[发明专利]一种基于酒店市场数据的酒店市场热度预测方法及系统

说明书

技术领域

本发明涉及一种基于酒店市场数据的酒店市场热度预测方法及系统，属于计算机软件技术领域。

背景技术

现有技术中，绝大多数酒店的经营人员对于本酒店所在市场的热度是未知的，只能通过一些外部辅助数据源使用历史同期的方法来做估计。例如，2016年国庆节期间，故宫附近某酒店通过获取“故宫住宿”的百度指数数据，发现2016年劳动节期间，百度指数在与去年相比提高了30％，由此估计故宫在2016年国庆节期间市场热度也会提高30％左右。这种估计方式对于国庆节等假期的效果是不错的，但是对于平常日期而言，效果很差。

酒店经营人员会通过对市场热度的估计，综合考虑本酒店的供给，对本酒店进行定价。市场热度估计的不准确性直接导致了定价的不合理性，进而降低了酒店的收益。

另外，消费者在进行酒店预订的过程中，可能由于酒店的异常调价带来经济损失与心理落差。

发明内容

本发明要解决的技术问题是为了克服现有技术中无法准确预测酒店所在市场的热度的缺陷，提供一种基于酒店市场数据的预测系统及方法。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供了一种基于酒店市场数据的预测系统，其特点在于，包括数据获取模块、预测模块及通知模块。

所述数据获取模块用于定期获取设定地理范围、任意所需相关市场的数据，以及该市场的历史数据。例如每天获取北京市所有酒店在线预定数据的总和及历史订房数据等。

预测模块包括核心距离函数，模式搜索模块和模式匹配模块。核心距离函数用于定义一个任意一条被预测数据与任意一条历史数据的相似程度；模式搜索模块用于在所有历史数据中搜索到最合适的历史模式；模式匹配模块用于将历史模式应用到数据中，计算出预测结果。

通知模块用于在预测模块更新预测结果后，进行相关分析，对酒店进行通知与预警。

较佳地，预测模块还可以包括参数计算模块，用于根据新增数据，重新计算预测模块所需参数，提供给预测模块。

本发明的目的还在于提供了一种基于订单的酒店市场热度预测方法，其特点在于，利用上述的预测系统实现，所述预测方法包括以下步骤：

S₁、所述数据获取模块定期收集所需市场数据，并将数据传至所述预测模块内。

S₂、所述模式搜索模块通过调用核心距离函数，在历史数据中搜索距离最小的历史模式，并返回匹配参数与最佳模式。

S₃、所述模式匹配模块通过调用S₂的匹配参数与最佳模式，计算出预测值。

S₄、所述通知模块将预测值推送到酒店，并对其进行相关的分析。

较佳地，所述预测模块还包括，核心距离函数在引入日期权值后，搜索出更接近于近期情况的模式。

较佳地，所述预测模块还包括参数计算模块，用于每天根据新增数据，重新计算预测模块所需参数，提供给预测模块。

本发明的积极进步效果在于：

本发明通过对于市场数据的搜集，传入到预测模块，经过分析和计算，预测出未来市场的热度大小，然后反馈到酒店，从而协助酒店进行更科学的定价与收益管理。

附图说明

图1为本发明的实施例的基于酒店市场数据的酒店市场热度的预测系统的模块示意图；

图2为本分明的实施例的基于酒店市场数据的酒店市场热度的预测方法的流程图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

如图1所示，本发明的基于酒店市场数据的酒店市场热度预测系统包括数据获取模块1，预测模块2及通知模块3。所述数据获取模块1用于获取每天新增的对于第t天酒店在线预定市场的预定数据。下面记第o天(例如o＝2016年9月1日)及第o天以前对于第t天(例如t＝2016年10月1日)的总预定量为R(o,t)。所述核心距离函数为：

α、β的求解，可以使用对α、β求偏导数的方法来完成，这里不展开对其进行说明。

所述模式搜索模块用于对于任意一个需要预测的第t天，遍历历史上的所有天t₀，使得D(t₀，t)最小。从而得到一个使D(t₀，t)最小的t_0min及对应的α、β，其中，α为权重系数、β为设定的增量因子。