本发明涉及一种航班流量仿真方法及系统，其方法包括：步骤S1：根据航段运力，模拟得到乘客属性和乘客需求；步骤S2：根据乘客需求和航班信息，模拟生成乘客订票信息；步骤S3：根据乘客订票信息，调整航班信息；步骤S4：将乘客需求、乘客订票信息和航班信息输入航班流量仿真模型，生成航班流量信息。本发明提供的一种航班流量仿真方法及系统，结合了真实业务场景，模拟了乘客需求，乘客购买机票以及航线员调价的整个过程，同时增加了影响因子和航班流量之间的联动性。另外，模块与模块之间的相互关联，使得航班之间存在竞争关系，并且增加了调价决策回归树模型以优化价格，使得仿真模型生成的航班流量信息以及航班价格更具有真实性。
步骤S1：根据航段运力，模拟得到乘客属性和乘客需求，包括：
根据所述航段运力得到航段总需求：根据每天不同航段下航班的座位数进行求和计算，得到每个航段运力；根据上述航段运力，再通过淡季、旺季、节假日、航班价格以及重要事件影响因素确定每个航段总需求；根据所述航段总需求，模拟得到乘客属性和乘客需求；
其中，所述乘客需求是每个航段在起飞前每天来查票的乘客需求量；所述乘客属性包括：乘客类型、出发城市、达到城市、查票日期、航班日期、时间敏感度和价格敏感度；
步骤S2：根据所述乘客需求和航班信息，模拟生成乘客订票信息；
步骤S3：根据所述乘客订票信息，并结合扰动因子调整航班信息；
步骤S4：将所述乘客需求、所述乘客订票信息和所述航班信息输入航班流量仿真模型，生成航班流量信息，包括：利用LSTM模型对所述航段总需求进行预测，更新所述乘客需求并生成所述乘客订票信息；再利用决策回归树模型根据乘客购票需求，预测调整后的所述航班信息，并根据所述乘客订票信息，并最终生成航班流量信息。
2.根据权利要求1所述的航班流量仿真方法，其特征在于，所述步骤S2中乘客订票信息，包括：乘客的出发地、到达地、购票日期、起飞日期、航班号和机票的价格。
3.根据权利要求1所述的航班流量仿真方法，其特征在于，所述步骤S3：根据所述乘客订票信息，调整航班信息；包括：航线员根据所述乘客订票信息，并结合扰动因子，调整航班信息；其中，所述扰动因子，包括：长期因子、短期因子、市场因子、突发因子和限制条件；所述航班信息，包括：出发城市、到达城市、经济舱全价、航班号、航空公司、出发时间、到达时间、机型、总座位数、价格、折扣、起飞日期和剩余座位数。
4.一种航班流量仿真系统，其特征在于，包括下述模块：
获取乘客购票需求模块，用于根据航段运力，模拟得到乘客属性和乘客需求，包括：根据所述航段运力得到航段总需求：根据每天不同航段下航班的座位数进行求和计算，得到每个航段运力；根据上述航段运力，再通过淡季、旺季、节假日、航班价格以及重要事件影响因素确定每个航段总需求；根据所述航段总需求，模拟得到乘客属性和乘客需求；
其中，所述乘客需求是每个航段在起飞前每天来查票的乘客需求量；所述乘客属性包括：乘客类型、出发城市、达到城市、查票日期、航班日期、时间敏感度和价格敏感度；
生成乘客订票信息模块，用于根据乘客需求和航班信息，模拟生成乘客订票信息；
调整航班价格模块，用于根据乘客订票信息，并结合扰动因子调整航班信息；
生成航班流量信息模块，用于将所述乘客需求、所述乘客订票信息和所述航班信息输入航班流量仿真模型，生成航班流量信息，包括：利用LSTM模型对所述航段总需求进行预测，更新所述乘客需求并生成所述乘客订票信息；再利用决策回归树模型根据乘客购票需求，预测调整后的所述航班信息，并根据所述乘客订票信息，并最终生成航班流量信息。
一种航班流量仿真方法及系统
技术领域
[0001] 本发明属于航空收益管理领域，特别涉及了一种航班流量仿真方法及系统。
背景技术
[0002] 随着航空领域的发展以及中国民航总局对航班价格的放松管制，航空公司基本上掌握了机票的定价权，导致航司之间的竞争越来越激烈。为了航空公司自身的发展，要全面了解市场、充分把握市场，则需要对航班流量进行全面的分析和研究，以进一步调整自己的票价方案达到航班的最大化收益。但是，对于航空公司而言，能够分析和研究的只有本航司业务中的航班流量数据，这些数据不足以反映真实的客户需求。如果要全面分析航班流量及定价之间的关系，特别是经济舱，缺少了其他竞争航空公司的数据。
[0003] 因此，如何解决航空公司数据不足以至于无法展开航空收益管理研究，成为一个亟待解决的问题。
发明内容
[0004] 为了解决上述技术问题，本发明提供一种航班流量仿真方法及系统。
[0005] 本发明技术解决方案为：一种航班流量仿真方法，包括：
[0006] 步骤S1：根据航段运力，模拟得到乘客属性和乘客需求；
[0007] 步骤S2：根据所述乘客需求和航班信息，模拟生成乘客订票信息；
[0008] 步骤S3：根据所述乘客订票信息，调整航班信息；
[0009] 步骤S4：将所述乘客需求、所述乘客订票信息和所述航班信息输入航班流量仿真模型，生成航班流量信息。
[0010] 本发明与现有技术相比，具有以下优点：
[0011] 本发明提供的一种航班流量仿真方法及系统，结合了真实业务场景，模拟了乘客需求，乘客购买机票以及航线员调价的整个过程，同时增加了影响因子和航班流量之间的联动性。另外，模块与模块之间的相互关联，使得航班之间存在竞争关系，并且增加了调价决策回归树模型以优化价格，使得仿真模型生成的航班流量信息以及航班价格更具有真实性。
附图说明
[0012] 图1为本发明实施例中一种航班流量仿真方法的流程图；
[0013] 图2本发明实施例中一种航班流量仿真方法中生成乘客订票信息的流程示意图；
[0014] 图3本发明实施例中一种航班流量仿真方法中调整航班信息的流程示意图；
[0015] 图4为本发明实施例中一种航班流量仿真系统的结构框图。
具体实施方式
[0016] 本发明提供了一种航班流量仿真方法及系统，解决航空公司数据不足以至于无法展开航空收益管理研究的问题。
[0017] 为了使本发明的目的、技术方案及优点更加清楚，以下通过具体实施，并结合附图，对本发明进一步详细说明。
[0018] 实施例一
[0019] 如图1所示，本发明实施例提供了一种航班流量仿真方法，包括如下步骤：
[0020] 步骤S1：根据航段运力，模拟得到乘客属性和乘客需求；
[0021] 步骤S2：根据乘客需求和航班信息，模拟生成乘客订票信息；
[0022] 步骤S3：根据乘客订票信息，调整航班信息；
[0023] 步骤S4：将乘客需求、乘客订票信息和航班信息输入航班流量仿真模型，生成航班流量信息。
[0024] 在一个实施例中，上述步骤S1：根据航段运力，模拟得到乘客属性和乘客需求；包括：
[0025] 根据航段运力得到航段总需求，并根据航段总需求，模拟得到乘客属性和乘客需求；其中，乘客需求是每个航段在起飞前每天来查票的乘客需求量；乘客属性包括：乘客类型、出发城市、达到城市、查票日期、航班日期、时间敏感度和价格敏感度。
[0026] 乘客的属性展现了乘客出行的依赖程度，乘客类型决定了乘客的时间敏感度(可接受的时间范围)和价格敏感度(可接受的价格范围)，时间敏感度和价格敏感度又决定了行程的重要程度。比如，商务旅客对时间比较敏感而对价格的敏感度较低，而休闲旅客则对价格比较敏感而对时间的敏感度较低。
[0027] 在本步骤中，首先，根据每天不同航段下航班的座位数进行求和计算，得到每个航段运力。例如，起飞日期为1月1日的PEK‑SZX航段其运力是所有出发城市为PEK，到达城市为SZX的航班座位数的总和。
[0028] 其次，根据上述航段运力，再通过淡季、旺季、节假日、航班价格以及重要事件等影响因素确定每个航段总需求。当有淡季或者消极事件影响时总需求量会相应的减少，当有旺季，节假日和积极事件影响时总需求量会相应的增加。航班价格在一定程度上也会对总需求量产生影响，价格高的航班，总需求减少，反之，则总需求增加。
[0029] 根据每个航段总需求，可以模拟得到航段的乘客属性和乘客需求。其中，乘客需求是每个航段在起飞前每天来查票的乘客需求量。在本发明实施例中，乘客需求的分布是对于每个航段而言，从起飞日期前30天(D30)到起飞日期当天(D0)进行售卖，D30 到D0的乘客需求人数服从泊松分布，最大值一般在D7左右。而且乘客需求在有旺季、节假日或者重要会议等积极影响因素时，一般在D15会增加一个峰值低于泊松分布峰值的正态分布，从而确定乘客属性中的出发城市、达到城市、查票日期和航班日期。乘客类型、可接受的时间范围以及可接受的价格范围都是按照一定的比例确定需求，并且随机的分布到每个乘客属性中，从而确定每个乘客的乘客类型、时间敏感度和价格敏感度。
[0030] 据此，本发明实施例可模拟得到一年内所有航段从起飞前的D30到D0的每个航段的乘客属性和乘客需求。
[0031] 在一个实施例中，上述步骤S2中乘客订票信息，包括：
[0032] 乘客的出发地、到达地、购票日期、起飞日期、航班号和机票的价格。
[0033] 如图2所示，在本步骤中，将乘客需求按照其查票时间顺序进行分段，根据查票时间顺序遍历一个时间段里的每一个乘客需求。首先，按照乘客的出发地、到达地和航班日期在最新的航班信息中得到该航段里可选择的航班；然后根据乘客属性，判断是否为商务旅客，若是则判断时间是否能接受，是则直接购买，形成乘客订票信息；否则放弃购买。而对于休闲旅客，除了要判断时间是否可接受之外还要判断价格是否可接受，两者都能接受则购买航班；若价格过高则考虑是否有合适的转机航班，有则购买转机航班，形成乘客订票信息；否则查看距起飞日期的天数，如果小于某个阈值则放弃购买，改乘其他交通工具或者不出行，如果大于某个阈值时则选择等待观察，修改该乘客的查票日期加入到乘客需求中。
[0034] 在一个实施例中，上述步骤S3：根据所述乘客订票信息，调整航班信息；包括：
[0035] 航线员根据所述乘客订票信息，并结合扰动因子，调整航班信息；其中，扰动因子，包括：长期因子、短期因子、市场因子、突发因子和限制条件；所述航班信息，包括：出发城市、到达城市、经济舱全价、航班号、航空公司、出发时间、到达时间、机型、总座位数、价格、折扣、起飞日期和剩余座位数。
[0036] 如图3所示，在本步骤中，航线员根据乘客订票信息，并且结合扰动因子，调整起飞日期之前的航班信息。其中，扰动因子包括：长期因子、短期因子、市场因子、突发因子以及限制条件。长期因子包括GDP同比变化；短期因子包括环比数据、在售订座数据以及售卖进度；市场因子包括竞争对手价格、距离起飞天数、转机航班价格；突发因子包括节假日、重要会议以及重要展会；限制条件包括航线员对价格的感知和私下运价协议以及航线员手册等。航线员根据预设的阈值，决定提高或是降低航班机票的折扣，调整航班出发时间，或者改变航班的客座率等，从而实现对航班信息的更新。
[0037] 在一个实施例中，上述步骤S4：将乘客需求、乘客订票信息和航班信息输入航班流量仿真模型，生成航班流量信息，包括：
[0038] 航班流量仿真模型利用LSTM模型对航段总需求进行预测，更新乘客需求；再利用决策回归树模型根据乘客购票需求，预测调整后的所述航班信息，并根据所述乘客订票信息，并最终生成航班流量信息。
[0039] 根据历史航班价格及航段需求，对长短时记忆网络(LSTM)模型进行训练，并且在最终的全连接层增加了节假日、重要事件等影响的特征，最后输出得到航段总需求量。并利用未知航段的历史航班价格及其他影响因子作为特征，使用学习好的模型进行预测得到航段总需求，从而更新乘客需求和乘客属性，并生成乘客订票信息。本发明实施例通过LSTM模型学习得到的乘客需求，使得需求数量不再是规定不变的，增加了乘客需求本身的不确定性以及与价格之间的关联性。
[0040] 使用某个航司的历史航班订票信息、航班信息，结合其衍生信息转化为可供模型学习的特征，并将历史航班价格作为标签，对决策回归树模型进行训练。然后，利用已经学习好的决策回归树模型对乘客的订票信息、已有的航班信息及衍生信息转化之后的特征进行预测，得到的结果即为仿真数据调整之后的航班信息，并结合上述乘客订票信息，最终生成航班流量信息。本发明实施例通过真实数据训练的模型以优化价格，使得航线员调整得到的航班价格更具有真实性。
[0041] 本发明提供的一种航班流量仿真方法，结合了真实业务场景，模拟了乘客需求，乘客购买机票以及航线员调价的整个过程，同时增加了影响因子和航班流量之间的联动性。另外，模块与模块之间的相互关联，使得航班之间存在竞争关系，并且增加了调价决策回归树模型以优化价格，使得仿真模型生成的航班流量信息以及航班价格更具有真实性。
[0042] 实施例二
[0043] 如图4所示，本发明实施例提供了一种基于位置数据的行人出行分类系统，包括下述模块：
[0044] 获取乘客购票需求模块41，用于根据航段运力，模拟得到乘客属性和乘客需求；
[0045] 生成乘客订票信息模块42，用于根据乘客需求和航班信息，模拟生成乘客订票信息；
[0046] 调整航班价格模块43，用于根据乘客订票信息，调整航班信息；
[0047] 生成航班流量信息模块44，用于将乘客需求、乘客订票信息和航班信息输入航班流量仿真模型，生成航班流量信息。
[0048] 提供以上实施例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。
