一种机票的发放方法、系统和电子设备

技术领域

本发明涉及航空信息技术领域，尤其涉及一种机票的发放方法、系统和电子设备。

背景技术

对于航空公司来说，航班的机票全价过高，会使飞机的客座率降低，机票打折出售可以提高航班的客座率，目前航空公司往往根据航班以往的收益数据和客座率数据主观给出在起飞前每天的机票价格以及机票数量，虽然使客座率有所上升，但会存在机票价格过低以使航班收益降低的风险，为了降低该风险，航空公司往往在为旅客提供打折机票的同时，也为旅客设置很多限制条件，例如4折以下的机票不能退、改签，对此航空公司认为：如果低价票可以随意退、改签的话，则会使愿意出高价的旅客的权益得不到保证，从而危及航空公司对于低价票的投放出售，从而使航空公司的收益进一步受损。

而且，《中国民用航空旅客、行李国际运输规定》第六十九条规定“自愿退票，按下列规定办理：(一)客票全部未使用，从已付票款中扣除适当的费用，退还余额；(二)客票已部分使用，从已付票款中扣除相当于已使用航段的适用票价的票款和适用的费用，退还余款”，这显现与航空公司附加的限制条件产生背离，从而使得旅客的投诉率增高，甚至引起很多法律纠纷，严重危及到航空公司后期经营的收益。

因此，对于航空公司来说，如何确定航班起飞前的机票价格以及对应的放票数量，以保证航班收益以及客座率，是亟待要解决的技术问题。

发明内容

本发明提供了一种机票的发放方法、系统和电子设备，旨在解决的技术问题是：如何确定航班起飞前的机票价格以及对应的放票数量，以保证航班收益以及客座率。

本发明的一种机票的发放方法的技术方案如下：

S1、利用航班的第一拟合函数得到航班起飞前每天的预测机票价格；

S2、将所述航班起飞前每天的预测机票价格输入所述航班的第二拟合函数，得到所述航班起飞前每天的预测购票乘客数量；

S3、根据所述航班起飞前每天的预测机票价格和所述航班起飞前每天的预测购票乘客数量，得到所述航班的预测收益；

S4、当所述航班的预测收益大于预设收益阈值时，则将所述航班起飞前每天的预测机票价格确定为所述航班起飞前每天的机票价格，并将所述航班起飞前每天的预测购票乘客数量确定为所述航班起飞前每天的发放的机票数量。

本发明的一种机票的发放方法的有益效果如下：

根据获取到的航班起飞前每天的预测机票价格以及航班起飞前每天的预测购票乘客数量，得到航班的预测收益，当航班的预测收益大于预设收益阈值时，将航班起飞前每天的预测机票价格确定为航班起飞前每天的机票价格，并将航班起飞前每天的预测购票乘客数量确定为航班起飞前每天的发放的机票数量，一方面，保证航班收益以及客座率，另一方面，无需附加任何与相关法律法规相背离的低价票限制条件，保证乘客的权益，极大提高乘客的体验度，以及降低旅客因不满机票发放方案而发生的投诉率。

在上述方案的基础上，本发明的一种机票的发放方法还可以做如下改进。

进一步，所述S4之后，还包括：

当所述航班的预测收益不大于预设收益阈值时，则按照预设条件调整所述航班起飞前每天的预测机票价格，返回执行S2。

采用上述进一步方案的有益效果是：通过调整所述航班起飞前每天的预测机票价格，并返回执行S2，直至使航班的预测收益大于预设收益阈值，进一步保证航班收益以及客座率。

进一步，还包括：

根据所述航班的每个航点的预设范围内的待发生事件或已发生事件的综合热度，并根据预设综合热度-影响因子拟合函数获取所述航班对应的影响因子，并根据获取到的影响因子对所述航班的机票价格进行调整。

采用上述进一步方案的有益效果是：通过航班的每个航点的预设范围内的待发生事件或已发生事件的综合热度，对航班的机票价格进行调整，使调整后的机票价格更符合实际情况，以使航空公司根据调整后的机票价格进行后续决策处理。

进一步，还包括：

分别获取多个航班起飞前每天的调整后的机票价格；

根据收集的多个乘客的兴趣信息，分别构建每个乘客的兴趣模型；

从所有兴趣模型中提取多个相同位置信息，计算每个相同位置信息的占比；

将占比超过预设占比阈值的相同位置信息所对应的航班的调整后的机票价格进行再次调整。

采用上述进一步方案的有益效果是：通过收集的多个乘客的兴趣信息，对航班的机票价格进行再次调整，使调整后所得到的最终机票价格更符合实际情况，以使航空公司根据调整后的机票价格进行后续决策处理。

进一步，还包括：

根据任一乘客的兴趣模型得到该乘客对应的航班；

将该乘客对应的航班起飞前每天的最终机票价格发送至该乘客的客户端。

采用上述进一步方案的有益效果是：根据任一乘客的兴趣模型，向该乘客推送对应的航班起飞前每天的最终机票价格，提高售票成功的概率，有助于提高航空公司的收益。

本发明的一种机票的发放系统的技术方案如下：

包括第一预测模块、第二预测模块、预测收益计算模块和确定模块；

所述第一预测模块用于：利用航班的第一拟合函数得到航班起飞前每天的预测机票价格；

所述第二预测模块用于：将所述航班起飞前每天的预测机票价格输入所述航班的第二拟合函数，得到所述航班起飞前每天的预测购票乘客数量；

所述预测收益计算模块用于：根据所述航班起飞前每天的预测机票价格和所述航班起飞前每天的预测购票乘客数量，得到所述航班的预测收益；

所述确定模块用于：当所述航班的预测收益大于预设收益阈值时，则将所述航班起飞前每天的预测机票价格确定为所述航班起飞前每天的机票价格，并将所述航班起飞前每天的预测购票乘客数量确定为所述航班起飞前每天的发放的机票数量。

本发明的一种机票的发放系统的有益效果如下：

根据获取到的航班起飞前每天的预测机票价格以及航班起飞前每天的预测购票乘客数量，得到航班的预测收益，当航班的预测收益大于预设收益阈值时，将航班起飞前每天的预测机票价格确定为航班起飞前每天的机票价格，并将航班起飞前每天的预测购票乘客数量确定为航班起飞前每天的发放的机票数量，一方面，保证航班收益以及客座率，另一方面，无需附加任何与相关法律法规相背离的低价票限制条件，保证乘客的权益，极大提高乘客的体验度，以及降低旅客因不满机票发放方案而发生的投诉率。

在上述方案的基础上，本发明的一种机票的发放系统还可以做如下改进。

进一步，所述确定模块还用于：

当所述航班的预测收益不大于预设收益阈值时，则按照预设条件调整所述航班起飞前每天的预测机票价格，重新调用所述第二预测模块和所述预测收益计算模块，直至使航班的预测收益大于所述预设收益阈值。

采用上述进一步方案的有益效果是：通过调整航班起飞前每天的预测机票价格，并重新调用第二预测模块和预测收益计算模块，直至使航班的预测收益大于预设收益阈值，进一步保证保证航班收益以及客座率。

进一步，还包括第一调整模块，所述第一调整模块用于：根据所述航班的每个航点的预设范围内的待发生事件或已发生事件的综合热度，并根据预设综合热度-影响因子拟合函数获取所述航班对应的影响因子，并根据获取到的影响因子对所述航班的机票价格进行调整。

采用上述进一步方案的有益效果是：通过航班的每个航点的预设范围内的待发生事件或已发生事件的综合热度，对航班的机票价格进行调整，使调整后的机票价格更符合实际情况，以使航空公司根据调整后的机票价格进行后续决策处理。

进一步，还包括第二调整模块，所述第二调整模块用于：

分别获取多个航班起飞前每天的调整后的机票价格；

根据收集的多个乘客的兴趣信息，分别构建每个乘客的兴趣模型；

从所有兴趣模型中提取多个相同位置信息，计算每个相同位置信息的占比；

将占比超过预设占比阈值的相同位置信息所对应的航班的调整后的机票价格进行再次调整。

采用上述进一步方案的有益效果是：通过收集的多个乘客的兴趣信息，对航班的机票价格进行再次调整，使调整后所得到的最终机票价格更符合实际情况，以使航空公司根据调整后的机票价格进行后续决策处理。

进一步，还包括推荐模块，所述推荐模块用于：

根据任一乘客的兴趣模型得到该乘客对应的航班；

将该乘客对应的航班起飞前每天的最终机票价格发送至该乘客的客户端。

采用上述进一步方案的有益效果是：根据任一乘客的兴趣模型，向该乘客推送对应的航班起飞前每天的最终机票价格，提高售票成功的概率，有助于提高航空公司的收益。

本发明的一种电子设备的技术方案如下：

包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现如上述任一项所述的一种机票的发放方法的步骤。

本发明的一种电子设备的有益效果如下：

根据获取到的航班起飞前每天的预测机票价格以及航班起飞前每天的预测购票乘客数量，得到航班的预测收益，当航班的预测收益大于预设收益阈值时，将航班起飞前每天的预测机票价格确定为航班起飞前每天的机票价格，并将航班起飞前每天的预测购票乘客数量确定为航班起飞前每天的发放的机票数量，一方面，保证航班收益以及客座率，另一方面，无需附加任何与相关法律法规相背离的低价票限制条件，保证乘客的权益，极大提高乘客的体验度，以及降低旅客因不满机票发放方案而发生的投诉率。

附图说明

图1为本发明实施例的一种机票的发放方法的流程示意图；

图2为本发明实施例的一种机票的发放系统的结构示意图；

图3为本发明实施例的一种电子设备的结构示意图；

具体实施方式

如图1所示，本发明实施例的一种机票的发放方法，包括如下步骤：

S1、利用航班的第一拟合函数得到航班起飞前每天的预测机票价格；

S2、将所述航班起飞前每天的预测机票价格输入所述航班的第二拟合函数，得到所述航班起飞前每天的预测购票乘客数量；

S3、根据所述航班起飞前每天的预测机票价格和所述航班起飞前每天的预测购票乘客数量，得到所述航班的预测收益；

S4、当所述航班的预测收益大于预设收益阈值时，则将所述航班起飞前每天的预测机票价格确定为所述航班起飞前每天的机票价格，并将所述航班起飞前每天的预测购票乘客数量确定为所述航班起飞前每天的发放的机票数量。

根据获取到的航班起飞前每天的预测机票价格以及航班起飞前每天的预测购票乘客数量，得到航班的预测收益，当航班的预测收益大于预设收益阈值时，将航班起飞前每天的预测机票价格确定为航班起飞前每天的机票价格，并将航班起飞前每天的预测购票乘客数量确定为航班起飞前每天的发放的机票数量，一方面，保证航班收益以及客座率，另一方面，无需附加任何与相关法律法规相背离的低价票限制条件，保证乘客的权益，极大提高乘客的体验度，以及降低旅客因不满机票发放方案而发生的投诉率。

其中，以预测指定的第一航班起飞前每天的预测机票价格为例进行说明，具体地：

S10、拟合历史售票数据，具体地：

统计第一航班对应的航线上的所有航班的历史售票数据，历史售票数据指航班起飞前每天的真实进行销售的机票价格，采用多项式函数拟合的方法或非线性最小二乘拟合的方法分别对每个航班的历史售票数据进行拟合，得到每个航班对应的时间-真实销售票价格曲线，时间-真实售票价格曲线的x 轴表示起飞前的天数，如0表示起飞当天，1表示距离起飞前一天，即起飞的前一天，以此类推，时间-真实售票价格曲线的y轴表示航班起飞前每天的真实进行销售的机票价格，例如坐标点(1，500)表示起飞的前一天的真实进行销售的机票价格为500元；

其中，将离散的坐标点即每天的真实进行销售的机票价格拟合成连续的时间-真实销售票价格曲线的目的在于：若统计的第一航班对应的航线上的所有航班的历史售票数据中存在漏统计的数据时，可通过连续的时间-真实销售票价格曲线将漏统计的数据的补齐，更加方便。

S11、数据调整，具体地：

计算每个航班起飞前每相邻两天的机票价格的调整幅度，并与第一预设幅度进行比较，其中，可通过统计所有航线的历史售票数据统计得到的相邻两天机票价格调整幅度的平均值作为第一预设幅度，当任一航班的任一相邻两天的机票价格的调整幅度第一预设幅度进行比较，偏差不超过第一预设百分比如8％或10％等，说明该相邻两天的机票价格是符合实际情况，是可信的，若偏差超过第一预设百分比等，说明该相邻两天的机票价格是突变的，不符合实际情况，则将该相邻两天的机票价格删除，依次类推，得到每个航班调整后的时间-真实销售票价格曲线；

S12、取平均值，得到起飞前每天的预测机票价格；

对每个航班调整后的时间-真实销售票价格曲线中的坐标点取平均值，即得到一条最终的时间-真实销售票价格曲线，该最终的时间-真实销售票价格曲线上的起飞前每天的真实进行销售的机票价格即为第一航班起飞前每天的预测机票价格；

其中，第一拟合函数可理解为上述S10-S12中用到的所有公式或函数的集合。

可以理解的是，利用正则化多元线性回归法或神经网络，对第一航班对应的航线上的所有航班的历史售票数据所组成的数据集进行训练，得到用于预测机票价格的第一拟合函数。

其中，以预测指定的第一航班的每天的预测购票乘客数量为例进行说明，具体地：

S20、获取第二拟合函数，具体地：

统计第一航班对应的航线上的所有航班的历史售票数据，以及每个航班起飞前每天的真实的购票乘客数量，利用正则化多元线性回归法或神经网络，对第一航班对应的航线上的所有航班的历史售票数据以及每个航班起飞前每天的真实的购票乘客数量所组成的数据集进行训练，得到第二拟合函数，其中，该数据集中的一个数据为：任一一天的机票价格和该天对应的真实的购票乘客数量；

S21、得到起飞前每天的预测购票乘客数量，具体地：

根据所述航班起飞前每天的预测机票价格，分别输入航班的第二拟合函数，得到第一航班起飞前每天的预测购票乘客数量。

可以理解的是，可通过设置约束条件即所有的预测购票乘客数量的和不能超过该航班的最大载客数量，否则，会背离实际情况，在实际计算中，由于S11对数据调整，使第一航班起飞前每天的预测机票价格符合实际情况，进而使第一航班起飞前每天的预测购票乘客数量也能符合实际情况，一般不会出现所有的预测购票乘客数量的和超过该航班的最大载客数量的情况，出现该情况说明第一拟合函数和第二拟合函数的精度不够，此时，可进一步扩大用于训练出第一拟合函数的训练集中的数据量以及扩大用于训练出第二拟合函数的训练集中的数据量，重新训练出新的第一拟合函数和新的第二拟合函数，直至符合约束条件。

然后，根据第一航班起飞前每天的预测机票价格以及第一航班起飞前每天的预测购票乘客数量即可得到第一航班的预测收益，那么：

当第一航班的预测收益大于预设收益阈值时，则将第一航班起飞前每天的预测机票价格确定为第一航班起飞前每天的机票价格，并将第一航班起飞前每天的预测购票乘客数量确定为第一航班起飞前每天的发放的机票数量，并进行发放，其中，航空公司可根据实际情况设置和调整预设收益阈值，否则，执行S5；

S5、按照预设条件调整起飞前每天的预测机票价格，具体地：

当所述航班的预测收益不大于预设收益阈值时，则按照预设条件调整所述航班起飞前每天的预测机票价格，返回执行步骤S2。

预设条件可为如下形式：

1)按照预设比例调整起飞前每天的预测机票价格，如将每天的预测机票价格上调4％、6％等，一般而言，根据问卷形式的统计分析，在8％以内的票价起伏为多数乘客所接收，故预设比例尽量小于8％，避免购票乘客数量大幅度降低而造成的收益低的问题；

2)按照预设比例调整起飞前个别的预测机票价格，也就是说，不会对起飞前每天的预测机票价格均作出调整，这样更便于乘客接收，避免购票乘客数量大幅度降低而造成的收益低的问题；通过调整起飞前每天的预测机票价格，返回执行S2，直至使第一航班的预测收益大于预设收益阈值，进一步保证航空公司的收益以及客座率。

较优地，在上述技术方案中，还包括：

S6、根据所述航班的每个航点的预设范围内的待发生事件或已发生事件的综合热度，并根据预设综合热度-影响因子拟合函数获取所述航班对应的影响因子，并根据获取到的影响因子对所述航班的机票价格进行调整。

仍以第一航班为例进行说明，当第一航班为直飞航班时，则第一航班的航点包括起飞航点和降落航点，当当第一航班为经停航班时，则第一航班的航点包括起飞航点、降落航点和至少一个经停航点，以第一航班的起飞航点为例，对预设范围进行说明，具体地：

1)预设范围可表示航点所在城市的范围，例如，第一航班的起飞航点的预设范围内表示第一航班的起飞航点所在城市的范围内；

2)预设范围表示预设距离范围，例如，第一航班的起飞航点的预设范围内表示距离第一航班的起飞航点的预设距离范围内，预设距离范围可为 100km和200km等，可根据实际情况进行调整，在此不做赘述。那么：

S60、获取综合热度，具体地：

可通过爬虫程序周期性抓取从网络中抓取航班的每个航点的预设范围内的待发生事件或已发生事件，待发生事件如国家将要举办的国际性会展、博览会、亚运会等，已发生事件如地震、火山爆发等，可以理解的是，可以第一航班的起飞时间为分界线区分待发生事件和已发生事件。

然后搜集关于待发生事件或已发生事件的文章和新闻，获取并将所有文章和新闻在单位时间内的阅读量和转发量输入预设综合热度-影响因子拟合函数获取该航班对应的影响因子，按照影响因子调整起飞前每天的预测机票价格，具体可参考上文中的S5，在此不做赘述。

其中，通过预先手机各个类型的多个事件所对应的文章和新闻，并获取每个类型中的多个事件各自的文章和新闻在单位时间内的阅读量和转发量，类型表示国际性会展、博览会、亚运会、地震、火山爆发等，以博览会为例进行说明，搜集多次博览会各自的文章和新闻在单位时间内的阅读量和转发量，并搜集每次博览会举办前、举办中和举办后对应的航班的售票数据，通过对比每次博览会举办前、举办中和举办后对应的航班的售票数据，得到每次博览会举办前一年、前一个星期和举办中之间的变化幅度，那么：

以每次博览会各自的文章和新闻在单位时间内的阅读量和转发量，以及每次博览会举办前一年和前一个星期之间的变化幅度，利用正则化多元线性回归法或神经网络训练出对应的综合热度-影响因子拟合函数，依次类推，得到不同的综合热度-影响因子拟合函数；

其中，可以理解的是，为单次阅读和单次转发设置不同的权重值，在单位时间内的阅读量和转发量对应的总的值即为综合热度，变化幅度可理解为影响因子，且本领域技术人员有动机根据不同的待发生事件或已发生事件训练和调用对应的综合热度-影响因子拟合函数，在此不做赘述。

通过航班的每个航点的预设范围内的待发生事件或已发生事件的综合热度，对航班的机票价格进行调整，使调整后的机票价格更符合实际情况，以使航空公司根据调整后的机票价格进行后续决策处理，如加开临时航班等。

较优地，在上述技术方案中，还包括：

S70、分别获取多个航班起飞前每天的调整后的机票价格；

S71、根据收集的多个乘客的兴趣信息，分别构建每个乘客的兴趣模型，具体地：通过爬虫程序从网络上收集的多个乘客的兴趣信息，兴趣模型可理解为固定格式的文本或表格等，兴趣信息可为：城市名称、旅游景点等，如乘客查询“八达岭长城”，则为该乘客添加“八达岭长城”的标签，可重复添加；

S72、从所有兴趣模型中提取多个相同位置信息，计算每个相同位置信息的占比，具体地：

当兴趣信息中包括城市名称如北京时，则直接得到位置信息为北京；

当兴趣信息中包括旅游景点如“八达岭长城”时，则需要将“八达岭长城”转换为位置信息即北京，转换过程为本领域人员所悉知，在此不做赘述；

依次类推，得到每个乘客的兴趣信息所对应的位置信息，提取相同位置信息，计算每个相同位置信息的占比。

S73、将占比超过预设占比阈值的相同位置信息所对应的航班的调整后的机票价格进行再次调整，具体地：

例如，一共得到20000条位置信息，其中，相同位置信息有30个，以相同位置信息为北京为例进行说明，20000条位置信息中，北京的占比为30％，预设占比阈值为25％时，则可将北京的相关航班的每天机票价格进行适当提高，如提高3％或5％等。且本领域技术人员有动机根据不同的航班分别执行 S70-S73，在此不做赘述。

通过收集的多个乘客的兴趣信息，对航班的机票价格进行再次调整，使调整后所得到的最终机票价格更符合实际情况，以使航空公司根据调整后的机票价格进行后续决策处理。

较优地，在上述技术方案中，还包括：

S80、根据任一乘客的兴趣模型得到该乘客对应的航班；

S81、将该乘客对应的航班起飞前每天的最终机票价格发送至该乘客的客户端。

根据任一乘客的兴趣模型，向该乘客推送对应的航班起飞前每天的最终机票价格，提高售票成功的概率，有助于提高航空公司的收益。

在上述各实施例中，虽然对步骤进行了编号S1、S2等，但只是本申请给出的具体实施例，本领域的技术人员可根据实际情况对调整S1、S2等的执行顺序，此也在本发明的保护范围内，可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。

如图2所示，本发明实施例的一种机票的发放系统，包括第一预测模块 210、第二预测模块220、预测收益计算模块230和确定模块240；

所述第一预测模块210用于：利用航班的第一拟合函数得到航班起飞前每天的预测机票价格；

所述第二预测模块220用于：将所述航班起飞前每天的预测机票价格输入所述航班的第二拟合函数，得到所述航班起飞前每天的预测购票乘客数量；

所述预测收益计算模块230用于：根据所述航班起飞前每天的预测机票价格和所述航班起飞前每天的预测购票乘客数量，得到所述航班的预测收益；

所述确定模块240用于：当所述航班的预测收益大于预设收益阈值时，则将所述航班起飞前每天的预测机票价格确定为所述航班起飞前每天的机票价格，并将所述航班起飞前每天的预测购票乘客数量确定为所述航班起飞前每天的发放的机票数量。

根据获取到的航班起飞前每天的预测机票价格以及航班起飞前每天的预测购票乘客数量，得到航班的预测收益，当航班的预测收益大于预设收益阈值时，将航班起飞前每天的预测机票价格确定为航班起飞前每天的机票价格，并将航班起飞前每天的预测购票乘客数量确定为航班起飞前每天的发放的机票数量，一方面，保证航班收益及客座率，另一方面，无需附加任何与相关法律法规相背离的低价票限制条件，保证乘客的权益，极大提高乘客的体验度，以及降低旅客因不满机票发放方案而发生的投诉率。

较优地，在上述技术方案中，所述确定模块240还用于：

当所述航班的预测收益不大于预设收益阈值时，则按照预设条件调整所述航班起飞前每天的预测机票价格，重新调用所述第二预测模块220和所述预测收益计算模块230，直至使航班的预测收益大于所述预设收益阈值。

通过调整起飞前每天的预测机票价格，并重新调用第二预测模块220和预测收益计算模块230，直至使航班的预测收益大于预设收益阈值，进一步保证航空公司的收益。

较优地，在上述技术方案中，还包括第一调整模块，所述第一调整模块用于：根据所述航班的每个航点的预设范围内的待发生事件或已发生事件的综合热度，并根据预设综合热度-影响因子拟合函数获取所述航班对应的影响因子，并根据获取到的影响因子对所述航班的机票价格进行调整。

通过航班的每个航点的预设范围内的待发生事件或已发生事件的综合热度，对航班的机票价格进行调整，使调整后的机票价格更符合实际情况，以使航空公司根据调整后的机票价格进行后续决策处理。

较优地，在上述技术方案中，还包括第二调整模块，所述第二调整模块用于：

分别获取多个航班起飞前每天的调整后的机票价格；

根据收集的多个乘客的兴趣信息，分别构建每个乘客的兴趣模型；

从所有兴趣模型中提取多个相同位置信息，计算每个相同位置信息的占比；

将占比超过预设占比阈值的相同位置信息所对应的航班的调整后的机票价格进行再次调整。

通过收集的多个乘客的兴趣信息，对航班的机票价格进行再次调整，使调整后所得到的最终机票价格更符合实际情况，以使航空公司根据调整后的机票价格进行后续决策处理。

较优地，在上述技术方案中，还包括推荐模块，所述推荐模块用于：

根据任一乘客的兴趣模型得到该乘客对应的航班；

将该乘客对应的航班起飞前每天的最终机票价格发送至该乘客的客户端。

根据任一乘客的兴趣模型，向该乘客推送对应的航班起飞前每天的最终机票价格，提高售票成功的概率，有助于提高航空公司的收益。

上述关于本发明的一种机票的发放系统200中的各参数和各个单元模块实现相应功能的步骤，可参考上文中关于一种机票的发放方法的实施例中的各参数和步骤，在此不做赘述。

如图3所示，本发明实施例的一种电子设备300，包括存储器310、处理器320及存储在所述存储器310上并在所述处理器320上运行的程序330，所述处理器320执行所述程序330时实现上述任一实施的一种机票的发放方法的步骤。

根据获取到的航班起飞前每天的预测机票价格以及航班起飞前每天的预测购票乘客数量，得到航班的预测收益，当航班的预测收益大于预设收益阈值时，将航班起飞前每天的预测机票价格确定为航班起飞前每天的机票价格，并将航班起飞前每天的预测购票乘客数量确定为航班起飞前每天的发放的机票数量，一方面，保证航班收益以及客座率，另一方面，无需附加任何与相关法律法规相背离的低价票限制条件，保证乘客的权益，极大提高乘客的体验度，以及降低旅客因不满机票发放方案而发生的投诉率。

其中，电子设备300可以选用电脑、手机等，相对应地，其程序330为电脑软件或手机APP等，且上述关于本发明的一种电子设备300中的各参数和步骤，可参考上文中一种机票的发放方法的实施例中的各参数和步骤，在此不做赘述。

所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。

因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM),只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。