用于识别优化的互联网连接配置的系统和方法与流程

本发明涉及预测在行程期间提供给用户的互联网服务的带宽需求的领域。

背景技术：

1、现代飞机配备有机上连接(i fc)系统以使得乘客能够在他们行程期间保持连接并与外界进行通信，从而提供更好的客户体验。

2、多种不同的因素影响对机上互联网访问的需求，因此，由ifc系统提供的宽带量将在不同航班之间有显著的差异，甚至对于相同线路的航班也是如此。例如，对于夜间航班上的互联网访问的需求通常将小于白天航班，并且具有较大比例的商务旅客的航班通常也将有对互联网访问的更高需求。影响对机上互联网访问的需求的因素可以包括(但不限于)：航班时刻表和持续时间；一年中的飞行时间；飞机大小和飞机类型；提供连接的卫星技术的类型；以及相对乘客负载因子。这些因素使得几乎不可能使用传统统计方法来准确地预计或预测特定航班上对互联网访问的需求。

3、航空公司在航班上所提供的带宽量无法在飞行期间轻易地进行调整。这是因为可用带宽是由多个不可变的因素来确定的，诸如卫星通信(satcom)技术、与卫星供应商所磋商的合同(cat-package)、以及卫星供应商的本地覆盖质量。因此，不能事先准确地预测对ifc服务的需求可能导致为特定航班提供不充足的带宽量，这对于航空公司来说低效且不划算，并且对乘客来说也不方便。

4、然而，目前航空公司无法准确地预测在特定航班期间向乘客提供的适当的带宽量，特别是对于新的飞行线路。这是因为航空公司无法访问足够的历史数据来分析乘客行为模式和使用中的ifc系统的航班状况。替代地，航空公司通常使用以下方法之一来估计在特定航班期间对互联网访问的预期需求。首先，航空公司估计对互联网访问的需求，并基于这些估计实施提供互联网访问的ifc系统。通常，航空公司将不使用任何手段来模拟或预测所估计的需求的结果。其次，航空公司可以访问一些历史数据并使用该数据来通知决策，然而航空公司无法访问来自其他航空公司的数据。这导致不完整的画面，并可能阻止航空公司做出提供最有效且具成本效益的结果的决策，尤其是在存在新飞行线路或乘客行为特别不同的区域。第三，航空公司可以访问历史数据，但是缺乏有效地分析如此大量的数据的手段。这导致航空公司花费不成比例的时间量分析数据以识别具成本效益的解决方案。

技术实现思路

1、本发明由独立权利要求限定，现应参考该独立权利要求。在从属权利要求中列出了优选的特征。

2、根据本发明的第一方面，提供了一种计算机实施的方法，以用于训练机器学习模型以识别在行程期间提供给用户的互联网服务的优化的互联网连接配置，该方法包括：从多个数据源接收数据；利用处理模块处理所接收数据；从所处理的数据生成多个特征；使用所接收数据的第一子集创建机器学习模型，该机器学习模型包括使用与互联网服务的用户的数量相关联的第一特征子集构建的第一预测模型、使用与互联网服务的互联网数据使用相关联的第二特征子集构建的第二预测模型、以及使用与互联网服务的相对带宽饱和度相关联的第三特征子集构建的第三预测模型；通过利用机器学习模型的每个预测模型处理所接收数据第一子集来计算与所接收数据的第一子集相关联的第一多个结果值，其中第一结果值由第一预测模型提供，第二结果值由第二预测模型提供，并且第三结果值由第三预测模型提供；以及将第一多个结果值与所接收数据的第一子集的实际值进行比较以确定机器学习模型的准确性。

3、本发明的实施例还包括：通过利用机器学习模型的每个预测模型处理所接收数据的第二子集来计算与所接收数据的第二子集相关联的第二多个结果值；将第二多个结果值与所接收数据的第二子集的实际值进行比较以确定机器学习模型的准确性；以及如果比较结果大于阈值，则调整第一预测模型、第二预测模型和第三预测模型中的一个或多个。

4、本发明的实施例还包括：通过利用机器学习模型的每个预测模型处理所接收数据的第三子集来计算与所接收数据的第三子集相关联的第三多个结果值；以及并将第三多个结果值与所接收数据的第三子集的实际值进行比较以确定机器学习模型的准确性。

5、在本发明的进一步实施例中，第一预测模型、第二预测模型和第三预测模型中的一个或多个预测模型通过改变相应预测模型的一个或多个超参数并保留提供最准确的结果值的超参数来进行调整。

6、在本发明的进一步实施例中，计算多个结果值中的一个或多个结果值包括使用算法计算一组加权因子以应用于与多个结果值中对应的一个或多个结果值相关联的特征子集。

7、在本发明的进一步实施例中，每个预测模型包括随机森林算法、神经网络算法、脊回归算法、使用拟泊松分布的广义线性模型和/或梯度提升机算法中的一个或多个。

8、在本发明的进一步实施例中，计算第一多个结果值或第二多个结果值还包括使用一个或多个堆叠学习模型来处理第一结果值、第二结果值和第三结果值。

9、在本发明的进一步实施例中，阈值对应于结果值和对应的实际值之间的百分比误差为10％、5％或1％。

10、在本发明的进一步实施例中，第一子集、第二子集和第三子集是不同的。

11、在本发明的进一步实施例中，所接收数据的第一子集包括大体上70％的经处理数据，所接收数据的第二子集包括大体上20％的经处理数据，并且所接收数据的第三子集包括大体上10％的经处理数据。

12、在本发明的进一步实施例中，处理所接收数据包括清洁所接收数据、组合所接收数据和汇总所接收数据中的一个或多个。

13、在本发明的进一步实施例中，所接收数据包括飞机相关数据、航班数据和历史机上互联网连接数据。

14、在本发明的进一步实施例中，飞机相关数据包括与飞机类型相关的信息和与用于提供机上连接的卫星技术相关的信息，其中航班数据包括与航班、航班时刻表和航班持续时间相关的信息，并且其中历史机上互联网连接数据包括与和历史航班相关联的机上互联网使用相关的信息。

15、在本发明的进一步实施例中，第一特征子集是通过以下操作来定义的：根据航班号和与多个互联网访问服务中的每一个互联网访问服务相关联的类别对经处理数据进行分组，该多个互联网访问服务使得用户能够访问互联网服务；利用与出发国家、到达国家、出发时区和到达时区中的一个或多个相关联的数据对分组数据进行汇总；以及根据所接收数据确定每个座位类别的座位数和座位类别限制。

16、根据本发明的第二方面，提供了一种计算机实施的方法，该方法用于识别在行程期间提供给用户的互联网服务的优化的配置，该方法包括：接收与行程相关联的数据；接收特征集，其中每个特征影响一个或多个结果值；以及通过以下操作来计算多个结果值：通过使用第一预测模型处理具有第一特征子集的与行程相关联的所接收数据来确定第一结果值，其中第一结果值与互联网服务的用户的数量相关联；通过使用第二预测模型处理具有第二特征子集的与行程相关联的所接收数据来确定第二结果值，其中第二结果值与互联网服务的互联网数据使用相关联；以及通过使用第三预测模型处理具有第三特征子集的与行程相关联的所接收数据来确定第三结果值，其中第三结果值与互联网服务的相对带宽饱和度相关联；接收在行程期间提供给用户的互联网服务的多个互联网连接配置，其中每个互联网连接配置与结果值的特性集相关联；以及基于所计算的多个结果值识别多个互联网连接配置中的一个互联网连接配置。

17、在本发明的进一步实施例中，与行程相关联的所接收数据包括提供行程的公司和用于一个或多个结果值中的每一个结果值的用户定义的参数。

18、在本发明的进一步实施例中，第一预测模型、第二预测模型和第三预测模型中的每一个是不同的。

19、本发明的实施例还包括实施与多个互联网连接配置中所识别的一个互联网连接配置相关联的一个或多个互联网连接设置。

20、在本发明的进一步实施例中，多个互联网连接配置中的每一个互联网连接配置与使得用户能够访问互联网服务的一个或多个互联网访问服务相关联。

21、在本发明的进一步实施例中，实施一个或多个互联网连接设置包括创建用于调整用于机上娱乐服务的一个或多个飞机设置配置的指令，将该指令传输到机上连接门户，以及使用机上连接门户调整一个或多个飞机设置配置。

22、在本发明的进一步实施例中，为一个或多个飞机实施一个或多个互联网连接设置。

23、根据本发明的第三方面，提供了一种用于提供针对在行程期间提供给用户的互联网服务的优化的互联网连接配置的系统，该系统包括：被配置为处理所接收数据的处理模块；以及处理器，该处理器被配置为：接收特征集，其中每个特征影响一个或多个结果值；以及通过以下操作来计算多个结果值：通过使用第一预测模型处理具有第一特征子集的与行程相关联的所接收数据来确定第一结果值，其中第一结果值与互联网服务的用户的数量相关联；通过使用第二预测模型处理具有第二特征子集的与行程相关联的所接收数据来确定第二结果值，其中第二结果值与互联网服务的互联网数据使用相关联；以及通过使用第三预测模型处理具有第三特征子集的与行程相关联的所接收数据来确定第三结果值，其中第三结果值与互联网服务的相对带宽饱和度相关联；接收在行程期间提供给用户的互联网服务的多个互联网连接配置，其中每个互联网连接配置与结果值的特性集相关联；以及基于所计算的多个结果值识别多个互联网连接配置中的一个互联网连接配置。

24、本发明的实施例还包括用于将包含所识别的互联网连接配置的指令发送到机上连接门户的一个或多个传输装置。

25、在本发明的进一步实施例中，第一特征子集包括以下中的一个或多个：预测的用户数量、卫星通信技术类型、与每个互联网访问服务相关联的费用、不包括费用的互联网访问服务的数量、包括费用的互联网访问服务的数量、与每个互联网访问服务相关联的数据量限制、与每个互联网访问服务相关联的时间限制、计量类型、以及多个组中的每个组中的航班的数量，其中根据以下中的一个或多个对航班进行分组：不包括费用的可用互联网访问服务的数量、卫星通信技术类型、航班号、出发月份、出发时间和飞机类型。

26、在本发明的进一步实施例中，可替代地，第一特征子集包括以下中的一个或多个：在行程期间互联网服务可用的时间、航班上的座位总数、花费在夜晚期间的飞行时间的百分比、出发月份、出发国家和到达国家、卫星通信技术类型以及多个组中的每个组中的航班的数量，其中根据以下中的一个或多个对航班进行分组：不包括费用的至少一个互联网访问服务的可用性、卫星通信技术、航班号、出发月份、出发时间和飞机类型。

27、在本发明的进一步实施例中，第二特征子集包括以下中的一个或多个：卫星通信技术类型、与每个互联网访问服务相关联的费用、与每个互联网访问服务相关联的时间限制以及针对互联网访问服务的每小时的购买数量。

28、在本发明的进一步实施例中，第二特征子集还包括以下中的一个或多个：与每个互联网访问服务相关联的数据量限制以及塑形规则，其中塑形规则指示是否应用了互联网访问阻断策略。

29、在本发明的进一步实施例中，第二特征子集还包括以下中的一个或多个：在行程期间互联网服务可用的时间以及塑形规则，其中塑形规则指示是否应用了互联网访问阻断策略。

30、在本发明的进一步实施例中，第二特征子集还包括与特定航班相关联的承运航空公司。

31、在本发明的进一步实施例中，第三特征子集包括以下中的一个或多个：卫星通信类型、与每个卫星通信类型相关联的平均比特率、所使用的管道的百分比、起始机场和出发机场、以及用于ka波段卫星通信类型的下行链路承诺信息速率。

32、在本发明的进一步实施例中，用于ka波段卫星通信类型的下行链路承诺信息速率可以是0.75、1、2、3、4、5或6兆字节每秒。

33、根据本发明的第四个方面，提供了一种计算机程序产品，该计算机程序产品包括被配置为执行根据本发明的第一个方面或第二个方面中的任何一个方面的步骤的处理器。

34、根据本发明的第五个方面，提供了一个用户界面，该用户界面用于显示根据本发明的第一个方面或第二个方面中的任何一个方面的计算机实现的方法。