一种基于多因素分析的航班综合信息预测评估方法及系统与流程

    技术2025-01-04  53


    本发明涉及航空运输,尤其涉及一种基于多因素分析的航班综合信息预测评估方法及系统。


    背景技术:

    1、在航空运输市场中,航班票价的制定和调整对航空公司的收益管理至关重要。传统的票价设定方法主要依赖于人工经验和简单的市场供需分析,缺乏对复杂市场因素的深入挖掘和量化。随着信息技术的发展,越来越多的航空公司开始利用历史数据进行票价预测,传统的方法往往局限于单一因素分析,未能有效结合多种因素进行综合评估,所以预测准确率交底。此外,节假日、大型活动等特殊时期的客流波动对票价的影响也不容忽视。


    技术实现思路

    1、基于此,本发明有必要提供一种基于多因素分析的航班综合信息预测评估方法及系统,以解决至少一个上述技术问题。

    2、为实现上述目的,一种基于多因素分析的航班综合信息预测评估方法,包括以下步骤:

    3、步骤s1:通过航空机票销售平台获取历史航线数据,并对历史航线数据进行数据预处理,得到待处理历史航线数据;

    4、步骤s2:获取历史机场天气数据,根据历史机场天气数据对待处理历史航线数据进行航班天气关联,得到天气关联航线数据,并对天气关联航线数据进行节日活动关联,得到航线综合数据;

    5、步骤s3:对航线综合数据进行航线特征整合,得到航线线特征整合数据;

    6、步骤s4:根据航线特征整合数据进行预测模型构建,得到价格预测模型,并对航班价格预测模型进行交叉验证优化,得到航班价格预测模型;

    7、步骤s5:通过航班价格预测模型对航班综合数据进行航班价格预测,得到航班价格预测数据,并对航班价格预测数据进行时间序列可视化,得到航班票价变动报告;

    8、步骤s6:获取用户机票查询数据,并根据航班票价变动报告对用户机票查询数据进行用户购票行为预警,得到用户购票行为预警数据,并发送至用户移动端;

    9、步骤s7:获取实时航线数据,并根据实时航线数据对航班价格预测模型进行参数动态调整,得到优化航班价格预测模型,通过优化航班价格预测模型对实时航线数据进行未来航班价格预测,得到航班实时价格预测数据,并对航班价格实时预测数据进行时间序列可视化,得到实时航班票价变动报告。

    10、本发明通过获取历史航线数据并进行预处理,系统能够建立起一个基本的数据基础。这些数据包括航班的起降地点、航班号、日期、时间、客户类型等。这些数据是后续分析和预测模型的基础,帮助航空公司了解过去航线的票价走势和客流状况。将历史机场天气数据与航线数据关联,有助于分析天气对航班的影响。例如,恶劣天气可能导致航班延误或取消,从而影响票价。同时,将节假日和大型活动与航线关联,可以预测到客流的波动,进一步影响票价调整策略。将航线数据和相关特征整合,如历史票价、乘客类型、飞行距离等,形成更加全面的数据集。这些特征将作为预测模型的输入变量,帮助模型更准确地捕捉航班票价的变动规律。建立基于历史数据和综合特征的票价预测模型,通过交叉验证等方法优化模型性能。这些模型可以提供未来航班价格的预测,帮助航空公司做出及时和准确的票价调整决策。根据预测模型生成航班价格预测数据,并通过时间序列可视化报告展示航班票价的变动趋势。这些报告为管理层和决策者提供了直观的数据分析工具,帮助他们理解市场动态并作出相应决策。根据航班价格变动报告,系统可以预警用户购票行为。这种个性化的服务可以提高用户满意度,同时促进航空公司的销售收入。结合实时航线数据动态调整预测模型的参数,以优化模型的预测准确性和实用性。这种实时性的优化可以帮助航空公司更好地应对市场变化,提高收益管理的效率。综上所述,这些步骤结合了历史数据分析、天气影响分析、节假日和大型活动的预测、预测模型构建与优化、用户行为预警以及实时数据调整等多个方面,共同作用于提高航空公司收益管理的能力和效率,使其能够更精准地制定和调整航班票价,从而最大化利润和客户满意度。

    11、可选地,步骤s1具体为:

    12、步骤s11:通过航空机票销售平台获取历史航线数据;

    13、步骤s12:对历史航线数据进行数据清洗,得到航线清洗数据;

    14、步骤s13:对清洗航线数据进行缺失值填充,得到航线填充数据;

    15、步骤s14:对航线填充数据进行归一化处理,得到待处理历史航线数据。

    16、本发明通过航空机票销售平台获取历史航线数据是构建预测模型的第一步。这些数据包括航班的日期、时间、航班号、起降地点、乘客类型、票价等信息。这些数据是分析过去航线价格走势和乘客流量的基础,有助于理解市场的历史模式和趋势。数据清洗是确保数据质量和准确性的关键步骤。在航线数据中,可能存在错误的数据点、重复记录或格式不规范的情况。通过数据清洗,可以去除无效数据,保证数据的一致性和完整性,为后续分析和建模提供可靠的数据基础。在航线数据中,常常会有缺失的数据项,如某些航班的特定信息或者某些日期的数据。缺失值填充通过合理的方法填补这些空缺,例如使用均值、中位数填充数值型数据,使用最频繁值填充分类数据,或者通过其他模型进行预测填充。这样做可以避免数据分析和建模过程中对数据的丢失或误差影响。在航线数据中,不同特征的数值范围可能差异很大,例如航班号和票价。归一化处理将不同特征的数值缩放到统一的尺度,如将数值范围缩放到0到1或者标准化为正态分布。这种处理有助于提高模型的收敛速度,避免因特征数值范围不同而导致的模型偏差,同时确保模型更好地捕捉数据的真实关系。

    17、可选地,步骤s3具体为:

    18、对航线综合数据进行航线票价特征提取、航线天气特征提取以及航线机场运营特征提取,得到航线票价数据、航线天气数据、航线机场运营数据;

    19、对航线票价数据进行航班票价特征提取,得到航班票价特征数据;

    20、对航线机场运营数据进行航班准时率特征提取以及机场客流量特征提取,得到航班准时率数据以及机场客流量数据;

    21、对航线天气数据进行航班天气特征提取,得到航班天气特征数据;

    22、对航班票价特征数据、航班天气特征数据、航班准时率数据以及机场客流量数据进行时序合并,得到航线线特征整合数据。

    23、本发明中航线票价是乘客选择航班的重要因素之一,因此通过提取航线票价特征,可以分析不同航线的票价波动、季节性变化以及不同航空公司对票价的影响。这有助于航空公司优化定价策略,提升收益管理效率。天气对航班的影响非常显著,恶劣天气可能导致延误或取消航班。提取航线天气特征可以分析不同航线的季节性气候变化、常见天气异常事件(如风暴、大雾等)的发生频率及其对航班的影响程度。这有助于航空公司调整航班计划和运营策略,提升航班准时率和客户满意度。航线的机场选择和机场的运营状况直接影响航班的运行效率和服务质量。提取机场运营特征可以分析不同机场的繁忙程度、服务质量、客流量以及基础设施状态。这有助于航空公司优化机场资源利用、提升乘客体验和运营效率。航班票价特征数据提取后,可以深入分析航班级别的票价波动、促销活动对票价的影响、不同舱位的定价策略等。这有助于航空公司制定更具竞争力的票价政策,吸引乘客并提高收益。航班准时率和机场客流量直接影响乘客的旅行体验和航空公司的声誉。通过提取这些特征,可以分析不同航线和机场的运行效率、高峰期的应对能力以及潜在的瓶颈问题。这有助于航空公司优化航班安排、改善服务质量和减少运营成本。将提取的各类特征数据进行时序合并,可以建立更全面和精确的航线特征模型。这种综合分析有助于航空公司做出全面的决策,包括航班排班优化、定价策略调整、应对天气突发事件等,从而提升运营效率和乘客满意度。

    24、可选地,步骤s4具体为:

    25、通过预设的划分比例对航线特征整合数据进行划分,得到训练集和测试集;

    26、利用随机森林算法对训练集以及测试集进行建模,得到随机森林一级模型;

    27、利用梯度提升树算法对训练集以及测试集进行建模,得到梯度提升树一级模型;

    28、利用神经网络算法对训练集以及测试集进行建模,得到神经网络一级模型;

    29、利用随机森林一级模型、神经网络一级模型以及梯度提升树一级模型对测试集进行预测,从而得到预测结果;

    30、利用预测结果通过线性回归方法进行建模,从而构建二级模型,并利用测试集对二级模型进行迭代均方值误差拟合,从而获得价格预测模型;

    31、对航班价格预测模型进行交叉验证优化,得到航班价格预测模型。

    32、本发明通过将数据集划分为训练集和测试集,可以评估模型在未见过的数据上的泛化能力。训练集用于训练模型,测试集用于评估模型的性能,这有助于减少过拟合的风险。随机森林是一种集成学习算法,通过多棵决策树进行投票来提高预测的准确性和稳定性。它能够处理大量的数据特征,并且不需要对数据进行特别的预处理,因此在处理复杂数据时表现良好。与随机森林类似,梯度提升树也是一种集成算法,但它是通过迭代方式训练决策树,每次迭代都会优化之前模型的缺陷,从而逐步提高预测性能。它在处理高维数据和非线性关系时通常效果显著。神经网络由多层神经元组成,能够学习复杂的非线性关系。在数据量大、特征复杂、关系深奥的问题上通常表现出色,尤其是在文本、图像和声音等领域。将多个基础模型(随机森林、梯度提升树、神经网络)的预测结果结合起来,可以减少单一模型的偏差和方差,提高整体预测的准确性和稳定性。通过线性回归模型,利用前一步得到的集成预测结果进行再次拟合。这种方法可以进一步提高预测的精度,特别是在需要将非线性模型预测结果转化为连续值时尤为有效。交叉验证是一种评估模型性能和调整参数的有效方法。通过将数据集分成多个子集,交替使用其中一个子集作为验证集,其余作为训练集来进行模型训练和评估,可以减少过拟合风险,并找到最优的模型参数和结构。

    33、可选地,步骤s5具体为:

    34、步骤s51:通过航班价格预测模型对航班综合数据进行航班价格预测,得到航班价格预测数据;

    35、步骤s52:对航班价格预测数据进行置信区间计算,得到航班价格预测置信区间数据;

    36、步骤s53:对航班价格预测置信区间数据进行时间序列图表可视化,得到航班票价变动报告。

    37、本发明通过训练好的航班价格预测模型,可以对新的航班综合数据进行预测,得到预测的航班价格数据。这些数据可以帮助航空公司或旅行社预估未来航班的票价水平,从而做出相应的市场策略和运营安排。在预测得到的航班价格数据基础上,进行置信区间计算。置信区间反映了对未来航班价格预测的不确定性范围。较窄的置信区间表示模型对价格预测较为确定,较宽的置信区间则暗示模型在特定情况下预测能力较弱。这种计算有助于评估预测的可靠性和稳定性。通过对得到的航班价格预测置信区间数据进行时间序列图表的可视化,可以直观地展示航班票价的变动趋势和波动情况。这种可视化不仅能够帮助决策者理解价格的变化模式,还能够帮助市场分析人员和策略制定者识别价格波动的规律和可能的影响因素。

    38、可选地,步骤s6具体为:

    39、步骤s61:获取用户机票查询数据;

    40、步骤s62:根据用户机票查询数据对航线综合数据进行查询航班关联,得到用户查询航班关联数据;

    41、步骤s63:根据航班票价变动报告对用户查询航班关联数据进行航班降价概率计算,得到查询航班降价概率数据;

    42、步骤s64:根据预设的降价概率阈值对查询航班降价概率数据进行分类计算,若查询航班降价概率数据大于或等于降价概率阈值,则得到用户购票行为预警数据,并发送至用户移动端;若查询航班降价概率数据小于降价概率阈值,则将查询航班降价概率数据发送至用户移动端。

    43、本发明通过获取用户的机票查询数据,系统可以了解用户的旅行意图和偏好。这些数据可以包括出发地、目的地、日期、舱位等信息,为后续步骤提供必要的输入。根据用户的查询数据,系统可以从航线综合数据中检索相关的航班信息。这包括特定航线上的航班时刻表、机票价格、舱位情况等详细信息,为用户提供更准确的选择。基于之前得到的航班票价变动报告,系统对用户查询的航班关联数据进行航班降价概率计算,目的是预测航班价格未来的变动趋势,帮助用户在合适的时机做出购票决策。根据预设的降价概率阈值,系统对航班降价概率数据进行分类计算。如果计算出的降价概率大于或等于阈值,系统将生成购票行为预警数据。这些预警数据会发送至用户的移动端,通知用户该航班有可能降价,以便用户能够抓住更优惠的购票机会。如果降价概率低于阈值,系统也会向用户发送相关信息,让用户了解航班的价格趋势。

    44、可选地,本发明还提供一种基于多因素分析的航班综合信息预测评估系统,用于执行如上所述的一种基于多因素分析的航班综合信息预测评估方法,该基于多因素分析的航班综合信息预测评估系统包括:

    45、数据预处理模块,用于通过航空机票销售平台获取历史航线数据,并对历史航线数据进行数据预处理,得到待处理历史航线数据;

    46、数据关联模块,用于获取历史机场天气数据,根据历史机场天气数据对待处理历史航线数据进行航班天气关联,得到天气关联航线数据,并对天气关联航线数据进行节日活动关联,得到航线综合数据;

    47、特征整合模块,用于对航线综合数据进行航线特征整合,得到航线线特征整合数据;

    48、模型构建模块,用于根据航线特征整合数据进行预测模型构建,得到价格预测模型,并对航班价格预测模型进行交叉验证优化,得到航班价格预测模型;

    49、票价变动预测模块,用于通过航班价格预测模型对航班综合数据进行航班价格预测,得到航班价格预测数据,并对航班价格预测数据进行时间序列可视化,得到航班票价变动报告;

    50、用户购票行为预警模块,用于获取用户机票查询数据,并根据航班票价变动报告对用户机票查询数据进行用户购票行为预警,得到用户购票行为预警数据,并发送至用户移动端;

    51、未来航班价格预测模块,用于获取实时航线数据,并根据实时航线数据对航班价格预测模型进行参数动态调整,得到优化航班价格预测模型,通过优化航班价格预测模型对实时航线数据进行未来航班价格预测,得到航班实时价格预测数据,并对航班价格实时预测数据进行时间序列可视化,得到实时航班票价变动报告。

    52、本发明的基于多因素分析的航班综合信息预测评估系统,该系统能够实现本发明任意一种基于多因素分析的航班综合信息预测评估方法,用于联合各个模块之间的操作与信号传输的媒介,以完成基于多因素分析的航班综合信息预测评估方法,系统内部模块互相协作,从而提高航空票价的准确性。


    技术特征:

    1.一种基于多因素分析的航班综合信息预测评估方法,其特征在于,包括以下步骤:

    2.根据权利要求1所述的基于多因素分析的航班综合信息预测评估方法,其特征在于,步骤s1具体为:

    3.根据权利要求1所述的基于多因素分析的航班综合信息预测评估方法,其特征在于,步骤s3具体为:

    4.根据权利要求1所述的基于多因素分析的航班综合信息预测评估方法,其特征在于,步骤s4具体为:

    5.根据权利要求1所述的基于多因素分析的航班综合信息预测评估方法,其特征在于,步骤s5具体为:

    6.根据权利要求1所述的基于多因素分析的航班综合信息预测评估方法,其特征在于,步骤s6具体为:

    7.一种基于多因素分析的航班综合信息预测评估系统,其特征在于,用于执行如权利要求1所述的基于多因素分析的航班综合信息预测评估方法,该基于多因素分析的航班综合信息预测评估系统包括:


    技术总结
    本发明涉及航空运输技术领域,尤其涉及一种基于多因素分析的航班综合信息预测评估方法及系统。该方法包括以下步骤:获取历史航线数据,并进行数据预处理,得到待处理历史航线数据;获取历史机场天气数据,并进行数据关联,得到航线综合数据;对航线综合数据进行整合,得到航线线特征整合数据;根据航线特征整合数据构建航班价格预测模型;对航班综合数据进行预测,得到航班价格预测数据,并进行可视化,得到航班票价变动报告;获取用户机票查询数据,并对用户机票查询数据进行预警,得到用户购票行为预警数据,并发送至用户移动端;获取实时航线数据,并进行价格预测,得到实时航班票价变动报告。本发明能提高机票价格预测的准确性。

    技术研发人员:郑柱伟,张威
    受保护的技术使用者:深圳市飞耶软件有限公司
    技术研发日:
    技术公布日:2024/10/24
    转载请注明原文地址:https://symbian.8miu.com/read-24574.html

    最新回复(0)