【技術實現步驟摘要】
本專利技術涉及酒店預訂及大數據，具體涉及基于大數據的酒店客房狀態及價格預測方法。
技術介紹
1、隨著旅游業和互聯網行業的發展，市場上出現一些通過網站經營預訂酒店的代理中介業務的公司，例如攜程、藝龍、芒果網等。這些網站能顯示酒店的簡介、房態、房型、客房價格等信息，用戶可以在線方式或電話方式通過網站中介來預訂酒店客房。
2、但是，這些網站有一個缺陷，就是，用戶只能按照網站顯示價格向網站中介預訂酒店客房，不能實現與一個或若干個酒店的商家直接溝通和商議價格，造成用戶只能被動地接受標準化的服務，用戶選擇余地很小，并且不能討價還價。對用戶來說，用戶希望能與多個酒店溝通并通過競爭式的議價模式獲得優惠價格；對酒店來說，當酒店有空閑客房時，酒店愿意與有意向的用戶建立直接溝通，經過議價后，以優惠價銷售空閑客房。酒店客房作為一種特殊商品，具有很強的價值時效性。一旦客房沒有及時賣出，過期后其價值為零。如果非公開地、以議價方式低價銷售空閑客房，酒店在支出相應的保潔費、水電費等很少的成本后仍能獲得良好收益；并且不會因此造成該優惠價格的公開化，從而沖擊其正常市場價格體系；同時用戶得到實惠。
3、然而，目前的議價平臺沒有給用戶和商家提供參考價格。一方面，對于用戶來說，其在議價過程中不知道該如何出價，價格出低了，商家無法接受，價格出高了，又會造成自身的損失；并且由于沒有參考價格，使得用戶無法判斷商家的還價是否合理，進而不會認可商家的還價，導致用戶的使用滿意度不好。另一方面，對于商家而言，其一般是基于當前的空房率(即客房空置的比例)來定價和
技術實現思路
1、針對上述現有技術的不足，本專利技術所要解決的技術問題是：如何提供一種基于大數據的酒店客房狀態及價格預測方法，通過相關事件大數據來預測酒店在未來時刻的客房預訂增長率和空房率，進而給出客房預測價格來輔助用戶和商戶進行議價，不僅能夠提高用戶的使用滿意度，還能夠提高酒店客房議價的準確性和效率。
2、為了解決上述技術問題，本專利技術采用了如下的技術方案：
3、基于大數據的酒店客房狀態及價格預測方法，包括：
4、s1：獲取用戶的客房需求和預訂時間；
5、s2：為用戶匹配滿足其客房需求和預訂時間的目標客房；獲取目標客房的當前價格以及包含目標客房的目標酒店的客房剩余量；
6、s3：獲取與用戶的預訂時間關聯的相關事件大數據，根據相關事件大數據預測目標酒店在用戶預訂時間的客房預訂增長率；
7、s4：根據目標酒店當前的客房剩余量和預測的在用戶預訂時間的客房預訂增長率計算目標酒店在用戶預訂時間的空房率；
8、s5：根據目標客房的當前價格以及目標酒店在用戶預訂時間的空房率預測用戶預訂時間的目標客房預測價格。
9、優選的，還包括步驟s6；
10、s6：當用戶的預訂時間包含多個日期時，分別針對每個日期執行步驟s2至s5預測得到每個日期的目標客房預測價格；基于每個日期的目標客房預測價格生成用戶預訂時間內的目標客房預測價格變化趨勢。
11、優選的，步驟s3中，相關事件大數據包括節假日大數據；
12、通過如下步驟預測客房預訂增長率：
13、s301：獲取的節假日大數據包括節假日類型和節假日時間段，以及所有酒店在節假日的歷史客房預訂大數據；
14、s302：確定用戶預訂時間與節假日時間段的重疊日期；
15、s303：獲取目標酒店在該節假日類型的歷史客房預訂大數據，篩選出目標酒店在重疊日期的歷史客房預訂率；
16、s304：獲取其他酒店在該類型節假日的歷史客房預訂大數據，篩選出其他酒店在重疊日期的歷史客房預訂率；
17、s305：根據目標酒店和其他酒店在重疊日期的歷史客房預訂率計算目標酒店在用戶預訂時間的客房預訂增長率。
18、優選的，步驟s3中，相關事件大數據包括旅游人口大數據；
19、通過如下步驟預測客房預訂增長率：
20、s311：獲取的旅游人口大數據包括旅游高峰類型和旅游高峰時間段，以及所有酒店在旅游高峰的歷史外來人口流量大數據和歷史客房預訂大數據；
21、s312：在當前日期屬于旅游高峰時間段時，獲取當前日期的外來人口流量；
22、s313：根據歷史外來人口流量大數據從旅游高峰時間段中匹配歷史外來人口流量與當前日期的外來人口流量最接近的旅游高峰日期；
23、s314：計算當前日期與用戶預訂時間的日期間隔n；將與當前日期的外來人口流量最接近的旅游高峰日期往后推n天作為用戶預訂時間對應的目標旅游高峰日期；
24、s315：獲取目標酒店在用戶預訂時間對應的目標旅游高峰日期的歷史客房預訂率；
25、s316：獲取其他酒店子用戶預訂時間對應的目標旅游高峰日期的歷史客房預訂率；
26、s317：根據目標酒店和其他酒店在用戶預訂時間的歷史客房預訂率計算目標酒店在用戶預訂時間的客房預訂增長率。
27、優選的，步驟s3中，相關事件大數據包括聚集活動大數據；
28、通過如下步驟預測客房預訂增長率：
29、s321：獲取的聚集活動大數據包括聚集活動類型、聚集活動地點、聚集活動時間段和聚集活動報備人數；當用戶預訂時間屬于聚集活動時間段時，執行后續步驟；
30、s322：根據聚集活動類型計算活動預測人數；
31、s323：根據活動預測人數計算客房需求量；
32、s324：根據聚集活動地點生成活動預測區域；當目標酒店位于活動預測區域內時，執行后續步驟；
33、s325：計算活動預測區域內的酒店數量；
34、s326：根據客房需求量和活動預測區域內的酒店數量計算酒店平均訂房增量；通過酒店平均訂房增量計算目標酒店在用戶預訂時間的客房預訂增長率。
35、優選的，步驟s322中，獲取的聚集活動大數據還包括聚集活動的歷史活動人數大數據；
36、根據聚集活動類型從聚集活動的歷史活動人數大數據計算當前聚集活動類型的歷史實際參與人數和對應的歷史聚集活動報備人數；根據歷史實際參與人數和對應的歷史聚集活動報備人數計算當前聚集活動類型的歷史上座率；通過當前聚集活動類型的歷史上座率結合聚集活動報備人數計算對應的活動預測人數；
37、其中，活動預測人數＝歷史上座率*聚集活動報備人數。
38、優選的，步驟s322中，在聚集活動類型的基礎上結合聚集活動時間段來計算活動預測人數；
39、根據聚集活動時間段判斷用戶預訂時間是聚集活動的哪一天：
40、當用戶預訂時間為聚集活動的第一天時，活動預測人數＝歷史上座率*聚集活動報備人數；...
【技術保護點】
1.基于大數據的酒店客房狀態及價格預測方法，其特征在于，包括：
2.如權利要求1所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：還包括步驟S6；
3.如權利要求1所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟S3中，相關事件大數據包括節假日大數據；
4.如權利要求1所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟S3中，相關事件大數據包括旅游人口大數據；
5.如權利要求1所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟S3中，相關事件大數據包括聚集活動大數據；
6.如權利要求5所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟S322中，獲取的聚集活動大數據還包括聚集活動的歷史活動人數大數據；
7.如權利要求6所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟S322中，在聚集活動類型的基礎上結合聚集活動時間段來計算活動預測人數；
8.如權利要求6所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟S321中，
9.如權利要求5所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟S321中，當聚集活動類型為演唱會時：
10.如權利要求5所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟S326中，計算目標酒店與聚集活動地點之間的實際距離；通過實際距離選取對應的距離因子，再結合酒店平均訂房增量計算目標酒店的客房預訂增長率；
...【技術特征摘要】
1.基于大數據的酒店客房狀態及價格預測方法，其特征在于，包括：
2.如權利要求1所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：還包括步驟s6；
3.如權利要求1所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟s3中，相關事件大數據包括節假日大數據；
4.如權利要求1所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟s3中，相關事件大數據包括旅游人口大數據；
5.如權利要求1所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟s3中，相關事件大數據包括聚集活動大數據；
6.如權利要求5所述的基于大數據的酒店客房狀態及價格預測方法，其特征在于：步驟s322中，獲取的聚集活動大數據還包括聚集活動的歷史活動人數大數據；
7.如權利要求6所述的基于大數據的酒店...
【專利技術屬性】
技術研發人員：馬雨涵，馬昭德，楊程，肖曉月，
申請(專利權)人：重慶惠迎客信息科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。