[发明专利]OTA机票客服话务量的预测方法及系统

说明书

本发明公开了一种OTA机票客服话务量的预测方法及系统。其中，预测方法包括：根据历史非大面积航变特征数据训练非大面积航变预测模型；获取上一单位时间的航变状态、实际话务量、预测话务量，并根据其判断下一单位时间是否发生大面积航变；若是，则根据历史非大面积航变特征数据和历史大面积航变数据训练大面积航变预测模型，根据上一单位时间的实际话务量，利用大面积航变预测模型预测下一单位时间的预测话务量；若否，则根据上一单位时间的实际话务量，利用非大面积航变预测模型预测下一单位时间的预测话务量。本发明既实现对下一单位时间的话务量的机器预测，又考虑到当天是否发生大面积航变的突发状况，能够精确预测下一单位时间的话务量。

技术领域

本发明涉及机器学习领域，尤其涉及一种OTA(online travel agency，在线旅行社)机票客服话务量的预测方法及系统。

背景技术

一般情况下，每日OTA机票客服的话务量都呈现一定的周期性规律，根据经验知识可以预估每日的话务量以对客服进行排班，但是无法准确预估具体时间段(例如每个小时)内的话务量，并且也无法在大面积航变情况下准确对话务量进行预估。其中，大面积航变一般指50％或以上的航班不能按时起飞/降落，通行能力下降50％以上，导致大量旅客滞留的情况。因此，使用传统的经验式排班模式，需要人工对话务量进行预估，增大了人工工作量，并且人工预估的话务量与实际发生的话务量的偏差较大，无法满足实际的生产需求。

发明内容

本发明要解决的技术问题是为了克服现有技术中经验式排班模式既增大了人工工作量又与实际值偏差较大的缺陷，提供一种OTA机票客服话务量的预测方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

一种OTA机票客服话务量的预测方法，其特点在于，所述预测方法包括：

S1、获取历史非大面积航变特征数据，所述历史非大面积航变特征数据包括历史非大面积航变订单数据以及历史非大面积航变话务量；

S2、根据所述历史非大面积航变特征数据训练非大面积航变预测模型；

S3、获取上一单位时间的航变状态、上一单位时间的实际话务量，以及上一单位时间的预测话务量，其中，所述航变状态包括非大面积航变和大面积航变；

S4、根据所述上一单位时间的航变状态、所述上一单位时间的预测话务量以及所述上一单位时间的实际话务量判断下一单位时间的航变状态；

若所述下一单位时间的航变状态为大面积航变，则转至步骤S5；

若所述下一单位时间的航变状态为非大面积航变，则转至步骤S6；

S5、获取历史大面积航变特征数据，所述历史大面积航变特征数据包括历史大面积航变订单数据以及历史大面积航变话务量，并转至步骤S7；

S7、根据所述历史非大面积航变特征数据以及所述历史大面积航变数据训练大面积航变预测模型；

S8、根据所述上一单位时间的实际话务量，利用所述大面积航变预测模型预测下一单位时间的预测话务量，并继续执行步骤S3；

S6、根据所述上一单位时间的实际话务量，利用所述非大面积航变预测模型预测下一单位时间的预测话务量，并继续执行步骤S3。

较佳地，步骤S2具体包括：

S21、根据所述历史非大面积航变特征数据训练多个不同的非大面积航变预测模型；

步骤S6具体包括：

S61、根据所述上一单位时间的实际话务量，分别利用所述多个不同的非大面积航变预测模型预测下一单位时间的中间预测话务量；