[发明专利]一种景点门票销量预测系统及方法

说明书

本发明涉及一种景点门票销量预测系统及方法，其中，预测方法包括：S1、获取旅游特征样本；S2、对旅游特征样本进行向量化处理，得到向量化特征样本；S3、将向量化特征样本分别输入多元线性模型、支持向量机模型、决策树模型进行训练，并输出样本训练集；S4、将样本训练集输入bagging模型进行训练，得到训练好的bagging模型；S5、将训练好的三个预测模型和bagging模型共同组成销量预测系统；S6、定时采集实际的旅游特征，并将该实际的旅游特征输入销量预测系统，得到景点门票销量预测结果。与现有技术相比，本发明通过获取多样性的旅游特征，结合三种预测模型和bagging算法，保证了预测结果的准确性。

技术领域

本发明涉及互联网技术领域，尤其是涉及一种景点门票销量预测系统及方法。

背景技术

销量预测是指根据以往的销售历史数据，使用系统内部内置或用户自定义的销量预测模型，以对未来销售情况进行预测。基于销量预测可以直接生成同类型的销售计划，无论企业的规模大小、销售人员的多少，销售预测均会影响销售管理工作，包括销售计划、销售预算和销售额确定等各方面。

随着通讯技术和互联网技术的发展，以及各个业务操作流程的自动化，会产生数以十几或上百GB的销售历史数据，面对这些海量数据，传统的预测模型将无法适应新的预测要求，传统的销量预测通常是根据历史销量、价格、是否节假日、是否有活动等商业因素进行预测，而在景点门票销量预测中，存在旅游行业独有的特征维度，如季节、气温、天气、空气质量、寒暑假等因素，传统的销量预测往往缺少对上述旅游特征维度的处理分析，最终将影响销量预测的准确性；此外，目前的景区景点大多只能获取到自身的历史客流量，无法获得全面的旅游特征维度，因此在进行预测模型训练时，存在训练样本特征获取困难、特征缺失的问题。

综上所述，现有的预测模型往往不考虑天气、气温、空气质量、寒暑假等旅游行业特有的特征维度，导致景点门票销量预测的准确度不高；景点自身的历史数据单一，特征维度少，导致特征处理结果不可靠，不利于预测模型训练。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种景点门票销量预测系统及方法，基于旅游特征维度，结合多种预测模型和bagging算法，实现准确预测景点门票销量的目的。

本发明的目的可以通过以下技术方案来实现：一种景点门票销量预测系统，包括多元线性模型、支持向量机模型、决策树模型和bagging模型，所述多元线性模型、支持向量机模型和决策树模型的输入均包括数值特征和定性特征，所述多元线性模型、支持向量机模型和决策树模型的输出分别连接至bagging模型，通过bagging模型综合多元线性模型、支持向量机模型和决策树模型的预测结果，以输出最终的预测结果。

进一步地，所述数值特征包括门票价格、历史销量、气温和空气质量的数据，所述定性特征包括天气、季节、是否寒暑假、是否节假日、是否周末和是否有活动的信息。

进一步地，所述多元线性模型、支持向量机模型和决策树模型的输入还包括额外特征，所述额外特征具体是根据用户需求进行设置。

一种景点门票销量预测方法，包括以下步骤：

S1、获取旅游特征样本，其中，旅游特征包括数值特征、定性特征和额外特征；

S2、对旅游特征样本进行向量化处理，得到向量化特征样本；

S3、将向量化特征样本分别输入多元线性模型、支持向量机模型、决策树模型进行训练，分别得到训练好的多元线性模型、支持向量机模型、决策树模型，并输出样本训练集；

S4、将样本训练集输入bagging模型进行训练，得到训练好的bagging模型；