【技术实现步骤摘要】
一种基于马尔可夫链预测未来时刻航班客座率的方法
[0001]本专利技术涉及航班客座率预测，具体涉及一种基于马尔可夫链预测未来时刻航班客座率的方法。
技术介绍
[0002]航司收益管理部门通常基于历史航班票价、航班客座率、航班收入数据，结合当前时间点的航班票价、航班客座率、航班收入数据，通过同比、环比计算，并结合市场景气程度及主观经验，推测未来时刻的航班票价、航班客座率、航班收入数据，并对应调整航班舱位价格。
[0003]例如，针对历史旺季航班，如当前上客进度与票价水平近似历史同期水平，且环比数据也近似历史同期水平，在历史航班销售未溢出的情况下，航司收益管理部门可以普遍参照历史同期票价水平作为主力销售票价，保证当期运营整体收入水平维持在历史同期水平之上。
[0004]当历史数据与当前数据不处于近似水平时，则需要航司收益管理部门更多地依靠主观经验，来进一步确定未来航班票价的定价逻辑。究竟基于历史同期票价上涨多少或下降多少，均没有客观的预测方法进行量化，存在较大的浮动性，而不同的航司收益管理人员，对于同一航班的定价...
【技术保护点】
【技术特征摘要】
1.一种基于马尔可夫链预测未来时刻航班客座率的方法，其特征在于：包括以下步骤：S1、从历史数据库中调取历史数据，对历史数据进行客座率状态分组；S2、基于客座率状态分组情况确定不同转移步长的频数矩阵，并计算对应的转移概率矩阵；S3、基于不同转移步长的转移概率矩阵预测未来时刻的客座率状态；S4、基于未来时刻的客座率状态，结合历史数据预测未来时刻的航班客座率；S5、获取对应未来时刻的真实数据，对预测的航班客座率与真实数据进行偏差性学习分析，并基于分析结果动态调整参数。2.根据权利要求1所述的基于马尔可夫链预测未来时刻航班客座率的方法，其特征在于：S1中对历史数据进行客座率状态分组，包括：将客座率状态划分为极端低客座、低客座、偏低客座、中等客座、偏高客座、高客座、极端高客座，并设定各客座率状态对应的航班客座率最小值、航班客座率最大值，对历史数据进行归类。3.根据权利要求2所述的基于马尔可夫链预测未来时刻航班客座率的方法，其特征在于：S2中基于客座率状态分组情况确定不同转移步长的频数矩阵，并计算对应的转移概率矩阵，包括：转移步长为1的频数矩阵为：,其中，表示转移步长为1时，由客座率状态i转换至客座率状态j的数量；转移步长为1的转移概率矩阵中各元素为：；转移步长为7的频数矩阵为：，其中，表示转移步长为7时，由客座率状态i转换至客座率状态j的数量；转移步长为7的转移概率矩阵中各元素为：
。4.根据权利要求3所述的基于马尔可夫链预测未来时刻航班客座率的方法，其特征在于：S2中基于客座率状态分组情况确定不同转移步长的频数矩阵，并计算对应的转移概率矩阵之后，包括：对不同转移步长的转移概率矩阵进行马氏性检验，以判断是否适用于马尔可夫链进行预测，具体包括：设客座率状态个数为m，用f
ij
表示转移概率矩阵中的元素，将转移概率矩阵中的各列之和除以全部元素之和，得到边际概率：，当m很大时，卡方分布统计量为：，卡方分布统计量将服从自由度为的卡方分布，给定显著性水平为，经查表得到的值；如果，则认为转移概率矩阵具备马氏性，可以当做马尔可夫链；否则认为转移概率矩阵不具备马氏性，不能当做马尔可夫链。5.根据权利要求3所述的基于马尔可夫链预测未来时刻航班客座率的方法，其特征在于：S3中基于不同转移步长的转移概率矩阵预测未来时刻的客座率状态，包括：预测N+1未来时刻的客座率状态：S311、对N时刻的客座率状态对应转移步长为1的转移概率矩阵中的元素，以及N－6时刻的客座率状态对应转移步长为7的转移概率矩阵中的元素进行加权求和；S312、将加权求和最大值对应的客座率状态，作为基于马尔可夫链预测N+1未来时刻的客座率状态。6.根据权利要求3所述的基于马尔可夫链预测未来时刻航班客座率的方法，其特征在于：S3中基于不同转移步长的转移概率矩...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。