[发明专利]一种基于图神经网络的航班客座率的预测方法及系统

说明书

本发明涉及一种基于图神经网络的航班客座率的预测方法及系统，以目标航班作为目标节点，根据与目标节点的相关性选择参考节点，参考节点对应参考航班，由目标节点和参考节点的不同特征形成不同的特征子图；对多个特征子图融合获得邻接矩阵；获取目标节点及参考节点对应航班的销售记录，构建不同折扣下的时序特征；基于邻接矩阵及不同折扣下的时序特征图预测目标航班客座率。本发明考虑相关航班对目标航班的影响，基于航班在空间与时间上的变化准确预测客座率，大大提高了预测的准确性。本发明通过各种折扣下的销售量准确的预测客座率，能够提出更科学合理的定价策略，协助航线员调价，使航司收益最大化。

技术领域

本发明涉及数据分析技术领域，尤其涉及一种基于图神经网络的航班客座率的预测方法及系统。

背景技术

对于航空公司来说，收益管理具有非常重要的意义，而收益管理取决于航司服务与需求的平衡，这就需要航司实时地把握各航司的动态信息，对需求进行合理的预测和判断，然后制定合理的价格来让利润最大化。而现有的收益管理系统，无法实现对航班信息在多个维度的变化的实时管理。

现有的航班客座率的预测方法通常依据本航班的历史数据，未考虑其他航班对本航班的影响，预测准确度不高。

因此，如何实时管理航班在空间与时间上的变化，制定科学合理的定价策略，使航司收益最大化成为一个亟待解决的问题。

发明内容

针对现有技术中存在的问题，本发明提供一种基于图神经网络的航班客座率的预测方法及系统，考虑相关航班对目标航班的影响，基于航班在空间与时间上的变化准确预测客座率，实现对航班信息在多个维度的变化的实时管理。

为达到上述目的，本发明提供了一种基于图神经网络的航班客座率的预测方法，包括：

以目标航班作为目标节点，根据与目标节点的相关性选择参考节点，参考节点对应参考航班，由目标节点和参考节点的不同特征形成不同的特征子图；

对多个特征子图按照不同的权重融合获得邻接矩阵；

获取目标节点及参考节点对应航班的销售记录，构建不同折扣下的时序特征；

基于邻接矩阵及不同折扣下的时序特征预测目标航班和参考航班不同折扣下的销售量，由销售量计算目标航班的客座率。

进一步地，特征包括所属航司规模、起落城市、是否直达、起飞时段、航司所在航线的运力以及起飞时间是否在节假日前后、周末前后或工作日。进一步地，根据与目标节点特征的相关性选择参考节点包括，选择与目标节点的相关性超过设定阈值的航班作为参考节点。

进一步地，对多个特征子图按照不同的权重融合获得邻接矩阵包括：

对各个特征子图的特征加权求和并归一化得到邻接矩阵。

进一步地，采用预测模块基于邻接矩阵及不同折扣下的时序特征预测不同折扣下的航班销售量，所述预测模块内置图神经网络模型。

进一步地，由参考节点中选择与目标节点起落城市相同的航班，与目标航班形成航班集，计算航班集中各航班的总销售的均值，由销售的均值计算目标航班的客座率。

另一方面提供一种基于图神经网络的航班客座率的预测系统，包括：

特征子图构建模块，以目标航班作为目标节点，根据与目标节点的相关性选择参考节点，参考节点对应参考航班，由目标节点和参考节点的不同特征形成不同的特征子图；

融合模块，对多个特征子图融合获得融合成邻接矩阵；

时序特征构建模块，获取目标节点及参考节点对应航班的销售记录，构建不同折扣下的时序特征；

预测模块，基于邻接矩阵及不同折扣下的时序特征预测目标航班和参考航班不同折扣下的销售量，由销售量计算目标航班的客座率。