本申请提供了一种值机柜台开放数量预测的方法、装置及存储介质，应用于大数据计算技术领域。本公开中获取预测时间段的模型特征，将所述预测时间段的模型特征输入预测模型中，以获取值机柜台开放数量的预测值。这样，通过获取预测模型，利用预测模型对值机柜台开放数量进行预测，而非仅仅凭借人工经验进行预测，可以更为精准、合理的预测值机柜台的开放数量，为旅客提供更优质的服务，节省航司成本和人员分配。人员分配。人员分配。
【技术实现步骤摘要】
一种值机柜台开放数量预测的方法、装置及存储介质
[0001]本公开涉及大数据计算
，特别是涉及一种值机柜台开放数量预测的方法、装置及存储介质。
技术介绍
[0002]在机场大厅中，旅客可以通过开放的值机柜台进行值机。一般情况下，机场大厅内的值机柜台开放数量往往以人工凭借经验预测，以此决定值机柜台的开放与工作人员的配置。这种预测方式，仅仅凭借经验无法给出较为合理的开放数量估算，不利于为旅客提供更优质的服务，也不利于航空公司节省成本及人员分配。
技术实现思路
[0003]基于上述问题，本公开提供了一种值机柜台开放数量预测的方法、装置及存储介质，能够合理预测需要开放的值机柜台数量。
[0004]本公开实施例公开了如下技术方案：
[0005]第一方面，本公开提供了一种值机柜台开放数量预测的方法，包括：
[0006]获取预测时间段的模型特征，所述预测时间段的模型特征包括初始模型特征和衍生模型特征，所述初始模型特征包括旅客信息和航班信息，所述衍生模型特征为根据所述初始模型特征进行衍生得到的特征；
[0007]将所述预测时间段的模型特征输入预测模型中，以获取值机柜台开放数量的预测值；所述预测模型采用梯度提升决策树GBDT算法建立，且根据历史实际值机柜台开放数量，以及历史实际开放值机柜台办理值机人数的均值，对训练所述预测模型时采用的训练样本集以及测试样本集中的值机柜台开放数量进行优化。
[0008]第二方面，本公开提供了一种值机柜台开放数量预测的装置，包括：
[0009]获取模型特征模块，用于获取预测模型输入的预测时间段的模型特征；
[0010]获取值机柜台开放数量模块，用于将所述预测时间段的模型特征输入到所述预测模型中，得到值机柜台开放数量。
[0011]第三方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面提供的值机柜台开放数量预测方法的步骤。
[0012]相较于现有技术，本公开具有以下有益效果：
[0013]本公开技术方案中，获取预测时间段的模型特征，所述预测时间段的模型特征包括第一初始模型特征和第一衍生模型特征，所述第一初始模型特征包括旅客信息和航班信息，所述第一衍生模型特征为根据所述第一初始模型特征进行衍生得到的特征；将所述预测时间段的模型特征输入预测模型中，以获取值机柜台开放数量的预测值；所述预测模型采用梯度提升决策树GBDT算法建立，且根据历史实际值机柜台开放数量，以及历史实际开放值机柜台办理值机人数的均值，对训练所述预测模型时采用的训练样本集以及测试样本集中的值机柜台开放数量进行优化，利用优化的训练样本集训练模型，再利用优化后的测
试样本集对模型进行测试与评估，进而使得预测模型的预测结果能够更加贴合实际应用，更加准确可靠。如此一来，可以利用得到的所述预测模型更为精准、合理的预测值机柜台的开放数量，为旅客提供更优质的服务，节省航司成本和人员分配。
附图说明
[0014]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0015]图1为本公开实施例一提供的一种值机柜台开放数量预测方法的流程图；
[0016]图2为本公开实施例二提供的一种值机柜台开放数量预测方法的另一个流程图；
[0017]图3a为本公开实施例二提供的一种值机柜台开放数量预测方法的历史时间段实际值机柜台开放数量的柱状图；
[0018]图3b为本公开实施例二提供的一种值机柜台开放数量预测方法的历史时间段实际开放值机柜台办理值机人数的均值的柱状图；
[0019]图3c为本公开实施例二提供的一种值机柜台开放数量预测方法的历史时间段优化后值机柜台开放数量与实际数量的对比的柱状图；
[0020]图3d为本公开实施例二提供的一种值机柜台开放数量预测方法的历史时间段优化后值机柜台办理值机人数的均值与实际数量的对比的柱状图；
[0021]图4为本公开实施例三提供的一种值机柜台开放数量预测装置的结构示意图。
具体实施方式
[0022]为了使本领域技术人员更清楚地理解本公开的技术方案，下面首先说明本公开方案的应用场景。
[0023]近年来，民航业飞速发展，越来越多的人们在出行时，将搭乘飞机作为首选出行方式。旅客在机场一般通过值机柜台办理乘机手续，例如换登机牌、收运旅客的托运行李、安排旅客的座位等等。
[0024]目前，航司在各机场的值机柜台开放量一般都是人工预测，而实际上，人工预测往往凭借经验进行估计，而无法根据实时情况、综合考虑多方因素，给出较为合理的开放量估算。当值机柜台开放数量较多时，航司需要安排较多的人员进行，但办理值机业务的旅客数量少，导致值机柜台空设，形成了浪费；而当值机柜台开放数量不足时，会导致排队的旅客数量较多，降低了旅客的体验，且使得旅客存在航班延误的风险。
[0025]为了解决以上技术问题，本公开提供了一种值机柜台开放数量预测的方法、装置及存储介质。本公开技术方案通过获取预测时间段的模型特征，将所述预测时间段的模型特征输入预测模型中，以获取值机柜台开放数量的预测值。这样，通过获取预测模型，利用预测模型对值机柜台开放数量进行预测，而非仅仅凭借人工经验进行预测，可以更为精准、合理的预测值机柜台的开放数量，为旅客提供更优质的服务，节省航司成本和人员分配。
[0026]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的
是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0027]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0028]图1为本公开实施例一提供的一种值机柜台开放数量预测方法的流程图。如图1所示，该方法包括：
[0029]S101：获取预测时间段的模型特征。
[0030]用户可以选取需要预测值机柜台开放数量的时间段，获取所述预测时间段的模型特征，所述预测时间段的模型特征包括第一初始模型特征和第一衍生模型特征；其中，所述第一初始模型特征包括旅客信息和航班信息，所述第一衍生模型特征为根据所述第一初始模型特征进行衍生得到的特征。
[0031]其中，所述旅客信息至少包括一下至少一项：大客户标识和是否为成年人、出行日期、是否团队出行、同行人是否有婴儿、值机时间、值机方式和值机状态；所述航班信息包括市场航司、计划起飞日期、计划起飞时间、实际起飞时间、计划到达时间和航班最大载客量；所述第一衍生模型特征包括以下至少一项：本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种值机柜台开放数量预测的方法，其特征在于，包括：获取预测时间段的模型特征，所述预测时间段的模型特征包括第一初始模型特征和第一衍生模型特征，所述第一初始模型特征包括旅客信息和航班信息，所述第一衍生模型特征为根据所述第一初始模型特征进行衍生得到的特征；将所述预测时间段的模型特征输入预测模型中，以获取值机柜台开放数量的预测值；所述预测模型采用梯度提升决策树GBDT算法建立，且根据历史实际值机柜台开放数量，以及历史实际开放值机柜台办理值机人数的均值，对训练所述预测模型时采用的训练样本集以及测试样本集中的值机柜台开放数量进行优化。2.根据权利要求1所述的方法，其特征在于，所述将所述预测时间段的模型特征输入预测模型中之前，所述方法还包括：预先训练获取所述预测模型。3.根据权利要求2所述的方法，其特征在于，所述预先训练获取所述预测模型，具体包括：对所述训练样本集和所述测试样本集进行预处理以获取第二初始模型特征，对所述第二初始模型特征进行衍生以得到第二衍生模型特征；所述第二初始模型特征为无缺失值且无异常值的初始模型特征；根据所述第二初始模型特征和所述第二衍生模型特征，获取所述训练样本集和所述测试样本集中，历史时间段内办理之际人数最低值、值机柜台总数量、办理值机人数小于历史时间段内办理之际人数最低值的值机柜台数量，以及办理值机人数小于历史时间段内办理之际人数最低值的值机柜台数量的办理值机总人数；利用预设的标签优化公式，优化所述训练样本集和所述测试样本集的值机柜台开放数量；利用优化后的所述训练样本集进行训练以获取待测试模型，利用优化后的所述测试样本集对所述待测试模型进行测试，当确定所述待测试模型的误差满足预设要求时，以所述待测试模型为所述预测模型。4.根据权利要求3所述的方法，其特征在于，所述对所述训练样本集和测试样本集进行预处理以获取第二初始模型特征，具体包括：对所述训练样本集和所述测试样本集中的缺失值和异常值进行所述预处理，所述预处理包括以下中的至少一项：用默认值填充类别型特征中的缺失值和异常值；用所述训练样本集和所述测试样本集中，相似的非缺失且非异常的特征值填充数值型特征中的缺失值和异常值；对所述训练样本集和测试样本集中非数字特殊符号进行特征数值化处理；所述特征数值化处理是将非数字特殊符号的特征转化为数值型特征。5.根据权利要求3所述的方法，其特征在于，所述标签优化公式包括：N
min
为历史时间段内办理值机人数最低值，n为值机柜台总数量，m为办理值机人数小于
所述N
min
的值机柜台数量，为办理值机人数小于所述N
min
...
【专利技术属性】
技术研发人员：陈伟，刘佳，孙烈，张凯淞，李智博，
申请(专利权)人：中国民航信息网络股份有限公司，
类型：发明
国别省市：
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。