Ki jan tan Layover ou ka fè oswa ranpli yon profit nan yon konpayi avyon

Kòm reyalite a pa koresponn ak atansyon yo, li se toujou ankouraje. Li se espesyalman ankouraje si ou peye lajan pou reyalite a espere: ou achte yon tikè nan yon konpayi avyon, men pou kèk rezon ou mete sou yon avyon nan yon konpayi avyon konplètman diferan. Lè sa a, ou fè yon koneksyon, epi yo mete ou sou yon avyon nan yon konpayi twazyèm ki pa konnen. Ki sa ki rive? Pandan tout, ou gen yon tikè nan konpayi avyon an, ki ou te achte jis paske ou konnen sa yo dwe espere de li, men ou toujou vole ak avyon nan konpayi avyon konplètman diferan. Ou sanble ke ou te achte yon tikè nan yon gwo ak byen etabli, men sou bwat li rezilta ke konpayi a avyon an Èske konpayi avyon pa konprann ke aksyon sa yo ka fè vwayajè yo konplètman chanje preferans yo? Yon eksperyans negatif byen vit bati konpetans pou pran yon apwòch pi byen nan evalye opsyon yo posib. Flòt pasaje se tankou yon fluid ki kouri nan yon volim pi gwo kote gen mwens obstak nan wout li yo. Nan ka sa a, menm yon ti diferans nan evalyasyon yo nan konpayi avyon yo ak vwayajè nan atraksyon nan vwayaj ka mennen nan devwa anpil nan flòt pasaje. Yon diminye nan atraksyon nan yon vòl nan yon konpayi avyon mennen nan sa yo rele "bottling up" nan yon pati nan flux la pasaje. Yon lòt konpayi avyon ka ranpli deplasman an pa ofri yon opsyon plis atraksyonèl - fè yon rap. Yon modèl sa yo rele deplasman ak capture (capture) modèl nan flux la pasaje ak dirèkteman relye pwofi a nan konpayi avyon nan eksperyans vwayajè pozitif. Atik sa a konsantre sou ki jan yo fè vwayaj codeshare plis atraksyon, ak fè yon bon pwofi sou li (pa kite konpetitè ou tounen, natirèlman). Distribisyon flòt pasaje Suppose ke gen yon ti rezo wout nan twa vil, ki konsiste nan sèlman twa wout: A→B - vòl yo opere pa A1; B→C - vòl yo opere pa A2 ak A3; A→B→C - sou segman an premye, vòl yo opere pa A1, sou dezyèm pa A2 и A3 - sa a se wout la ki mande pou evalye optimisite a nan akò kodeshare. Flòt pasaje ka reprezante nan de fòm - nou rele yo H ak D: H — elementary passenger traffic between two cities; D - kompozit trafik pasaje ant de vil. Pou segman A→B, pou egzanp, A1 avyon ka estime (obsève si li se mwens pase kapasite) flux pasaje D11, ki se sumè a de flux pasaje eleman: Nan ka sa a, H1 se flux la pasaje nan vwayajè enterese nan ale soti nan A nan B, ak H3 se flux la pasaje nan vwayajè enterese nan ale soti nan A nan C. Pou segman an B→C, bagay yo se yon ti kras plis enteresan: Nan ka sa a, avyon A2 ak A3 pataje trafik pasaje H2 - pasaje ale soti nan B nan C, ak trafik pasaje H3 - pasaje ale soti nan A nan C ak konekte nan ayewopò nan vil B. Parametre a ka tou interprèt kòm probabilite nan fè yon achte tikè sou yon vwayaj avyon espesifik, se konsa: α depann sou atraksyon nan vwayaj yo ak se detèmine pa fonksyon a utilite U(R), kote R se yon vektè nan paramèt vòl, ki baze sou ki vwayajè deside achte yon tikè. Tipikman, fonksyon eksponan itilize kòm fonksyon a utilite ak konvèti nan probabilite lè l sèvi avèk fonksyon soft-max. Èske sa a se yon bon fason yo fè li? Li se komen ak senp. An menm tan an, fonksyon sigmoid ak fonksyon distribisyon Dirichlet mete anpil pi bon nan paradigm la vòt. Pou egzanp, si gen yon rechèch vwayajè kote ou te gen pou evalye chak paramèt vòl sou yon skala 10 pwen, li ta dwe beta ak Dirichlet distribisyon ki pral pwosesis rezilta yo. Sa a se plis konplike, men Efè nan akò codeshare sou atraksyon wout la Vòl Codeshare yo atraksyon pou vwayajè paske yo pèmèt pasaje yo: Rekòmande kilomèt bonis pa patisipe nan pwogram lojisyèl nan konpayi avyon an, menm si vòl la se opere pa yon lòt konpayi. Liv tikè avyon pou vòl ak koneksyon pratik, chwazi opsyon an ki pi apwopriye nan mitan ofri yo nan konpayi avyon diferan. Jwenn asistans ak sipò nan konpayi an avyon an pandan vwayaj la, malgre konpayi an nan ki tikè a te achte. Sepandan, rezon prensipal la pou ke vwayaj codeshare yo atraksyonèl se ke yo ogmante kantite wout - li se anpil pi fasil yo chwazi yon vwayaj fin vye granmoun pase yo kreye li tèt ou. Gen kèk konpayi avyon byen konnen ke atraksyon nan vwayaj codeshare ka ogmante plis ankò - pou egzanp, pa faktori tan pratik, se konsa yo koordine orè yo. Natirèlman, vwayaj codeshare ka tou pa atraksyon pou yon varyete de rezon: nivo sèvis inapwopriye; diferan règ pou bagaj ak transpò; posiblite pou pwoblèm bagaj pandan koneksyon. Ogmante atraksyon nan yon vwayaj codeshare ka ogmante trafik pasaje: Nan teyori, vwayaj codeshare ka ogmante trafik pasaje total, men nan yon kantite anpil pi gwo, yo jis ogmante demann. Ajoute yon vwayaj codeshare mete vwayajè H3 ak twa opsyon: Vwayaje soti nan A nan C sou yon vwayaj codeshare ak minimòm inconvenience. Vwayaje soti nan A nan C atravè B ak koneksyon pratik ak yon vòl A2 avyon. Fly from A to C via B with an inconvenient connection on airline flight A3. Suppose sa a se ka a, Lè sa a, H3 ka reprezante kòm sòm sa a: kote H(ch)3 - se vwayajè ki chwazi yon vwayaj codeshare, ak H(rem)3 - se vwayajè ki chwazi yon vwayaj transfè pwòp tèt ou. Lè sa a, redistribisyon an konplè nan tout flux ant konpayi avyon ka ekri nan fòm sa a: Se konsa, li enpòtan konprann ke nou pale sou pati nan flux pasaje, sa vle di segments endividyèl nan vwayajè ki evalye ak rankontre posib opsyon diferan. Pou kèk pati nan vwayajè, konfort vini an premye, pou yon lòt pati - pri. Demand montre ki jan pri a afekte kantite tikè yo achte. Atravansibilite, sou lòt men, montre ki jan sa a nimewo se afekte pa lòt faktè. Atravansibilite se souvan fikse - pou egzanp, pou vòl ki planifye ki pa ka chanje orè yo ale oswa ale. Yon fwa yon vòl jwenti ak yon lòt konpayi avyon te ajoute nan yon vòl sa a, tan koneksyon ka chanje, sa vle di kèk pati nan vwayajè yo pral gid pa plis pase jis pri a lè yo achte yon tikè. Jwèt ak capture Nou te resevwa yon ekspresyon ki dekri chanjman proporsyonèl nan volim pasaje ant konpayi avyon. Li rete yo aprann ki jan yo kalkil proporsyon yo ki baze sou a. Sa a ka sanble trè konplike - nan ka sa a nou toujou ap recours à approximations simple. Nou pral fè de presuppositions enpòtan: Nou gen done yo. Nou ka kreye modèl done. Essentially we’re just talking about what we “know how to do in ML (Machine Learning)”. Premyèman, nou bezwen spesifye volim aleksyon pasaje ki konsiste de achte potansyèl, siyen, nenpòt ki moun ki nan nenpòt ki fason enterese nan achte yon tikè sou kèk nan wout yo konsidere. Candidate a pi bon pou distribisyon an nan kantite kliyan potansyèl se distribisyon an Poisson: Pwodwi pou Telefòn (λ1) Pwodwi pou Telefòn (λ2) Pwodwi pou Telefòn (λ3) Eske nou konsidere ki jan boutèy ak capture nan trafik pasaje rive lè l sèvi avèk egzanp la nan H3, paske trafik pasaje sa a divize ant twa konpayi avyon. Diferent nivo nan atraksyon vòl genere diferan nivo atansyon nan diferan segman pri pasaje. Pou egzanp, yon vòl codeshare pral pi atraksyon, men pou menm rezon sa a li pral pi chè. Sa vle di li pral enpòtan pou moun ki vle peye plis pase nòmal pou yon tikè. Let attractiveness be determined by two factors: codeshare and connection time. Gen kèk tan transfè òptim - siye li pa t . Sije ke t (2) tan transfè pou vòl A2 se anpil pi pre t pase t (3) - tan transfè pou vòl A3. Nou ka kounye a detèmine atraksyon an (utilitè a nan de vòl) nan yon fonksyon senp nan fòm kòn. Tanpri konsidere twa opsyon: Δt∗=t∗−t=0 - diferans minimòm soti nan tan transfè ideyal la. Δt∗=t∗−t>0 – ou dwe apresye. Δt∗=t∗−t<0 – ou dwe ap tann. Eksprime atraksyon yo nan fonksyon utilite: u2=U(Δt2) ak u3=U(Δt3), kote U ka nenpòt fonksyon unimodal: nan ka nou an, U se yon fonksyon Gaussian. Atravèti nan vòl A2 ak A3 ka montre tankou sa a: import numpy kòm np soti nan scipy.stats import norm, gamma, poisson, binom, uniform, bernoulli import matplotlib.pyplot kòm plt soti nan pylab import rcParams rcParams['figure.figsize'] = 7, 4 rcParams['figure.dpi'] = 140 %config InlineBackend.figure_format = 'png' import seaborn kòm sns sns.set() dt = np.linspace(-5, 5, 300) u = norm.pdf(dt, loc=0, skal=1.4) plt.plot(dt, u, 'C0') dt_2 = 1.15 u_2 = norm.pdf(dt_2, loc=0, skal=1.4) plt.plot(dt_2, u_2, 'C2o', label=r'$u_{2} =$' + f'{u_2:.2f}') plt.vlines(dt_2, 0, u_2, koulè='C2') dt_3 = 2.5 u_3 = norm.pdf(dt_3, loc=0, skal=1.4) plt.plot(dt_3, u_3, 'C3o', label=r'$u_{3} =$' + f'{u_3:.2f}') plt.vlines(dt_3, 0, u_3, color='C3') plt.title('Attraksyon (kote) nan vòl\n' + r' nan avyon $A_{2}$ ak $A_{3}$') plt.xlabel(r'$\Delta t$ (ora)') plt.ylabel('u', rotation=0) plt.legend() plt.show() Si avyon A1 antre nan yon akò codeshare ak A2, Lè sa a, nan tèm nan tan transfè, atraksyon an nan vòl la codeshare pral menm jan ak la nan A2, paske tan an transfè ideyal - t , relasyon ak ki tout deltas yo konpare, pa chanje nan nenpòt fason. Sepandan, vwayaj codeshare ofri yon kantite avantaj: pa gen okenn bezwen pou re-chek bagaj, pa gen okenn bezwen pou re-chek-in, ak pou vwayaj entènasyonal, rete nan yon zòn klè vle di pa gen okenn kontwòl pasapò adisyonèl. Atraksyon an nan yon vòl codeshare ogmante akòz ke vwayajè a gen mwens risk pou satisfè Δt2, ak gen tou tan adisyonèl yo repoze jaden ou ak soti nan vòl Yon tan koneksyon ideyal ta dwe konsidere plizyè faktè: Minimum koneksyon tan - tan ki nesesè pou siksè transfè pasaje ak transfè bagaj soti nan yon vòl nan yon lòt nan ayewopò. Yon tan konfort adisyonèl - nesesè yo diminye risk la nan kouri pou enskri pou yon lòt vòl. Mwayen tan nan retardasyon vòl - gen estatistik espesyal pou chak konpayi avyon. Yon tan koneksyon ideyal pou yon vwayaj codeshare pral diminye nan omwen akòz ke risk yo nan pasaje a retardé pou vòl la pandan koneksyon an yo asume pa konpayi a avyon - li kounye a garanti ke menm si vwayajè a retardé, yo pral toujou mete sou vwayaj la pwochen. Asume ke t ch<t , sa a senpleman fè grafik la nan fonksyon a utilite pou vwayaj codeshare A1 deplase nan bò dwat: dt = np.linspace(-5, 5, 300) u = norm.pdf(dt, loc=0, skal=1.4) plt.plot(dt, u, 'C0', label=r'$t^{*} - t$) dt = np.linspace(-5, 5, 300) u_ch = norm.pdf(dt, loc=0.8, skal=1.4) plt.plot(dt, u_ch, 'C0--', label=r'$t^{*}_{ch} - t$') dt_1 = 1.15 u_1 = norm.pdf(dt_1, loc=0.8, skal=1.4) plt.plot(dt_1, u_1, 'C1o', label=r'$u_{1} =$' + f'{u_1:.2f}) plt.vlines(dt_1, 0, u_1, koulè='C1', lw=4, alpha=0.5) dt_2 = 1.15 u_2 = norm.pdf(dt_2, loc=0, skal=1.4) plt.plot(dt_2, u_2, 'C2o', label=r'$u_{2} =$' + f'{u_2:.2f}') plt.vlines(dt_2, 0, u_2, koulè='C2') dt_3 = 2.5 u_3 = norm.pdf(dt_3, loc=0, skal=1.4) plt.plot(dt_3, u_3, 'C3o', label=r'$u_{3} =$' + f'{u_3:.2f}') plt.vlines(dt_3, 0, u_3, color='C3') plt.title('Attraksyon (kote) nan vòl\n' + r' nan avyon $A_{2}$ ak $A_{3}$') plt.xlabel(r'$\Delta t$ (ora)') plt.ylabel('u', rotation=0) plt.legend() plt.show() Si anvan diferans la soti nan tan koneksyon ideyal la te sou 1 èdtan ak 10 minit, pou yon vwayaj codeshare diferans sa a pral sèlman 20 minit. Natirèlman, apwòch la nan tan koneksyon ideyal la se pa faktori a sèlman ki afekte atraksyon an (utilite) nan yon vòl. Tan transfè a se pran pou egzanp sèlman. Nan reyalite, kalkil la nan atraksyon depann sou anpil plis faktè ak se fè pa zouti ML. Koulye a, nou bezwen konprann ki jan sa yo twa valè divize trafik pasaje nan segman pri - nou klèman pale sou kèk fraksyon. Pou detèmine sa yo fraksyon, nou bezwen yon pwofil nan demand potansyèl. Anime ke pou chak nan flux pasaje li sanble tankou sa a: price_1 = np.linspace(100, 300, 1000) rvdem_1 = gamma(a=12, loc=100, skale=8) profile_1 = rvdem_1.pdf(prices_1) plt.plot(prices_1, profile_1, label=r'$H_{1}$') price_2 = np.linspace(60, 200, 1000) rvdem_2 = gamma(a=8, loc=60, skal=7) profile_2 = rvdem_2.pdf(prices_2) plt.plot(prices_2, profile_2, label=r'$H_{2}$') pri_3 = np.linspace(240, 500, 1000) rvdem_3 = gamma(a=10, loc=230, skal=12) profile_3 = rvdem_3.pdf(prices_3) plt.plot(prices_3, profile_3, label=r'$H_{1}$') plt.legend() plt.xlabel('Pri (c.u.)') plt.title('Profil demand nan flux pasaje'); Eksistans nan yon pwofil demann indike ke gen yon reprezantasyon konfyans nan sa ki pri yo pwobableman yo achte yon tikè diferan de 0 oswa 1 ak ki jan li depann sou pri a. Li ta dwe imedyatman note ke egzistans nan pwofil pri sa yo pa pèmèt yon demann rasional nan pratik fin vye granmoun oswa suboptimal. Premye, yon fwa yon moun se konesans ak metòd ML, li se trè difisil imajine ki jan yon moun ta ka fè yon bagay diferan, men pi piti fè li pi mal. Dezyèmman, gen omwen plizyè metòd pou "previze" kantite tikè vann nan yon kèk pri. Diferèn konpayi avyon ka sèvi ak diferan. Gen kèk, anjeneral ti konpayi avyon ka depann totalman sou intuisyon. Pou ko Dapre degre diferan nan atraksyon nan opsyon yo dwe yon fason divize flux pasaje ant konpayi avyon, ak kounye a nou gen tout sa nou bezwen kalkil α pou chak nan yo: H1 flux ant konpayi avyon yo pa pataje. Se sèlman flux H2 ak H3 divize, ak divizyon depann sou atraksyon nan vòl yo, ki afekte probabilite a nan chwa. Atraktivite a ka sanble tankou sa a: fig, ax = plt.subplots(1, 3, figsize=(12, 3)) dt = np.linspace(-5, 5, 300) u = norm.pdf(dt, loc=0, skal=1.4) aks[0].plot(dt, u, 'C0') dt = np.linspace(-5, 5, 300) u_ch = norm.pdf(dt, loc=0.8, skale=1.4) ax[0].plot(dt, u_ch, 'C0--') ax[1].plot(dt, u_ch, 'C0--') dt_1 = 1.15 u_1 = norm.pdf(dt_1, loc=0.8, skal=1.4) aks[0].plot(dt_1, u_1, 'C1o', label=r'$u_{1} =$' + f'{u_1:.2f}) aks[0].vlines(dt_1, 0, u_1, koulè='C1', lw=4, alpha=0.5) dt_2 = 1.15 u_2 = norm.pdf(dt_2, loc=0, skal=1.4) aks[0].plot(dt_2, u_2, 'C2o', label=r'$u_{2} =$' + f'{u_2:.2f}') aks[0].vlines(dt_2, 0, u_2, koulè='C2') dt_3 = 2.5 u_3 = norm.pdf(dt_3, loc=0, skal=1.4) ax[0].plot(dt_3, u_3, 'C3o', label=r'$u_{3} =$' + f'{u_3:.2f}') ax[0].vlines(dt_3, 0, u_3, koulè='C3') axe[0].legend(loc=3) axe[0].set_title('Attraksyon pou $H_3$\n(codeshare $A_{1}$ ak $A_{2}$)') axe[0].set_xlabel(r'$\Delta t$ (orè)')') plon(dt, u, 'C0') dt_1 = 2.5 u_1 = norm.pdf(dt_1, loc=0.8, skal=1.4) aks[1].plot(dt_1, u_1, 'C1o', label=r'$u_{1} =$' + f'{u_1:.2f}) aks[1].vlines(dt_1, 0, u_1, koulè='C1', lw=4, alpha=0.5) dt_2 = 1.15 u_2 = norm.pdf(dt_2, loc=0, skal=1.4) aks[1].plot(dt_2, u_2, 'C2o', label=r'$u_{2} =$' + f'{u_2:.2f}') aks[1].vlines(dt_2, 0, u_2, koulè='C2') dt_3 = 2.5 u_3 = norm.pdf(dt_3, loc=0, skal=1.4) aks[1].plot(dt_3, u_3, 'C3o', label=r'$u_{3} =$' + f'{u_3:.2f}') aks[1].vlines(dt_3, 0, u_3, koulè='C3') ak[1].legend(loc=3) ak[1].set_title('Attraksyon pou $H_3$\n(codeshare $A_{1}$ ak $A_{3}$)') ak ak[1].set_xlabel(r'$\Delta t$ (orè)')') dt = np.linspace(-5, 5, 300) u = norm.pdf(dt, loc=0, skal=2.6) plt.plot(dt, u, 'C0') dt_2 = 1.15 u_2 = norm.pdf(dt_2, loc=0, skal=2.6) aks[2].plot(dt_2, u_2, 'C2o', label=r'$u_{2} =$' + f'{u_2:.2f}') aks[2].vlines(dt_2, 0, u_2, koulè='C2') dt_3 = 2.5 u_3 = norm.pdf(dt_3, loc=0, skale=2.6) axe[2].plot(dt_3, u_3, 'C3o', label=r'$u_{3} =$' + f'u_3:.2f} axe[2].vlines(dt_3, 0, u_3, color='C3') axe[2].legend(loc=3) axe[2].set_title('Attractiveness pou $H_2$') axe[2].set_xlabel(r'$\Delta t$ (orè)'); Yon fason ki pi senp pou konvèti utilities nan probabilite se pou multipli chak nan valè yo pa kèk faktè, se konsa ke sòm nan rezilta a se egal ak 1: Pou egzanp, si A1 antre nan yon akò koutim ak A2, probabilite yo chwazi youn oswa lòt vòl yo tankou sa a: u = np. array([0.28, 0.20, 0.06]) ekri ak lèt detache(u / u.sum()) [0.51851852 0.37037037 0.111111] P3(Choice=A1 Seg=1) = 0.52; P3(Choice=A2 Seg=1) = 0,37; P3(Choice=A3 Seg=1) = 0.11 Sepandan, chwa a se enfliyanse pa sèlman pa preferans, men tou pa kantite lajan ki disponib yo fè li. Konnen pwofil la demann, nou ka detèmine probabilite nan achte yon tikè nan yon pri sèten. Pwodwi pou Telefòn (1) 1 = 190 Pri (1) 3 = 370 Pwodwi pou Telefòn (2) 2 = 135 Pwodwi pou Telefòn(3)2 = 115 Lè sa a, pwobableman yo achte yon tikè pou kèk pri ka definye tankou sa a: Pou egzanp, probabilite ke yon tikè pou yon vwayaj codeshare pral achte nan 370 c.u. pral menm jan ak 0,27: rvdem_3 = gamma(a=10, loc=230, skal=12) ekri ak lèt detache(rvdem_3.sf(370)) 0.2727250812333501 Vwayajè ki ka pèmèt yon tikè nan pri sa a wè twa opsyon anvan yo. Sepandan, si yon moun ka pèmèt maksimòm konfort, sa pa vle di ke li ta dwe itilize li. Disponiblite a nan opsyon pi bon mache pèmèt ou sove lajan - sa a se poukisa nou calculated atraksyon nan opsyon yo ak determined probabilities nan chwa ki baze sou yo. Probabilite a total nan chwa pral menm jan ak: Kòm yon rezilta, chans yo chwazi yon vòl espesyal pou pasaje sa yo pral menm: P3(Choice=A1 Seg=1) = 0,14; P3(Choice=A2 A1Seg=1) = 0.1; P3(Choice=A3 Seg=1) = 0.03. Rezilta a pa sanble trè enteresan, paske probabilite a final nan achte yon tikè pou vòl la pi konfòtab se pa trè wo. Sa a se espesifik yo nan boutèy ak retire flux pasaje - probabilite kondisyone ak distribisyon kondisyone vini nan jwèt la. Ki sa ki rive nan moun ki pa kapab pèmèt yo achte yon tikè sa a? Si kantite lajan an nan aparèy pasaje a chita nan antye a: li pa pral plis kapab pèmèt yon vòl codeshare. Nan ka sa a, li pral gen de opsyon ki disponib pou li: chwazi yon vòl ak yon koneksyon pratik oswa yon koneksyon long. Dapre sèvis piblik ki disponib, chans yo nan chwa yo tankou sa a: P3(Choice=A2 Seg=2) = 0,77; P3(Choice=A3 Seg=2) = 0.23. u = np. array([0.20, 0.06]) Pwodwi pou Telefòn(u / u.sum()) [0.76923077 0.23076923] Probabilite yo achte yon tikè nan ka sa a pral: rvdem_3 = gamma(a=10, plas=230, skal=12) ekri ak lèt detache(rvdem_3.sf(325)- rvdem_3.sf(370)) 0.4541835759677653 Lè sa a, chans yo chwazi ki rezilta pou vwayajè sa yo se sa ki: P3(Choice=A2 A2Seg=2) = 0,35; P3 (Choice=A3 A4Seg=2) = 0.1. Vwayajè ki kantite lajan yo se nan ranje [305,325] ka pèmèt sèlman vòl A3. Probabilite a pou achte yon tikè nan pri 305 pou segman sa a se: rvdem_3 = gamma(a=10, loc=230, skal=12) ekri ak lèt detache(rvdem_3.sf(305)- rvdem_3.sf(325)) 0.17088396696109864 Finalman, chans yo achte yon tikè pou yon vwayaj espesifik pral eksprime kòm yon kantite senp: Transpò pasaje H3 yo pral divize ant konpayi avyon yo kòm sa a: P3 (Choice = A1) = 0,14; P3 (Choice=A2) = 0,1 + 0,35 = 0,45 P3 (Choice=A3) = 0,03 + 0,1 + 0,17 = 0,3 Probabilite P(Buy=0) ke tikè a pa pral achte anyen se 0.1, ki nan sumasyon ak seleksyon an pi wo bay 1. Li vle di ke volim la nan potansyèl-potansyèl flux pasaje se plen konsidere. Apre fè menm bagay la pou flux pasaje H2, nou jwenn sa a: P2 (Choice = A2) = 0,1; P2 (Choice = A3) = 0,38. Travay pasaje H1 menm si pa pataje ant konpayi avyon, men paske nan pri a nan 190 ue yon kèk pati nan li pral derive, se konsa nou ka toujou prezante probabilite nan chwa vòl P1(Choice=A1), ki pral detèmine pa pri a (probabilite nan achte yon tikè nan pri sa a): rvdem_1 = gamma(a=12, loc=100, skal=8) ekri ak lèt detache(rvdem_1.sf(190)) 0.5494501693973257 Li ta kapab deskripsyon an detay nan tout valè nan α, men depi nou te deja resevwa valè espesifik nan fraksyon, nou pral ekri tout nan yon fòm kout: Pou yon avyon, optimize akò codeshare se yon pwoblèm anbalaj bag ak yon varyab binè menm jan ak yon sèl oswa nòt lè yon vòl potansyèl chwazi yo pataje oswa pa. Problèm prensipal yo kòmanse lè estime valè a nan atik yo depoze nan bag la. Nan ka senp, yon avyon ka deside ke li depann sou mak la: si li se atraksyon, Lè sa a, yon vòl codeshare pral tou atraksyon. Nan metòd sa a naiv, valè a nan atik la depoze nan bag la jis ogmante an rapò ak kèk faktè. Yon apwòch plis devlope se lè l sèvi avèk plizyè kritè atraksyon yo chwazi yon atik. Chak atik se yon wout ki gen tan soti ak rive, osi byen ke koneksyon ki ka varye nan tou de tan ak kalite. Se poutèt sa, chwazi yon atik chanje valè a nan tout lòt atik yo, tou de ki deja nan sak la ak moun ki pa t 'touche. Sa vle di ke tout α yo dwe calculé chak fwa yon atik se chwazi. Sepandan, pa multiplye tout H pa pri yo korespondan, ou ka jwenn estime rezonab nan revni, ak pi enpòtan, ou ka jwenn konnen ak ki ak ki akòz akòz kondisyon sa yo antre nan yon kontra. Metòd la se yon ti kras brik, men li ta dwe note ke li lye preferans vwayajè yo ak redistribisyon an nan trafik pasaje. Delta Airlines, youn nan pyonye yo nan optimize akò codeshare rapòte ke evalyasyon sa a nan wout ansanm bay jiska $ 50 milyon dola nan revni añal adisyonèl. Sa a te pa sèlman youn nan rezilta yo ki pi enpòtan pou ane 2000 yo, men tou yon dokiman dirèkteman nan enpòtan an nan preferans vwayajè. Air Canada pita te montre ke metòd sa a bay jiska 80% plis revni semèn pase metòd la naiv ki konsidere sèlman enfliyanse mak. Metòd sa a se mal nan ke li divize pwoblèm an nan de pati: an premye nou bezwen rankontre opsyon yo ak kalkilate aksyon yo òptim nan H, ak Lè sa a, remake ke tout H yo aleksyon ak kalkilate aksyon yo òptim separe. Divizyon travay la senplize kalkil la, men pa mennen nan yon rezilta òptim. Modèl ak optimizasyon Avyon A1 bezwen jwenn pa sèlman pi bon pri yo, men tou quote: w(1)3 - kantite plas resève pou koutim, ak w(1)1 - se kantite plas pou moun ki vwayaje soti nan A nan B. Si nou denote pa V kapasite a nan avyon an, Lè sa a, yon kondisyon senp pou quote se satisfè: w(1)1+w(1)3V(1) - menm jan ak pou kantite tikè vann q(1)1+q(2)3+q(3)3w(1) и q(1)3w(1)3. Souvan, fonksyonalite objektif la se gratis ak konsiste sèlman nan ogmante revni ki te kreye pa chwazi yon vòl koperasyon. Sepandan, nan adisyon a revni, gen tou koute ki gen yon enpak enpòtan sou rentabilite nan vòl yo. Pou optimize revni a, nou prezante koute sa yo: Cfix - koute fixe, egzanp: peye a nan ekipaj, frè ayewopò pou parkour, decolonje ak aterisaj, sekirite avyon. Cvar - chanjman varyab, ki depann sou kantite pasaje, pou egzanp: frè pou bay nan terminal nan ayewopò, manipilasyon bagaj. Sa a ta dwe gen ladan tou pri a nan kerozèn, paske kantite li depann tou sou kantite pasaje ak bagaj, men pou senplisite nou pral refere a Cfix. Puсть Cvar=cvarQ, pou egzanp, cvar ka menm jan ak 25 c.u, valè ki se senpleman multipli pa kantite pasaje - Q. Price(2)ch — costs of seats purchased from the operating carrier for a codeshare flight. Lè sa a, profit an mwayen A1 pral fonksyon sa a: The second airline’s profits: Yon moun ta ka panse ke si A1 antre nan yon akò ak A2, Lè sa a, benefis yo nan A3 ta dwe pa gen okenn pwoblèm. An reyalite, koutim gen yon konsèp trè enteresan: presyon konpetitif. Se poutèt sa, nou ekri sou fonksyon an objektif pou A3 tou: Nou konnen ke Hj∼Poisson(λj). Konnen ke Pj(Choice=Ai), nou ka anrejistre kantite tikè achte q(i)j kòm: Epitou pou valè ti nan Hj, li se pratik estanda, men vwayajè soti nan H1 ak H3 yo se yon konbinezon random - pa gen yon bagay tankou premye vann tikè yo sèlman pou moun ki soti nan H1 ak Lè sa a vann plas ki rete sèlman pou moun ki soti nan H3. Li ta dwe tou note ke si ayewopò yo A ak B se separe pa yon kantite enpòtan zòn tan, konbinezon an nan H2 ak H3 pral gen yon kompozisyon diferan depann sou tan. Pou egzanp, si A3 diminye pri a anpil nan mitan lannwit, Lè sa a, sa a rediksyon ka wè premye pa pasaje soti nan H3 paske yo ka gen tan pandan jou anvan nan mitan lannwit. Li enpòtan yo remake ke done a toujou vini anvan tout tan. Menm si nou te ekri down Hj∼Poisson(λj) se yon approximation trè brut pran jis pou egzanp. Anplis de distribisyon an Poisson, gen toujou yon distribisyon konplèks kondisyèl, ki se sa ki te derive soti nan done yo. Konbine flux pasaje, kapasite limite nan avyon, kvote, ak anpil lòt nuans fè li pa posib pou yo derive distribisyon an nan nimewo nan tikè vann analitikman. Pou jwenn valè ase nan q, li nesesè yo modèl pwosesis la lavant. Anvan modèl yon bagay, li nesesè defini paramèt yo baz nan pwoblèm la. Suppose ke wout la A→B→C se wout la Vladivostok-Moskou-Sochi: VVO→SVO→AER. Let the flights be operated by the following airplanes: VVO→SVO - se opere pa konpayi A1 sou avyon A350 ak yon kapasite V = 325. SVO→AER — is operated by airline A2 on A320 aircraft with a capacity of V=180. SVO→AER — se opere pa konpayi A3 na sou Boeing 737 avyon ak yon kapasite V=190. Kou fixe yo pral tankou sa a: C(1)fix — 48360 c.u.; C(2)fix — 10270 c.u.; C(2) fiks - 9890 c.u. Chanjman nan pri: c(1)var — 6.8 c.u. / pasaje. c(2)var — 5.4 c.u. / pasaje. c(2)var — 5.1 c.u. / pasaje. Suppose flòt pasaje yo distribye kòm sa a: H1∼Poisson (λ1 = 370) H2 ~ Poisson (λ2 = 350) H3 ~ Poisson (λ3 = 110) def prob_in_trafic(pri): pri_1, pri_2, pri_3 = pri rvdem_1 = gamma(a=12, loc=100, skal=8) rvdem_2 = gamma(a=8, loc=60, skal=7) rvdem_3 = gamma(a=10, loc=230, skal=12) pb_11 = rvdem_1.sf(pri_1) pb_10 = 1 - pb_11 P\_1 = \[pb\_10, pb\_11] Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: si pri\_2 > pri\_3: pbp\_22 = rvdem\_2.sf(pri\_2) pbp\_23 = rvdem\_2.sf(pri\_3) - rvdem\_2.sf(pri\_2) pb\_22 = pbp\_22 = rvdem\_2\[0] pb\23 = pbp\_23 = pbp\_2\[1\] + pbp\_23 lòt: pbp\_22 = rvdem\_2.sf(pri\2) pbp\_23 = rvdem\2.sf(pri_3) pb_22 = pbp\22 pb__23 = 0 pb\_20 = 1 - pb\_22 - pb\_23 Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: w\_3 = np.array(\[0.2, 0.06\]) pseg\_3 = uh\_3 / uh\_3.sum() si (pri\_1 + pri\_2) > (pri\_1 + pri\_3): pbp\_32 = rvdem\_3.sf(pri\_1 + pri\_2) pbp\_33 = rvdem\_3.sf(pri\_1 + pri\_3) - rvdem\_3.sf(pri\_1 + pri\_2) pbp\32 = pbp\32 \* pseg\_3\[0\] pb\33 = pbp\_32 \* pseg\3\[1\] + pbp\33 elatriye: pbp\32 = rvdem_3.sf(pri\1 + pri\2) pbp\33 = rvdem_3.sf(pri\1 + pri\3) pb\32 = pbp\ pb\_30 = 1 - pb\_32 - pb\_33 Pwensipalman, pwensipalman, pwensipalman, pwensipalman, pwensipalman Retour ph\_1, ph\_2, ph\_3 def sales(P): h_1 = poisson.rvs(mu=370) h_2 = poisson.rvs(mu=350) h_3 = poisson.rvs(mu=110) Tout = np.sum(\[h\_1, h\_2, h\_3\) p\_in\_h = np.array(\[h\_1, h\_2, h\_3\) / h\_all v\_1, v\_2, v\_3 = 325, 180, 190 q\_1, q\_2, q\_3 = 0, 0, 0 pou iter nan ranje(h\_all): pase\_in\_h = np.random.choice(\[1, 2, 3\], p=p\_in\_h) si pase\_in\_h == 1: si np.random.choice(\[0, 1\], p=P\[0\]): si q\1 < v\_1: q\_1 += 1 if pass\\\_in\\\_h == 2: a\\\_i = np.random.choice(\\\[0, 2, 3\\\], p=P\\\[1\\\]) if a\\\_i == 2: if q\\\_2 < v\\\_2: q\\\_2 += 1 if a\\\_i == 3: if q\\\_3 < v\\\_3: q\\\_3 += 1 if pass\\\_in\\\_h == 3: a\\\_i = np.random.choice(\\\[0, 2, 3\\\], p=P\\\[2\\\]) if a\\\_i == 2: if q\\\_2 < v\\\_2: q\\\_2 += 1 if q\\\_1 < v\\\_1: q\\\_1 += 1 if a\\\_i == 3: if q\\\_3 < v\\\_3: q\\\_3 += 1 if q\\\_1 < v\\\_1: q\\\_1 += 1 Retounen nan q\_1, q\_2, q\_3 def profit_a(pri, Q): profit_1 = Q[0] * pri[0] - Q[0] * 6.8 - 48360 profit_2 = Q[1] * pri[1] - Q[1] * 5.4 - 10270 profit_3 = Q[2] * pri[2] - Q[2] * 5.1 - 9890 retounen profit_1, profit_2, profit_3 def e_profit(pri, n_iter): P = prob_in_trafic(pri) retounen np.mean([profit_a(pri, lavant(P)) pou _ nan ranje(n_iter)], aks = 0) Koulye a, nou ka kòmanse modélisasyon ak optimize. Kesyon yo rive: ki sa ak ki jan yo optimize? Ki sa ak ki sa yo konpare yo wè si gen yon ogmantasyon nan benefis? Ideyalman, chak konpayi avyon vle ogmante pwofi li yo, men chanjman nan pri a nan tikè yo nan yon sèl konpayi avyon afekte tout trafik pasaje. Chanjman sa yo te observe pa lòt konpayi avyon ak yo tou chanje pri a, ki ankò mennen nan chanjman nan flòt pasaje. Sa vle di ke pwofi pa ka jwenn pa aplike metòd la optimizasyon sèlman yon fwa. Se konsa, gen sèlman yon kondisyon pou metòd la - li dwe montre yon ogmantasyon non-negatif nan pwofi pou tout paramèt. Suppose ke pa gen okenn konpayi avyon te antre nan akò codeshare ak konsidere pri sa yo kòm optimum: Pri (1) 1 = 185; Pri (2) 2 = 114; Pwodwi pou Telefòn(3)2 = 110. Lè sa a, distribisyon an nan benefis yo pral tankou sa a: pri = [185, 114, 110] q_data = [] profit_data = [] P = prob_in_trafic(pri yo) pou i nan ranje(1000): Q = lavant(P) q_data.append(Q) profit_data.append(profit_a(pri, Q)) q_data = np.array(q_data) profit_data = np.array(profit_data) fig, ax = plt.subplots(1, 3, figsize=(12, 3.5)) sns.kdeplot(profit_data[:, 0], ax=ax[0]) e_pa_1 = np.mean(profit_data[:, 0]) ax[0].axvline(e_pa_1, koulè='C3', label=f'e_pa_1:.0f} c.u.') ax[0].legend() ax[0].set_title(r'$A_{1}$') ax[0].set_xlabel('Profit (c.u.)') sns.kdeplot(profit_data[:, 1], ax=ax[1]) e_pa_2 = np.mean(profit_data[:, 1]) ax[1].axvline(e_pa_2, koulè='C3', label=f'e_pa_2:.0f} c.u.') ax[1].legend() ax[1].set_title(r'$A_{2}$') ax[1].set_xlabel('Profit (c.u.)')') sns.kdeplot(profit_data[:, 2], ax=ax[2]) e_pa_3 = np.mean(profit_data[:, 2]) ax[2].axvline(e_pa_3, color='C3', label=f'e_pa_3:.0f} c.u.') ax[2].legend(loc='upper left') ax[2].set_title(r'$A_{3}$') ax[2].set_xlabel('Profit (c.u.)') plt.suptitle('Distribisyon pwofi nan konpayi avyon') plt.tight_layout(); For airline A3, the price is clearly not the best price. However, we are now interested in exactly how the average profit of airlines A2 and A3 will change if they enter into a codeshare agreement with each other. def prob_in_trafic_ch(pri): pri_1, pri_2, pri_3, pri_ch = pri[:-1] rvdem_1 = gamma(a=12, loc=100, skale=8) rvdem_2 = gamma(a=8, loc=60, skale=7) rvdem_3 = gamma(a=10, loc=230, skale=12) pb\_11 = rvdem\_1.sf(pri\_1) pb\_10 = 1 - pb\_11 P\_1 = \[pb\_10, pb\_11] Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: si pri\_2 > pri\_3: pbp\_22 = rvdem\_2.sf(pri\_2) pbp\_23 = rvdem\_2.sf(pri\_3) - rvdem\_2.sf(pri\_2) pb\_22 = pbp\_22 = rvdem\_2\[0] pb\23 = pbp\_23 = pbp\_2\[1\] + pbp\_23 lòt: pbp\_22 = rvdem\_2.sf(pri\2) pbp\_23 = rvdem\2.sf(pri_3) pb_22 = pbp\22 pb__23 = 0 pb\_20 = 1 - pb\_22 - pb\_23 Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwoteksyon: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: Pwodwi pou Telefòn: si pri\_ch > (pri\_1 + pri\_2) > (pri\_1 + pri\_3): pbp\_31 = rvdem\_3.sf(pri\_ch) pbp\_32 = rvdem\_3.sf(pri\_1 + pri\_2) pbp\_31 = pbp\33 = pbp\31 = pbp\31 = pbp\31 = pbp\31 = pbp\31 = pbp\31 = pbp\31 = pbp\31 = pbp\31 = pbp\31 = pbp\31 = pbp\31 = pbp\33 = pbp\33 = pbp\33 = pbp\33 = pbp\33 = pbp\33 = pbp pb\_30 = 1 - pb\_31 - pb\_32 - pb\_33 Pwensipalman, pwensipalman, pwensipalman, pwensipalman, pwensipalman Retour ph\_1, ph\_2, ph\_3 def sales_ch(P, w_1): h_1 = poisson.rvs(mu=370) h_2 = poisson.rvs(mu=350) h_3 = poisson.rvs(mu=110) h\_all = np.sum(\[h\_1, h\_2, h\_3\]) p\_in\_h = np.array(\[h\_1, h\_2, h\_3\]) / h\_all v\_1, v\_2, v\_3 = 325, 180, 190 q\_1, q\_1\_ch, q\_2, q\_3 = 0, 0, 0, 0 pou iter nan ranje(h\_all): pase\_in\_h = np.random.choice(\[1, 2, 3\], p=p\_in\_h) si pase\_in\_h == 1: si np.random.choice(\[0, 1\], p=P\[0\]): si q\_1 < v\_1 - w\_1: q\_1 += 1 if pass\\\_in\\\_h == 2: a\\\_i = np.random.choice(\\\[0, 2, 3\\\], p=P\\\[1\\\]) if a\\\_i == 2: if q\\\_2 < v\\\_2 - w\\\_1: q\\\_2 += 1 if a\\\_i == 3: if q\\\_3 < v\\\_3: q\\\_3 += 1 if pass\\\_in\\\_h == 3: a\\\_i = np.random.choice(\\\[0, 1, 2, 3\\\], p=P\\\[2\\\]) if a\\\_i == 1: if q\\\_1\\\_ch < w\\\_1: q\\\_1\\\_ch += 1 if a\\\_i == 2: if q\\\_2 < v\\\_2 - w\\\_1: q\\\_2 += 1 if q\\\_1 < v\\\_1 - w\\\_1: q\\\_1 += 1 if a\\\_i == 3: if q\\\_3 < v\\\_3: q\\\_3 += 1 if q\\\_1 < v\\\_1 - w\\\_1: q\\\_1 += 1 Retire q\_1, q\_1\_ch, q\_2, q\_3 def profit_a_ch(pri, Q, w_1): profit_1 = (Q[0] * pri[0] + Q[1] * pri[-2]) - (Q[0] + Q[1]) * 6.8 - w_1 * pri[-1] - 48360 profit_2 = (Q[2] * pri[1] + w_1 * pri[-1]) - (Q[2] + Q[1][1]) * 5.4 - 10270 profit_3 = Q[3] * pri[2] - Q[3] * 5.1 - 9890 retounen profit_1, profit_2, profit_3 def e_profit_ch(pri, w_1, n_iter): P = prob_in_trafic_ch(pri) retounen np.mean([profit_a_ch(pri, sales_ch(P, w_1), w_1) pou _ nan ranje(n_iter)], aks = 0) Jwenn yon gade nan tout valè nan benefis A1 ak A2 ki simultaneman pi gwo pase nòt: PA_1 = [] PA_2 = [] PA_3 = [] PP = [] pou mwen nan ranje(10000): pra_1 = np.random.randint(150, 270) pra_2 = np.random.randint(111, 170) pra_3 = 110 pra_1_ch = np.random.randint(pra_1 + pra_2 , 500) pay_ch = np.random.randint(pra_2, pra_1_ch) pri = pra_1, pra_2, pra_3, pra_1_ch, pra_ch w_1 = np.random.randint(0, 110) pa = eprofit_ch(pri, w_1, w_1, w_1) si 1) pa[0] > 0 ak pa [1] 0: PA_1.append(pa[0] PA_2.append(pa) PA x = np.linspace(0, 17500) y_1 = -x + 20000 y_2 = -0.8 * x + 20000 plt.plot(x, y_1, 'C3', label='Indiferans') plt.plot(x, y_2, 'C2', label='Interest') plt.xlabel(r'$A_{2}$ pwofi (c.u)') plt.ylabel(r'$A_{1}$ pwofi (c.u)') plt.title('Scatter nan valè pwofi pozitif nan de konpayi avyon') Pwodwi pou Telefòn Pwodwi pou Telefòn ( Yon seri de pwen limite soti nan pi wo a pa yon kèk pi wo konvèks ak fonksyon monoton diminye, ki gen tout pwen nan seri a Pareto-efficient. Si seri sa a te simetri, Lè sa a, pwen an nan seri a ki pi pre liy la koupe segments egal soti nan aks yo koordinasyon ka pran kòm pwen an optimum. Sa a apwòch rele yon apwòch indifferenti. Yon seri efikas se prèske pa janm simetri, se konsa patisipan yo gen yon enterè nan asire ke asimetri a se nesesèman konsidere lè fè yon desizyon ansanm. Nan ka sa a, pwen an ki pi pre liy la pi wo a seri a ak paralèl ak liy la pase pa pwen yo nan maksimòm enterè yo konsidere kòm pwen an optimum (0,Profit Konstriksyon an nan yon seri sa yo pou yon pwoblèm nan fòm stochastic toujou mande pou rechèch ak approximation - li pa ka konstrike analitikman. Pèmèt pwen yo nan enterè maksimòm yo tankou sa a: (0, 12000) ak (17500, 0). Kòm yon liy paralèl ak yon lòt liy pase pa pwen yo nan enterè maksimòm, nou pran liy la ak egzanp la y=−0.8x+20000. Lè sa a, pri optimum yo pral pran valè sa yo: Pri (1) 1 = 185; Pri (2) 2 = 114; Pri (1) ch = 345; Pri (2)ch = 120; Pwodwi pou Telefòn (1) 3=29. Apre entwodiksyon an nan vwayaj codeshare, distribisyon an nan benefis yo pral sanble sa a: pri_opt = [185, 114, 110, 345, 120] w_opt = 29 P = prob_in_trafic_ch(prices_opt) q_ch_data = [] profit_ch_data = [] pou i nan ranje(1000): Q = sales_ch(P, w_opt) q_ch_data.append(Q) profit_ch_data.append(profit_a_ch(prices_opt, Q, w_opt)) q_ch_data = np.array(q_ch_data) profit_ch_data = np.array(profit_ch_data) pri_opt = [185, 114, 110, 345, 120] w_opt = 29 P = prob_in_trafic_ch(prices_opt) q_ch_data = [] profit_ch_data = [] for i in range(1000): Q = sales_ch(P, w_opt) q_ch_data.append(Q) profit_ch_data.append(profit_a_ch(prices_opt, Q, w_opt)) q_ch_data = np.array(q_ch_data) profit_ch_data = np.array(profit_ch_data) Nan fen a, de konpayi avyon (potansyèl patnè) lè l sèvi avèk yon algorithm sa a ap reyinyon nan negosyasyon ak diferan nòt - sa vle di nan rezilta final la tout pral depann sou ki jan yo negosyasyon. Konstriksyon an nan yon pareto-efikas set pa sèlman optimize profit yo nan tou de konpayi avyon, men tou, fè negosyasyon anpil pi fasil, ouvè yon wout plis dirèkteman ak pi kout nan teyori jwèt - elimine eleman an imen an konplètman. Konpozisyon an nan boutèy ak retire pasaje se trè enteresan epi li gen implikasyon "tou lwen rive". Ki jan lajan ka fè soti nan yon lide sa a? Tès sou done reyèl ak simile montre ke konsidere preferans vwayajè yo ansanm ak kalkil optimum kvote ak pwofi pou tou de konpayi avyon rezilta yon benefis enpòtan sou metòd sèlman preferans: Wouj la montre kantite lajan ki pèdi pa konpayi avyon ki pa te antre nan yon kontra - ou ka wè ke, nan mwayen, pèdi depase benefis la nan konpayi avyon ki te kreye yon vwayaj codeshare. Speaking sou konpetisyon kòm sa a se pa trè apwopriye isit la. Pousantaj la se ke chanjman nan flòt pasaje afekte rezo a tout antye. Efè negatif oswa pozitif nan chanjman sa yo ka afekte tout patisipan nan rezo a: patnè, konpetitè ak menm moun ki pa te konsidere nan tout. Vwayajè tou souvan overestimate atraksyon nan vwayaj codeshare. Pafwa pri yo anpeche pa plis pase 100 dola. Vwayajè reyèlman valè konfort anpil, men paske nan pri a trè anpeche, yo chwazi opsyon ki mwens konfortab men anpil pi bon mache. Fakti ke pwoblèm nan optimizasyon se yon de-kritè pwoblèm merite yon atansyon espesyal. Si operatè a (ki moun ki reyèlman transpò pasaje) pa konnen ki jan yo kalkil solisyon an Pareto-optimiz, operatè a maketing (ki moun ki vann tikè) ka fasilman benefisye de sa ak peye mwens pase li ta dwe. Epi, tout sa li bezwen fè se jis kontwole lavant nan yon afilye potansyèl. Byè, nan atik sa a sèlman yon sèl ki pi komen kalite gratis-vann codeshare te konsidere - lè tou de konpayi avyon ka pibliye vòl la nan lòt konpayi avyon kòm pwòp yo ak san yo pa gen okenn restriksyon sou kantite plas ki ka vann (nan kapasite nan avyon an oswa limit yo mete). Sepandan, metòd la optimizasyon konsidere se tou apwopriye pou lòt kalite codeshare, pou egzanp, blòk espas - lè kantite plas yo vann pa yon konpayi avyon se fixe. Metòd la se tou apwopriye pou optimize akò interline, kote yon konpayi avyon senpleman rekonèt dokiman transpò nan yon lòt konpayi avyon. Interline tou afekte atraksyon, men mande mwens restriksyon nan pati nan konpayi avyon an. Nan yon pwen, konsidere diferan akò fè travay la yon ti kras plis konplike, men nan lòt pwen, li pèmèt konpayi a konbine kondisyon diferan, optimize pa sèlman pwofi, men tou atraksyon pou tou de pasaje regilye ak nouvo akòz rezo a gwo wout. In conclusion Yon 5% ogmantasyon nan pwofi sèlman akòz akòz akòz codeshare se pa yon rezilta mal. Èske li ka plis? Natirèlman, si. Problèm sa a ka konsidere kòm yon extension nan pwoblèm IFAM flòt atribisyon ki baze sou modèl la kompozisyon pasaje ak prensip la nan flòt pasaje bottleneck / capture. Yon vwayaj codeshare ka konsidere kòm yon vòl opere pa kèk avyon vityèl. Sa vle di ke yon ka sèvi ak teknik deja etabli pou plis optimizasyon - pou egzanp, optimize nan nivo a nan pri dinamik (subclasses) olye pou valè mwayèn ak brut. Nan ka sa a, benefis yo ka menm pi gwo. IFAM considers only one airline, but the innovativeness of this model is precisely in the fact that for the first time it began to take into account the impact of changes in some passenger flows on changes in other passenger flows. It became possible to “spill” in one place and “collect the spill” in another. In IFAM there are no codeshare flights, there is no attraction, and passenger flows are only affected by price. Konplisite a nan ekspansyon IFAM se ke chak vwayaj pataje potansyèl ta dwe reyèlman trete kòm yon avyon vityèl separe. Gen ka gen plis pase 100 oswa menm 1,000 avyon potansyèl sa yo nan yon flòt avyon. Epi sa pa tout - desizyon an IFAM se anjeneral anvan travay la nan fòme orè a, ki fèt an gwo kantite ak apèl vwayajè nan tèt ou. Lè ajoute vwayaj codeshare, degre a nan ki orè yo vwayaj fixe nan avyon vityèl yo konsiste ak orè fixe sou ki avyon vityèl nan avyon an vwayaje dwe konsidere. Pi enpòtan, apre chwazi chak avyon vityèl ak pri tikè, redistribisyon nan vwayaj pasaje atravè rezo a tout antye Kòm li te rele nan kòmansman an nan atik la, solisyon a nan pwoblèm la se sèlman posib si gen done - pi presizyon, yon kantite gwo done. Nan yon fason oswa lòt, li tout rezilta nan modèlize chwa yo diskre ke vwayajè fè. Gen kèk konpayi avyon, ak kantite gwo done istorik yo, fè yon travay pi bon ak sa a, men menm yo pa ka konpetisyon ak GDS (Global Distribution System). Sa a se paske konpayi avyon yo gen done sou flòt pasaje nan sèlman rezo a wout yo, pandan y ap GDS wè tablo a tout antye ak se kapab analize yon kantite anpil pi gwo nan tou de wout yo ak senaryo nan chanjman nan flòt pasaje. Sepandan, li dwe di ke sa a sèlman aplike nan nouvo jenerasyon nan GDS. Mal Nan reyalite, pa gen okenn konpayi avyon pral janm kapab evalye redistribisyon an nan flòt pasaje nan tan, jis paske li mande pou done soti nan lòt konpayi avyon. Nan atik sa a nou te touche, sepandan nan pase a, sou tèm nan optimizasyon multi-kritè, ki fasilite negosyasyon, ki nan rès la pran nou nan teyori jwèt la. Men, teyori sa a te repete yo te demontre ke estrateji koperasyon yo pi profitab ak durab. Pou reyalize sa a, yon nouvo jenerasyon nan GDS se nesesè, Lè sa a, nenpòt konpayi avyon ta gen aksè nan done anonim sou trafik pasaje nan lòt konpayi avyon. Ak sa a, li se posib pou jwenn yon nivo bon jan kalite nouvo nan optimizasyon pa sèlman nan akò codeshare, Pou konprann posiblite yo nan GDS, tanpri mande yon kesyon senp: sa ki te pase si nan pwoblèm la konsidere tout vòl yo te fè pa twa, men pa yon sèl konpayi avyon? Nan ka sa a, sèlman kantite lajan an mwayèn nan benefis soti nan tout vòl yo ka optimize. Ou jwenn pwoblèm IFAM ki souvan, ak pwofi an nan benefis total vin anpil pi gwo pase soti nan introduksyon an nan vwayaj codeshare. Yon sèl pwoblèm se ke vòl yo opere pa konpayi avyon diferan. jesyon santralize gen anpil plis avantaj, men li tou gen pwoblèm. Akòz done insufficient, konpayi avyon pa ka fè sa, men GDS ka.