一种行李到达时间预测方法及装置制造方法及图纸

本发明专利技术公开了一种行李到达时间预测方法及装置，通过采集目标行李所在航班的关联信息，所述关联信息至少包括所述所在航班数据以及与所述所在航班对应的前序航班信息；根据所述所在航班的关联信息和预先创建的时间预测模型，预测得到所述目标行李达到目标行李转盘的预计时间信息；将所述预计时间信息推送给与所述目标行李相对应的目标旅客。在本发明专利技术中通过多维度数据即可以根据当前航班信息和前序航班信息组合建模，得到时间预测模型，使得该时间预测模型学习的信息量更大，表征能力更强，使得时间预测结果更准确。从而减少了旅客在行李提取点的滞留时间，提升了旅客体验效果。

A prediction method and device of baggage arrival time

【技术实现步骤摘要】
一种行李到达时间预测方法及装置
本专利技术涉及信息处理
，特别是涉及一种应用于民航机场的行李到达时间预测方法及装置。
技术介绍
伴随着航空领域的发展，越来越多的旅客选择乘坐飞机出行。当旅客乘坐飞机时，通常会携带个人行李，登机之前会统一办理行李托运。在旅客到达目的地机场之后，旅客会先于行李到达航站楼，行李会经过统一的托运流程被运送到指定行李转盘。现有机场旅客通常智能查询到其乘坐航班对应的行李转盘位置和行李转盘号码，无法获得行李到达行李转盘的时间，因此，旅客只能长时间逗留在行李转盘附近进行等待。增加了旅客在行李提取点的滞留时间，使得旅客体验效果较差。
技术实现思路
针对于上述问题，本专利技术提供一种行李到达时间预测方法及装置，减少旅客在行李提取点的滞留时间，提升了旅客体验效果。为了实现上述目的，本专利技术提供了如下技术方案：一种行李到达时间预测方法，所述方法包括采集目标行李所在航班的关联信息，所述关联信息至少包括所述所在航班数据以及与所述所在航班对应的前序航班信息；根据所述所在航班的关联信息和预先创建的时间预测模型，预测得到所述目标行李达到目标行李转盘的预计时间信息；将所述预计时间信息推送给与所述目标行李相对应的目标旅客。可选地，所述方法还包括：获得样本信息，所述样本信息表征所有当前航班到达时间段内与行李达到时间关联的数据信息；确定所述样本信息的每条样本的标签，所述标签为与所述每条样本相匹配的行到达到行李转盘的时间；根据所述样本信息以及所述样本信息的每条样本的标签进行模型训练，得到时间预测模型。可选地，所述确定所述样本信息的每条样本点的标签，包括：通过射频识别装置采集每条样本对应的行李到达行李装盘的时间。可选地，所述获得样本信息，包括：获取当前航班的特征数据；获取与所述当前航班在同一时间序列上的前序航班数据；根据所述当前航班的特征数据和与所述当前航班对应的前序航空数据生成单条样本信息；将若干条样本信息进行组合，得到样本信息。可选地，所述当前航班的特征数据包括下列数据的一种或多种：航班起飞时间特征、航班实际达到时间段、航班计划达到时间段、航班延误时长、航班飞机型号、航班飞机承运行李数量、航班达到天气特征、航班到达温度特征、航班飞机停机位编号、航班对应的行李转盘编号、航班停机位置与行李转盘距离信息。可选地，所述根据所述样本信息以及所述样本信息的每条样本的标签进行模型训练，得到时间预测模型，包括：对所述样本信息进行特征提取，并对提取到的特征进行特征表示，得到目标特征信息；通过LSTM模型对所述目标特征信息和所述每条样本的标签进行训练，得到时间预测模型。一种行李到达时间预测装置，所述装置包括：信息采集单元，用于采集目标行李所在航班的关联信息，所述关联信息至少包括所述所在航班数据以及与所述所在航班对应的前序航班信息；预测单元，用于根据所述所在航班的关联信息和预先创建的时间预测模型，预测得到所述目标行李达到目标行李转盘的预计时间信息；推送单元，用于将所述预计时间信息推送给与所述目标行李相对应的目标旅客。可选地，所述装置还包括：样本获取单元，用于获得样本信息，所述样本信息表征所有当前航班到达时间段内与行李达到时间关联的数据信息；标签确定单元，用于确定所述样本信息的每条样本的标签，所述标签为与所述每条样本相匹配的行到达到行李转盘的时间；模型训练单元，用于根据所述样本信息以及所述样本信息的每条样本的标签进行模型训练，得到时间预测模型。可选地，所述标签确定单元包括：通过射频识别装置采集每条样本对应的行李到达行李装盘的时间；所述样本获取单元包括：第一获取子单元，用于获取当前航班的特征数据；第二获取子单元，用于获取与所述当前航班在同一时间序列上的前序航班数据；生成子单元，用于根据所述当前航班的特征数据和与所述当前航班对应的前序航空数据生成单条样本信息；组合子单元，用于将若干条样本信息进行组合，得到样本信息；所述当前航班的特征数据包括下列数据的一种或多种：航班起飞时间特征、航班实际达到时间段、航班计划达到时间段、航班延误时长、航班飞机型号、航班飞机承运行李数量、航班达到天气特征、航班到达温度特征、航班飞机停机位编号、航班对应的行李转盘编号、航班停机位置与行李转盘距离信息。可选地，所述模型训练单元包括：特征提取子单元，用于对所述样本信息进行特征提取，并对提取到的特征进行特征表示，得到目标特征信息；训练子单元，用于通过LSTM模型对所述目标特征信息和所述每条样本的标签进行训练，得到时间预测模型。相较于现有技术，本专利技术提供了一种行李到达时间预测方法及装置，通过采集目标行李所在航班的关联信息，所述关联信息至少包括所述所在航班数据以及与所述所在航班对应的前序航班信息；根据所述所在航班的关联信息和预先创建的时间预测模型，预测得到所述目标行李达到目标行李转盘的预计时间信息；将所述预计时间信息推送给与所述目标行李相对应的目标旅客。在本专利技术中通过多维度数据即可以根据当前航班信息和前序航班信息组合建模，得到时间预测模型，使得该时间预测模型学习的信息量更大，表征能力更强，使得时间预测结果更准确。从而减少了旅客在行李提取点的滞留时间，提升了旅客体验效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，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，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的一种行李到达时间预测方法的流程示意图；图2为本专利技术实施例提供的一种数据切分示意图；图3为本专利技术实施例提供的一种行李到达时间预测装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。在本专利技术实施例中提供了一种行李到达时间预测方法，该方法应用于民航机场，其中行李到达是指行李到达行李盘或者指定的行李提取点。参见图1，该方法可以包括：S101、采集目标行李所在航班的关联信息。所述关联信息至少包括所述所本文档来自技高网...

【技术保护点】
1.一种行李到达时间预测方法，其特征在于，所述方法包括：/n采集目标行李所在航班的关联信息，所述关联信息至少包括所述所在航班数据以及与所述所在航班对应的前序航班信息；/n根据所述所在航班的关联信息和预先创建的时间预测模型，预测得到所述目标行李达到目标行李转盘的预计时间信息；/n将所述预计时间信息推送给与所述目标行李相对应的目标旅客。/n

【技术特征摘要】
1.一种行李到达时间预测方法，其特征在于，所述方法包括：
采集目标行李所在航班的关联信息，所述关联信息至少包括所述所在航班数据以及与所述所在航班对应的前序航班信息；
根据所述所在航班的关联信息和预先创建的时间预测模型，预测得到所述目标行李达到目标行李转盘的预计时间信息；
将所述预计时间信息推送给与所述目标行李相对应的目标旅客。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获得样本信息，所述样本信息表征所有当前航班到达时间段内与行李达到时间关联的数据信息；
确定所述样本信息的每条样本的标签，所述标签为与所述每条样本相匹配的行到达到行李转盘的时间；
根据所述样本信息以及所述样本信息的每条样本的标签进行模型训练，得到时间预测模型。


3.根据权利要求2所述的方法，其特征在于，所述确定所述样本信息的每条样本点的标签，包括：
通过射频识别装置采集每条样本对应的行李到达行李装盘的时间。


4.根据权利要求2所述的方法，其特征在于，所述获得样本信息，包括：
获取当前航班的特征数据；
获取与所述当前航班在同一时间序列上的前序航班数据；
根据所述当前航班的特征数据和与所述当前航班对应的前序航空数据生成单条样本信息；
将若干条样本信息进行组合，得到样本信息。


5.根据权利要求4所述的方法，其特征在于，所述当前航班的特征数据包括下列数据的一种或多种：
航班起飞时间特征、航班实际达到时间段、航班计划达到时间段、航班延误时长、航班飞机型号、航班飞机承运行李数量、航班达到天气特征、航班到达温度特征、航班飞机停机位编号、航班对应的行李转盘编号、航班停机位置与行李转盘距离信息。


6.根据权利要求5所述的方法，其特征在于，所述根据所述样本信息以及所述样本信息的每条样本的标签进行模型训练，得到时间预测模型，包括：
对所述样本信息进行特征提取，并对提取到的特征进行特征表示，得到目标特征信息；
通过LSTM模型对所述目标特征信息和所述每条样本的标签进行训练，得到时间预测模型。

【专利技术属性】
技术研发人员：李德龙，李洪飞，
申请(专利权)人：沈阳民航东北凯亚有限公司，
类型：发明
国别省市：辽宁;21