一种基于多因素的酒店数据更新系统的制作方法

1.本发明涉及数据更新领域，具体是一种基于多因素的酒店数据更新系统。


背景技术：

2.随着互联网时代的到来,网络给人们的生活和工作提供了极大的方便,出差外地或者旅游需要到一个新的陌生城市,可以预先在互联网先查找当地的一些酒店住宿信息，网上预订酒店给人们提供了极大的便捷。由于酒店的房间是同时在线下和线上销售的，如果酒店房间状态数据更新段较长，会导致房间预定过程中出错，如果酒店房间状态数据一直保持更新状态，会占用很大的数据运营空间。


技术实现要素：

3.本发明的目的在于提供一种基于多因素的酒店数据更新系统及方法，以解决现有技术中的问题。
4.为实现上述目的，本发明提供如下技术方案：一种基于多因素的酒店数据更新系统，所述数据更新系统包括第一更新时间间隔设置模块、更新参数获取模块、更新参数比较模块、第一更新时间间隔判断模块和酒店房间状态更新模块，所述第一更新时间间隔设置模块用于预先设置更新酒店房间状态的第一更新时间间隔，所述更新参数获取模块用于获取更新参数，所述更新参数比较模块用于将更新参数与更新阈值进行比较并根据比较结果判断是传输信息给第一更新时间间隔判断模块还是酒店房间状态更新模块，所述第一更新时间间隔判断模块用于判断当前时间距离上次更新酒店房间的状态的时间间隔是否达到第一更新时间间隔，所述酒店房间状态更新模块用于更新酒店房间状态。
5.较优化地，所述更新参数获取模块包括第一更新参考因子获取模块、第二更新参考因子获取模块和更新参数计算模块，所述第一更新参考因子获取模块用于获取第一更新参考因子，所述第二更新参考因子获取模块用于获取第二更新参考因子，所述更新参数计算模块根据第一更新参考因子和第二更新参考因子计算更新参数。
6.较优化地，所述第一更新参考因子获取模块包括预测日前一天酒店数据获取模块、预测日前一天参考因素计算模块、预测日去年同一天酒店数据获取模块、预测日去年同一天参考因素计算模块、第一预测占比计算模块、第二预测占比计算模块、第三预测占比计算模块、节日参考因素获取模块和第一更新参考因子计算模块，所述预测日前一天酒店数据获取模块用于获取预测日前一天酒店开始接受预定前当天空余的房间数量ncs1、前一天酒店开始接受预定前接下来一周中平峰日空余的房间的数量次ncs2、前一天酒店开始接受预定前接下来一周中高峰日空余的房间的数量次ncs3、前一天预定酒店当天房间的数量nc1、前一天预定酒店接下来一周中平峰日房间的数量次nc2、前一天预定酒店接下来一周中高峰日房间的数量次nc3，所述预测日前一天参考因素计算模块分别根据数量ncs1和数量nc1、数量次ncs2和数量次为nc2、数量次ncs3和数量次nc3计算第一参考因素、第二参考
因素、第三参考因素，所述预测日去年同一天酒店数据获取模块用于获取预测日去年同一天酒店开始接受预定前当天空余的房间数量ncs4、去年同一天酒店开始接受预定前接下来一周中平峰日空余的房间的数量次ncs5、去年同一天酒店开始接受预定前接下来一周中高峰日空余的房间的数量次ncs6、去年同一天预定酒店当天房间的数量nc4、去年同一天预定酒店接下来一周中平峰日房间的数量次nc5、去年同一天预定酒店接下来一周中高峰日房间的数量次nc6，所述预测日去年同一天参考因素计算模块分别根据数量ncs4和数量nc4、数量次ncs5和数量次nc5、数量次ncs6和数量次nc6计算第四参考因素、第五参考因素、第六参考因素，所述第一预测占比计算模块根据第一参考因素和第四参考因素计算第一预测占比，所述第二预测占比计算模块根据第二参考因素和第五参考因素计算第二预测占比，所述第三预测占比计算模块根据第三参考因素和第六参考因素计算第三预测占比，所述节日参考因素获取模块根据预测日为平峰日还是高峰日输出节日参考因素，所述第一更新参考因子计算模块根据第一预测占比、第二预测占比、第三预测占比和节日参考因素计算第一更新参考因子。
7.较优化地，所述第二更新参考因子获取模块包括预定者判断模块、预定者个数获取模块、预定者身份参数获取模块、预定者预定酒店房间的数量获取模块、预定者预定入住天数获取模块和第二更新参考因子计算模块，所述预定者判断模块用于判断在第一更新时间间隔内是否有新的预定者预定酒店房间，并在有新的预定者时传输信息给第二更新参考因子计算模块，所述预定者个数获取模块用于获取在第一更新时间间隔内所有新预定者的个数g，所述预定者身份参数获取模块包括预定者身份获取模块和身份参数获取模块，所述预定者身份获取模块包括酒店预定入住史获取模块、类型参数获取模块、入住参数获取模块、身份评判参数计算模块和身份判定模块，所述酒店预定入住史获取模块用于获取预定者在最近三个月内的酒店预定史和入住史，所述酒店预定次数获取模块根据酒店预定入住史获取模块获取的信息得出预定者进行酒店预定次数，所述酒店预定天数获取模块根据酒店预定入住史获取模块获取的信息得出预定者每次预定酒店入住的预定天数，所述酒店类型获取模块根据酒店预定入住史获取模块获取的信息得出类型参数，所述入住参数获取模块根据酒店预定入住史获取模块获取的信息得出入住参数，所述身份评判参数计算模块根据酒店预定次数、预定天数、类型参数和入住参数计算身份评判参数，所述身份判定模块将身份评判参数与第一评判阈值、第二评判阈值进行比较，判断预定者是一级预定者还是二级预定者还是三级预定者，所述身份参数获取模块根据预定者是一级预定者还是二级预定者还是三级预定者得出身份参数j，所述预定者预定酒店房间的数量获取模块用于获取在第一更新时间间隔内所有新预定者的预定酒店房间的数量k，所述预定者预定入住天数获取模块用于获取在第一更新时间间隔内所有新预定者的预定入住天数l，所述第二更新参考因子计算模块根据所有新预定者的个数g、每个预定者的身份参数j、每个预定者预定酒店房间的数量k和预定入住天数l计算第二更新参考因子。
8.一种基于多因素的酒店数据更新方法，：所述数据更新方法包括以下步骤：预先设置更新酒店房间状态的第一更新时间间隔；计算更新参数，并比较更新参数与更新阈值的关系，如果更新参数大于更新阈值，则立即更新酒店房间状态，如果更新小数小于更新阈值，判断当前时间距离上次更新酒店房间的状态的时间
间隔是否达到第一更新时间间隔，如果达到第一更新时间间隔，更新酒店房间状态。
9.较优化地，所述计算更新参数包括以下步骤：步骤s1：计算第一更新参考因子z1；步骤s2：计算第二更新参考因子z2；步骤s3：计算更新参数z0=z1*z2。
10.较优化地，所述步骤s1计算第一更新参考因子包括以下步骤：步骤s11：获取预测日前一天酒店开始接受预定前当天空余的房间数量ncs1、前一天酒店开始接受预定前接下来一周中平峰日空余的房间的数量次ncs2、前一天酒店开始接受预定前接下来一周中高峰日空余的房间的数量次为ncs3、前一天预定酒店当天房间的数量nc1、前一天预定酒店接下来一周中平峰日房间的数量次nc2、前一天预定酒店接下来一周中高峰日房间的数量次为nc3；则计算第一参考因素a1=nc1/ncs1，第二参考因素a2=nc2/ncs2，第三参考因素a3=nc3/ncs3；步骤s12：获取预测日去年同一天酒店开始接受预定前当天空余的房间数量ncs4、去年同一天酒店开始接受预定前接下来一周中平峰日空余的房间的数量次为ncs5、去年同一天酒店开始接受预定前接下来一周中高峰日空余的房间的数量次为ncs6、去年同一天预定酒店当天房间的数量nc4、去年同一天预定酒店接下来一周中平峰日房间的数量次为nc5、去年同一天预定酒店接下来一周中高峰日房间的数量次为nc6；则计算第四参考因素a4=nc4/ncs4，第五参考因素a5=nc5/ncs5，第六参考因素a6=nc6/ncs6，步骤s13：计算预测日酒店当天预定房间的第一预测占比nw1=0.7a1+0.3a4，预测日预定酒店接下来一周中平峰日房间的第二预测占比nw2=0.7a2+0.3a5，预测日预定酒店接下来一周中高峰日房间的第三预测占比nw3=0.7a3+0.3a6；步骤s14：分别判断预测日的类型，若预测日为平峰日，则节日参考因素f=0.75，若预测日为高峰日，则节日参考因素f=1，其中，高峰日为法定节假日及法定节假日的前一天，所述平峰日为除了高峰日以外的日子，步骤s15：计算第一更新参考因子z1=(nw1+nw2+nw3)/3*f。
11.较优化地，所述步骤s2计算第二更新参考因子包括以下步骤：当第一更新时间间隔内有新的预定者预定酒店房间时，获取在第一更新时间间隔内所有新预定者的个数g，每个预定者的身份参数j、每个预定者预定酒店房间的数量k和预定入住天数l，当根据预定者的身份获取预定者的身份参数，所述预定者的身份包括一级预定者、二级预定者和三级预定者，当预定者为一级预定者，身份参数j=1，当预定者为二级预定者，身份参数j=2，当预定者为三级预定者，身份参数j=3，
计算第二更新参考因子，其中，h表示在第一更新时间间隔内第h个新预定者，j
h
表示第h个预定者的身份参数，k
h
表示第h个预定者预定酒店房间的数量，l
h
表示第h个预定者预定入住天数。
12.较优化地，所述预定者的身份判定包括以下步骤：获取预定者在最近三个月内的酒店预定史和入住史，并根据酒店预定史和入住史获取预定酒店的次数u、每次预定的酒店的类型参数v、每次预定酒店入住的预定天数w以及每次预定酒店后的入住参数x，当曾预定的酒店的标间的价格与本酒店的标间的价格相差在百分之二十以内，该曾预定的酒店的类型参数v=2，当曾预定的酒店的标间的价格大于等于本酒店的标间的价格的百分之二十，该曾预定的酒店的类型参数v=4，当曾预定的酒店的标间的价格小于等于与本酒店的标间的价格的百分之二十，该曾预定的酒店的类型参数v=1，当预定者在该次预定酒店后取消入住，入住参数x=0.2，当预定者在该次预定酒店后登记入住，入住参数x=1，则预定者身份评判参数，其中，i表示最近三个月内第i次预定酒店，v
i
表示第i次预定的酒店的类型参数、w
i
表示第i次预定酒店入住的预定天数、x
i
表示第i次预定酒店的入住参数。
13.当身份评判参数小于等于第一评判阈值时，该预定者为一级预定者；当身份评判参数大于第一评判阈值小于第二评判阈值时，该预定者为二级预定者；当身份评判参数大于第二评判阈值时，该预定者为三级预定者。
14.与现有技术相比，本发明的有益效果是：本发明通过考虑预测日前一天酒店房间的预定情况、预测日去年同一天酒店房间的预定情况、预定者的身份以及通过设置第一更新时间间隔使得既能够在合理的时间段内得到更新酒店房间状态，防止因酒店房间状态更新不及时导致酒店房间预定出错过程中，也能够避免房间状态一直保持更新状态占用很大的数据运营空间。
附图说明
15.图1为本发明一种基于多因素的酒店数据更新系统的模块示意图；图2为本发明一种基于多因素的酒店数据更新方法的流程示意图。
具体实施方式
16.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
17.请参阅图1～2，本发明实施例中，一种基于多因素的酒店数据更新系统，所述数据更新系统包括第一更新时间间隔设置模块、更新参数获取模块、更新参数比较模块、第一更新时间间隔判断模块和酒店房间状态更新模块，所述第一更新时间间隔设置模块用于预先设置更新酒店房间状态的第一更新时间间隔，所述更新参数获取模块用于获取更新参数，
所述更新参数比较模块用于将更新参数与更新阈值进行比较并根据比较结果判断是传输信息给第一更新时间间隔判断模块还是酒店房间状态更新模块，所述第一更新时间间隔判断模块用于判断当前时间距离上次更新酒店房间的状态的时间间隔是否达到第一更新时间间隔，所述酒店房间状态更新模块用于更新酒店房间状态。
18.所述更新参数获取模块包括第一更新参考因子获取模块、第二更新参考因子获取模块和更新参数计算模块，所述第一更新参考因子获取模块用于获取第一更新参考因子，所述第二更新参考因子获取模块用于获取第二更新参考因子，所述更新参数计算模块根据第一更新参考因子和第二更新参考因子计算更新参数。
19.所述第一更新参考因子获取模块包括预测日前一天酒店数据获取模块、预测日前一天参考因素计算模块、预测日去年同一天酒店数据获取模块、预测日去年同一天参考因素计算模块、第一预测占比计算模块、第二预测占比计算模块、第三预测占比计算模块、节日参考因素获取模块和第一更新参考因子计算模块，所述预测日前一天酒店数据获取模块用于获取预测日前一天酒店开始接受预定前当天空余的房间数量ncs1、前一天酒店开始接受预定前接下来一周中平峰日空余的房间的数量次ncs2、前一天酒店开始接受预定前接下来一周中高峰日空余的房间的数量次ncs3、前一天预定酒店当天房间的数量nc1、前一天预定酒店接下来一周中平峰日房间的数量次nc2、前一天预定酒店接下来一周中高峰日房间的数量次nc3，所述预测日前一天参考因素计算模块分别根据数量ncs1和数量nc1、数量次ncs2和数量次为nc2、数量次ncs3和数量次nc3计算第一参考因素、第二参考因素、第三参考因素，所述预测日去年同一天酒店数据获取模块用于获取预测日去年同一天酒店开始接受预定前当天空余的房间数量ncs4、去年同一天酒店开始接受预定前接下来一周中平峰日空余的房间的数量次ncs5、去年同一天酒店开始接受预定前接下来一周中高峰日空余的房间的数量次ncs6、去年同一天预定酒店当天房间的数量nc4、去年同一天预定酒店接下来一周中平峰日房间的数量次nc5、去年同一天预定酒店接下来一周中高峰日房间的数量次nc6，所述预测日去年同一天参考因素计算模块分别根据数量ncs4和数量nc4、数量次ncs5和数量次nc5、数量次ncs6和数量次nc6计算第四参考因素、第五参考因素、第六参考因素，所述第一预测占比计算模块根据第一参考因素和第四参考因素计算第一预测占比，所述第二预测占比计算模块根据第二参考因素和第五参考因素计算第二预测占比，所述第三预测占比计算模块根据第三参考因素和第六参考因素计算第三预测占比，所述节日参考因素获取模块根据预测日为平峰日还是高峰日输出节日参考因素，所述第一更新参考因子计算模块根据第一预测占比、第二预测占比、第三预测占比和节日参考因素计算第一更新参考因子。
20.所述第二更新参考因子获取模块包括预定者判断模块、预定者个数获取模块、预定者身份参数获取模块、预定者预定酒店房间的数量获取模块、预定者预定入住天数获取模块和第二更新参考因子计算模块，所述预定者判断模块用于判断在第一更新时间间隔内是否有新的预定者预定酒店房间，并在有新的预定者时传输信息给第二更新参考因子计算模块，所述预定者个数获取模块用于获取在第一更新时间间隔内所有新预定者的个数g，所述预定者身份参数获取模块包括预定者身份获取模块和身份参数获取模块，所述预定者身份获取模块包括酒店预顶入住史获取模块、类型参数获取模块、入住参数获取模块、身份评判参数计算模块和身份判定模块，所述酒店预定入住史获取模块用于获取预定者在最近三个月内的酒店预定史和入住史，所述酒店预定次数获取模块根据酒店预定入住史获取模块
获取的信息得出预定者进行酒店预定次数，所述酒店预定天数获取模块根据酒店预定入住史获取模块获取的信息得出预定者每次预定酒店入住的预定天数，所述酒店类型获取模块根据酒店预定入住史获取模块获取的信息得出类型参数，所述入住参数获取模块根据酒店预定入住史获取模块获取的信息得出入住参数，所述身份评判参数计算模块根据酒店预定次数、预定天数、类型参数和入住参数计算身份评判参数，所述身份判定模块将身份评判参数与第一评判阈值、第二评判阈值进行比较，判断预定者是一级预定者还是二级预定者还是三级预定者，所述身份参数获取模块根据预定者是一级预定者还是二级预定者还是三级预定者得出身份参数j，所述预定者预定酒店房间的数量获取模块用于获取在第一更新时间间隔内所有新预定者的预定酒店房间的数量k，所述预定者预定入住天数获取模块用于获取在第一更新时间间隔内所有新预定者的预定入住天数l，所述第二更新参考因子计算模块根据所有新预定者的个数g、每个预定者的身份参数j、每个预定者预定酒店房间的数量k和预定入住天数l计算第二更新参考因子。
21.一种基于多因素的酒店数据更新方法，：所述数据更新方法包括以下步骤：预先设置更新酒店房间状态的第一更新时间间隔；计算更新参数：步骤s1：计算第一更新参考因子z1；步骤s11：获取预测日前一天酒店开始接受预定前当天空余的房间数量ncs1、前一天酒店开始接受预定前接下来一周中平峰日空余的房间的数量次ncs2、前一天酒店开始接受预定前接下来一周中高峰日空余的房间的数量次为ncs3、前一天预定酒店当天房间的数量nc1、前一天预定酒店接下来一周中平峰日房间的数量次nc2、前一天预定酒店接下来一周中高峰日房间的数量次为nc3；则计算第一参考因素a1=nc1/ncs1，第二参考因素a2=nc2/ncs2，第三参考因素a3=nc3/ncs3；步骤s12：获取预测日去年同一天酒店开始接受预定前当天空余的房间数量ncs4、去年同一天酒店开始接受预定前接下来一周中平峰日空余的房间的数量次为ncs5、去年同一天酒店开始接受预定前接下来一周中高峰日空余的房间的数量次为ncs6、去年同一天预定酒店当天房间的数量nc4、去年同一天预定酒店接下来一周中平峰日房间的数量次为nc5、去年同一天预定酒店接下来一周中高峰日房间的数量次为nc6；则计算第四参考因素a4=nc4/ncs4，第五参考因素a5=nc5/ncs5，第六参考因素a6=nc6/ncs6，步骤s13：计算预测日酒店当天预定房间的第一预测占比nw1=0.7a1+0.3a4，预测日预定酒店接下来一周中平峰日房间的第二预测占比nw2=0.7a2+0.3a5，预测日预定酒店接下来一周中高峰日房间的第三预测占比nw3=0.7a3+0.3a6；步骤s14：分别判断预测日的类型，若预测日为平峰日，则节日参考因素f=0.75，若预测日为高峰日，则节日参考因素f=1，其中，高峰日为法定节假日及法定节假日的前一天，所述平峰日为除了高峰日以外的
日子，步骤s15：计算第一更新参考因子z1=(nw1+nw2+nw3)/3*f。
22.步骤s2：计算第二更新参考因子z2；当第一更新时间间隔内有新的预定者预定酒店房间时，获取在第一更新时间间隔内所有新预定者的个数g，每个预定者的身份参数j、每个预定者预定酒店房间的数量k和预定入住天数l，当根据预定者的身份获取预定者的身份参数，所述预定者的身份包括一级预定者、二级预定者和三级预定者，当预定者为一级预定者，身份参数j=1，当预定者为二级预定者，身份参数j=2，当预定者为三级预定者，身份参数j=3，预定者的身份判定包括以下步骤：获取预定者在最近三个月内的酒店预定史和入住史，并根据酒店预定史和入住史获取预定酒店的次数u、每次预定的酒店的类型参数v、每次预定酒店入住的预定天数w以及每次预定酒店后的入住参数x，当曾预定的酒店的标间的价格与本酒店的标间的价格相差在百分之二十以内，该曾预定的酒店的类型参数v=2，当曾预定的酒店的标间的价格大于等于本酒店的标间的价格的百分之二十，该曾预定的酒店的类型参数v=4，当曾预定的酒店的标间的价格小于等于与本酒店的标间的价格的百分之二十，该曾预定的酒店的类型参数v=1，当预定者在该次预定酒店后取消入住，入住参数x=0.2，当预定者在该次预定酒店后登记入住，入住参数x=1，则预定者身份评判参数，其中，i表示最近三个月内第i次预定酒店，v
i
表示第i次预定的酒店的类型参数、w
i
表示第i次预定酒店入住的预定天数、x
i
表示第i次预定酒店的入住参数。
23.当身份评判参数小于等于第一评判阈值时，该预定者为一级预定者；当身份评判参数大于第一评判阈值小于第二评判阈值时，该预定者为二级预定者；当身份评判参数大于第二评判阈值时，该预定者为三级预定者；计算第二更新参考因子，其中，h表示在第一更新时间间隔内第h个新预定者，j
h
表示第h个预定者的身份参数，k
h
表示第h个预定者预定酒店房间的数量，l
h
表示第h个预定者预定入住天数。
24.比较更新参数与更新阈值的关系，如果更新参数大于更新阈值，则立即更新酒店房间状态，如果更新小数小于更新阈值，判断当前时间距离上次更新酒店房间的状态的时间间隔是否达到第一更新时间间隔，如果达到第一更新时间间隔，更新酒店房间状态。
25.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有
变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。