリまたは記憶装置からあるタイプのネットワークを介して他のコンピュータ・システムに行なって、このような他のシステムのユーザが使用できるようにしても良い。ソフトウェア・プログラム・コードを物理媒体上で具現化し及び/またはソフトウェア・コードをネットワークを介して配信するための技術及び方法は良く知られており、本明細書でさらに説明することはしない。
複数のコンセプト(以下にコンセプト「A〜H」と記述する)が本開示に含まれている。以下は、これらのコンセプトを規定するのに有用であり得る。コンセプトの態様を組み合わせても良い。
価格見積もりを提供する方法であって、(i)コンピュータ・サーバによって、物品またはサービスに対する価格たとえば航空運賃とともにそれら物品またはサービスを規定するパラメータに対する要求を受け取るステップと、(ii)前述のステップ(i)に対する任意の時点において、不完全な過去の価格データセットから見積もり価格を決定することを、そのデータセットにおけるパターンを分析することによって行なうように、1または複数のプロセッサを構成するステップと、(iii)パラメータを満たす物品またはサービスに対する要求価格に対する見積もりを計算するように1または複数のプロセッサを構成するステップと、(iv)価格見積もりを、エンド・ユーザ・コンピューティング・デバイス、たとえばパーソナル・コンピュータ、スマートフォンまたはタブレットに送るステップと、を含む方法が提供される。
・本方法において、それら物品またはサービスを規定するパラメータには、行為タイプ、たとえば航空運賃、ホテル予約、鉄道運賃;日付範囲;目的地;起点;所望の天候条件;星評価;キーワード;任意の他のユーザ定義の好みのうちの1または複数が含まれる。
・見積もり価格の決定を、見積もり価格を推測するか、導き出すか、または予測することによって行なう。
・ステップ(ii)には、(a)過去の価格見積もりをコンピュータ・データ・ストアから得ることと、(b)過去の価格見積もりをカテゴリによってグループ分けすることと、(c)各グループに対する統計データを導き出すことと、(d)コンピュータ上に、各グループに対して、導き出した統計データを含む分類器を記憶することと、(e)記憶した分類器を用いて、要求価格が対応するグループを特定することと、が含まれる。
・ステップ(iii)には、要求価格に対する見積もりの組を指定された日付範囲に渡って計算することを、特定したグループに対応する記憶した分類器から得られる統計データを用いて行なうことが含まれる。
・ステップ(ii)には、ルールを用いてデータセットにおけるパターンを分析することが含まれる。
・ステップ(ii)には、価格の確率モデルを生成する単純ベイズ分類器機械学習アプローチが含まれ、そのモデルを用いて観察されない価格を予測する。
・観察された価格とそれらに対応する特徴の組とを用いて分類器をトレーニングする。
・特徴は、要求に関しており、週の出発日、滞在日数、土曜日滞在、航空会社、旅行する時間、経路、月のうちの1または複数を含む。
・分類器は次に、観察されない価格の価格を予測することを、特徴の組を与えられることと、それらの特徴を有する可能性が最も高い価格を与えることとによって行なう。
・特徴を導き出すことを、複数のモデルを異なる特徴を用いてトレーニングすることと、異なるモデルの予測精度を比較することと、によって行なっても良い。
・ステップ(ii)には、過去の価格から統計モデルを構築することと、欠落している見積もり候補を特定することと、統計モデルに基づいて見積もり候補を価格設定することと、が含まれる。
・各候補見積もりに対して価格を見積もることを、見積もりからカテゴリ特徴値を抽出するステップと、抽出したカテゴリに対して、トレーニングされた分類器をデータ・ベースから取り出すステップと、見積もり候補からすべての特徴値を抽出するステップと、候補見積もりを分類することを、分類器内に記憶された各価格帯に対してベイズ事後確率を計算することと、最も高いベイズ事後確率を伴う価格帯クラスを選択することと、価格クラスを候補見積もりに付することと、によって行なうステップと、において行なう。
・統計モデルに対する入力には、経路のリスト、分類器カテゴリ分類方式、過去の見積もり、重みを伴うサポートされた特徴の組が含まれる。
・過去の見積もりを年齢によってフィルタリングする。
・統計モデルに対する入力には逆向き経路同等物が含まれる。
・本方法には、価格見積もりの組にキャッシュされた運賃価格を含むステップが含まれる。
・価格見積もりの組は、ステップ(i)の後に配信システムに問い合わせることなく構成されている。
・価格は片道旅行である旅行に対するものである。
・価格は往復旅行である旅行に対するものである。
・価格には航空運賃価格が含まれる。
・価格には鉄道運賃価格が含まれる。
・価格には貸し自動車価格が含まれる。
・価格にはホテル価格が含まれる。
・要求には柔軟な検索要求が含まれる。
・本方法の最終結果は、最大で入力日付または入力日付対当たり1つの見積もりである。
・本方法には、(A)ステップ(i)に対する任意の時点において、不完全な過去の価格データセットから見積もり価格の確信範囲を決定することを、そのデータセットにおけるパターンを分析することによって行なうように1または複数のプロセッサを構成するステップと、(B)パラメータを満たす物品またはサービスに対する要求価格に対する見積もり価格の確信範囲を計算するように、1または複数のプロセッサを構成するステップと、が含まれている。
・本方法にはさらに、(C)確信範囲とともに運賃価格見積もりを、エンド・ユーザ・コンピューティング・デバイス、たとえばパーソナル・コンピュータ、スマートフォン、またはタブレットに提供するステップが含まれる。
・本方法にはさらに、価格をユーザに表示するかまたは起こりそうな価格範囲をユーザに提供するかを確信範囲を用いて決定するステップが含まれる。
・起こりそうな価格範囲をエラー・バーとして表示する。
・日付範囲には1つの出発日のみが含まれる。
・日付範囲には1つの帰国日のみが含まれる。
・本方法には、指定した出発日範囲及び指定した帰国日範囲に対する最良の往復運賃価格見積もりの組を提供する方法が含まれ、ステップ(i)には、出発地から目的地までの旅行に対する指定した出発日範囲及び指定した帰国日範囲に対する往復運賃価格に対する要求を受け取ることが含まれ、ステップ(iv)には、指定した出発日範囲及び指定した帰国日範囲に対する最良の往復運賃価格見積もりの組を提供することが含まれる。
・最良の往復運賃価格見積もりの組はバー・チャート形式で提供される。
・見積もりプロセスが、分類結果を許容するのに必要な最小ベイズ事後確率、候補の生成に関与する経路オペレータの最大数、またはタイを回避するためにベイズ事後確率に付加されるランダム変動のうちの1または複数によってパラメータ化される。
・本方法は、運賃利用可能性及び価格に対する見積もりサービスが提供されるサーバ上で行なう。
・(ii)サーバは、コンピュータ・データ・ストアから過去の価格を得ること、過去の価格をカテゴリによってグループ分けすること、各グループに対する統計データを導き出すこと、各グループに対して、導き出された統計データを含む分類器を記憶すること、要求価格が対応する記憶した分類器を用いてグループを特定すること、を行なうように配置されている。
・サーバは、要求価格に対する見積もりの組を指定された日付範囲に渡って計算することを、特定したグループに対応する記憶した分類器から得られる統計データを用いて行なうように配置されている。
・サーバはさらに、コンセプトAの態様のいずれかに属する方法を実行するように配置されている。
特定の日付における出発地から目的地までの旅行に対してどの運賃クラスが利用可能であるかを推測する方法。本方法には、(i)特定の日付における出発地から目的地までの旅行に対する運賃価格に対する要求を規定するステップと、(ii)見積もられた運賃価格を不完全な過去の価格データセットから推測し、見積もり、または予測することをそのデータセットにおけるパターンを分析することによって行なうステップと、(iii)ステップ(ii)の結果を用いて、要求した運賃価格に対する見積もりを計算するステップと、(iv)要求を、特定の日付における出発地から目的地までの旅行に対する運賃価格に対する配信システムへ送るステップと、(v)配信システムから、特定の日付における出発地から目的地までの旅行に対する配信システムの運賃価格を受け取るステップと、(vi)ステップ(iii)から得た要求した運賃価格に対する計算見積もりを、ステップ(v)で受け取った配信システムの運賃価格と比較して、特定の日付における出発地から目的地までの旅行に対してどの運賃クラスが利用可能であるかを推測するステップと、(vii)特定の日付における出発地から目的地までの旅行に対する推測した運賃クラス利用可能性を出力するステップと、が含まれる。
・本方法において、ステップ(ii)には、コンピュータ・データ・ストアから過去の運賃見積もりを得ることと、過去の運賃見積もりをカテゴリによってグループ分けすることと、各グループに対する統計データを導き出すことと、コンピュータ上に、各グループに対して、導き出された統計データを含む分類器を記憶することと、記憶した分類器を用いて、要求した運賃価格が対応するグループを特定することと、が含まれる。
・本方法において、ステップ(iii)には、要求した運賃価格に対する見積もりの組を指定された日付範囲に渡って計算することを、特定したグループに対応する記憶した分類器から得られる統計データを用いて行なうことが含まれる。
・配信システムは世界配信システムである。
・推測した運賃クラス価格が各推測した運賃クラス利用可能性に付属している。
・出力をサーバに送るステップが含まれている。
・サーバは航空会社サーバである。
・ステップ(ii)には、ルールを用いてデータセットにおけるパターンを分析することが含まれる。
・ステップ(ii)には、運賃の確率モデルを生成する単純ベイズ分類器機械学習アプローチが含まれ、そのモデルを用いて観察されない価格を予測する。
・観察された価格とそれらに対応する特徴の組とを用いて分類器をトレーニングする。
・特徴は要求に関しており、週の出発日、滞在日数、土曜日滞在、航空会社、旅行する時間、経路、月のうちの1または複数を含む。
・分類器は次に、観察されない運賃の価格を予測することを、特徴の組を与えられることと、それらの特徴を有する可能性が最も高い価格を与えることとによって行なう。
・特徴を導き出すことを、複数のモデルを異なる特徴を用いてトレーニングすることと、異なるモデルの予測精度を比較することと、によって行なっても良い。
・ステップ(ii)には、過去の価格から統計モデルを構築することと、欠落している見積もり候補を特定することと、統計モデルに基づいて見積もり候補を価格設定することと、が含まれる。
・各候補見積もりに対して価格を見積もることを、見積もりからカテゴリ特徴値を抽出するステップと、抽出したカテゴリに対して、トレーニングされた分類器をデータ・ベースから取り出すステップと、見積もり候補からすべての特徴値を抽出するステップと、候補見積もりを分類することを、分類器内に記憶された各価格帯に対してベイズ事後確率を計算することと、最も高いベイズ事後確率を伴う価格帯クラスを選択することと、価格クラスを候補見積もりに付することと、によって行なうステップと、において行なう。
・統計モデルに対する入力には、経路のリスト、分類器カテゴリ分類方式、過去の見積もり、重みを伴うサポートされた特徴の組が含まれる。
・過去の見積もりを年齢によってフィルタリングする。
・統計モデルに対する入力には逆向き経路同等物が含まれる。
・本方法には、運賃価格見積もりの組にキャッシュされた運賃価格を含むステップが含まれる。
・旅行は片道旅行である。
・旅行は往復旅行である。
・運賃は航空運賃である。
・要求には柔軟な検索要求が含まれる。
・見積もりプロセスが、分類結果を許容するのに必要な最小ベイズ事後確率、候補の生成に関与する経路オペレータの最大数、またはタイを回避するためにベイズ事後確率に付加されるランダム変動のうちの1または複数によってパラメータ化される。
・本方法は、運賃利用可能性及び価格に対する見積もりサービスが提供されるサーバ上で行なう。
(iv)要求を特定の日付における出発地から目的地までの旅行に対する運賃価格に対する配信システムへ送ることと、
(v)配信システムから、特定の日付における出発地から目的地までの旅行に対する配信システムの運賃価格を受け取ることと、
(vi)(iii)の計算見積もりから得た要求した運賃価格に対する計算見積もりを(v)で受け取った配信システムの運賃価格と比較して、特定の日付における出発地から目的地までの旅行に対してどの運賃クラスが利用可能であるかを推測することと、(vii)特定の日付における出発地から目的地までの旅行に対する推測した運賃クラス利用可能性を出力することと、を行なうように配置されているサーバが提供される。
運賃価格を見積もる方法であって、本方法は、(i)コンピュータ・データ・ストアから過去の運賃見積もりを得るステップと、(ii)過去の運賃見積もりをカテゴリによってグループ分けするステップと、(iii)各グループに対する統計データを導き出すことと、(iv)コンピュータ上に、各グループに対して、導き出された統計データを含む分類器を記憶するステップと、(v)特定の日付における出発地から目的地までの旅行に対する運賃価格に対する要求を受け取るステップと、(vi)記憶した分類器を用いて、要求した運賃価格が対応するグループを特定するステップと、(vii)要求した運賃価格に対する見積もりを、特定したグループに対応する記憶した分類器から得られる統計データを用いて計算するステップと、(viii)要求した運賃価格見積もりを提供するステップと、を含む。
運賃価格を見積もる方法であって、本方法は、(i)特定の日付における出発地から目的地までの旅行に対する運賃価格に対する要求を受け取るステップと、(ii)見積もられた運賃を不完全な過去の価格データセットから推測し、見積もり、または予測することを、そのデータセットにおけるパターンを分析することによって行なうステップと、(iii)ステップ(ii)の結果を用いて、要求した運賃価格に対する見積もりを計算するステップと、(iv)要求した運賃価格見積もりを提供するステップと、を含む。
往復運賃価格見積もりの組を提供する方法であって、本方法は、(i)コンピュータ・データ・ストアから過去の運賃見積もりを得るステップと、(ii)過去の運賃見積もりをカテゴリによってグループ分けするステップと、(iii)各グループに対する統計データを導き出すステップと、(iv)コンピュータ上に、各グループに対して、導き出された統計データを含む分類器を記憶するステップと、(v)出発地から目的地までの旅行に対する指定された出発日及び指定された帰国日に対する往復運賃価格に対する要求を受け取るステップと、(vi)記憶した分類器を用いて、要求した往復運賃価格が対応するグループを特定するステップと、(vii)指定した出発及び帰国日に対する要求した往復運賃価格に対する見積もりの組を計算することを、特定したグループに対応する記憶した分類器から得られる統計データを用いて行なうステップと、(viii)運賃価格見積もりの組を提供するステップと、を含む。
指定した出発日範囲及び指定した帰国日範囲に対する最良の往復運賃価格見積もりの組を提供する方法であって、本方法は、(i)コンピュータ・データ・ストアから過去の運賃見積もりを得るステップと、(ii)過去の運賃見積もりをカテゴリによってグループ分けするステップと、(iii)各グループに対する統計データを導き出すステップと、(iv)コンピュータ上に、各グループに対して、導き出された統計データを含む分類器を記憶するステップと、(v)出発地から目的地までの旅行に対する指定した出発日範囲及び指定した帰国日範囲に対する往復運賃価格に対する要求を受け取るステップと、(vi)記憶した分類器を用いて、要求した往復運賃価格が対応するグループを特定するステップと、(vii)出発及び帰国日の対に対する要求した往復運賃価格に対する見積もりの組を、特定したグループに対応する記憶した分類器から得られる統計データを用いて計算するステップと、(viii)出発及び帰国日の各対に対する最良の運賃価格見積もりを選択するステップと、(ix)出発及び帰国日の各対に対する最良の往復運賃価格見積もりの組を提供するステップと、を含む。
往復運賃価格見積もりの組を提供する方法であって、本方法は、(i)出発地から目的地までの旅行に対する指定された出発日及び指定された帰国日に対する往復運賃価格に対する要求を受け取るステップと、(ii)見積もられた運賃を不完全な過去の価格データセットから推測し、見積もり、または予測することを、そのデータセットにおけるパターンを分析することによって行なうステップと、(iii)ステップ(ii)の結果を用いて、指定した出発及び帰国日に対する要求した往復運賃価格に対する見積もりの組を計算するステップと、(iv)運賃価格見積もりの組を提供するステップと、を含む。
指定した出発日範囲及び指定した帰国日範囲に対する最良の往復運賃価格見積もりの組を提供する方法であって、本方法は、(i)出発地から目的地までの旅行に対する指定した出発日範囲及び指定した帰国日範囲に対する往復運賃価格に対する要求を受け取るステップと、(ii)見積もられた運賃を不完全な過去の価格データセットから推測し、見積もり、または予測することを、そのデータセットにおけるパターンを分析することによって行なうステップと、(iii)ステップ(ii)の結果を用いて、出発及び帰国日の対に対する要求した往復運賃価格に対する見積もりの組を計算するステップと、(iv)出発及び帰国日の各対に対する最良の往復運賃価格見積もりの組を提供するステップと、を含む。
Claims (15)
- 価格見積もりの組を提供する方法であって、
(i)コンピュータ・サーバによって、物品またはサービスに対する価格の組たとえば航空運賃の組に対する要求を、それら物品またはサービスを規定する複数のパラメータとともに受け取るステップと、
(ii)前述のステップ(i)に対する任意の時点において、不完全な過去の価格データセットから価格見積もりを決定することを、そのデータセットにおけるパターンを分析することによって行なうように、1または複数のプロセッサを構成するステップと、
(iii)前記複数のパラメータを満たす前記物品またはサービスに対する前記要求に対する前記価格見積もりの組を計算するように1または複数のプロセッサを構成するステップと、
(iv)前記価格見積もりの組を、エンド・ユーザ・コンピューティング・デバイス、たとえばパーソナル・コンピュータ、スマートフォンまたはタブレットに送るステップと、を含み、
ステップ(ii)には、
(a)過去の価格見積もりをコンピュータ・データ・ストアから得ることと、
(b)前記過去の価格見積もりをカテゴリによってグループ分けすることと、
(c)各グループに対して、前記過去の価格見積もりから統計データを導き出すことと、
(d)コンピュータ上に、各グループに対して、前記導き出された統計データを含む分類器を記憶することと、
(e)前記要求に対応する前記記憶された分類器により、前記複数のパラメータを使用してグループを特定することと、が含まれ、
ステップ(iii)には、前記要求に対する価格見積もりの組を指定された日付範囲に渡って計算することを、前記特定したグループに対応する前記記憶した分類器から得られる前記導き出された統計データを用いて行なうことが含まれる方法。 - それら物品またはサービスを規定する前記複数のパラメータには、行為タイプ、たとえば航空運賃、ホテル予約、鉄道運賃;日付範囲;目的地;起点;所望の天候条件;星評価;キーワード;任意の他のユーザ定義の好みのうちの1または複数が含まれる請求項1に記載の方法。
- 価格見積もりの決定を、価格見積もりを推測するか、導き出すか、または予測することによって行なう請求項1または2に記載の方法。
- ステップ(ii)には、ルールを用いて前記データセットにおけるパターンを分析することが含まれる請求項1〜3のいずれかに記載の方法。
- ステップ(ii)のステップ(c)には、価格の確率モデルを生成する単純ベイズ分類器機械学習アプローチが使用されることが含まれ、そのモデルを用いて観察されない価格を予測する請求項1〜4のいずれかに記載の方法。
- 観察された価格とそれらに対応する特徴の組とを用いて分類器をトレーニングする請求項5に記載の方法。
- 前記特徴は、前記要求に関しており、週の出発日、滞在日数、土曜日滞在、航空会社、旅行する時間、経路、月のうちの1もしくは複数を含むか、または分類器が次に、観察されない価格の前記価格を予測することを、特徴の組を与えられることと、それらの特徴を有する可能性が最も高い価格を与えることとによって行なうか、または特徴を導き出すことを、複数のモデルを異なる特徴を用いてトレーニングすることと、前記異なるモデルの前記予測精度を比較することと、によって行なっても良い請求項6に記載の方法。
- ステップ(ii)には、過去の価格から統計モデルを構築することと、前記不完全な過去の価格データセットから欠落している見積もり候補を特定することと、前記統計モデルに基づいて欠落している見積もり候補を価格設定することと、が含まれる請求項1〜5のいずれかに記載の方法。
- 各欠落している見積もり候補に対して価格を見積もることを、前記見積もりからカテゴリ特徴値を抽出するステップと、抽出したカテゴリに対して、トレーニングされた分類器をデータ・ベースから取り出すステップと、前記欠落している見積もり候補からすべての特徴値を抽出するステップと、前記欠落している見積もり候補を分類することを、分類器内に記憶された各価格帯に対してベイズ事後確率を計算することと、最も高いベイズ事後確率を伴う価格帯クラスを選択することと、価格クラスを欠落している見積もり候補に付することと、によって行なうステップと、において行なう請求項8に記載の方法。
- 過去の価格からの前記統計モデルに対する複数の入力には、経路のリスト、分類器カテゴリ分類方式、過去の見積もり、重みを伴うサポートされた特徴の組が含まれる請求項8または9に記載の方法。
- 前記価格見積もりの組にキャッシュされた運賃価格を含むステップが含まれる請求項1〜10のいずれかに記載の方法。
- 前記価格見積もりの組は、ステップ(i)の後に配信システムに問い合わせることなく構成されている請求項1〜11のいずれかに記載の方法。
- 前記価格には航空運賃価格が含まれるか、または前記価格には鉄道運賃価格が含まれるか、または前記価格には貸し自動車価格が含まれるか、または前記価格にはホテル価格が含まれる請求項1〜12のいずれかに記載の方法。
- (A)ステップ(i)に対する任意の時点において、不完全な過去の価格データセットから前記価格見積もりの確信範囲を決定することを、そのデータセットにおけるパターンを分析することによって行なうように前記1または複数のプロセッサを構成するステップと、
(B)前記パラメータを満たす前記物品またはサービスに対する前記要求価格に対する前記価格見積もりの確信範囲を計算するように、前記1または複数のプロセッサを構成するステップと、を含み、
さらに、
(C)前記確信範囲とともに前記運賃価格見積もりを、エンド・ユーザ・コンピューティング・デバイス、たとえばパーソナル・コンピュータ、スマートフォン、またはタブレットに提供するステップを含む
請求項1〜13のいずれかに記載の方法。 - 価格見積もりを提供するように構成されたサーバであって、
(i)物品またはサービスに対する価格の組たとえば航空運賃の組に対する要求を、それら物品またはサービスを規定する複数のパラメータとともに受け取ることであって、パラメータには、行為タイプ、たとえば航空運賃、ホテル予約、鉄道運賃;日付範囲;目的地;起点;所望の天候条件;星評価;キーワード;任意の他のユーザ定義の好みのうちの1または複数が含まれる、受け取ることと、
(ii)前述の(i)に対する任意の時点において、不完全な過去の価格データセットから価格見積もりを決定することを、そのデータセットにおけるパターンを分析することによって行なうことと、
(iii)前記複数のパラメータを満たす前記物品またはサービスに対する前記要求に対する前記価格見積もりの組を計算することと、
(iv)前記価格見積もりの組を提供することと、を行なうように配置され、
(ii)に対して、
(a)過去の価格見積もりをコンピュータ・データ・ストアから得ることと、
(b)前記過去の価格見積もりをカテゴリによってグループ分けすることと、
(c)各グループに対して、前記過去の価格見積もりから統計データを導き出すことと、
(d)各グループに対して、前記導き出された統計データを含む分類器を記憶することと、
(e)前記要求に対応する記憶された分類器により、前記複数のパラメータを使用してグループを特定することと、を行なうように配置され、
(iii)に対して、前記要求価格に対する価格見積もりの組を指定された日付範囲に渡って計算することを、前記特定したグループに対応する前記記憶した分類器から得られる前記導き出された統計データを用いて行なうように配置されているサーバ。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/GB2013/053261 WO2015087026A1 (en) | 2013-12-11 | 2013-12-11 | Method and server for providing a set of price estimates, such as air fare price estimates |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019010595A Division JP6850310B2 (ja) | 2019-01-24 | 2019-01-24 | 見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016540319A JP2016540319A (ja) | 2016-12-22 |
JP2016540319A5 JP2016540319A5 (ja) | 2017-02-02 |
JP6473158B2 true JP6473158B2 (ja) | 2019-02-20 |
Family
ID=49817120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016539213A Active JP6473158B2 (ja) | 2013-12-11 | 2013-12-11 | 見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3080764A1 (ja) |
JP (1) | JP6473158B2 (ja) |
CN (1) | CN106104615A (ja) |
AU (3) | AU2013407812B2 (ja) |
WO (1) | WO2015087026A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574782A (zh) * | 2015-12-18 | 2016-05-11 | 李兵 | 酒店服务系统及方法 |
CN105574597A (zh) * | 2015-12-25 | 2016-05-11 | 北京奇虎科技有限公司 | 一种网络订票的实现方法及系统 |
CN108268559A (zh) * | 2017-01-04 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 基于票务搜索的信息提供方法和装置 |
CN108282447A (zh) * | 2017-01-06 | 2018-07-13 | 深圳市农产品电子商务有限公司 | 一种市场价格行情分析方法及系统 |
CN107506435B (zh) * | 2017-08-23 | 2020-07-07 | 深圳市活力天汇科技股份有限公司 | 一种基于价格预测的特价机票查询方法 |
CN107886359A (zh) * | 2017-11-13 | 2018-04-06 | 艾凯克斯(嘉兴)信息科技有限公司 | 一种基于机器学习的报价方法 |
CN108038749A (zh) * | 2017-12-04 | 2018-05-15 | 海南私航会信息科技有限公司 | 一种公务机智能调度实时报价方法及其系统 |
CN112288505A (zh) * | 2019-07-22 | 2021-01-29 | 广州酷旅旅行社有限公司 | 一种基于ota平台的酒店房型自动跟价方法 |
CN110751522A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 航空销售信息的处理方法及装置 |
CN112330476A (zh) * | 2020-11-27 | 2021-02-05 | 中国人寿保险股份有限公司 | 一种团单保险业务预测方法及装置 |
CN113643076A (zh) * | 2021-10-13 | 2021-11-12 | 中航信移动科技有限公司 | 机票价格预测方法、装置、计算机设备及存储介质 |
CN115345678A (zh) * | 2022-08-23 | 2022-11-15 | 中国民航信息网络股份有限公司 | 运价确定方法及相关装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1752919A1 (en) * | 2005-07-29 | 2007-02-14 | Amadeus s.a.s | Method and system of building actual travel fares |
US20080183512A1 (en) * | 2007-01-26 | 2008-07-31 | Sabre, Inc. | System and method for estimating seat value |
US20100179930A1 (en) * | 2009-01-13 | 2010-07-15 | Eric Teller | Method and System for Developing Predictions from Disparate Data Sources Using Intelligent Processing |
US20100205038A1 (en) * | 2009-02-10 | 2010-08-12 | Microsoft Corporation | Travel market analysis tools |
CN102549608A (zh) * | 2009-09-24 | 2012-07-04 | 盖特赫尔公司 | 协同和旅行生态系统 |
EP2605209A1 (en) * | 2011-12-13 | 2013-06-19 | Amadeus | System and method for providing enhanced information at the inventory |
-
2013
- 2013-12-11 AU AU2013407812A patent/AU2013407812B2/en active Active
- 2013-12-11 EP EP13810989.7A patent/EP3080764A1/en not_active Ceased
- 2013-12-11 WO PCT/GB2013/053261 patent/WO2015087026A1/en active Application Filing
- 2013-12-11 CN CN201380082022.0A patent/CN106104615A/zh active Pending
- 2013-12-11 JP JP2016539213A patent/JP6473158B2/ja active Active
-
2020
- 2020-09-29 AU AU2020244405A patent/AU2020244405A1/en not_active Abandoned
-
2022
- 2022-08-26 AU AU2022221550A patent/AU2022221550A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
AU2013407812A2 (en) | 2016-07-28 |
EP3080764A1 (en) | 2016-10-19 |
JP2016540319A (ja) | 2016-12-22 |
AU2022221550A1 (en) | 2022-09-22 |
CN106104615A (zh) | 2016-11-09 |
WO2015087026A1 (en) | 2015-06-18 |
AU2020244405A1 (en) | 2020-10-29 |
AU2013407812A1 (en) | 2016-07-07 |
AU2013407812B2 (en) | 2020-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7289348B2 (ja) | 運賃利用可能性、たとえば航空運賃利用可能性を提供するための方法及びサーバ | |
US20210295361A1 (en) | Method and server for providing a set of price estimates, such as air fare price estimates | |
JP6473158B2 (ja) | 見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ | |
US20230394381A1 (en) | Method and server for providing fare availabilities, such as airfare availabilities | |
US9275346B2 (en) | Flight caching methods and apparatus | |
Vulcano et al. | Om practice—choice-based revenue management: An empirical study of estimation and optimization | |
CA2864042C (en) | Database system using batch-oriented computation | |
JP6850310B2 (ja) | 見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ | |
WO2005059685A2 (en) | Method and system for estimating price elasticity of product demand | |
CA2783529A1 (en) | System and method for improving dynamic availability computation | |
Jung et al. | Effects of charging infrastructure and non-electric taxi competition on electric taxi adoption incentives in New York City | |
Saito et al. | Optimal room charge and expected sales under discrete choice models with limited capacity | |
Pan et al. | Costly price adjustment and automated pricing: The case of Airbnb | |
JP7262497B2 (ja) | ホテル予約価格見積もりを提供するための方法及びサーバ | |
Kim | Designing Cancellation Intervention System with Sliding Lead Times | |
Kanga et al. | On activity-based network design problemsq |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160810 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161205 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161205 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180131 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20180404 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20180628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180731 Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180731 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181225 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190124 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6473158 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |