System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及航空,更具体的说,涉及一种航班客座率的预测方法及相关设备。
技术介绍
1、近年来,随着民航业的飞速发展,各个航空公司面临激烈的市场竞争,对未来航班客座率的精准把控可以优化航空公司的航班运营效率、提高收益以及优化乘客出行体验,航空公司也可以针对预测出的结果合理地进行机型安排、航班频次安排以及票价制定等策略,以确保乘客出行顺畅,提升航空公司的品牌形象和客户满意度。
2、传统的航班客座率预测通常使用集中式的机器学习算法,即将数据集集中到一个中央服务器上进行模型训练。由于各个航空公司的旅客数据是独立且保密的,因此,这种方式存在隐私泄露、数据安全性低的缺点。并且单节点计算会承受庞大的数据量,存在模型性能依赖于中央服务器等问题,导致模型的准确性不高。
技术实现思路
1、有鉴于此,本专利技术公开一种航班客座率的预测方法及相关设备,以实现有效保证航空公司和旅客数据的安全性,提高模型的准确度,同时也更加客观更加准确的预测出未来航班客户率情况,以便及时进行票价调整。
2、一种航班客座率的预测方法,应用于航空公司的客户端,所述客户端与中央服务器连接,所述预测方法包括:
3、获取当前航班数据和当前旅客订票数据;
4、对所述当前航班数据和当前旅客订票数据进行特征预处理,得到适合业务场景的当前衍生特征;
5、对所述当前衍生特征进行特征向量化处理,得到当前特征向量;
6、将所述当前特征向量输入至预先建立的航班客座率预测模型,得
7、其中,所述航班客座率预测模型以标注有航班客座率标签的训练样本特征向量为训练数据,采用参数初始化的xgboost模型训练后,由所述客户端将得到的模型参数发送至所述中央服务器,使所述中央服务器采用横向联邦学习算法将多个所述客户端发送的模型参数进行模型融合及参数更新后得到。
8、一种航班客座率的预测装置,应用于航空公司的客户端,所述客户端与中央服务器连接,所述预测装置包括:
9、数据获取单元,用于获取当前航班数据和当前旅客订票数据;
10、预处理单元,用于对所述当前航班数据和当前旅客订票数据进行特征预处理,得到适合业务场景的当前衍生特征;
11、向量化单元,用于对所述当前衍生特征进行特征向量化处理,得到当前特征向量;
12、预测单元,用于将所述当前特征向量输入至预先建立的航班客座率预测模型,得到航班客座率预测值;
13、其中,所述航班客座率预测模型以标注有航班客座率标签的训练样本特征向量为训练数据,采用参数初始化的xgboost模型训练后,由所述客户端将得到的模型参数发送至所述中央服务器,使所述中央服务器采用横向联邦学习算法将多个所述客户端发送的模型参数进行模型融合及参数更新后得到。
14、一种电子设备,所述电子设备包括:存储器和处理器;
15、所述存储器用于存储至少一个指令;
16、所述处理器用于执行所述至少一个指令以实现上述所述的航班客座率的预测方法。
17、一种计算机可读存储介质,所述计算机可读存储介质存储至少一个指令,所述至少一个指令被处理器执行时实现上述所述的航班客座率的预测方法。
18、从上述的技术方案可知,本专利技术公开了一种航班客座率的预测方法及相关设备,获取当前航班数据和当前旅客订票数据,并进行特征预处理得到适合业务场景的当前衍生特征,对当前衍生特征进行特征向量化处理,得到当前特征向量,将当前特征向量输入至预先建立的航班客座率预测模型得到航班客座率预测值。由于航班客座率预测模型以标注有航班客座率标签的训练样本特征向量为训练数据,采用参数初始化的xgboost模型训练后,由客户端将得到的模型参数发送至中央服务器,使中央服务器采用横向联邦学习算法将多个客户端发送的模型参数进行模型融合及参数更新后得到,而横向联邦学习允许多个设备在不共享数据的情况下协同训练模型,因此,本专利技术实现了各个航空公司在不共享数据的情况下协同训练模型,从而有效保证了航空公司和旅客数据的安全性,提高了模型的准确度,同时也更加客观更加准确的预测出未来航班客户率情况,以便及时进行票价调整。
本文档来自技高网...【技术保护点】
1.一种航班客座率的预测方法,其特征在于,应用于航空公司的客户端,所述客户端与中央服务器连接,所述预测方法包括:
2.根据权利要求1所述的预测方法,其特征在于,所述对所述当前航班数据和当前旅客订票数据进行特征预处理,得到适合业务场景的当前衍生特征,包括:
3.根据权利要求1所述的预测方法,其特征在于,所述航班客座率预测模型的建立过程包括:
4.根据权利要求3所述的预测方法,其特征在于,所述对所述历史原始数据集进行预处理得到训练样本,包括:
5.根据权利要求3所述的预测方法,其特征在于,所述XGBoost模型的初始化参数包括:学习率、最大树深度、基学习器、正则化参数、样本采样比例、特征采样比例和迭代次数。
6.根据权利要求3所述的预测方法,其特征在于,发送至所述中央服务器的所述模型参数为加密数据。
7.一种航班客座率的预测装置,其特征在于,应用于航空公司的客户端,所述客户端与中央服务器连接,所述预测装置包括:
8.根据权利要求7所述的预测装置,其特征在于,还包括:
9.一种电子设备,其特
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1~6任意一项所述的航班客座率的预测方法。
...【技术特征摘要】
1.一种航班客座率的预测方法,其特征在于,应用于航空公司的客户端,所述客户端与中央服务器连接,所述预测方法包括:
2.根据权利要求1所述的预测方法,其特征在于,所述对所述当前航班数据和当前旅客订票数据进行特征预处理,得到适合业务场景的当前衍生特征,包括:
3.根据权利要求1所述的预测方法,其特征在于,所述航班客座率预测模型的建立过程包括:
4.根据权利要求3所述的预测方法,其特征在于,所述对所述历史原始数据集进行预处理得到训练样本,包括:
5.根据权利要求3所述的预测方法,其特征在于,所述xgboost模型的初始化参数包括:学习率、最大树深度、基学习器、正...
【专利技术属性】
技术研发人员:孙烈,郜美华,张凯淞,周小訸,金柳,
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。