[发明专利]访问流量控制方法、系统、电子设备和存储介质

权利要求书

1.一种访问流量控制方法，其特征在于，包括：

获得访问流量全部开放时一航司全部航线历史每天的销量，形成全流量下该航司全航线的历史销量序列；

对所述历史销量序列进行时序分解获得时间特征，包括：采用decompose函数对所述历史销量序列进行时序分解，获得周期项和趋势项，作为所述时间特征；并获得与所述历史销量序列关联的其他特征，形成特征变量集，所述其他特征包括：所述历史销量序列的节假日数据，所述历史销量序列的年、月、周、天的哑变量，该航司t-1天的销量、t-1天的订单量、t-1天的查询量，其中t-1天是待训练的历史每天的前一天；

从所述特征变量集中基于网络搜索和交叉验证选取特征参数，包括：将所述特征变量集切分为训练集和测试集，采用学习步长eta函数、最大树深max_depth函数、最小叶节点权重min_child_weight函数、训练样本的采样比例subsample函数和列采样比例colsample_bytree函数选取特征参数；并以所述历史销量序列为目标参数进行模型训练，获得xgboost预测模型；

根据所述xgboost预测模型获得未来每天全流量下该航司全航线的预测销量，根据所述未来每天全流量下该航司全航线的预测销量与未来每天该航司全航线的待销量，获得未来每天访问流量的开放比例。

2.如权利要求1所述的访问流量控制方法，其特征在于，所述获得访问流量全部开放时一航司全部航线历史每天的销量的步骤包括：

获得历史一天该航司在售航线的真实销量作为第一销量，及该天该航司在售航线在所有航司中的真实销量作为第二销量，以所述第一销量与所述第二销量的比值作为该航司销量占所有航司销量的占比因子；

获得该航司全部航线在所有航司中该天的真实销量作为第三销量，将所述占比因子与所述第三销量相乘获得该航司该天的全航线销量；

将该航司该天的全航线销量与该天的访问流量开放比例相除，获得全流量下该航司全航线该天的销量。

3.如权利要求2所述的访问流量控制方法，其特征在于，所述获得全流量下该航司全航线该天的销量的公式是：

其中全部航线包括在售航线和非在售航线。

4.如权利要求1所述的访问流量控制方法，其特征在于，所述获得未来每天访问流量的开放比例的方法是：

其中R是未来每天访问流量占全流量的开放比例。

5.如权利要求1所述的访问流量控制方法，其特征在于，与所述历史销量序列关联的其他特征还包括：

该航司订单的价格区间特征、单程/往返特征、成人/儿童特征、出行目的特征、来源渠道特征。

6.一种访问流量控制系统，其特征在于，包括：

销量计算模块，用于获得访问流量全部开放时一航司全部航线历史每天的销量，形成全流量下该航司全航线的历史销量序列；

变量生成模块，用于对所述历史销量序列进行时序分解获得时间特征，包括：采用decompose函数对所述历史销量序列进行时序分解，获得周期项和趋势项，作为所述时间特征；并获得与所述历史销量序列关联的其他特征，形成特征变量集，所述其他特征包括：所述历史销量序列的节假日数据，所述历史销量序列的年、月、周、天的哑变量，该航司t-1天的销量、t-1天的订单量、t-1天的查询量，其中t-1天是待训练的历史每天的前一天；

模型训练模块，用于从所述特征变量集中基于网络搜索和交叉验证选取特征参数，包括：将所述特征变量集切分为训练集和测试集，采用学习步长eta函数、最大树深max_depth函数、最小叶节点权重min_child_weight函数、训练样本的采样比例subsample函数和列采样比例colsample_bytree函数选取特征参数；并以所述历史销量序列为目标参数进行模型训练，获得xgboost预测模型；

预测模块，用于根据所述xgboost预测模型获得未来每天全流量下该航司全航线的预测销量，根据所述未来每天全流量下该航司全航线的预测销量与未来每天该航司全航线的待销量，获得未来每天访问流量的开放比例。