访问流量控制方法、系统、电子设备和存储介质技术方案

本申请提供一种访问流量控制方法、系统、电子设备和存储介质，用于基于销量预测控制访问流量，最终实现销量控制。其中方法包括：获得访问流量全部开放时一航司全部航线历史每天的销量，形成全流量下该航司全航线的历史销量序列；对该历史销量序列进行时序分解获得时间特征，并获得与该历史销量序列关联的其他特征，形成特征变量集；从特征变量集中基于网络搜索和交叉验证选取特征参数，以该历史销量序列为目标参数进行模型训练，获得xgboost预测模型；根据xgboost预测模型获得未来每天全流量下该航司全航线的预测销量，根据未来每天全流量下该航司全航线的预测销量与未来每天该航司全航线的待销量，获得未来每天访问流量的开放比例。

Access flow control methods, systems, electronic devices and storage media

【技术实现步骤摘要】
访问流量控制方法、系统、电子设备和存储介质
本申请涉及网络订票
，具体地说，涉及一种基于销量预测的访问流量控制方法、系统、电子设备和存储介质。
技术介绍
销量预测是许多企业都会遇到的问题，通过销量预测以达到收益的最大化，提高企业效益。通常对于销量的预测会采用传统的时间序列方法，如ARIMA，指数平滑法(ExponentialSmoothing)，TBATS等方法。时间序列方法对于日销量的预测会有一定的局限性，以ARIMA模型为例，ARIMA模型是一个线性模型，是历史观测值和误差序列的线性组合，有很强的短期记忆性。其次，时间序列方法对于查询量、订单量、节假日等重要外生变量的系数较小，敏感度低。另外，为了对销量进行管控，业务会采取人工控量的方式，干预控制可售航线，这样会破坏了销量序列的自然增减规律，使采用传统的时间序列方法预测的销量不够准确。需要说明的是，在上述
技术介绍
部分申请的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此，本申请提供一种基于销量预测的访问流量控制方法、系统、电子设备和存储介质，基于销量预测控制访问流量，最终实现销量控制。根据本申请的一个方面，提供一种访问流量控制方法，包括：获得访问流量全部开放时一航司全部航线历史每天的销量，形成全流量下该航司全航线的历史销量序列；对所述历史销量序列进行时序分解获得时间特征，并获得与所述历史销量序列关联的其他特征，形成特征变量集；从所述特征变量集中基于网络搜索和交叉验证选取特征参数，以所述历史销量序列为目标参数进行模型训练，获得xgboost预测模型；根据所述xgboost预测模型获得未来每天全流量下该航司全航线的预测销量，根据所述未来每天全流量下该航司全航线的预测销量与未来每天该航司全航线的待销量，获得未来每天访问流量的开放比例。优选地，上述的访问流量控制方法中，所述获得访问流量全部开放时一航司全部航线历史每天的销量的步骤包括：获得历史一天该航司在售航线的真实销量作为第一销量，及该天该航司在售航线在所有航司中的真实销量作为第二销量，以所述第一销量与所述第二销量的比值作为该航司销量占所有航司销量的占比因子；获得该航司全部航线在所有航司中该天的真实销量作为第三销量，将所述占比因子与所述第三销量相乘获得该航司该天的全航线销量；将该航司该天的全航线销量与该天的访问流量开放比例相除，获得全流量下该航司全航线该天的销量。优选地，上述的访问流量控制方法中，所述获得全流量下该航司全航线该天的销量的公式是：其中全部航线包括在售航线和非在售航线。优选地，上述的访问流量控制方法中，所述获得未来每天访问流量的开放比例的方法是：其中R是未来每天访问流量占全流量的开放比例。优选地，上述的访问流量控制方法中，对所述历史销量序列进行时序分解获得时间特征的步骤包括：采用decompose函数对所述历史销量序列进行时序分解获得周期项和趋势项，作为所述历史销量序列的时间特征。优选地，上述的访问流量控制方法中，与所述历史销量序列关联的其他特征包括：所述历史销量序列的节假日数据；所述历史销量序列的年、月、周、天的哑变量；该航司t-1天的销量、t-1天的订单量、t-1天的查询量，其中t-1天是待训练的历史每天的前一天；该航司订单的价格区间特征、单程/往返特征、成人/儿童特征、出行目的特征、来源渠道特征。优选地，上述的访问流量控制方法中，从所述特征变量集中基于网络搜索和交叉验证选取特征参数的步骤包括：将所述特征变量集切分为训练集和测试集，采用学习步长eta函数、最大树深max_depth函数、最小叶节点权重min_child_weight函数、训练样本的采样比例subsample函数、列采样比例colsample_bytree函数选取特征参数。根据本申请的另一个方面，提供一种访问流量控制系统，包括：销量计算模块，用于获得访问流量全部开放时一航司全部航线历史每天的销量，形成全流量下该航司全航线的历史销量序列；变量生成模块，用于对所述历史销量序列进行时序分解获得时间特征，并获得与所述历史销量序列关联的其他特征，形成特征变量集；模型训练模块，用于从所述特征变量集中基于网络搜索和交叉验证选取特征参数，以所述历史销量序列为目标参数进行模型训练，获得xgboost预测模型；预测模块，用于根据所述xgboost预测模型获得未来每天全流量下该航司全航线的预测销量，根据所述未来每天全流量下该航司全航线的预测销量与未来每天该航司全航线的待销量，获得未来每天访问流量的开放比例。根据本申请的另一个方面，提供一种电子设备，包括：处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述的访问流量控制方法的步骤。根据本申请的另一个方面，提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现上述的访问流量控制方法的步骤。本申请的有益效果在于：通过估算全流量下航司全航线的历史销量序列，对历史销量序列进行时序分解获得包括周期项和趋势项的时间特征，并结合其他关联特征形成特征变量集。基于特征变量集，采用网格搜索和交叉验证选取参数，训练获得xgboost预测模型。采用xgboost预测模型获得未来每天全流量下航司全航线的预测销量，并结合未来每天航司全航线的待销量，获得未来每天的访问流量开放比例，达到控制销量的目的。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出本申请实施例中一种访问流量控制方法的步骤示意图；图2示出本申请实施例中一种访问流量控制方法的架构示意图；图3示出本申请实施例中一种访问流量控制系统的模块示意图；图4示出本申请实施例中一种电子设备的结构示意图；图5示出本申请实施例中一种计算机可读存储介质的结构示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使得本申请将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。本申请的流量控制方法适用于在线订票平台，通过历史销量训练模型，利用训练好的模型预测未来销量，根据预测的未来销量以及未来需要管控的销量范围，对访问流量进行控制，使未来的真实销量落入需要管控的销量范围内。图1示出实施例中访问流量控制方法的步骤图，图2示出实施例中访问流量控制方法的架构图。结合图1和图2所示，在一些实施例中，本申请的访问流量控制方法包括：S10、获得访问流量全部开放时一航司全部航线历史每天的销量，形成全流量下该航司全航线的历史销量序列。其中，所述的航司是指需要管控机票销量的某一航空公司。可以通过下述步骤获得访问流量全部开放时一航司全部航线历史每天的销量：首先获得历史一天该航司在本文档来自技高网...

【技术保护点】
1.一种访问流量控制方法，其特征在于，包括：获得访问流量全部开放时一航司全部航线历史每天的销量，形成全流量下该航司全航线的历史销量序列；对所述历史销量序列进行时序分解获得时间特征，并获得与所述历史销量序列关联的其他特征，形成特征变量集；从所述特征变量集中基于网络搜索和交叉验证选取特征参数，以所述历史销量序列为目标参数进行模型训练，获得xgboost预测模型；根据所述xgboost预测模型获得未来每天全流量下该航司全航线的预测销量，根据所述未来每天全流量下该航司全航线的预测销量与未来每天该航司全航线的待销量，获得未来每天访问流量的开放比例。

【技术特征摘要】
1.一种访问流量控制方法，其特征在于，包括：获得访问流量全部开放时一航司全部航线历史每天的销量，形成全流量下该航司全航线的历史销量序列；对所述历史销量序列进行时序分解获得时间特征，并获得与所述历史销量序列关联的其他特征，形成特征变量集；从所述特征变量集中基于网络搜索和交叉验证选取特征参数，以所述历史销量序列为目标参数进行模型训练，获得xgboost预测模型；根据所述xgboost预测模型获得未来每天全流量下该航司全航线的预测销量，根据所述未来每天全流量下该航司全航线的预测销量与未来每天该航司全航线的待销量，获得未来每天访问流量的开放比例。2.如权利要求1所述的访问流量控制方法，其特征在于，所述获得访问流量全部开放时一航司全部航线历史每天的销量的步骤包括：获得历史一天该航司在售航线的真实销量作为第一销量，及该天该航司在售航线在所有航司中的真实销量作为第二销量，以所述第一销量与所述第二销量的比值作为该航司销量占所有航司销量的占比因子；获得该航司全部航线在所有航司中该天的真实销量作为第三销量，将所述占比因子与所述第三销量相乘获得该航司该天的全航线销量；将该航司该天的全航线销量与该天的访问流量开放比例相除，获得全流量下该航司全航线该天的销量。3.如权利要求2所述的访问流量控制方法，其特征在于，所述获得全流量下该航司全航线该天的销量的公式是：其中全部航线包括在售航线和非在售航线。4.如权利要求1所述的访问流量控制方法，其特征在于，所述获得未来每天访问流量的开放比例的方法是：其中R是未来每天访问流量占全流量的开放比例。5.如权利要求1所述的访问流量控制方法，其特征在于，对所述历史销量序列进行时序分解获得时间特征的步骤包括：采用decompose函数对所述历史销量序列进行时序分解获得周期项和趋势项，作为所述历史销量序列的时间特征。6.如权利要求1所述的访问流量控制方法，其特征...

【专利技术属性】
技术研发人员：贡志成，聂强强，肖铨武，
申请(专利权)人：携程旅游网络技术上海有限公司，
类型：发明
国别省市：上海,31