售票预警方法、装置、存储介质和服务器【
技术领域：
：】1.本发明涉及铁路客票领域，尤其涉及一种售票预警方法、装置、存储介质和服务器。
背景技术：
：：2.目前铁路客票销售过程中，采用以票额预分计划为主、售票过程中人工监控调整为辅的售票策略。该售票策略虽然符合铁路的发展历史与实际生产现状，但随着铁路运营里程与列车数量不断上升，客流量激增，该售票策略在实际生产应用中逐渐无法满足铁路售票组织发展的需要。因为，一方面目前票额分配方案对客流预测的依赖程度极高，但因旅客需求受竞争交通方式、天气变化、突发事件等多种因素影响，客流预测具有不确定性，客流预测方法对实际客流的还原程度有一定偏差，导致预售期前制定的预分方案与预售期内的真实客流需求不可避免地存在差异；另一方面，售票过程中主要依靠人力监控以发现异常并调整，不但对售票异常趋势识别的实时性弱、敏感性低，且耗时费力，人力成本花费巨大，同时对售票中的“异常”判别缺少明确的标准定义，导致人工监控的准确度有待提升，且人工的监控方式难以对大量车次进行定量化与高效严密的管理。3.综上，目前铁路客运售票组织中存在对异常趋势识别不敏感、实时灵敏度弱、人工依赖性强的问题。技术实现要素：4.有鉴于此，本发明实施例提供了一种售票预警方法、装置、存储介质和服务器，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。5.第一方面，本发明实施例提供了一种售票预警方法，所述方法包括：6.通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到所述当前车次的实际客座率；7.根据历史售票数据库，得到与所述当前车次对应日期的最佳客座率；8.当所述实际客座率和所述最佳客座率之间的偏差不在误差区间内时，进行异常预警提示。9.可选地，所述根据历史售票数据库，得到与所述当前车次对应日期的最佳客座率，包括：10.对所述历史售票数据库中的历史售票数据进行清洗；11.根据所述误差区间和清洗后的所述历史售票数据，得到包含客座率取值集合的第一集合；12.通过基于误差区间的售票规律最优值算法对所述第一集合进行计算，得到最优取值区间；13.根据所述最优取值区间，得到列车车次在单位时间内的最佳客座率；14.根据所述列车车次在单位时间内的最佳客座率，构建基于日期细分的列车售票健康规律知识库；15.从所述列车售票健康规律知识库中获取与所述当前车次对应日期的所述最佳客座率。16.可选地，所述通过基于误差区间的售票规律最优值算法对所述第一集合进行计算，得到最优取值区间，包括：17.初始化设置第一参数、第二参数和交集集合；18.从所述第一集合中选取所述第一参数对应的所述客座率取值集合，将所述交集集合与所述客座率取值集合的交集更新为所述交集集合；19.将所述第一参数与第一数值的和作为所述第二参数；20.判断所述第二参数是否大于所述第一集合中所述客座率取值集合的数量；21.若判断出所述第二参数大于所述第一集合中所述客座率取值集合的数量，将所述第一参数与所述第一数值的和作为所述第一参数；22.判断所述第一参数是否大于或者等于所述第一集合中所述客座率取值集合的数量；23.若判断出所述第一参数大于或者等于所述第一集合中所述客座率取值集合的数量，将所述交集集合作为所述最优取值区间。24.可选地，所述判断所述第二参数是否大于所述第一集合中所述客座率取值集合的数量之后，还包括：25.若判断出所述第二参数小于或者等于所述第一集合中所述客座率取值集合的数量，根据所述第二参数从所述第一集合中截取子集合；26.从所述子集合中选取所述第二参数对应的客座率取值集合，将所述交集集合与所述第二参数对应的客座率取值集合的交集更新为所述交集集合；27.将所述第二参数与所述第一数值的和作为所述第二参数，并继续执行所述判断所述第二参数是否大于所述第一集合中所述客座率取值集合的数量的步骤。28.可选地，所述判断所述第一参数是否大于或者等于所述第一集合中所述客座率取值集合的数量之后，还包括：29.若判断出所述第一参数小于所述第一集合中所述客座率取值集合的数量，继续执行所述从所述第一集合中选取所述第一参数对应的所述客座率取值集合，将所述交集集合与所述客座率取值集合的交集更新为所述交集集合的步骤。30.可选地，所述当所述实际客座率和所述最佳客座率之间的偏差不在误差区间内时，进行异常预警提示之前，包括：31.判断所述实际客座率和所述最佳客座率之间的偏差是否在所述误差区间范围内；32.若判断出所述实际客座率和所述最佳客座率之间的偏差在所述误差区间范围内，进行正常模式提醒。33.可选地，所述进行正常模式提醒之后，包括：34.判断售票是否结束；35.若判断出所述售票未结束，继续执行所述通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到所述当前车次的实际客座率的步骤。36.另一方面，本发明实施例提供了一种售票预警装置，所述装置包括：37.获取模块，用于通过基于切片技术的售票轨迹留存技术，获取当前车次的实时售出数据切片与实时余票切片，得到所述当前车次的实际客座率；38.处理模块，用于根据历史售票数据库，得到与所述当前车次对应日期的最佳客座率；39.预警模块，用于当所述实际客座率和所述最佳客座率之间的偏差不在误差区间内时，进行异常预警提示。40.另一方面，本发明实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述售票预警方法。41.另一方面，本发明实施例提供了一种服务器，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现上述售票预警方法的步骤。42.本发明实施例提供的售票预警方法、装置、存储介质和服务器的技术方案中，通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到所述当前车次的实际客座率；根据历史售票数据库，得到与所述当前车次对应日期的最佳客座率；当所述实际客座率和所述最佳客座率之间的偏差不在误差区间内时，进行异常预警提示，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。【附图说明】43.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。44.图1为本发明一实施例提供的一种售票预警方法的流程图；45.图2为本发明又一实施例提供的一种售票预警方法的流程图；46.图3为余票计算平台的示意图；47.图4为图2中根据历史售票数据库，得到与当前车次对应日期的最佳客座率的流程图；48.图5为基于误差区间的最优取值区间的示意图；49.图6为图4中通过基于误差区间的售票规律最优值算法对第一集合进行计算，得到最优取值区间的流程图；50.图7为最佳客座率区间曲线示意图。51.图8为本发明一实施例提供的一种售票预警装置的结构示意图；52.图9为图8中处理模块的结构示意图；53.图10为图9中第二处理子模块的结构示意图；54.图11为本发明实施例提供的一种服务器的示意图。【具体实施方式】55.为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。56.应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。57.在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。58.应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。59.图1为本发明一实施例提供的一种售票预警方法的流程图，如图1所示，该方法包括：60.步骤101、通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率。61.步骤102、根据历史售票数据库，得到与当前车次对应日期的最佳客座率。62.步骤103、当实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示。63.本发明实施例提供的一种售票预警方法的技术方案中，通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率；根据历史售票数据库，得到与当前车次对应日期的最佳客座率；当实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。64.图2为本发明又一实施例提供的一种售票预警方法的流程图，如图2所示，该方法包括：65.步骤201、通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率。66.本发明实施例中，在步骤201之前，检测到开始售票后，进入监控期。67.为了获取列车的售票状态，本发明基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到车次的实际客座率。目前客票系统中，主要通过两类数据表体现列车的客票销售过程，分别为余票表与售票存根表。余票表反映了列车的可售能力，售票存根表反映已经售出客票的数量。目前客票系统每日18点或24点从营销系统中更新余票数据与存根数据至数据库中。由于预售期内余票数据与存根数据随着销售进程而不断变化，售票监控与预警环节是伴随着预售期内客票销售而持续进行的过程，因此需要记录特定时间点的余票数据与存根数据以获取客票销售状态与趋势。目前对余票数据与存根数据的记录粒度较粗，无法获取列车在特定时间点的售票数量与余票情况，不能满足售票监控预警对余票精细度的要求。68.基于切片技术的售票轨迹留存技术是指在特定时间点，自动通过调用余票集群接口获取当前车次的余票数据与售出数据(即实时售出数据切片与实时余票切片)，并进行完整的保留并存储，截至当前列车发车时刻为止，能够获得当前列车在预售期内完整的售票状态，并将获取的当前车次的实时售出数据切片与实时余票切片作为特定时刻下监控当前车次售票异常与列车售票健康规律知识库的历史训练样本。随着日期推移，基于切片技术的售票轨迹留存技术能积累大量的多维度列车售票历史数据，为后续进行列车售票健康规律知识库训练提供足够的样本与分析依据。69.本发明实施例中，根据不同列车的历史规律，在预售期内的不同时间节点采用不同的切片时间粒度，分别为小时粒度和自然日粒度，针对预售期内的所有车次，进行不同时间粒度的切片收集，获得余票变化规律，有助于对售票组织策略监控及预警。例如，发车日期前三天内以每小时为一个切片时间粒度，预售期内其他日期以每个自然日取一个切片时间粒度。这种策略不但能够减少不必要的冗余数据量，还能够降低服务器的压力，更好地服务于生产。70.需要说明的是，得到的当前车次的实际客座率，一方面作为售票预警的依据，另一方面作为日后优化列车售票健康规律知识库的样本数据。71.为了获取余票数据，本发明实施例设计构建了余票计算平台。余票计算平台用于实时计算、抽取和加载列车余票信息。如图3所示，余票计算平台包括：客票系统数据库、otx同步系统、分布式内存计算平台、数据收集和加载中间件和营销分析数据仓库。分布式内存计算平台包括本局分布式内存计算集群、互联网分布式内存计算集群。72.根据余票数据来源不同，余票计算的流程略有不同。对于本铁路局(简称“本局”)数据中心的余票数据，首先根据监控时间范围，在生成本局客票数据库之后，进入预售期之前，于设置的时间点自动从客票系统将本局客票数据库全库复制到余票集群服务器，获取席位余票数据；接着以异构数据同步软件otx作为数据中转站，将数据变化以sql语句的形式发送，并将接收消息贮存在内存中；消息接收端捕获消息，并对消息中的sql语句进行操作判断和数据解析，根据操作类型的不同，对内存数据库中数据做不同的操作，输入至本局分布式内存计算集群；为了实现余票数据持久化，根据余票查询业务，将内存划分为若干数据区域和数据单元，建立统一规则，将数据分散存储在多台设备内存中，由分布式内存计算平台根据售票组织策略计算余票情况；提供余票计算算法，根据不同接口参数计算余票数量，并向请求客户端提供约定格式的数据。对于外局数据中心(包括其他铁路局和集中存储数据中心)的余票数据，主要是非始发的、与本局相关的直通列车，可以利用现有互联网计算资源进行获取余票计算结果。通过数据收集和加载中间件将所有数据汇集至营销分析数据仓库。根据余票查询的需求，通过余票计算平台能够提供余票接口服务与余票查询服务。随着日期增长，余票计算平台将逐步获取更全面的历史列车余票切片数据，为列车售票规律分析与更新提供足够充分的数据支撑。73.本发明实施例，在预售期内能够对余票数据进行细微粒度的数据保存。随着预售期内时间的推移，切片数据量的不断增大，本发明实施例能够使售票过程中的余票信息数据的灵活性、可扩展性、可管理性不断增强，提供了海量支持售票策略决策与行为分析的业务数据，使得余票数据收集在空间效率、数据粒度、存储支持、用户体验等方面有了较大突破。74.步骤202、根据历史售票数据库，得到与当前车次对应日期的最佳客座率。75.本发明实施例中，如图4所示，步骤202具体包括：76.步骤2021、对历史售票数据库中的历史售票数据进行清洗。77.由于列车客座率能够最直观地体现列车的开行效益，因此使用客座率数据作为售票预警的主要指标。历史售票数据为不同的细分开行日期下，预售期内不同日期时每个车次的列车客座率。78.例如，对历史售票数据库中的历史售票数据进行清洗包括剔除历史售票数据中的奇异值。79.步骤2022、根据误差区间和清洗后的历史售票数据，得到包含客座率取值集合的第一集合。80.本发明实施例要解决的关键问题是，根据误差耐受度，计算每个列车车次在每个单位时间内最优客座率。其中，为了符合不同应用场景下的个性化需求，误差区间的范围根据实际情况进行设置。81.另外，异常预警标准的确定也是售票预警中要解决的首要问题，本发明实施例中，预售期中的异常预警标准定义为在对应的时间点，当前车次的实际客座率与列车售票健康规律知识库中对应车次对应日期的最优客座率的偏差超出误差区间的情况。因此，本发明实施例中车次预售健康模型能为不同细分日期下，每列车车次的最优客座率提供计算方法，结合给定的误差区间确定异常预警标准。82.对于每个列车车次，给定误差区间[b，a]，最优客座率的选取直接决定了售票预警的精确度。假设对于当前车次i，历史售票数据中已知发车日期类型d时，在开车前k天中，对应n个历史实际客座率yj,k，即[y1,k，y2,…yj,k…yn,k]。其中，历史实际客座率具体分类取决于对客座率的精度要求，例如当要求精度确定到小数点后一位时，92.3％、92.5％和92.8％均被认为不同的列车客座率。根据给定的误差区间[b，a]，每个客座率都存在一对应客座率值xj,k，使历史实际客座率yj,k满足误差区间[b，a]的要求，即：[0083][0084]则对于当前车次i，一个发车日期k下的每个客座率取值满足客座率取值集合aj,k：[0085]aj,k＝{xj,k|xj,k∈[b*yj,k yj,k，a*yj,k yj,k]}[0086]客座率取值集合aj,k可定义为当前车次i包含开车前k天第j个客座率取值的绝对误差范围，aj,k中的每个客座率取值都是使实际历史客座率yj,k满足误差区间[b，a]要求的客座率值xj,k。第一集合a＝{a1,k，a2,k…aj,k…an,k}。若第一集合a中的客座率取值集合aj,k存在交集，说明在该交集内，客座率值xj,k对应的历史实际客座率yj,k均能满足误差区间[b，a]的要求。因此，该交集内的取值能够覆盖几个集合所对应的所有样本数据，则可认为在一个列车的开行日期下，最优客座率存在于该交集中。[0087]若第一集合a在误差区间[b，a]内不存在交集，则取该日期下客座率的均值为最优客座率。当有且只有一个交集存在时，可直接取交集中值为最优客座率；当存在两个或两个以上交集时，则取覆盖样本密度最大的区间中值为最优客座率；若各交集的样本密度相同，则取中位区间的中值为最优客座率。[0088]如图5所示，将某个细分日期、预售期天数k下，某列车、某席别的列车客座率展开至二维坐标轴中，剔除奇异值后的实际历史客座率分别为y1,k，y2,k，y3,k，y4,k，y5,k，在给定误差区间[b，a]下，满足误差区间要求的客座率取值集合分别为a1,k，a2,k，a3,k，a4,k，a5,k。本发明实施例假设同一细分日期下，相同列车、相同席别的预售规律相同，因此，以任何一个数值代表该组列车的最佳预售状态均显然有失偏颇，但所有样本误差区间的交集(阴影部分)能够满足所有列车样本的最优误差要求，即代表了该列车的最佳预售状态，因此，选取图5中阴影部分的区间作为最优取值区间。[0089]步骤2023、通过基于误差区间的售票规律最优值算法对第一集合进行计算，得到最优取值区间。[0090]本发明实施例中，如图6所示，步骤2023具体包括：[0091]步骤a、初始化设置第一参数、第二参数和交集集合。[0092]该步骤中，第一参数j，第二参数i和交集集合初始化设置第一参数、第二参数和交集集合，具体包括：将第一参数j和第二参数i设置为1，将交集集合设置为a1,k。[0093]步骤b、从第一集合中选取第一参数对应的客座率取值集合，将交集集合与客座率取值集合的交集更新为交集集合。[0094]该步骤中，第一集合a＝{a1,k，a2,k…aj,k…an,k}，与第一参数j对应的客座率取值集合为aj,k，更新交集集合[0095]步骤c、将第一参数与第一数值的和作为第二参数。[0096]该步骤中，第一数值为1，令第二参数i＝j 1。[0097]步骤d、判断第二参数是否大于第一集合中客座率取值集合的数量，若是，执行步骤e；若否，执行步骤h。[0098]该步骤中，判断第二参数i是否大于第一集合中客座率取值集合的数量n。[0099]步骤e、将第一参数与第一数值的和作为第一参数。[0100]该步骤中，若判断出i大于n，令第一参数j＝j 1。[0101]步骤f、判断第一参数是否大于或者等于第一集合中客座率取值集合的数量，若是，执行步骤g；若否，继续执行步骤b。[0102]该步骤中，判断第一参数j是否大于或者等于第一集合中客座率取值集合的数量n。[0103]步骤g、将交集集合作为最优取值区间，继续执行步骤2024。[0104]该步骤中，若判断出j大于或者等于n，将交集集合作为最优取值区间。[0105]步骤h、根据第二参数从第一集合中截取子集合。[0106]该步骤中，若判断出i小于或者等于n，根据第二参数i从第一集合中截取出子集合{ai,k，ai 1,k…an,k}。[0107]步骤i、从子集合中选取第二参数对应的客座率取值集合，将交集集合与第二参数对应的客座率取值集合的交集更新为交集集合。[0108]该步骤中，从子集合{ai,k，ai 1,k…an,k}中选取第二参数i对应的客座率取值集合ai,k，并更新交集集合[0109]步骤j、将第二参数与第一数值的和作为第二参数，并继续执行步骤d。[0110]该步骤中，令第二参数i＝i 1，并继续执行步骤d。[0111]上述步骤a至步骤j执行的算法的时间复杂度为o((n-1)！)，可以找到所有样本误差区间的交集，该交集包含了所有的样本。[0112]步骤2024、根据最优取值区间，得到列车车次在单位时间内的最佳客座率。[0113]本发明实施例中，设定最优取值区间的均值为最佳客座率y*j,k。在实际中，不同的误差区间[b，a]会产生不同的最优取值区间。上述给出的算法适用于存在一个公共交集的情况。当所有样本误差区间均无交集时，取全部数据的均值为最佳客座率y*j,k。当存在两个或两个以上的交集时，计算能够覆盖更多样本的误差范围集合为最优取值区间。[0114]通过基于误差区间交集的最佳客座率预测方法，可以计算的开车前第k天的最佳客座率y*j,k。根据误差区间[b，a]，计算最佳客座率y*j,k的误差范围。将误差范围的上限a y*j,k作为上限阈值，将误差范围的下限b y*j,k作为下限阈值。如图7所示，位于中间的曲线为预售期内的最佳客座率曲线，位于最下面的曲线为预售期期内的下限阈值曲线，位于最上面的曲线为预售期期内的上限阈值曲线。当下限阈值小于0％时，取0％作为下限阈值。[0115]步骤2025、根据列车车次在单位时间内的最佳客座率，构建基于日期细分的列车售票健康规律知识库。[0116]步骤2026、从列车售票健康规律知识库中获取与当前车次对应日期的最佳客座率。[0117]步骤203、判断实际客座率和最佳客座率之间的偏差是否在误差区间范围内，若是，执行步骤204；若否，执行步骤206。[0118]该步骤中，判断实际客座率和最佳客座率之间的偏差是否在误差区间范围内，实际上是判断实际客座率是否在最优取值区间[b y*j,k，a y*j,k]内。[0119]步骤204、进行正常模式提醒。[0120]本发明实施例中，若判断出实际客座率和最佳客座率之间的偏差在误差区间范围内，进行正常模式提醒。[0121]步骤205、判断售票是否结束，若是，流程结束；若否，继续执行步骤201。[0122]本发明实施例中，若售票结束，则流程结束；若售票未结束，继续执行步骤201。[0123]步骤206、进行异常预警提示。流程结束。[0124]本发明实施例中，若判断出实际客座率和最佳客座率之间的偏差不在误差区间范围内，进行异常预警提示。流程结束。[0125]本发明实施例提供的一种售票预警方法的技术方案中，通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率；根据历史售票数据库，得到与当前车次对应日期的最佳客座率；当实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。[0126]图8为本发明一实施例提供的一种售票预警装置的结构示意图，如图8所示，所述装置包括：获取模块31、处理模块32、第一判断模块33、提醒模块34、第二判断模块35和预警模块36。[0127]获取模块31，用于通过基于切片技术的售票轨迹留存技术，获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率。[0128]处理模块32，用于根据历史售票数据库，得到与当前车次对应日期的最佳客座率。[0129]本发明实施例中，如图9所示，处理模块32包括：清洗子模块321、第一处理子模块322、第二处理子模块323、第三处理子模块324、构建子模块325和获取子模块326。[0130]清洗子模块321，用于对历史售票数据库中的历史售票数据进行清洗。[0131]第一处理子模块322，用于根据误差区间和清洗后的历史售票数据，得到包含客座率取值集合的第一集合。[0132]第二处理子模块323，用于通过基于误差区间的售票规律最优值算法对第一集合进行计算，得到最优取值区间。[0133]本发明实施例中，如图10所示，第二处理子模块323包括：初始化子单元3a、第一更新子单元3b、第一处理子单元3c、第一判断子单元3d、第二处理子单元3e、第二判断子单元3f、第三处理子单元3g、截取子单元3h、第二更新子单元3i和第四处理子单元3j。[0134]初始化子单元3a，用于初始化设置第一参数、第二参数和交集集合；[0135]第一更新子单元3b，用于从第一集合中选取第一参数对应的客座率取值集合，将交集集合与客座率取值集合的交集更新为交集集合；[0136]第一处理子单元3c，用于将第一参数与第一数值的和作为第二参数；[0137]第一判断子单元3d，用于判断第二参数是否大于第一集合中客座率取值集合的数量；[0138]第二处理子单元3e，用于若第一判断子单元3d判断出第二参数大于第一集合中客座率取值集合的数量，将第一参数与第一数值的和作为第一参数；[0139]第二判断子单元3f，用于判断第一参数是否大于或者等于第一集合中客座率取值集合的数量；[0140]第三处理子单元3g，用于若第二判断子单元3f判断出第一参数大于或者等于第一集合中客座率取值集合的数量，将交集集合作为最优取值区间。[0141]截取子单元3h，用于若第一判断子单元3d判断出第二参数小于或者等于第一集合中客座率取值集合的数量，根据第二参数从第一集合中截取子集合；[0142]第二更新子单元3i，用于从子集合中选取第二参数对应的客座率取值集合，将交集集合与第二参数对应的客座率取值集合的交集更新为交集集合；[0143]第四处理子单元3j，用于将第二参数与第一数值的和作为第二参数，并触发第一判断子单元3d，继续执行判断第二参数是否大于第一集合中客座率取值集合的数量的步骤。[0144]第二判断子单元3f，还用于若第二判断子单元3f判断出第一参数小于第一集合中客座率取值集合的数量，触发第一更新子单元3b，继续执行从第一集合中选取第一参数对应的客座率取值集合，将交集集合与客座率取值集合的交集更新为交集集合的步骤。[0145]第三处理子模块324，用于根据最优取值区间，得到列车车次在单位时间内的最佳客座率。[0146]构建子模块325，用于根据列车车次在单位时间内的最佳客座率，构建基于日期细分的列车售票健康规律知识库。[0147]获取子模块326，用于从列车售票健康规律知识库中获取与当前车次对应日期的最佳客座率。[0148]第一判断模块33，用于判断实际客座率和最佳客座率之间的偏差是否在误差区间范围内。[0149]提醒模块34，用于若第一判断模块33判断出实际客座率和最佳客座率之间的偏差在误差区间范围内，进行正常模式提醒，并触发第二判断模块35。[0150]第二判断模块35，用于判断售票是否结束。[0151]第二判断模块35，还用于若第二判断模块35判断出售票结束，流程结束。[0152]第二判断模块35，还用于若第二判断模块35判断出售票未结束，触发获取模块31，继续执行通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率的操作。[0153]预警模块36，用于若第一判断模块33判断出实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示。[0154]本发明实施例提供的售票预警装置可用于实现上述图1至图7中的售票预警方法，具体描述可参见上述售票预警方法的实施例，此处不再重复描述。[0155]本发明实施例提供的一种售票预警装置的技术方案中，通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率；根据历史售票数据库，得到与当前车次对应日期的最佳客座率；当实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。[0156]图11为本说明书服务器一个实施例的结构示意图，如图11所示，上述服务器可以包括至少一个处理器；以及与上述处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，上述处理器调用上述程序指令能够执行本说明书图1～图7所示实施例提供的售票预警方法。[0157]图11示出了适于用来实现本说明书实施方式的示例性服务器的框图。图11显示的服务器仅仅是一个示例，不应对本说明书实施例的功能和使用范围带来任何限制。[0158]如图11所示，服务器以通用计算设备的形式表现。服务器的组件可以包括但不限于：一个或者多个处理器21，存储器23，连接不同系统组件(包括存储器23和处理单元21)的通信总线24。[0159]通信总线24表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industrystandardarchitecture；以下简称：isa)总线，微通道体系结构(microchannelarchitecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(videoelectronicsstandardsassociation；以下简称：vesa)局域总线以及外围组件互连(peripheralcomponentinterconnection；以下简称：pci)总线。[0160]服务器典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。[0161]存储器23可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(randomaccessmemory；以下简称：ram)和/或高速缓存存储器。服务器可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。存储器23可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本说明书各实施例的功能。[0162]具有一组(至少一个)程序模块的程序/实用工具，可以存储在存储器23中，这样的程序模块包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本说明书所描述的实施例中的功能和/或方法。[0163]处理器21通过运行存储在存储器23中的程序，从而执行各种功能应用以及数据处理，例如实现本说明书图1～图7所示实施例提供的售票预警方法。[0164]本说明书实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本说明书图1～图7所示实施例提供的售票预警方法。[0165]上述非暂态计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(readonlymemory；以下简称：rom)、可擦式可编程只读存储器(erasableprogrammablereadonlymemory；以下简称：eprom)或闪存、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。[0166]计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。[0167]计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、rf等等，或者上述的任意合适的组合。[0168]可以以一种或多种程序设计语言或其组合来编写用于执行本说明书操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(localareanetwork；以下简称：lan)或广域网(wideareanetwork；以下简称：wan)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。[0169]上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。[0170]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。[0171]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。[0172]流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本说明书的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本说明书的实施例所属
技术领域：
：的技术人员所理解。[0173]取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。[0174]需要说明的是，本说明书实施例中所涉及的终端可以包括但不限于个人计算机(personalcomputer；以下简称：pc)、个人数字助理(personaldigitalassistant；以下简称：pda)、无线手持设备、平板电脑(tabletcomputer)、手机、mp3播放器、mp4播放器等。[0175]在本说明书所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。[0176]另外，在本说明书各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。[0177]上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本说明书各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory；以下简称：rom)、随机存取存储器(randomaccessmemory；以下简称：ram)、磁碟或者光盘等各种可以存储程序代码的介质。[0178]以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。当前第1页12当前第1页12
技术领域：
：】1.本发明涉及铁路客票领域，尤其涉及一种售票预警方法、装置、存储介质和服务器。
背景技术：
：：2.目前铁路客票销售过程中，采用以票额预分计划为主、售票过程中人工监控调整为辅的售票策略。该售票策略虽然符合铁路的发展历史与实际生产现状，但随着铁路运营里程与列车数量不断上升，客流量激增，该售票策略在实际生产应用中逐渐无法满足铁路售票组织发展的需要。因为，一方面目前票额分配方案对客流预测的依赖程度极高，但因旅客需求受竞争交通方式、天气变化、突发事件等多种因素影响，客流预测具有不确定性，客流预测方法对实际客流的还原程度有一定偏差，导致预售期前制定的预分方案与预售期内的真实客流需求不可避免地存在差异；另一方面，售票过程中主要依靠人力监控以发现异常并调整，不但对售票异常趋势识别的实时性弱、敏感性低，且耗时费力，人力成本花费巨大，同时对售票中的“异常”判别缺少明确的标准定义，导致人工监控的准确度有待提升，且人工的监控方式难以对大量车次进行定量化与高效严密的管理。3.综上，目前铁路客运售票组织中存在对异常趋势识别不敏感、实时灵敏度弱、人工依赖性强的问题。技术实现要素：4.有鉴于此，本发明实施例提供了一种售票预警方法、装置、存储介质和服务器，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。5.第一方面，本发明实施例提供了一种售票预警方法，所述方法包括：6.通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到所述当前车次的实际客座率；7.根据历史售票数据库，得到与所述当前车次对应日期的最佳客座率；8.当所述实际客座率和所述最佳客座率之间的偏差不在误差区间内时，进行异常预警提示。9.可选地，所述根据历史售票数据库，得到与所述当前车次对应日期的最佳客座率，包括：10.对所述历史售票数据库中的历史售票数据进行清洗；11.根据所述误差区间和清洗后的所述历史售票数据，得到包含客座率取值集合的第一集合；12.通过基于误差区间的售票规律最优值算法对所述第一集合进行计算，得到最优取值区间；13.根据所述最优取值区间，得到列车车次在单位时间内的最佳客座率；14.根据所述列车车次在单位时间内的最佳客座率，构建基于日期细分的列车售票健康规律知识库；15.从所述列车售票健康规律知识库中获取与所述当前车次对应日期的所述最佳客座率。16.可选地，所述通过基于误差区间的售票规律最优值算法对所述第一集合进行计算，得到最优取值区间，包括：17.初始化设置第一参数、第二参数和交集集合；18.从所述第一集合中选取所述第一参数对应的所述客座率取值集合，将所述交集集合与所述客座率取值集合的交集更新为所述交集集合；19.将所述第一参数与第一数值的和作为所述第二参数；20.判断所述第二参数是否大于所述第一集合中所述客座率取值集合的数量；21.若判断出所述第二参数大于所述第一集合中所述客座率取值集合的数量，将所述第一参数与所述第一数值的和作为所述第一参数；22.判断所述第一参数是否大于或者等于所述第一集合中所述客座率取值集合的数量；23.若判断出所述第一参数大于或者等于所述第一集合中所述客座率取值集合的数量，将所述交集集合作为所述最优取值区间。24.可选地，所述判断所述第二参数是否大于所述第一集合中所述客座率取值集合的数量之后，还包括：25.若判断出所述第二参数小于或者等于所述第一集合中所述客座率取值集合的数量，根据所述第二参数从所述第一集合中截取子集合；26.从所述子集合中选取所述第二参数对应的客座率取值集合，将所述交集集合与所述第二参数对应的客座率取值集合的交集更新为所述交集集合；27.将所述第二参数与所述第一数值的和作为所述第二参数，并继续执行所述判断所述第二参数是否大于所述第一集合中所述客座率取值集合的数量的步骤。28.可选地，所述判断所述第一参数是否大于或者等于所述第一集合中所述客座率取值集合的数量之后，还包括：29.若判断出所述第一参数小于所述第一集合中所述客座率取值集合的数量，继续执行所述从所述第一集合中选取所述第一参数对应的所述客座率取值集合，将所述交集集合与所述客座率取值集合的交集更新为所述交集集合的步骤。30.可选地，所述当所述实际客座率和所述最佳客座率之间的偏差不在误差区间内时，进行异常预警提示之前，包括：31.判断所述实际客座率和所述最佳客座率之间的偏差是否在所述误差区间范围内；32.若判断出所述实际客座率和所述最佳客座率之间的偏差在所述误差区间范围内，进行正常模式提醒。33.可选地，所述进行正常模式提醒之后，包括：34.判断售票是否结束；35.若判断出所述售票未结束，继续执行所述通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到所述当前车次的实际客座率的步骤。36.另一方面，本发明实施例提供了一种售票预警装置，所述装置包括：37.获取模块，用于通过基于切片技术的售票轨迹留存技术，获取当前车次的实时售出数据切片与实时余票切片，得到所述当前车次的实际客座率；38.处理模块，用于根据历史售票数据库，得到与所述当前车次对应日期的最佳客座率；39.预警模块，用于当所述实际客座率和所述最佳客座率之间的偏差不在误差区间内时，进行异常预警提示。40.另一方面，本发明实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述售票预警方法。41.另一方面，本发明实施例提供了一种服务器，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现上述售票预警方法的步骤。42.本发明实施例提供的售票预警方法、装置、存储介质和服务器的技术方案中，通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到所述当前车次的实际客座率；根据历史售票数据库，得到与所述当前车次对应日期的最佳客座率；当所述实际客座率和所述最佳客座率之间的偏差不在误差区间内时，进行异常预警提示，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。【附图说明】43.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。44.图1为本发明一实施例提供的一种售票预警方法的流程图；45.图2为本发明又一实施例提供的一种售票预警方法的流程图；46.图3为余票计算平台的示意图；47.图4为图2中根据历史售票数据库，得到与当前车次对应日期的最佳客座率的流程图；48.图5为基于误差区间的最优取值区间的示意图；49.图6为图4中通过基于误差区间的售票规律最优值算法对第一集合进行计算，得到最优取值区间的流程图；50.图7为最佳客座率区间曲线示意图。51.图8为本发明一实施例提供的一种售票预警装置的结构示意图；52.图9为图8中处理模块的结构示意图；53.图10为图9中第二处理子模块的结构示意图；54.图11为本发明实施例提供的一种服务器的示意图。【具体实施方式】55.为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。56.应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。57.在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。58.应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。59.图1为本发明一实施例提供的一种售票预警方法的流程图，如图1所示，该方法包括：60.步骤101、通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率。61.步骤102、根据历史售票数据库，得到与当前车次对应日期的最佳客座率。62.步骤103、当实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示。63.本发明实施例提供的一种售票预警方法的技术方案中，通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率；根据历史售票数据库，得到与当前车次对应日期的最佳客座率；当实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。64.图2为本发明又一实施例提供的一种售票预警方法的流程图，如图2所示，该方法包括：65.步骤201、通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率。66.本发明实施例中，在步骤201之前，检测到开始售票后，进入监控期。67.为了获取列车的售票状态，本发明基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到车次的实际客座率。目前客票系统中，主要通过两类数据表体现列车的客票销售过程，分别为余票表与售票存根表。余票表反映了列车的可售能力，售票存根表反映已经售出客票的数量。目前客票系统每日18点或24点从营销系统中更新余票数据与存根数据至数据库中。由于预售期内余票数据与存根数据随着销售进程而不断变化，售票监控与预警环节是伴随着预售期内客票销售而持续进行的过程，因此需要记录特定时间点的余票数据与存根数据以获取客票销售状态与趋势。目前对余票数据与存根数据的记录粒度较粗，无法获取列车在特定时间点的售票数量与余票情况，不能满足售票监控预警对余票精细度的要求。68.基于切片技术的售票轨迹留存技术是指在特定时间点，自动通过调用余票集群接口获取当前车次的余票数据与售出数据(即实时售出数据切片与实时余票切片)，并进行完整的保留并存储，截至当前列车发车时刻为止，能够获得当前列车在预售期内完整的售票状态，并将获取的当前车次的实时售出数据切片与实时余票切片作为特定时刻下监控当前车次售票异常与列车售票健康规律知识库的历史训练样本。随着日期推移，基于切片技术的售票轨迹留存技术能积累大量的多维度列车售票历史数据，为后续进行列车售票健康规律知识库训练提供足够的样本与分析依据。69.本发明实施例中，根据不同列车的历史规律，在预售期内的不同时间节点采用不同的切片时间粒度，分别为小时粒度和自然日粒度，针对预售期内的所有车次，进行不同时间粒度的切片收集，获得余票变化规律，有助于对售票组织策略监控及预警。例如，发车日期前三天内以每小时为一个切片时间粒度，预售期内其他日期以每个自然日取一个切片时间粒度。这种策略不但能够减少不必要的冗余数据量，还能够降低服务器的压力，更好地服务于生产。70.需要说明的是，得到的当前车次的实际客座率，一方面作为售票预警的依据，另一方面作为日后优化列车售票健康规律知识库的样本数据。71.为了获取余票数据，本发明实施例设计构建了余票计算平台。余票计算平台用于实时计算、抽取和加载列车余票信息。如图3所示，余票计算平台包括：客票系统数据库、otx同步系统、分布式内存计算平台、数据收集和加载中间件和营销分析数据仓库。分布式内存计算平台包括本局分布式内存计算集群、互联网分布式内存计算集群。72.根据余票数据来源不同，余票计算的流程略有不同。对于本铁路局(简称“本局”)数据中心的余票数据，首先根据监控时间范围，在生成本局客票数据库之后，进入预售期之前，于设置的时间点自动从客票系统将本局客票数据库全库复制到余票集群服务器，获取席位余票数据；接着以异构数据同步软件otx作为数据中转站，将数据变化以sql语句的形式发送，并将接收消息贮存在内存中；消息接收端捕获消息，并对消息中的sql语句进行操作判断和数据解析，根据操作类型的不同，对内存数据库中数据做不同的操作，输入至本局分布式内存计算集群；为了实现余票数据持久化，根据余票查询业务，将内存划分为若干数据区域和数据单元，建立统一规则，将数据分散存储在多台设备内存中，由分布式内存计算平台根据售票组织策略计算余票情况；提供余票计算算法，根据不同接口参数计算余票数量，并向请求客户端提供约定格式的数据。对于外局数据中心(包括其他铁路局和集中存储数据中心)的余票数据，主要是非始发的、与本局相关的直通列车，可以利用现有互联网计算资源进行获取余票计算结果。通过数据收集和加载中间件将所有数据汇集至营销分析数据仓库。根据余票查询的需求，通过余票计算平台能够提供余票接口服务与余票查询服务。随着日期增长，余票计算平台将逐步获取更全面的历史列车余票切片数据，为列车售票规律分析与更新提供足够充分的数据支撑。73.本发明实施例，在预售期内能够对余票数据进行细微粒度的数据保存。随着预售期内时间的推移，切片数据量的不断增大，本发明实施例能够使售票过程中的余票信息数据的灵活性、可扩展性、可管理性不断增强，提供了海量支持售票策略决策与行为分析的业务数据，使得余票数据收集在空间效率、数据粒度、存储支持、用户体验等方面有了较大突破。74.步骤202、根据历史售票数据库，得到与当前车次对应日期的最佳客座率。75.本发明实施例中，如图4所示，步骤202具体包括：76.步骤2021、对历史售票数据库中的历史售票数据进行清洗。77.由于列车客座率能够最直观地体现列车的开行效益，因此使用客座率数据作为售票预警的主要指标。历史售票数据为不同的细分开行日期下，预售期内不同日期时每个车次的列车客座率。78.例如，对历史售票数据库中的历史售票数据进行清洗包括剔除历史售票数据中的奇异值。79.步骤2022、根据误差区间和清洗后的历史售票数据，得到包含客座率取值集合的第一集合。80.本发明实施例要解决的关键问题是，根据误差耐受度，计算每个列车车次在每个单位时间内最优客座率。其中，为了符合不同应用场景下的个性化需求，误差区间的范围根据实际情况进行设置。81.另外，异常预警标准的确定也是售票预警中要解决的首要问题，本发明实施例中，预售期中的异常预警标准定义为在对应的时间点，当前车次的实际客座率与列车售票健康规律知识库中对应车次对应日期的最优客座率的偏差超出误差区间的情况。因此，本发明实施例中车次预售健康模型能为不同细分日期下，每列车车次的最优客座率提供计算方法，结合给定的误差区间确定异常预警标准。82.对于每个列车车次，给定误差区间[b，a]，最优客座率的选取直接决定了售票预警的精确度。假设对于当前车次i，历史售票数据中已知发车日期类型d时，在开车前k天中，对应n个历史实际客座率yj,k，即[y1,k，y2,…yj,k…yn,k]。其中，历史实际客座率具体分类取决于对客座率的精度要求，例如当要求精度确定到小数点后一位时，92.3％、92.5％和92.8％均被认为不同的列车客座率。根据给定的误差区间[b，a]，每个客座率都存在一对应客座率值xj,k，使历史实际客座率yj,k满足误差区间[b，a]的要求，即：[0083][0084]则对于当前车次i，一个发车日期k下的每个客座率取值满足客座率取值集合aj,k：[0085]aj,k＝{xj,k|xj,k∈[b*yj,k yj,k，a*yj,k yj,k]}[0086]客座率取值集合aj,k可定义为当前车次i包含开车前k天第j个客座率取值的绝对误差范围，aj,k中的每个客座率取值都是使实际历史客座率yj,k满足误差区间[b，a]要求的客座率值xj,k。第一集合a＝{a1,k，a2,k…aj,k…an,k}。若第一集合a中的客座率取值集合aj,k存在交集，说明在该交集内，客座率值xj,k对应的历史实际客座率yj,k均能满足误差区间[b，a]的要求。因此，该交集内的取值能够覆盖几个集合所对应的所有样本数据，则可认为在一个列车的开行日期下，最优客座率存在于该交集中。[0087]若第一集合a在误差区间[b，a]内不存在交集，则取该日期下客座率的均值为最优客座率。当有且只有一个交集存在时，可直接取交集中值为最优客座率；当存在两个或两个以上交集时，则取覆盖样本密度最大的区间中值为最优客座率；若各交集的样本密度相同，则取中位区间的中值为最优客座率。[0088]如图5所示，将某个细分日期、预售期天数k下，某列车、某席别的列车客座率展开至二维坐标轴中，剔除奇异值后的实际历史客座率分别为y1,k，y2,k，y3,k，y4,k，y5,k，在给定误差区间[b，a]下，满足误差区间要求的客座率取值集合分别为a1,k，a2,k，a3,k，a4,k，a5,k。本发明实施例假设同一细分日期下，相同列车、相同席别的预售规律相同，因此，以任何一个数值代表该组列车的最佳预售状态均显然有失偏颇，但所有样本误差区间的交集(阴影部分)能够满足所有列车样本的最优误差要求，即代表了该列车的最佳预售状态，因此，选取图5中阴影部分的区间作为最优取值区间。[0089]步骤2023、通过基于误差区间的售票规律最优值算法对第一集合进行计算，得到最优取值区间。[0090]本发明实施例中，如图6所示，步骤2023具体包括：[0091]步骤a、初始化设置第一参数、第二参数和交集集合。[0092]该步骤中，第一参数j，第二参数i和交集集合初始化设置第一参数、第二参数和交集集合，具体包括：将第一参数j和第二参数i设置为1，将交集集合设置为a1,k。[0093]步骤b、从第一集合中选取第一参数对应的客座率取值集合，将交集集合与客座率取值集合的交集更新为交集集合。[0094]该步骤中，第一集合a＝{a1,k，a2,k…aj,k…an,k}，与第一参数j对应的客座率取值集合为aj,k，更新交集集合[0095]步骤c、将第一参数与第一数值的和作为第二参数。[0096]该步骤中，第一数值为1，令第二参数i＝j 1。[0097]步骤d、判断第二参数是否大于第一集合中客座率取值集合的数量，若是，执行步骤e；若否，执行步骤h。[0098]该步骤中，判断第二参数i是否大于第一集合中客座率取值集合的数量n。[0099]步骤e、将第一参数与第一数值的和作为第一参数。[0100]该步骤中，若判断出i大于n，令第一参数j＝j 1。[0101]步骤f、判断第一参数是否大于或者等于第一集合中客座率取值集合的数量，若是，执行步骤g；若否，继续执行步骤b。[0102]该步骤中，判断第一参数j是否大于或者等于第一集合中客座率取值集合的数量n。[0103]步骤g、将交集集合作为最优取值区间，继续执行步骤2024。[0104]该步骤中，若判断出j大于或者等于n，将交集集合作为最优取值区间。[0105]步骤h、根据第二参数从第一集合中截取子集合。[0106]该步骤中，若判断出i小于或者等于n，根据第二参数i从第一集合中截取出子集合{ai,k，ai 1,k…an,k}。[0107]步骤i、从子集合中选取第二参数对应的客座率取值集合，将交集集合与第二参数对应的客座率取值集合的交集更新为交集集合。[0108]该步骤中，从子集合{ai,k，ai 1,k…an,k}中选取第二参数i对应的客座率取值集合ai,k，并更新交集集合[0109]步骤j、将第二参数与第一数值的和作为第二参数，并继续执行步骤d。[0110]该步骤中，令第二参数i＝i 1，并继续执行步骤d。[0111]上述步骤a至步骤j执行的算法的时间复杂度为o((n-1)！)，可以找到所有样本误差区间的交集，该交集包含了所有的样本。[0112]步骤2024、根据最优取值区间，得到列车车次在单位时间内的最佳客座率。[0113]本发明实施例中，设定最优取值区间的均值为最佳客座率y*j,k。在实际中，不同的误差区间[b，a]会产生不同的最优取值区间。上述给出的算法适用于存在一个公共交集的情况。当所有样本误差区间均无交集时，取全部数据的均值为最佳客座率y*j,k。当存在两个或两个以上的交集时，计算能够覆盖更多样本的误差范围集合为最优取值区间。[0114]通过基于误差区间交集的最佳客座率预测方法，可以计算的开车前第k天的最佳客座率y*j,k。根据误差区间[b，a]，计算最佳客座率y*j,k的误差范围。将误差范围的上限a y*j,k作为上限阈值，将误差范围的下限b y*j,k作为下限阈值。如图7所示，位于中间的曲线为预售期内的最佳客座率曲线，位于最下面的曲线为预售期期内的下限阈值曲线，位于最上面的曲线为预售期期内的上限阈值曲线。当下限阈值小于0％时，取0％作为下限阈值。[0115]步骤2025、根据列车车次在单位时间内的最佳客座率，构建基于日期细分的列车售票健康规律知识库。[0116]步骤2026、从列车售票健康规律知识库中获取与当前车次对应日期的最佳客座率。[0117]步骤203、判断实际客座率和最佳客座率之间的偏差是否在误差区间范围内，若是，执行步骤204；若否，执行步骤206。[0118]该步骤中，判断实际客座率和最佳客座率之间的偏差是否在误差区间范围内，实际上是判断实际客座率是否在最优取值区间[b y*j,k，a y*j,k]内。[0119]步骤204、进行正常模式提醒。[0120]本发明实施例中，若判断出实际客座率和最佳客座率之间的偏差在误差区间范围内，进行正常模式提醒。[0121]步骤205、判断售票是否结束，若是，流程结束；若否，继续执行步骤201。[0122]本发明实施例中，若售票结束，则流程结束；若售票未结束，继续执行步骤201。[0123]步骤206、进行异常预警提示。流程结束。[0124]本发明实施例中，若判断出实际客座率和最佳客座率之间的偏差不在误差区间范围内，进行异常预警提示。流程结束。[0125]本发明实施例提供的一种售票预警方法的技术方案中，通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率；根据历史售票数据库，得到与当前车次对应日期的最佳客座率；当实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。[0126]图8为本发明一实施例提供的一种售票预警装置的结构示意图，如图8所示，所述装置包括：获取模块31、处理模块32、第一判断模块33、提醒模块34、第二判断模块35和预警模块36。[0127]获取模块31，用于通过基于切片技术的售票轨迹留存技术，获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率。[0128]处理模块32，用于根据历史售票数据库，得到与当前车次对应日期的最佳客座率。[0129]本发明实施例中，如图9所示，处理模块32包括：清洗子模块321、第一处理子模块322、第二处理子模块323、第三处理子模块324、构建子模块325和获取子模块326。[0130]清洗子模块321，用于对历史售票数据库中的历史售票数据进行清洗。[0131]第一处理子模块322，用于根据误差区间和清洗后的历史售票数据，得到包含客座率取值集合的第一集合。[0132]第二处理子模块323，用于通过基于误差区间的售票规律最优值算法对第一集合进行计算，得到最优取值区间。[0133]本发明实施例中，如图10所示，第二处理子模块323包括：初始化子单元3a、第一更新子单元3b、第一处理子单元3c、第一判断子单元3d、第二处理子单元3e、第二判断子单元3f、第三处理子单元3g、截取子单元3h、第二更新子单元3i和第四处理子单元3j。[0134]初始化子单元3a，用于初始化设置第一参数、第二参数和交集集合；[0135]第一更新子单元3b，用于从第一集合中选取第一参数对应的客座率取值集合，将交集集合与客座率取值集合的交集更新为交集集合；[0136]第一处理子单元3c，用于将第一参数与第一数值的和作为第二参数；[0137]第一判断子单元3d，用于判断第二参数是否大于第一集合中客座率取值集合的数量；[0138]第二处理子单元3e，用于若第一判断子单元3d判断出第二参数大于第一集合中客座率取值集合的数量，将第一参数与第一数值的和作为第一参数；[0139]第二判断子单元3f，用于判断第一参数是否大于或者等于第一集合中客座率取值集合的数量；[0140]第三处理子单元3g，用于若第二判断子单元3f判断出第一参数大于或者等于第一集合中客座率取值集合的数量，将交集集合作为最优取值区间。[0141]截取子单元3h，用于若第一判断子单元3d判断出第二参数小于或者等于第一集合中客座率取值集合的数量，根据第二参数从第一集合中截取子集合；[0142]第二更新子单元3i，用于从子集合中选取第二参数对应的客座率取值集合，将交集集合与第二参数对应的客座率取值集合的交集更新为交集集合；[0143]第四处理子单元3j，用于将第二参数与第一数值的和作为第二参数，并触发第一判断子单元3d，继续执行判断第二参数是否大于第一集合中客座率取值集合的数量的步骤。[0144]第二判断子单元3f，还用于若第二判断子单元3f判断出第一参数小于第一集合中客座率取值集合的数量，触发第一更新子单元3b，继续执行从第一集合中选取第一参数对应的客座率取值集合，将交集集合与客座率取值集合的交集更新为交集集合的步骤。[0145]第三处理子模块324，用于根据最优取值区间，得到列车车次在单位时间内的最佳客座率。[0146]构建子模块325，用于根据列车车次在单位时间内的最佳客座率，构建基于日期细分的列车售票健康规律知识库。[0147]获取子模块326，用于从列车售票健康规律知识库中获取与当前车次对应日期的最佳客座率。[0148]第一判断模块33，用于判断实际客座率和最佳客座率之间的偏差是否在误差区间范围内。[0149]提醒模块34，用于若第一判断模块33判断出实际客座率和最佳客座率之间的偏差在误差区间范围内，进行正常模式提醒，并触发第二判断模块35。[0150]第二判断模块35，用于判断售票是否结束。[0151]第二判断模块35，还用于若第二判断模块35判断出售票结束，流程结束。[0152]第二判断模块35，还用于若第二判断模块35判断出售票未结束，触发获取模块31，继续执行通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率的操作。[0153]预警模块36，用于若第一判断模块33判断出实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示。[0154]本发明实施例提供的售票预警装置可用于实现上述图1至图7中的售票预警方法，具体描述可参见上述售票预警方法的实施例，此处不再重复描述。[0155]本发明实施例提供的一种售票预警装置的技术方案中，通过基于切片技术的售票轨迹留存技术获取当前车次的实时售出数据切片与实时余票切片，得到当前车次的实际客座率；根据历史售票数据库，得到与当前车次对应日期的最佳客座率；当实际客座率和最佳客座率之间的偏差不在误差区间内时，进行异常预警提示，使得铁路客运售票组织对异常趋势识别敏感，提高实时灵敏度且不依赖人工。[0156]图11为本说明书服务器一个实施例的结构示意图，如图11所示，上述服务器可以包括至少一个处理器；以及与上述处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，上述处理器调用上述程序指令能够执行本说明书图1～图7所示实施例提供的售票预警方法。[0157]图11示出了适于用来实现本说明书实施方式的示例性服务器的框图。图11显示的服务器仅仅是一个示例，不应对本说明书实施例的功能和使用范围带来任何限制。[0158]如图11所示，服务器以通用计算设备的形式表现。服务器的组件可以包括但不限于：一个或者多个处理器21，存储器23，连接不同系统组件(包括存储器23和处理单元21)的通信总线24。[0159]通信总线24表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industrystandardarchitecture；以下简称：isa)总线，微通道体系结构(microchannelarchitecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(videoelectronicsstandardsassociation；以下简称：vesa)局域总线以及外围组件互连(peripheralcomponentinterconnection；以下简称：pci)总线。[0160]服务器典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。[0161]存储器23可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(randomaccessmemory；以下简称：ram)和/或高速缓存存储器。服务器可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。存储器23可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本说明书各实施例的功能。[0162]具有一组(至少一个)程序模块的程序/实用工具，可以存储在存储器23中，这样的程序模块包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本说明书所描述的实施例中的功能和/或方法。[0163]处理器21通过运行存储在存储器23中的程序，从而执行各种功能应用以及数据处理，例如实现本说明书图1～图7所示实施例提供的售票预警方法。[0164]本说明书实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本说明书图1～图7所示实施例提供的售票预警方法。[0165]上述非暂态计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(readonlymemory；以下简称：rom)、可擦式可编程只读存储器(erasableprogrammablereadonlymemory；以下简称：eprom)或闪存、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。[0166]计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。[0167]计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、rf等等，或者上述的任意合适的组合。[0168]可以以一种或多种程序设计语言或其组合来编写用于执行本说明书操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(localareanetwork；以下简称：lan)或广域网(wideareanetwork；以下简称：wan)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。[0169]上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。[0170]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。[0171]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。[0172]流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本说明书的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本说明书的实施例所属
技术领域：
：的技术人员所理解。[0173]取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。[0174]需要说明的是，本说明书实施例中所涉及的终端可以包括但不限于个人计算机(personalcomputer；以下简称：pc)、个人数字助理(personaldigitalassistant；以下简称：pda)、无线手持设备、平板电脑(tabletcomputer)、手机、mp3播放器、mp4播放器等。[0175]在本说明书所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。[0176]另外，在本说明书各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。[0177]上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本说明书各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory；以下简称：rom)、随机存取存储器(randomaccessmemory；以下简称：ram)、磁碟或者光盘等各种可以存储程序代码的介质。[0178]以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
