一种机票价格趋势的预测方法技术

本发明专利技术提供一种机票价格趋势的预测方法

【技术实现步骤摘要】
一种机票价格趋势的预测方法、装置及设备


[0001]本专利技术涉及机票价格趋势预测应用领域，具体涉及一种机票价格趋势的预测方法
、
装置及设备
。

技术介绍

[0002]在线旅行代理商（
OTA
）和其他三方渠道在航空票务销售中扮演了关键角色
。
这些渠道提供了大量的机票需求，为航空公司带来了广阔的销售渠道
。
对于
OTA
等三方渠道来说，获取实时的航空票价信息至关重要，以确定最有竞争力的价格报价给客户
。
[0003]对于
OTA
等三方渠道来说，了解航空公司的票价趋势是关键
。
这可以帮助他们做出明智的定价策略，以在市场中获得利润
。
节假日通常会对航空票价产生显著影响，传统的票价分析方法依赖于历史数据和经验，缺乏足够的准确性和实时性
。

技术实现思路

[0004]本专利技术要解决的技术问题是提供一种机票价格趋势的预测方法
、
装置及设备，解决如何准确的预测在未来一段时间内的航空票价信息的问题
。
[0005]为解决上述技术问题，本专利技术的技术方案如下：一种机票价格趋势的预测方法，包括：获取目标航空公司的预设第一时间段内的机票价格数据；对所述预设第一时间段内的机票价格数据进行特征转换处理，得到第一特征数据；将所述第一特征数据输入训练好的机票价格趋势预测模型中进行预测处理，得到所述目标航空公司在第二时间段内的机票价格趋势数据，所述第二时间段的开始时间晚于所述第一时间段的结束时间，所述机票价格趋势预测模型是将至少一个航空公司的多维度数据构成的数据集输入机票价格趋势预测模型中训练得到
。
[0006]可选的，对所述预设第一时间段内的机票价格数据进行特征转换处理，得到第一特征数据，包括：将预设第一时间段内的数据进行初始化，得到尺度一致的预设第一时间段内的数据；将得到尺度一致的预设第一时间段内的数据进行相关性特征提取，排除预设第一时间段内数据非相关性特征；根据得到的预设第一时间段内的相关性特征进行特征转换处理，得到第一特征数据
。
[0007]可选的，机票价格趋势预测模型的训练过程，包括：获取至少一个航空公司的多维度数据构成的数据集；将所述数据集中的每一维度数据进行特征转换处理，得到第一特征数据；将所述第一特征数据输入机票价格趋势预测模型的输入层进行处理，得到第一输
出；将所述第一输出输入所述机票价格趋势预测模型的隐藏层进行处理，得到第二输出；将所述第二输出输入所述机票价格趋势预测模型的输出层进行处理，得到输出结果；直到所述机票价格趋势预测模型的隐藏层的权重符合预设目标权重
。
[0008]可选的，将所述数据集中的每一维度数据进行特征转换处理，得到第一特征数据，包括：所述数据集包括：节假日的长短
、
历史官方发布的出行人流量
、
历史的天气以及节假日是否为周末；将数据集中的数据作为特征数据，对特征数据中的每一维度数据进行数据预处理，得到第一特征数据
。
[0009]可选的，将所述第一输出输入所述机票价格趋势预测模型的隐藏层进行处理，得到第二输出，包括：将所述第一特征数据作为输入，输入到机票价格趋势预测模型中的隐藏层进行特征提取，得到第二特征数据；基于第二特征数据构建线性函数，得到第二特征数据之间的相关性信息即为第二输出
。
[0010]可选的，将所述第二输出输入所述深度学习网络模型的输出层进行处理，得到输出结果包括：将第二输出输入到机票价格趋势预测模型的输出层进行预测，得到基于第一特征数据产生的预测结果，将得到的预测结果作为输出结果进行输出，得到训练好的机票价格趋势预测模型
。
[0011]可选的，还包括：当模型的预测结果与历史数据上的真实结果相差较大时，调整所述隐藏层的参数；每次调整隐藏层的参数后，均需再次将特征数据输入到机票价格趋势预测模型中，再次将模型的预测结果与目标航空公司的第二时间段内的真实结果进行比对，直至机票价格趋势预测模型的预测结果与目标航空公司的第二时间段内的真实结果在一预设范围
。
[0012]本专利技术还提供一种机票价格趋势的预测装置，包括：获取模块，用于获取目标航空公司的预设第一时间段内的机票价格数据；处理模块，用于根据第一时间端内的机票价格数据，提取第一特征数据；基于第一特征数据得到第二特征数据；根据第二特征数据进行训练得到训练好的特征数据，并将特征数据进行预测，得到第二时间段内的机票价格趋势数据
。
[0013]本专利技术还提供一种计算设备，包括：处理器
、
存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上述任一项所述的方法
。
[0014]本专利技术还提供一种计算机可读存储介质，存储有指令，当所述指令在计算机上运行时，使得计算机执行如上述任一项所述的方法
。
[0015]本专利技术的上述方案至少包括以下有益效果：
本专利技术提供一种机票价格趋势的预测方法，包括：获取目标航空公司的预设第一时间段内的机票价格数据；对所述预设第一时间段内的机票价格数据进行特征转换处理，得到第一特征数据；将所述第一特征数据输入训练好的机票价格趋势预测模型中进行预测处理，得到所述目标航空公司在第二时间段内的机票价格趋势数据，所述第二时间段的开始时间晚于所述第一时间段的结束时间，所述机票价格趋势预测模型是将至少一个航空公司的多维度数据构成的数据集输入机票价格趋势预测模型中训练得到
。
通过机器学习分析票价趋势，预测未来一段时间的票价，从而为目标群体制定竞争性策略，提高利润
。
附图说明
[0016]图1是本专利技术的实施例提供的一种机票价格趋势的预测方法流程图；图2是本专利技术的实施例提供的基于深度学习网络模型的示意图；图3是本专利技术的实施例提供的具体实施方式的流程图；图4是本专利技术的实施例提供的一种机票价格趋势的预测装置的结构图
。
具体实施方式
[0017]下面将参照附图更详细地描述本专利技术的示例性实施例
。
虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制
。
相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员
。
[0018]如图1所示，一种机票价格趋势的预测方法，包括：步骤
11
，获取目标航空公司的预设第一时间段内的机票价格数据；步骤
12
，对所述预设第一时间段内的机票价格数据进行特征转换处理，得到第一特征数据；步骤
13
，将所述第一特征数据输入训练好的机票价格趋势预测模型中进行预测处理，得到所述目标航空公司在第二时间段内的机票价格趋势数据，所述第二时间段的开始时间晚于所述第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种机票价格趋势的预测方法，其特征在于，包括：获取目标航空公司的预设第一时间段内的机票价格数据；对所述预设第一时间段内的机票价格数据进行特征转换处理，得到第一特征数据；将所述第一特征数据输入训练好的机票价格趋势预测模型中进行预测处理，得到所述目标航空公司在第二时间段内的机票价格趋势数据，所述第二时间段的开始时间晚于所述第一时间段的结束时间，所述机票价格趋势预测模型是将至少一个航空公司的多维度数据构成的数据集输入机票价格趋势预测模型中训练得到
。2.
根据权利要求1所述的机票价格趋势的预测方法，其特征在于，对所述预设第一时间段内的机票价格数据进行特征转换处理，得到第一特征数据，包括：将预设第一时间段内的数据进行初始化，得到尺度一致的预设第一时间段内的数据；将得到尺度一致的预设第一时间段内的数据进行相关性特征提取，排除预设第一时间段内数据非相关性特征；根据得到的预设第一时间段内的相关性特征进行特征转换处理，得到第一特征数据
。3.
根据权利要求1所述的机票价格趋势的预测方法，其特征在于，机票价格趋势预测模型的训练过程，包括：获取至少一个航空公司的多维度数据构成的数据集；将所述数据集中的每一维度数据进行特征转换处理，得到第一特征数据；将所述第一特征数据输入机票价格趋势预测模型的输入层进行处理，得到第一输出；将所述第一输出输入所述机票价格趋势预测模型的隐藏层进行处理，得到第二输出；将所述第二输出输入所述机票价格趋势预测模型的输出层进行处理，得到输出结果；直到所述机票价格趋势预测模型的隐藏层的权重符合预设目标权重
。4.
根据权利要求3所述的机票价格趋势的预测方法，其特征在于，将所述数据集中的每一维度数据进行特征转换处理，得到第一特征数据，包括：所述数据集包括：节假日的长短
、
历史官方发布的出行人流量
、
历史的天气以及节假日是否为周末；将数据集中的数据作为特征数据，对特征数据中的每一维度数据进行数据预处理，得到第一特征数据<...

【专利技术属性】
技术研发人员：钱苏林，任鸣飞，刘浩，
申请(专利权)人：北京嗨飞科技有限公司，
类型：发明
国别省市：