[发明专利]基于多粒度时间注意力机制的航班客座率预测方法

说明书

本发明提供了一种基于多粒度时间注意力机制的航班客座率预测方法。该方法包括：构建基于多粒度时间注意力机制的循环神经网络模型，将航线上所有起飞时刻的航班历史客座率时间序列作为所述编码器的输入序列，编码器对输入序列进行编码处理，解码器对编码器输出的编码信息进行解码处理，得到目标航班的航班客座率时间序列。本发明通过起飞时刻注意力机制捕获目标航班所在航线中不同起飞时刻航班客座率的时序依赖性及其它起飞时刻航班客座率对目标航班客座率的影响，同时采用起飞日注意力机制捕获目标航班的自身客座率序列的趋势性及周期性；结合考虑航班自身属性及节假日等外部因素的影响，最终使得本模型在航班客座率预测问题上取得了很好的效果。

技术领域

本发明涉及航班客座率预测技术领域，尤其涉及一种基于多粒度时间注意力机制的航班客座率预测方法。

背景技术

随着民航旅客的迅速增长，航空客运需求预测越来越受到航空公司、机票代理商、飞机制造商等民航相关企业的关注。航空客运量需求预测包括航线客运量需求预测、机场客运量需求预测、航空公司市场份额预测和航班客运量需求预测等方面。航班客运量需求预测是较细粒度上的需求预测，是航空座位优化控制和定价策略的基础。

对航空客运市场来说，航班客座率是衡量航班客运量需求的一个重要指标。航空公司通过航班客座率来衡量运力与运量之间是否匹配，并处理一系列衍生问题，包括溢出、虚耗、超售等；飞机制造商也需要关注客座率，客座率是航空公司是否需要增加运力，引进飞机的一个重要指标。民航市场从业者通过准确目标航班客座率，能够提前感知市场需求、提高企业收益管理水平、为各级运营部门提供决策支持。

目前，现有的航班客座率预测方法只关注了航班近期每日客座率的变化特点，无法同时考虑到该问题受到的其它众多因素的影响，例如航班所在航线中其它邻近起飞时刻的航班客座率、航班自身属性和外界因素等等。

发明内容

本发明的实施例提供了一种基于多粒度时间注意力机制的航班客座率预测方法，以克服现有技术的问题。

为了实现上述目的，本发明采取了如下技术方案。

一种基于多粒度时间注意力机制的航班客座率预测方法，包括：

构建基于多粒度时间注意力机制的循环神经网络模型，所述循环神经网络模型包括：结合起飞时刻注意力机制的编码器和结合起飞日注意力机制的解码器；

将航线上所有起飞时刻的航班历史客座率时间序列作为所述编码器的输入序列，所述编码器对所述输入序列进行编码处理，所述解码器对所述编码器输出的编码信息进行解码处理，得到目标航班的航班客座率时间序列。

优选地，所述结合起飞时刻注意力机制的编码器包括层次结构的第一层长短期记忆网络LSTM单元和第二层LSTM单元，将目标航班所在航线上所有航班的历史客座率时间序列按照起飞时刻输入至所述第一层LSTM单元的每个时间步，所述第一层LSTM单元输出综合考虑了起飞时刻时序性的每个起飞时刻下的隐藏层状态值；所述第一层LSTM单元的输出作为起飞时刻注意力机制的输入，起飞时刻注意力机制通过参考所述第二层LSTM单元前一起飞日的隐藏层状态，在每个起飞日自适应地提取所述第一层LSTM单元相关起飞时刻的隐藏层状态值，所述第二层LSTM单元输出目标航班在各起飞日的隐藏层状态值，综合所述第一层LSTM单元和所述第二层LSTM单元捕获目标航班所在航线中不同起飞时刻的航班客座率的时序依赖性和其它起飞时刻航班的客座率对目标航班的客座率的影响。

优选地，所述的方法包括：

给定时间窗口长度为D，采用表示一条航线上所有起飞时刻的航班过去D天的客座率构成的T个时间序列，其中表示第t个起飞时刻的航班过去D天的客座率时间序列，表示在过去第d个起飞日所有起飞时刻的航班客座率构成的向量；