Инвалидация кэш-данных с использованием нормального распределения Гаусса в авиационных программных продуктах | Статья в сборнике международной научной конференции

Автор:

Рубрика: 1. Информатика и кибернетика

Опубликовано в

VII международная научная конференция «Технические науки в России и за рубежом» (Москва, ноябрь 2017)

Дата публикации: 18.10.2017

Статья просмотрена: 37 раз

Библиографическое описание:

Груздев О. В. Инвалидация кэш-данных с использованием нормального распределения Гаусса в авиационных программных продуктах [Текст] // Технические науки в России и за рубежом: материалы VII Междунар. науч. конф. (г. Москва, ноябрь 2017 г.). — М.: Буки-Веди, 2017. — С. 7-10. — URL https://moluch.ru/conf/tech/archive/286/13117/ (дата обращения: 11.12.2018).



В статье рассматриваются технологические особенности электронной коммерции авиакомпаний. Приводится пример проблемы, связанный с финансовыми затратами на совершение транзакций в хостовую систему авиакомпании и предлагается вариант ее решения с помощью кэширования данных. Предложен метод определения периода инвалидации кэш-данных с заданной вероятностью обновления наличия мест на рейсе, произведен пример расчета.

Ключевые слова: распределение Гаусса, нормальное распределение, инвалидация кэш-данных, электронная коммерция, хостовые транзакции

В современном мире роль пассажирских и грузовых авиаперевозок сложно переоценить. Ежедневно совершаются тысячи коммерческих рейсов. Появление интернета и развитие IT технологий в целом, наложило свой положительный отпечаток на бизнес авиакомпаний, если ранее билеты на авиарейс возможно было купить только в специализированных местах у агентов в билетных кассах, то теперь большая часть покупок билетов и дополнительных услуг совершается через интернет, самостоятельно пользователем, либо агентом по запросу пассажира. Подавляющее большинство авиакомпаний используют комплексные системы и программные разработки специализированных IT компаний, в функционал которых входит хранение и предоставление, с использованием прикладных программных интерфейсов, таких данных как: расписание рейсов, маршруты и хабы, тарифные правила, наличие мест на конкретном рейсе, интерлайн соглашения и другие. Финансовая модель получения дохода упомянутыми выше специализированными IT компаниями от авиакомпаний часто заключается во взимании платы за каждую совершенную транзакцию при совершении пассажиром таких действий, как поиск необходимого рейса (совершаются транзакции в хостовую систему для получения сведений о наличии мест на рейсе), далее бронирование места и резервирование дополнительных услуг (питание, багаж). Независимо от типа канала продаж авиакомпании (агентская сеть — посредники, собственные кассы, собственный интернет сайт) процесс поиска и бронирования билетов сопряжен с совершением транзакций в хостовую систему авиакомпании, наиболее частые из которых — транзакции по запросу наличия мест на рейсе.

Серьезной проблемой могут стать финансовые потери авиакомпании, которые заключаются в транзакционных издержках. Несмотря на относительную дешевизну каждой отдельной транзакции — запроса на наличие мест в систему резервации авиакомпании, при многочисленных обращениях пассажиров к сайту авиакомпании на предмет поиска рейсов и услуг, суммарная стоимость таких транзакций может достигать сотен тысяч долларов в месяц.

Решением данной проблемы является программное кэширование данных о наличии мест, т. е. сохранение данных о наличии мест в разных кабинах самолета во внутреннюю базу данных. Таким образом, ответ на основную массу запросов пользователя должен формироваться из внутренней кэш-базы данных, и лишь малая часть из них должна доходить до внешней системы резервации, совершая тем самым платную транзакцию. Основная проблема данного решения — своевременное обновление (инвалидация) кэш-данных. Обновление кэш-данных доступности мест на конкретном рейсе позволяет пользователю всегда получать актуальные данные о ценах оставшихся мест на борту и избегать ошибок при бронировании выбранных мест, в случае, когда пользователь выбрал конкретный тариф, отображенный посредством извлечения данных из кэш-базы, но при этом сами данные о количестве оставшихся мест в данном классе обслуживания утратили свою актуальность.

Рис. 1. Процесс проверки наличия мест на борту выбранного рейса и последующего бронирования

Рассмотрим поиск и продажу билетов на конкретный рейс авиакомпании. Классическим подходом к продаже мест в салоне самолета является разделение пассажирских зон на «классы», множество всех мест в самолете разбивается на 10–20 подмножеств, каждое из которых обозначается буквой латинского алфавита. Каждое из таких подмножеств имеет свою цену и продается в порядке возрастания цены, при этом данные подмножества группируются в так называемые «кабины» (по 3–4 «класса» в одной кабине), что позволяет гибко формировать уровни цен и обслуживания пассажиров [2]. В среднем уровень продаж для конкретного рейса значительно меняется не чаще одного раза в сутки. Таким образом, внутри указанного интервала времени покупки билетов на рейс происходят с примерно одинаковой периодичностью. Данный факт говорит о том, что обновление информации в кэш-базе наличия мест должно происходить через определенный промежуток времени, равный периоду покупки билета с небольшими отклонениями — случайными погрешностями, которые могут быть вызваны разбросом количества посетителей сайта авиакомпании в разное время суток, изменением цен конкурентов и многим другим. Исходя из этого, можно утверждать, что в заданном интервале, распределение промежутков времени покупок билетов подчиняется закону Гаусса (распределение Гаусса или нормальное распределение). Экспериментальным путем, было получено 50 значений периодов покупок билетов на рейс. Среднее значение периода покупок было вычислено по формуле (1) [1], полученное значение при округлении до одной секунды оказалось . Исходя из полученных результатов была построена гистограмма (рис 2.).

Рис. 2. Гистограмма распределения временных периодов покупок авиабилетов

Для того, чтобы понять точное время, через которое необходимо инвалидировать кэш-данные, следует описать случайную погрешность (отклонение значения периода покупки от среднего значения) и указать вероятность попадания значения периода покупки в интервал заданной полуширины , таким образом (2), где можно выразить через (средняя квадратичная погрешность единичного измерения) и множитель : (3) [1]. На рисунке 3 и в таблице 1 представлены вычисленные теоретически значения

Рис. 3. Функция вероятности

Таблица 1

Доверительная вероятность

1

0.68

2

0.95

2.6

0.99

3

0.997

Рассчитаем среднюю квадратичную погрешность измерения используя выражение (4) [1]

Результирующая средняя квадратичная погрешность равна 24,802 с. Таким образом, произведя данные расчеты, мы можем вычислить полуширину доверительного интервала по выражению (3), взяв коэффициент , имеем Данный результат имеет важную интерпретацию, исходя из расчетов можно утверждать, что с вероятностью 95 % период каждой следующей покупки билета будет лежать в пределах значений от 250 до 350 секунд. Таким образом, чтобы покрыть возможность обновления количества оставшихся мест на 95 %, необходимо инвалидировать кэш-данные путем пропускания запросов напрямую в хостовую систему авиакомпании с интервалом 350 секунд. Это позволит максимально сократить финансовые издержки авиакомпании на совершение платных транзакций, т. к. с уверенностью можно считать, что каждая покупка будет совершаться с периодом 350 секунд.

Предложенный метод инвалидации возможно применять к каждому отдельному классу обслуживания, что даст более точные результаты в связи с неравномерностью спроса на тарифы в разных ценовых категориях. Недостатком этого метода является незначительная, но не исключенная полностью, возможность ошибки, которая выражается в том, что реальное обновление количества оставшихся мест на борту может произойти раньше события инвалидации кэш-данных по заданному периоду.

Литература:

  1. Савельев A. И., Фетисов И. Н. Обработка результатов измерений при проведении физического эксперимента. — М.: МГТУ им. Н. Э. Баумана, 1990. — 32 с.
  2. Gerald N. Cook, Bruce G. Billig. Airline Operations and Management: A Management Textbook. — 1. — New York: Routledge, 2017. — 362 с.
Основные термины (генерируются автоматически): наличие мест, хостовая система авиакомпании, рейс, совершение транзакций, распределение Гаусса, образ, нормальное распределение, место, квадратичная погрешность, данные.

Ключевые слова

электронная коммерция, нормальное распределение, распределение Гаусса, инвалидация кэш-данных, хостовые транзакции

Похожие статьи

Вычисление статистических показателей с использованием...

При проведении экспериментов или опытов получаются случайные величины, появление которых предсказать невозможно, и они чаще всего подчиняются нормальному закону распределения (закону Гаусса).

Алгоритм интервального оценивания параметров нелинейных...

Fi — квантиль распределения Фишера; Ms — масштабный множитель μT

Итог: . Из сравнения с результатами интервального оценивания по методу Гаусса-Зайделя

Из данных видно, что высшим комплексом в системе является Cu(NH3)42+, поэтому принимаем m = 4.

Имитационное моделирование инвестиционных рисков...

Таким образом, их графики будут чуть остроконечнее, по сравнению с нормальной кривой.

Нормальное распределение описывается четырьмя основными моментами

Особую роль в использовании данных показателей играет закон распределения вероятностных величин.

Исследование закономерности размерно-качественных...

При проведении экспериментов или опытов получаются случайные величины, появление которых предсказать невозможно, и они чаще всего подчиняются нормальному закону распределения (закону Гаусса).

К вопросу о проверке параметрических статистических гипотез...

Пусть в испытаниях Бернулли «успех» имел место раз.

где — выборочное значение статистики (1), — квантиль нормального распределения порядка .

( ). Таким образом, нулевая гипотеза с использованием критерия отклоняется тогда и только тогда, когда она...

Статистика отказов шин легковых автомобилей | Статья в сборнике...

3. Логарифмически нормальное распределение — c2 = 9,26.

Рис. 4. Теоретическое распределение и экспериментальные данные отказов шин.

3. Корчагин А. Б. Надежность технических систем и техногенный риск: учебное пособие в двух частях.

Анализ методов распознавания образов | Статья в журнале...

Распределение – апостериорное распределение значений w, при условии получения статистических данных.

Рис. 8. Нормальное распределение Гаусса. Приведем пример использования теоремы Байеса для распознавания образов

Качественная и количественная оценка рисков андеррайтинга...

Рис. 2. Цели функционирования системы внутреннего контроля.

Ключевое место в организационной структуре любой страховой компании занимает

Операция. Слабое место. Фактор, причина. Мероприятие на снижение риска (вт.ч. ввиде контрольных процедур).

Разработка двумерных сглаживающих фильтров на основе...

3) гауссов — изменении интенсивности по нормальному закону распределения. Для улучшения качества зашумленного

Цифровое изображение состоит из конечного числа элементов, каждый из которых расположен в конкретном месте и имеет определенное значение.

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Вычисление статистических показателей с использованием...

При проведении экспериментов или опытов получаются случайные величины, появление которых предсказать невозможно, и они чаще всего подчиняются нормальному закону распределения (закону Гаусса).

Алгоритм интервального оценивания параметров нелинейных...

Fi — квантиль распределения Фишера; Ms — масштабный множитель μT

Итог: . Из сравнения с результатами интервального оценивания по методу Гаусса-Зайделя

Из данных видно, что высшим комплексом в системе является Cu(NH3)42+, поэтому принимаем m = 4.

Имитационное моделирование инвестиционных рисков...

Таким образом, их графики будут чуть остроконечнее, по сравнению с нормальной кривой.

Нормальное распределение описывается четырьмя основными моментами

Особую роль в использовании данных показателей играет закон распределения вероятностных величин.

Исследование закономерности размерно-качественных...

При проведении экспериментов или опытов получаются случайные величины, появление которых предсказать невозможно, и они чаще всего подчиняются нормальному закону распределения (закону Гаусса).

К вопросу о проверке параметрических статистических гипотез...

Пусть в испытаниях Бернулли «успех» имел место раз.

где — выборочное значение статистики (1), — квантиль нормального распределения порядка .

( ). Таким образом, нулевая гипотеза с использованием критерия отклоняется тогда и только тогда, когда она...

Статистика отказов шин легковых автомобилей | Статья в сборнике...

3. Логарифмически нормальное распределение — c2 = 9,26.

Рис. 4. Теоретическое распределение и экспериментальные данные отказов шин.

3. Корчагин А. Б. Надежность технических систем и техногенный риск: учебное пособие в двух частях.

Анализ методов распознавания образов | Статья в журнале...

Распределение – апостериорное распределение значений w, при условии получения статистических данных.

Рис. 8. Нормальное распределение Гаусса. Приведем пример использования теоремы Байеса для распознавания образов

Качественная и количественная оценка рисков андеррайтинга...

Рис. 2. Цели функционирования системы внутреннего контроля.

Ключевое место в организационной структуре любой страховой компании занимает

Операция. Слабое место. Фактор, причина. Мероприятие на снижение риска (вт.ч. ввиде контрольных процедур).

Разработка двумерных сглаживающих фильтров на основе...

3) гауссов — изменении интенсивности по нормальному закону распределения. Для улучшения качества зашумленного

Цифровое изображение состоит из конечного числа элементов, каждый из которых расположен в конкретном месте и имеет определенное значение.

Задать вопрос