[发明专利]一种基于改进的增量模型的机票订座数预测方法

说明书

本发明涉及一种基于改进的增量模型的机票订座数预测方法，包括：(1)获取、预处理航班历史订座数据；(2)采集环期数据、同期数据；(3)预测机票订座数。本发明利用环期日期和同期日期获得相应的舱位加权预测结果，并结合多元线性回归模型得到最终订座数预测结果。与现有技术相比，本发明引入了舱位数加权方法，解决了不同日期航班数目不同及航班机型不同导致的总航班舱位数不同对预测结果的干扰。并且充分利用了同期、环期订座数据与要预测的订座数之间的联系，挖掘了历史数据内在的时间特性，提高了预测的准确率，对指导航空公司进行后续的舱位调控及动态定价具有重要作用，具有重要的实际应用意义。

技术领域

本发明涉及民航信息技术领域，具体地，涉及一种基于改进的增量模型的机票订座数预测方法。

背景技术

收益管理的核心是在适当的时候将产品以适当的价格销售给适当的顾客，以取得最大的经济效益。航空收益管理是指航空公司通过需求预测和动态定价等手段，使航班的每一个座位都以最适当的价格卖出，进而实现收益最大化。航空公司根据航班历史订座数据进行需求预测，在此基础上制定相应的机票价格，并通过存量控制和超售等策略来平衡供需。需求预测是航空收益管理的基础，航空公司实施科学的动态定价、舱位分配等决策都离不开准确的需求预测的支撑。

在航班开放售票之前，航空公司需要对该航班的订票数有一个预估，以便对航班的舱位及价格设置有一个整体的规划，并指导交通管理部门提早进行规划和管理以及优化航空资源配置。在航班的预售期内，随着航班每天不断地卖出机票，航空公司需要根据每天卖票数的新信息，重新预测航班最终的成行人数，对之前做出的预测结果进行修正，进而优化机票价格的动态定制以及舱位存量控制等。

目前广泛应用的一种航班需求预测模型是增量模型，该模型利用航班的历史订座成长数据来预测航班最终起飞时的订座数(成行人数)。具体地，根据航空公司数据库中航班历史订座数据随离港日期临近的变化情况，使用航班当前订座数(已发生的真实数据)加上随后会产生的订座增量(预测数据)来预测航班最终的订座需求，即最终订座＝当前已有订座+剩余订座增量估计。

传统的增量预测法模型虽然简单、易于实现，但是存在以下不足：只是简单的利用已有的所有历史数据进行预测，对所有历史数据同等对待，没有考虑历史数据的时间性，如环期、同期数据的重要特性。由于航班需求受诸多因素的影响，历史订座规律和销售趋势变得非常复杂，传统的增量方法很难准确地反映出复杂的历史订座规律和销售趋势，预测准确率较低。

中国专利文献CN107506869A公开了一种基于循环神经网络的机票日订座数预测方法。本发明所述基于循环神经网络的机票日订座数预测方法，利用循环神经网络建模航空订座数据序列信息，应用于航空订座数据预测；但是，该专利应用前六天的航班的历史数据信息来预测当前航班订座数，只有在昨天的航班的数据已经知道的情况下才可以应用该模型，即该模型的预测范围只有一天。比如说要预测今天航班最终的成行人数，只能在昨天航班的成行人数已知的情况下展开预测。预测时间范围短，预测结果不准确。

发明内容

为解决现有的增量模型预测存在的问题，满足航空公司的实际需求，本发明提供了一种基于改进的增量模型的机票订座数预测方法。

本发明的技术方案为：

一种基于改进的增量模型的机票订座数预测方法，包括步骤如下：

(1)获取、预处理航班历史订座数据；

(2)采集环期数据、同期数据；

环期是指与要预测的航班日期属于一周之内同一天的日期，例如，要预测的航班日期是星期一，那么所有的其它星期一的日期就是环期；

环期数据是指环期对应的该航线的订票数；