一种基于大数据的酒店数据处理系统

技术领域

本发明涉及电数字数据处理领域，具体涉及一种基于大数据的酒店数据处理系统。

背景技术

入住酒店是当前外出旅行或出差时最常用的居住方式，酒店通常会在合理范围内调整价格来吸引用户前来入住，但现有的酒店系统通常根据淡旺季来对房间价格进行简单地调整，但这种调整方式过于简单，未对不同类型的房间进行针对性的调整，导致在吸引用户的作用方面没有起到更佳的效果，现需要一种更加细致化的价格调整方案来帮助酒店更好地吸引用户。

背景技术的前述论述仅意图便于理解本发明。此论述并不认可或承认提及的材料中的任一种公共常识的一部分。

现在已经开发出了很多酒店数据处理系统，经过我们大量的检索与参考，发现现有的数据处理系统有如公开号为CN105354317B所公开的系统，这些系统一般包括并行加载N个对比任务内的每一酒店在所述日期中的第一状态和第二状态，并将N个对比任务内的每一酒店在所述日期中的第一状态和第二状态作为一房态对比数据；并行判断所述房态对比数据是否与一数据库中存储的房态对比数据不同，并在所述第一状态发生变化和/或所述第二状态发生变化时将状态发生变化了的房态对比数据在所述数据库里做并行更新。但该系统仅仅是用于对酒店数据进行更新，并未对酒店数据进行利用来合理调整价格，对酒店数据的应用仍有待提高。

发明内容

本发明的目的在于，针对所存在的不足，提出了一种基于大数据的酒店数据处理系统。

本发明采用如下技术方案：

一种基于大数据的酒店数据处理系统，包括输入输出模块、状态记录模块、定价模块、存储模块和分析处理模块；

所述输入输出模块用于输出处于可预订的房间信息并接收用户的订房信息，所述状态记录模块用于记录房间的预订信息，所述定价模块用于对房间的价格进行浮动性调整，所述存储模块用于存储所有房间的历史入住信息，所述分析处理模块用于对房间的入住概率进行分析；

所述分析处理模块包括向量处理器、向量寄存器和计算处理器，所述向量处理器用于将从所述状态记录模块获取的数据转换成向量，所述向量寄存器将向量分为历史对比数据、历史素材日数据和实时素材日数据后分类保存，所述向量处理器用于对向量中的元素进行计算处理；

所述分析处理模块基于历史对比数据和历史素材日数据计算出相似度，再结合实时素材日数据计算出预估入住数量，所述定价模块基于所述预估入住数量计算出房间价格；

进一步的，所述状态记录模块包括Room数据寄存器、Room数据读写器、用户信息寄存器、房号类型寄存器，所述Room数据寄存器用于存储所有的Room数据，所述Room数据读写器用于对Room数据进行修改和读取操作，所述用户信息寄存器用于保存预订了房间的用户信息，所述房号类型寄存器用于存储房号与类型编号的映射关系，所述Room数据的形式为Room(type，day，Nmax，Nbook)，其中，type表示房间类型编号，day表示日期，Nmax表示对应房间类型的数量，Nbook表示对应房间类型的预订数量；

进一步的，所述Room数据寄存器中存储的Room数据量为Nd*Ntp，其中，Nd为提前预订天数，Ntp为房间类型数量，所述Room数据寄存器每天删除Ntp个day为昨天的Room数据，同时新增Ntp个day为能够预订的最晚日期的Room数据；

进一步的，所述向量寄存器中保存的向量用X

X

其中，f

所述分析处理模块根据下式计算出相似度P：

其中，day

所述分析处理模块根据下式计算出在分析日第i种房间类型的预估概率值Q

其中，X3

所述分析处理模块根据下式计算出在分析日第i种房间类型的预估入住数量N

N

其中，Nmax(i)表示第i种房间类型的数量；

进一步的，所述定价模块根据下式计算出用于发送给用户的房间价格Pr：

其中，Pmin为房间价格区间的最小值，Pmax为房间价格区间的最大值，Nbook(i)表示第i中房间类型的已预订数量。

本发明所取得的有益效果是：

本系统将酒店的历史数据进行存储，并基于历史数据和当前的实时预订数据进行分析，推算得到一类房间在具体日期的最终入住房间数量，然后根据推算的数量与当前的预订数量计算得到该类房间在对应日期的调整价格，能够在预期数量较低时通过降价吸引住户，在预期数量较高时提价提高利润，本系统在进行预测计算时，针对各类型的房间进行单独计算，使得最终得到的价格更具针对性。

为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本发明加以限制。

附图说明

图1为本发明整体结构框架示意图；

图2为本发明状态记录模块构成示意图；

图3为本发明输入输出模块构成示意图；

图4为本发明输入输出模块工作流程示意图；

图5为本发明分析处理模块构成示意图。

具体实施方式

以下是通过特定的具体实施例来说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不悖离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸的描绘，事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。

实施例一。

本实施例提供了一种基于大数据的酒店数据处理系统，结合图1，包括输入输出模块、状态记录模块、定价模块、存储模块和分析处理模块；

所述输入输出模块用于输出处于可预订的房间信息并接收用户的订房信息，所述状态记录模块用于记录房间的预订信息，所述定价模块用于对房间的价格进行浮动性调整，所述存储模块用于存储所有房间的历史入住信息，所述分析处理模块用于对房间的入住概率进行分析；

结合图5，所述分析处理模块包括向量处理器、向量寄存器和计算处理器，所述向量处理器用于将从所述状态记录模块获取的数据转换成向量，所述向量寄存器将向量分为历史对比数据、历史素材日数据和实时素材日数据后分类保存，所述向量处理器用于对向量中的元素进行计算处理；

所述分析处理模块基于历史对比数据和历史素材日数据计算出相似度，再结合实时素材日数据计算出预估入住数量，所述定价模块基于所述预估入住数量计算出房间价格；

所述状态记录模块包括Room数据寄存器、Room数据读写器、用户信息寄存器、房号类型寄存器，所述Room数据寄存器用于存储所有的Room数据，所述Room数据读写器用于对Room数据进行修改和读取操作，所述用户信息寄存器用于保存预订了房间的用户信息，所述房号类型寄存器用于存储房号与类型编号的映射关系，所述Room数据的形式为Room(type，day，Nmax，Nbook)，其中，type表示房间类型编号，day表示日期，Nmax表示对应房间类型的数量，Nbook表示对应房间类型的预订数量；

所述Room数据寄存器中存储的Room数据量为Nd*Ntp，其中，Nd为提前预订天数，Ntp为房间类型数量，所述Room数据寄存器每天删除Ntp个day为昨天的Room数据，同时新增Ntp个day为能够预订的最晚日期的Room数据；

所述向量寄存器中保存的向量用X

X

其中，f

所述分析处理模块根据下式计算出相似度P：

其中，day

所述分析处理模块根据下式计算出在分析日第i种房间类型的预估概率值Q

其中，X3

所述分析处理模块根据下式计算出在分析日第i种房间类型的预估入住数量N

N

其中，Nmax(i)表示第i种房间类型的数量；

所述定价模块根据下式计算出用于发送给用户的房间价格Pr：

其中，Pmin为房间价格区间的最小值，Pmax为房间价格区间的最大值，Nbook(i)表示第i中房间类型的已预订数量。

实施例二。

本实施例包含了实施例一中的全部内容，提供了一种基于大数据的酒店数据处理系统，包括输入输出模块、状态记录模块、定价模块、存储模块、分析处理模块；

所述输入输出模块用于输出处于可预订的房间信息并接收用户的订房信息，所述状态记录模块用于记录房间的预订信息，所述定价模块用于对房间的价格进行浮动性调整，所述存储模块用于存储所有房间的历史入住信息，所述分析处理模块根据历史入住信息对房间的入住概率进行分析；

所述状态记录模块将房间分为至少两个类别，并为每个类别的房间赋予一个类型编号，所述状态记录模块通过Room(type，day，Nmax，Nbook)来表示房间的预订信息，其中，Room为数据类型，type表示房间类型编号，day表示日期，Nmax表示对应房间类型的数量，Nbook表示对应房间类型的预订数量；

结合图2，所述状态记录模块包括Room数据寄存器、Room数据读写器、用户信息寄存器、房号类型寄存器，所述Room数据寄存器用于存储所有的Room数据，所述Room数据读写器用于对Room数据进行修改和读取操作，所述用户信息寄存器用于保存预订了房间的用户信息，所述房号类型寄存器用于存储房号与类型编号的映射关系；

所述Room数据寄存器中存储的Room数据量为Nd*Ntp，其中，Nd为提前预订天数，Ntp为房间类型数量，所述Room数据寄存器每天删除Ntp个day为昨天的Room数据，同时新增Ntp个day为能够预订的最晚日期的Room数据，所述状态记录模块还包括一个计时器，所述计时器用于设定一个时间点，当到达该时间点时，所述Room数据寄存器自动进行Room数据的删增操作；

所述Room数据读写器能够读取Room数据中的Nmax值和Nbook值并计算差值，当差值非0时，将对应的房间类型发送给所述输入输出模块，当所述Room数据读写器从所述输入输出模块接收到订房信息时，根据type值和day值在所述Room寄存器中检索到对应的Room数据，并将该Room数据的Nbook值加1；

所述用户信息寄存器中保存的用户信息数量与所有Room数据中的Nbook之和相同，所述用户信息包括身份信息和房间信息，所述身份信息从所述输入输出模块获得，所述房间信息在处于预订状态时为type，当用户实际入住后，房间信息根据type以及房号类型寄存器转换为具体的房号；

结合图3，所述输入输出模块包括申请处理单元和状态读取单元，所述申请处理单元用于处理用户的订房申请，所述状态读取单元根据订房申请信息从所述状态记录模块中获取房间信息，结合图4，所述输入输出模块的工作流程包括如下步骤：

S1、所述申请处理单元接收用户的订房申请；

S2、所述申请处理单元从所述订房申请中获取日期信息并将日期信息发送给所述状态读取单元；

S3、所述状态读取单元向所述状态记录模块发送含有日期信息的指令获取房间信息，并将所述房间信息发送给所述申请处理单元；

S4、所述申请处理单元将房间信息发送给订房申请对应的用户；

S5、所述申请处理单元接收确定的订房信息；

S6、所述申请处理单元将订房信息中的用户信息及房间类型信息发送给所述状态记录模块；

需要注意的是，订房申请只包含日期，而订房信息包括房间类型、入住日期、用户信息等具体内容；

当所述Room数据寄存器删除一组Room数据时，所述Room数据寄存器会将这组Room数据备份并发送给所述存储模块，所述存储模块对接收的Room数据进行整理，所述存储模块保存的数据形式为以天为单位的向量，用X

X

其中，f

所述分析处理模块从所述存储模块中获取历史数据，所述分析处理模块从所述状态记录模块中获取当前的预订数据，所述分析处理模块基于所述历史数据和所述预订数据计算出在可预订日期内各房间类型的预估入住数据；

所述分析处理模块的工作流程包括如下步骤：

S21、从当前的可预订日期中选择一个分析日；

S22、将分析日前的m天作为素材日，素材日的天数与可预订日期的天数相同，均为m天；

S23、从所述存储模块中获取上一年素材日的数据；

S24、将素材日分为历史素材日和实时素材日，所述历史素材日为不属于可预订日期的素材日，实时素材日为属于可预订日期的素材日，从所述存储模块中获取这一年的历史素材日数据，从所述状态记录模块中获取实时素材日的数据并转换为向量X3

S25、所述分析处理模块根据下式计算出相似度P：

其中，day

S26、所述分析处理模块根据下式计算出在分析日第i种房间类型的预估概率值Q

S27、所述分析处理模块根据下式计算出在分析日第i种房间类型的预估入住数量N

N

其中，Nmax(i)表示第i种房间类型的数量；

所述分析处理模块将分析日的预估入住数量发送给所述定价模块，所述定价模块根据预估入住数量对每类房间的价格进行调整，所述定价模块对每类房间设置有对应的价格区间[Pmin，Pmax]，所述定价模块根据下式计算出用于发送给用户的房间价格Pr：

所述定价模块将房间价格发送至所述输入输出模块，所述房间价格包含于步骤S4中的房间信息中。

以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素可以更新的。