考虑旅客选择行为的收益管理和机型指派联合模型

摘要

传统收益管理假设旅客需求是独立的，未能充分考虑到旅客的选择行为，本文讨论了考虑旅客选择行为的收益管理问题和机型指派联合优化问题。根据对历史销售数据的观察，发现旅客对最低价舱位具有特殊偏好，因此本文利用尖峰多项Logit (spiked multinomial logit, Spiked-MNL)选择模型来预测旅客潜在真实需求，并以航空公司利润最大化为目标，构建考虑旅客选择行为的收益管理和机型指派联合模型。本研究利用某航空公司的实际销售交易数据进行算例分析，验证所提出的模型的可行性，并通过在不同场景下的比较来评估模型的性能。结果显示，在比较联合模型和独立模型的利润时，联合模型的平均利润高出5%；在不同机队规模的比较中，5机型联合模型产生的利润最高，其平均利润比3机型高出6.6%，比9机型高出7.3%。此外，与以往关于利用旅客选择模型预测旅客需求的方法相比，Spiked-MNL模型能够更准确地反映旅客的实际购买行为，其平均利润比广义吸引力模型(generalized attraction model, GAM)高出0.7%，比多项Logit (multinomial logit, MNL)模型高出1.2%。

关键词

网络收益管理 / 机型指派 / 旅客选择行为 / 联合优化