本发明涉及数据处理,尤其涉及一种票价异常舱位确定方法、装置、设备及存储介质。
背景技术:
1、航空公司常由于人为失误,如货币标错、价格标错、舱位标错、漏算燃油费等导致出现超低价错误票;机票羊毛党利用爬虫算法时刻关注票价信息,一旦出现错误票就会涌入大量买入者,从而在航空公司发现前造成大量资金损失。
2、现有技术中为了能够提早发现错误票,需要获取前n天票价训练数据,清洗字段缺失、打折机票等异常数据,每m分钟采样,使用舱位分布、票价折扣等特征,将此次采样转化为一个分值,之后使用时间序列算法训练模型,预测出第二天分值图,并计算当前m分钟的分值上下限,超出上下限范围的则为异常点,最后根据异常点做出决策,但这种方式对所有航线、所有舱位一起采样,而错误票往往只出现在某一航线的某一类舱位,从而其他航线与舱位对分值计算权重过大,异常点不能在早期发现。并且现有算法只能说明存在票价异常,却无法给出具体航线或航班,不利于迅速调整错误票价。
3、上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本发明的主要目的在于提供了一种票价异常舱位确定方法、装置、设备及存储介质,旨在解决如何精准确定票价异常舱位类型的技术问题。
2、为实现上述目的,本发明提供了一种票价异常舱位确定方法,所述票价异常舱位确定方法包括以下步骤:
3、获取预设时间范围内目标航线中各舱位类型的订票信息;
4、将各舱位类型的订票信息与对应的预设订票阈值进行比较,所述预设订票阈值基于所述目标航线中各舱位类型的历史订票信息生成;
5、将所述目标航线中订票信息超过所述预设订票阈值的舱位类型认定为票价异常舱位类型。
6、可选地,所述获取预设时间范围内目标航线中各舱位类型的订票信息的步骤,包括:
7、获取目标航线中各舱位类型对应的当前时刻票价值及上一时刻票价值;
8、根据所述当前时刻票价值及所述上一时刻票价值生成订票信息指令;
9、根据所述订票信息指令获取预设时间范围内目标航线中各舱位类型的订票信息。
10、可选地,所述根据所述当前时刻票价值及所述上一时刻票价值生成订票信息指令的步骤,包括:
11、根据所述当前时刻票价值及所述上一时刻票价值确定票价差值;
12、判断所述票价差值是否大于或等于预设阈值;
13、在所述票价差值大于或等于所述预设阈值时,根据所述票价差值生成订票信息指令。
14、可选地,所述判断所述票价差值是否大于或等于预设阈值的步骤之后,还包括:
15、在所述票价差值小于所述预设阈值时,返回所述获取目标航线中各舱位类型对应的当前时刻票价值及上一时刻票价值的步骤。
16、可选地,所述将各舱位类型的订票信息与对应的预设订票阈值进行比较的步骤之前,还包括:
17、获取所述目标航线中各舱位类型的历史订票信息;
18、对所述历史订票信息进行数据清洗,获得样本订票信息;
19、根据所述样本订票信息确定各舱位类型对应的预设订票阈值。
20、可选地,所述对所述历史订票信息进行数据清洗,获得样本订票信息的步骤,包括:
21、根据所述历史订票信息确定多个订票数据;
22、判断多个所述订票数据是否满足预设缺失条件;
23、在多个所述订票数据满足所述预设缺失条件时,对多个所述订票数据进行数据清洗,获得多个样本订票数据;
24、根据多个所述样本订票数据生成样本订票信息。
25、可选地,所述对多个所述订票数据进行数据清洗,获得多个样本订票数据的步骤,包括:
26、分别对多个所述订票数据进行分类,获得多个待处理票价数据和多个待处理票量数据;
27、按照预设票价清洗规则对多个所述待处理票价数据进行清洗,获得多个样本票价数据;
28、按照预设票量清洗规则对多个所述待处理票量数据进行清洗,获得多个样本票量数据;
29、根据多个所述样本票价数据和多个所述样本票量数据确定多个样本订票数据。
30、可选地,所述订票信息包括票量平均分值,所述预设订票阈值包括预设票量阈值;
31、所述将各舱位类型的订票信息与对应的预设订票阈值进行比较的步骤,包括:
32、将各舱位类型的票量平均分值与对应的预设票量阈值进行比较;
33、相应地,将所述目标航线中订票信息超过所述预设订票阈值的舱位类型认定为票价异常舱位类型的步骤,包括:
34、将所述目标航线中票量平均分值超过所述预设票量阈值的舱位类型认定为票价异常舱位类型。
35、可选地,所述将所述目标航线中票量平均分值超过所述预设票量阈值的舱位类型认定为票价异常舱位类型的步骤之后,还包括:
36、根据所述票量平均分值和所述预设票量阈值确定票价差值;
37、根据所述票量差值确定票量异常等级;
38、确定所述票量异常等级对应的第一预警提示策略;
39、基于所述第一预警提示策略对所述票量异常舱位类型进行预警提示。
40、可选地,所述订票信息包括票量平均分值和票价平均分值,所述预设订票阈值包括预设票量阈值和预设票价阈值;
41、所述将各舱位类型的订票信息与对应的预设订票阈值进行比较的步骤,包括:
42、将各舱位类型的票量平均分值与对应的预设票量阈值进行比较,并且将各舱位类型的票价平均分值与对应的预设票价阈值进行比较;
43、相应地,将所述目标航线中订票信息超过所述预设订票阈值的舱位类型认定为票价异常舱位类型的步骤,包括:
44、将所述目标航线中票量平均分值超过所述预设票量阈值,并且票价平均分值不超过所述预设票价阈值的舱位类型认定为票价异常舱位类型。
45、可选地,所述将所述目标航线中票量平均分值超过所述预设票量阈值,并且票价平均分值不超过所述预设票价阈值的舱位类型认定为票价异常舱位类型的步骤之后,还包括:
46、根据所述票量平均分值和所述预设票量阈值确定票量差值;
47、根据所述票价平均分值和所述预设票价阈值确定票价差值;
48、根据所述票量差值及所述票价差值确定订票异常等级;
49、确定所述订票异常等级对应的第二预警提示策略;
50、基于所述第二预警提示策略对所述票价异常舱位类型进行预警提示。
51、此外,为实现上述目的,本发明还提出一种票价异常舱位确定装置,所述票价异常舱位确定装置包括:
52、获取模块,用于获取预设时间范围内目标航线中各舱位类型的订票信息;
53、比较模块,用于将各舱位类型的订票信息与对应的预设订票阈值进行比较,所述预设订票阈值基于所述目标航线中各舱位类型的历史订票信息生成;
54、判定模块,用于将所述目标航线中订票信息超过所述预设订票阈值的舱位类型认定为票价异常舱位类型。
55、可选地,所述获取模块,还用于获取目标航线中各舱位类型对应的当前时刻票价值及上一时刻票价值;
56、所述获取模块,还用于根据所述当前时刻票价值及所述上一时刻票价值生成订票信息指令;
57、所述获取模块,还用于根据所述订票信息指令获取预设时间范围内目标航线中各舱位类型的订票信息。
58、可选地,所述获取模块,还用于根据所述当前时刻票价值及所述上一时刻票价值确定票价差值;
59、所述获取模块,还用于判断所述票价差值是否大于或等于预设阈值;
60、所述获取模块,还用于在所述票价差值大于或等于所述预设阈值时,根据所述票价差值生成订票信息指令。
61、可选地,所述票价异常舱位确定装置还包括处理模块;
62、所述处理模块,用于获取所述目标航线中各舱位类型的历史订票信息;
63、所述处理模块,还用于对所述历史订票信息进行数据清洗,获得样本订票信息;
64、所述处理模块,还用于根据所述样本订票信息确定各舱位类型对应的预设订票阈值。
65、可选地,所述处理模块,还用于根据所述历史订票信息确定多个订票数据;
66、所述处理模块,还用于判断多个所述订票数据是否满足预设缺失条件;
67、所述处理模块,还用于在多个所述订票数据满足所述预设缺失条件时,对多个所述订票数据进行数据清洗,获得多个样本订票数据;
68、所述处理模块,还用于根据多个所述样本订票数据生成样本订票信息。
69、可选地,所述订票信息包括票量平均分值,所述预设订票阈值包括预设票量阈值;
70、所述比较模块,还用于将各舱位类型的票量平均分值与所述预设票量阈值进行比较;
71、所述判定模块,还用于将所述目标航线中票量平均分值超过对应的预设票量阈值的舱位类型认定为票价异常舱位类型。
72、可选地,所述订票信息包括票量平均分值和票价平均分值,所述预设订票阈值包括预设票量阈值和预设票价阈值;
73、所述比较模块,还用于将各舱位类型的票量平均分值与对应的预设票量阈值进行比较,并且将各舱位类型的票价平均分值与对应的预设票价阈值进行比较;
74、所述判定模块,还用于将所述目标航线中票量平均分值超过所述预设票量阈值,并且票价平均分值不超过所述预设票价阈值的舱位类型认定为票价异常舱位类型。
75、此外,为实现上述目的,本发明还提出一种票价异常舱位确定设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的票价异常舱位确定程序,所述票价异常舱位确定程序配置为实现如上文所述的票价异常舱位确定方法的步骤。
76、此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有票价异常舱位确定程序,所述票价异常舱位确定程序被处理器执行时实现如上文所述的票价异常舱位确定方法的步骤。
77、本发明首先获取预设时间范围内目标航线中各舱位类型的订票信息,然后将各舱位类型的订票信息与对应的预设订票阈值进行比较,预设订票阈值基于目标航线中各舱位类型的历史订票信息生成,并将目标航线中订票信息超过预设订票阈值的舱位类型认定为票价异常舱位类型。相较于现有技术中直接将票价数据通过舱位分布、票价折扣等特征转换为对应分值,之后使用时间序列算法预测第二天分值图,导致不能精准确定票价异常舱位,而本发明中需要将各舱位类型的订票信息与对应的预设订票阈值进行比较,将超过预设订票阈值的舱位类型认定为票价异常舱位类型,从而实现了精准确定票价异常舱位类型。