Зачем программисту разбираться в тарифных классах
Тарифные классы и лимиты бронирования — это не только авиационная тема. Это хороший учебный пример системы, где пересекаются алгоритмы, структуры данных и бизнес-правила. Программирование, по определению Никлауса Вирта, — это «программы = алгоритмы + структуры данных». Здесь мы на Python смоделируем, как авиакомпания закрывает дешёвый тариф, хотя в самолёте есть свободные места, и как это проверить расчётом.
Важно сразу оговориться: мы не претендуем на воспроизведение реальных алгоритмов авиакомпаний. Мы строим учебную модель, которая помогает понять логику лимитов и проверить её на данных.
Что такое тарифный класс и лимит бронирования
Тарифный класс (fare class) — это категория билета с определёнными условиями и ценой. Лимит бронирования (booking limit) — максимальное число мест, которое можно продать по данному классу на данном рейсе. Даже если физически в самолёте свободно 50 кресел, дешёвый класс может быть закрыт: авиакомпания рассчитывает, что часть мест удастся продать дороже позже.
Ключевая идея: продажа места — это не только «есть кресло или нет», но и управление доходом (revenue management). Программисту полезно уметь формализовать такие правила в коде и проверять их на тестовых сценариях.
Модель данных: рейс, классы, спрос
Начнём с простых структур. Нам нужны:
- рейс с общим числом мест;
- набор тарифных классов с ценой и лимитом;
- прогноз спроса по классам на разные горизонты времени.
Опишем это через dataclass — удобный способ задать структуру данных в Python 3.7+ (в 2026 году актуальны версии Python 3.12–3.14, синтаксис dataclass стабилен).
from dataclasses import dataclass, field
@dataclass
class FareClass:
name: str
price: int
booking_limit: int
@dataclass
class Flight:
code: str
total_seats: int
classes: list[FareClass] = field(default_factory=list)
Теперь зададим рейс и классы. Цифры условные — они нужны, чтобы показать расчёт, а не чтобы предсказать реальные цены.
flight = Flight(
code="SU-123",
total_seats=180,
classes=[
FareClass("Economy Low", 6000, 40),
FareClass("Economy Flex", 10000, 80),
FareClass("Business", 30000, 20),
],
)
Расчёт доступных мест по классам
Простая проверка: сумма лимитов не должна превышать общее число мест. Если превышает — модель противоречива, и её нужно исправить до расчётов.
def validate_limits(flight: Flight) -> None:
total_limits = sum(c.booking_limit for c in flight.classes)
if total_limits > flight.total_seats:
raise ValueError(
f"Сумма лимитов {total_limits} больше мест {flight.total_seats}"
)
Дальше считаем, сколько мест останется в каждом классе после гипотетических продаж. Это уже не «истина», а сценарий: мы подставляем прогноз спроса и смотрим, где упрёмся в лимит.
def remaining_by_class(flight: Flight, demand: dict[str, int]) -> dict[str, int]:
result = {}
for c in flight.classes:
sold = min(demand.get(c.name, 0), c.booking_limit)
result[c.name] = c.booking_limit - sold
return result
Пример: если спрос на дешёвый класс 60, а лимит 40, продадим 40, остаток 0. Дешёвый тариф «закрыт», хотя в самолёте ещё есть места — именно этот эффект и вызывает удивление у пассажиров.
Как проверить гипотезу на тестовых данных
Хорошая практика — не доверять расчёту «на глаз». Сформулируем проверки:
- Сумма лимитов не превышает вместимость.
- Остаток по классу не отрицателен.
- Если спрос превышает лимит, остаток равен нулю.
Оформим это как простые тесты. В 2026 году стандартный инструмент — pytest, но подойдёт и unittest из стандартной библиотеки.
def test_limits():
validate_limits(flight)
demand = {"Economy Low": 60, "Economy Flex": 10, "Business": 0}
left = remaining_by_class(flight, demand)
assert left["Economy Low"] == 0
assert left["Economy Flex"] == 70
assert all(v >= 0 for v in left.values())
Такой тест фиксирует поведение модели: при превышении спроса над лимитом класс закрывается. Если правило изменится, тест это покажет.
Где модель ломается и что это значит для программиста
Учебная модель не учитывает отмены, возвраты, пересадки и динамическое изменение цен. В реальности лимиты пересчитываются по мере продаж. Поэтому важно разделять:
- модель — упрощение, которое мы проверяем;
- данные — фактические продажи и прогнозы;
- правила — бизнес-логику, которую нельзя «додумывать» в коде без согласования.
Если в коде появляется магическое число вроде «40 мест на дешёвый тариф», у него должен быть источник: правило, прогноз или договорённость. Иначе это не модель, а догадка.
Практический вывод: прежде чем писать сложный алгоритм, опишите структуры данных и проверки. Так вы быстрее найдёте противоречия и сможете объяснить результат коллегам — и людям, и ИИ-агентам, которые всё чаще участвуют в проверке кода.
Короткий чек-лист
- Опишите сущности через dataclass или явные типы.
- Проверьте, что сумма лимитов не превышает вместимость.
- Отделите прогноз спроса от правил продажи.
- Зафиксируйте поведение тестами на граничных значениях.
- Помните, что модель — упрощение, а не истина.
Такой подход применим не только к авиации: везде, где есть квоты, лимиты и приоритеты, выигрывает тот, кто сначала описывает данные и правила, а потом пишет код.
Комментарии
Пока нет комментариев — станьте первым.