一种独飞航线机票预测规划方法、系统及储存介质与流程

技术特征：
1.一种独飞航线机票预测规划方法，其特征在于，包括：s1.查票人数模拟，包括：s1-1，统计目标航班的历史购票记录中的购票人数、价格与购票时间；s1-2，基于s1-1的统计数据，获取目标训练时间点前第i天的购票人数与其购票价格，对任意i中购票人数与购票价格取得平均值，同时计算日均总收入；s1-3，构建泊松分布函数po对每一天的查票人数进行模拟，得到当天的模拟查票人数；s2.基于查票人数模拟对强化学习模型进行训练，包括：s2-1，构建a2c强化学习网络；s2-2，将步骤s1查票人数模拟结果作为强化学习网络的训练环境进行训练；之后，将目标航班在该训练环境中的最高收益和总体收益记为网络预测收益，将模拟环境对应的最高收益与总体收益记为模拟收益；s2-3，将预测收益与模拟收益带入损失函数，对强化学习模型进行参数更新；。s2-4，重置模拟环境并重新进行上述训练，直至奖励值不再增长，网络训练完毕，保存网络训练参数；s3.机票价格规划：依据航班当前的售票状态通过强化学习模型对其后续定价策略进行预测。2.根据权利要求1所述独飞航线机票预测规划方法，其特征在于，步骤s1-1所述统计目标航班的历史购票记录中的购票人数、价格与购票时间的方法为：首先，标记目标训练时间点，并获取统计间隔天数c；然后，对其中c∈c，统计c当天的购票人数a，记每一个人的购票价格为p，记该天的信息为集合d
c
；最后，将全部c∈c的集合d
c
合并为集合d。3.根据权利要求2所述独飞航线机票预测规划方法，其特征在于，步骤s1-2包括：计算目标训练时间点前第i天的平均购票人数a
i
与平均购票折扣m
i
，并计算当天平均收益：a
i
*m
i
。4.根据权利要求3所述独飞航线机票预测规划方法，其特征在于，步骤s1-3所述构建泊松分布函数po对每一天的查票人数进行模拟的方法为：首先，构建泊松分布函数po，对于任意c∈c，取其集合d
c
；获取c所对应的i天的平均购票人数a
i
、平均购票折扣m
i
、平均收益：a
i
*m
i
；然后，以x轴为购票人数，y轴购票价格构建x-y坐标系；在x-y坐标系上做如下po函数曲线：以a
i-m
i
为峰值，调整λ使得柏松分布的积分面积等于a
i
*m
i
*α/10；所得po函数曲线即为当天查票人数与其可接受的价格，其中纵坐标为机票价格，横坐标为可接受该购票价格的查票人数。5.根据权利要求4所述独飞航线机票预测规划方法，其特征在于，步骤s1-1中，对目标航班进行一年的上述统计，得到365-366个d；步骤s1-3中对365-366个d分别构建po函数曲线，作为该航班的模拟查票人数。6.根据权利要求1所述独飞航线机票预测规划方法，其特征在于，步骤s2-1所述a2c强化学习网络，包括a与c，a为状态计算网络，c为价值计算网络，其分别由afc1、afc2、cfc1、cfc2与fcs构成，其中：
afc1为a中第一层全链接，由128个神经元构成；afc2为a中第二层全链接，由256个神经元构成；cfc1为c中第一层全链接，由128个神经元构成；cfc2为c中第二层全链接，由256个神经元构成；fcs为其共享层，由128个神经元构成。7.根据权利要求6所述独飞航线机票预测规划方法，其特征在于，步骤s2-2所述将步骤s1查票人数模拟结果作为强化学习网络的训练环境进行训练的方法包括：1)采用步骤s1对目标航班历史数据中随机选取一天进行查票人数模拟；2)根据上述模拟查票人数结果，预先计算该航班最大收益r；3)随机初始化已售票状态s；4)s作为初始状态，输入步骤s2的a2c网络中，使用a模型计算当前定价策略，得到结果a；5)a作为定价策略与模拟查票环境进行计算，统计该定价策略下，当天售票人数与其售票价格，并计算当日收益r，同时c网络计算售票策略a带来的价值v；6)收集v与r直至选取当天目标航班起飞或者机票售罄。8.根据权利要求1所述独飞航线机票预测规划方法，其特征在于，步骤s3所述依据航班当前的售票状态通过强化学习模型对其后续定价策略进行预测的方法，包括：首先获取当前已售票状态并对其进行向量化，向量化的方法为：分别统计各折扣下的售票量，构建十维全零向量，其中0到9分别代表一折到全价的售票量；然后加载向量化强化学习模型，将上述向量作为输入，对其进行预测，输出得到定价策略a；a为十维向量，其中0到9分别代表一折到全价的放票量。9.一种独飞航线机票预测规划系统，其特征在于，包括分析装置，所述分析装置采用权利要求1-8任一所述独飞航线机票预测规划方法，获取目标航班的历史数据，分析后输出该航班目标时间的定价策略a。10.一种储存介质，其特征在于，所述储存介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至8任一项所述的独飞航线机票预测规划方法中的步骤。

技术总结
本发明提供一种独飞航线机票预测规划方法、系统及储存介质，包括：S1.基于目标航班的历史购票记录中的购票人数、价格与购票时间进行查票人数模拟。S2.基于查票人数模拟对强化学习模型进行训练。S3.机票价格规划：依据航班当前的售票状态通过强化学习模型对其后续定价策略进行预测。本发明模拟环境更接近于真实环境。且强化学习模型训练中兼顾了每日的收益与整体的收益，能有效避免奖励滞后的问题，使得网络效果更佳，训练速度更快。并且本发明中对购票状态与定价策略的向量化，综合借鉴了自然语言处理中词带模型与向量化策略，能够很好的将抽象的状态信息转化为模型输入与输出。的将抽象的状态信息转化为模型输入与输出。的将抽象的状态信息转化为模型输入与输出。


技术研发人员：邹金根 刘海鸥 简军
受保护的技术使用者：北京人人云图信息技术有限公司
技术研发日：2022.04.11
技术公布日：2022/6/21