[發明專利]旅客出行目的預測方法及裝置

在審

• 申請號: 201510994069.5
• 申請日: 2015-12-25
• 公開（公告）號: CN105512773A
• 公開（公告）日: 2016-04-20
• 發明（設計）人: 劉艷芳;余樂;陳旭
• 申請（專利權）人: 中國民航信息網絡股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30
• 代理公司: 北京瑞思知識產權代理事務所(普通合伙) 11341
• 代理人: 李濤;孫敬霞

1.一種旅客出行目的預測方法，其特征在于，所述方法包括：

從旅客全景視圖中讀取旅客出行行為記錄；

提取并計算所述旅客出行記錄的特征值；

調用預測模型對所述特征值進行計算，得到旅客出行目的的預測結果。

2.根據權利要求1所述的方法，其特征在于，在讀取旅客出行記錄之前，所述方法還包 括：基于支持向量機SVM決策樹算法建立所述預測模型。

3.根據權利要求1或2所述的方法，其特征在于，在讀取旅客出行行為記錄之前，所述方 法還包括建立所述預測模型的步驟，該步驟包括：

采集多條訓練數據，每條所述訓練數據包括一個旅客一次出行的出行記錄和出行目 的；

分別提取和計算所述多條訓練數據的特征值；

基于所述多條訓練數據的特征值訓練預測模型；

驗證所述預測模型的準確率；

保存通過驗證的預測模型。

4.根據權利要求1或3所述的方法，其特征在于，所述特征值可以包括如下的任意一種 或任意組合：常客卡級別、起飛日期類型、乘客年齡區間、性別、證件類型、起飛時間類型、OD 目的地類型、提前訂票天數區間、值機方式、提前值機時間、航段國際國內、同行人關系、訂 票渠道、是否使用大客戶編碼、是否購買往返票、艙位類型、折扣率區間、團隊標識。

5.根據權利要求1、2或3所述的方法，其特征在于，建立所述預測模型之前，所述方法還 包括：構造特征值計算規則，并選擇特征值。

6.根據權利要求3所述的方法，其特征在于，所述訓練預測模型包括：

讀取所述特征值的文件，將所述文件的每一行變量作為輸入，調用SVM決策樹算法進行 預測模型的訓練；如果讀取到的特征值不是數值型，則先進行數值化處理。

7.根據權利要求3所述的方法，其特征在于，所述保存預測模型為：以文本文件的形式 保存通過驗證的預測模型。

8.一種旅客出行目的預測裝置，其特征在于，所述裝置包括：

讀取模塊，用于從旅客全景視圖中讀取旅客出行記錄；

特征值模塊，用于提取并計算所述旅客出行記錄的特征值；

預測模塊，用于調用預測模型對所述特征值進行計算，得到旅客出行目的的預測結果。

9.根據權利要求8所述的裝置，其特征在于，所述預測模塊，包括：計算子模塊和建立子 模塊，其中，

建立子模塊，用于基于支持向量機SVM決策樹算法建立所述預測模型；

所述計算子模塊，用于調用所述預測模型對所述特征值進行計算，得到旅客出行目的 的預測結果。

10.根據權利要求8或9所述的裝置，其特征在于，

所述讀取模塊，還用于采集多條訓練數據，每條所述訓練數據包括一個旅客一次出行 的出行記錄和出行目的；

所述特征值模塊，還用于分別提取和計算所述多條訓練數據的特征值；

所述預測模塊的建立子模塊，具體用于基于所述多條訓練數據的特征值訓練預測模 型，驗證所述預測模型的準確率，并保存通過驗證的預測模型。

11.根據權利要求8或10所述的裝置，其特征在于，所述特征值可以包括如下的任意一 種或任意組合：常客卡級別、起飛日期類型、乘客年齡區間、性別、證件類型、起飛時間類型、 OD目的地類型、提前訂票天數區間、值機方式、提前值機時間、航段國際國內、同行人關系、 訂票渠道、是否使用大客戶編碼、是否購買往返票、艙位類型、折扣率區間、團隊標識。

12.根據權利要求8或10所述的裝置，其特征在于，所述所述特征值模塊，還用于構造特 征值計算規則，并選擇特征值；以及，用于基于所述特征值計算規則，提取和計算特征值。

13.根據權利要求10所述的裝置，其特征在于，所述建立子模塊用于訓練預測模型，包 括：

讀取所述特征值的文件，將所述文件的每一行變量作為輸入，調用SVM決策樹算法進行 預測模型的訓練；如果讀取到的特征值不是數值型，則先進行數值化處理。

14.根據權利要求10所述的裝置，其特征在于，所述建立子模塊用于以文本文件的形式 保存通過驗證的預測模型。