BARNHART, BELOBABA, AND ODONIOperat

BARNHART, BELOBABA, AND ODONI
Operations Research in the Air Transport Industry
what has come to be known as “virtual nesting”
(Smith et al. 1992), an assignment process that maps
each itinerary/fare type to a hidden or “virtual” value
class within the airline’s own reservations system. For
an itinerary/fare assigned to a given virtual class,
the seat availability on a given flight leg is established
by the booking limit for that virtual class. Initial
implementations of virtual nesting were based on
total itinerary fare values, giving preference to longerhaul
connecting passengers with higher total fares.
The shortcoming of this “greedy” approach was that
it did not address the need under certain circumstances
to give preference to two “local” passengers
instead of taking the connecting passenger.
OR models have been instrumental in the subsequent
development of O-D control strategies that
allowed airlines to manage seat inventories on
the basis of the network revenue value of each
itinerary/fare combination. Network revenue value can
be defined as the total itinerary fare (ticket value)
minus the revenue displacement that might occur on
connecting flight legs if the passenger’s request for
a multiple-leg itinerary is accepted. For example, the
network revenue value of an $800 total fare on the
first leg of a connecting itinerary must be reduced by
$300 if acceptance of this passenger would result in
displacement of $300 in total network revenue on the
second flight leg. The displacement cost associated
with the last (lowest valued) available seat on a given
flight leg is its marginal value to the total network
revenue—the amount by which the total network revenue
would decrease if we were to “remove” (or sell)
one seat on the flight leg. If the flight leg consistently
has empty seats, the marginal network value of its
last seat would be zero. In the more realistic situation
where the flight leg has a significant probability
of being full and it carries both local and connecting
passengers, determining the impact on total network
revenues of removing a seat can require substantially
more complicated analysis, including network optimization
models.
Various network optimization and heuristic algorithms
have been applied to the problem of determining
the network revenue value contribution of
each O-D itinerary and fare product (or ODIF). As
described in Belobaba (1998), several large airlines
make use of leg-based EMSR values to approximate
the network revenue value associated with a given
connecting itinerary/fare combination. Because these
approaches do not make use of any formal network
optimization models, they are referred to as “legbased
heuristic” models for estimating network revenue
displacement.
The majority of published works devoted to the
O-D seat inventory control problem have proposed
mathematical programming approaches to determine
optimal seat allocations for every ODIF over a network
of connecting flight legs (see, for example,
Glover et al. 1982, Dror et al. 1988, and Curry 1990).
Williamson’s (1992) doctoral thesis provides a comprehensive
review of the literature relevant to the application
of mathematical programming and network flow
models to the O-D seat inventory control problem.
More recently, there have been new works proposing
more sophisticated network models. For example,
Bratu (1998) developed a “probabilistic network
convergence” algorithm for estimating the marginal
network value of the last available seat on each leg
in an airline network. Talluri and van Ryzin (1999a)
propose a randomized linear programming method,
while stochastic dynamic programming is also being
pursued as an alternative algorithm for determining
the marginal network value of a range of remaining
seats on each flight leg to account for changes to the
marginal value as bookings are accepted.
Given an estimate of down-line revenue displacement
it is possible to map ODIFs to virtual classes
based on their estimated network revenue value. Displacement
adjusted virtual nesting (DAVN) increases
availability to connecting passengers, while adjustment
for down-line displacement of revenues ensures
that two local passengers (with a higher total revenue)
will receive preference when two connecting flights
are expected to be heavily booked.
The estimated marginal network revenue of the
lowest-valued available seat on a flight leg can also
be used in a much simpler inventory control mechanism
based on bid price controls. At the time of an
ODIF request for seat availability, the ODIF fare is
evaluated against the sum of the leg bid prices over
the itinerary being requested. As was the case for estimates
of revenue displacement associated with connecting
passengers, leg bid prices can similarly be

ผลลัพธ์ (ไทย) 1:

BARNHART, BELOBABA, AND ODONIOperations Research in the Air Transport Industrywhat has come to be known as “virtual nesting”(Smith et al. 1992), an assignment process that mapseach itinerary/fare type to a hidden or “virtual” valueclass within the airline’s own reservations system. Foran itinerary/fare assigned to a given virtual class,the seat availability on a given flight leg is establishedby the booking limit for that virtual class. Initialimplementations of virtual nesting were based ontotal itinerary fare values, giving preference to longerhaulconnecting passengers with higher total fares.The shortcoming of this “greedy” approach was thatit did not address the need under certain circumstancesto give preference to two “local” passengersinstead of taking the connecting passenger.OR models have been instrumental in the subsequentdevelopment of O-D control strategies thatallowed airlines to manage seat inventories onthe basis of the network revenue value of eachitinerary/fare combination. Network revenue value canbe defined as the total itinerary fare (ticket value)minus the revenue displacement that might occur onconnecting flight legs if the passenger’s request fora multiple-leg itinerary is accepted. For example, thenetwork revenue value of an $800 total fare on thefirst leg of a connecting itinerary must be reduced by$300 if acceptance of this passenger would result indisplacement of $300 in total network revenue on thesecond flight leg. The displacement cost associatedwith the last (lowest valued) available seat on a givenflight leg is its marginal value to the total networkrevenue—the amount by which the total network revenuewould decrease if we were to “remove” (or sell)one seat on the flight leg. If the flight leg consistentlyhas empty seats, the marginal network value of itslast seat would be zero. In the more realistic situationwhere the flight leg has a significant probabilityof being full and it carries both local and connectingpassengers, determining the impact on total networkrevenues of removing a seat can require substantiallymore complicated analysis, including network optimizationmodels.Various network optimization and heuristic algorithmshave been applied to the problem of determiningthe network revenue value contribution ofeach O-D itinerary and fare product (or ODIF). Asdescribed in Belobaba (1998), several large airlinesmake use of leg-based EMSR values to approximatethe network revenue value associated with a givenconnecting itinerary/fare combination. Because theseapproaches do not make use of any formal networkoptimization models, they are referred to as “legbasedheuristic” models for estimating network revenuedisplacement.The majority of published works devoted to theO-D seat inventory control problem have proposedวิธีการเขียนโปรแกรมทางคณิตศาสตร์เพื่อกำหนดการปันส่วนที่นั่งที่ดีที่สุดสำหรับ ODIF ทุกเครือข่ายการเชื่อมต่อเที่ยวบินขา (ดู เช่นโกลเวอร์ et al. 1982, Dror et al. 1988 กแกงปี 1990)วิทยานิพนธ์พัฒนบริหารของ Williamson (1992) ให้ครอบคลุมทบทวนวรรณกรรมที่เกี่ยวข้องกับแอพลิเคชันการเขียนโปรแกรมคณิตศาสตร์และกระแสเครือข่ายรูปแบบปัญหาการควบคุมสินค้าคงคลังนั่ง O-Dเมื่อเร็ว ๆ นี้ มีการทำงานใหม่ที่เสนอรูปแบบเครือข่ายที่ซับซ้อนมากขึ้น ตัวอย่างประตูน้ำ (1998) พัฒนา "probabilistic เครือข่ายบรรจบกัน"อัลกอริทึมสำหรับการประมาณการกำไรค่านั่งสุดท้ายว่างบนขาแต่ละเครือข่ายในเครือข่ายสายการบิน Talluri และ van Ryzin (1999a)เสนอ randomized เส้นเขียนโปรแกรมวิธีการในขณะที่ยังมีการเขียนโปรแกรมแบบสโทแคสติกติดตามเป็นอัลกอริทึมอื่นสำหรับการกำหนดค่าของเครือข่ายต่ำของช่วงของส่วนที่เหลือที่นั่งในแต่ละขาบินการเปลี่ยนแปลงกำไรค่าที่รับจองกำหนดประมาณการรายได้ลงสายแทนจำเป็นต้องแม็ป ODIFs เรียนเสมือนตามค่ารายได้ของเครือข่ายโดยประมาณ ปริมาณกระบอกสูบการปรับปรุงเสมือนซ้อน (DAVN) เพิ่มขึ้นพร้อมการเชื่อมต่อผู้โดยสาร ขณะปรับปรุงสำหรับการย้ายรายได้ลงสายใจผู้โดยสารภายในเครื่องที่สอง (มีรายได้รวมสูงขึ้น)จะได้รับการตั้งค่าเมื่อสองการเชื่อมต่อเที่ยวบินare expected to be heavily booked.The estimated marginal network revenue of thelowest-valued available seat on a flight leg can alsobe used in a much simpler inventory control mechanismbased on bid price controls. At the time of anODIF request for seat availability, the ODIF fare isevaluated against the sum of the leg bid prices overthe itinerary being requested. As was the case for estimatesof revenue displacement associated with connectingpassengers, leg bid prices can similarly be

ผลลัพธ์ (ไทย) 2:

Barnhart, BELOBABA และ Odoni
วิจัยการดำเนินงานในอุตสาหกรรมการขนส่งทางอากาศ
สิ่งที่ได้มาเป็นที่รู้จักในฐานะ "รังเสมือน"
(สมิ ธ et al. 1992) เป็นกระบวนการที่ได้รับมอบหมายที่แผนที่
แต่ละการเดินทาง / ค่าโดยสารประเภทที่จะซ่อนอยู่หรือ "เสมือน" ค่า
ระดับของตัวเองที่อยู่ในสายการบินระบบการจอง สำหรับ
การเดินทาง / ค่าโดยสารที่ได้รับมอบหมายในชั้นเรียนเสมือนได้รับ,
ที่นั่งว่างบนขาเที่ยวบินที่กำหนดที่จะจัดตั้งขึ้น
โดยการ จำกัด การจองห้องพักสำหรับการเรียนเสมือนที่ เริ่มต้น
การใช้งานของการทำรังเสมือนอยู่บนพื้นฐานของ
ค่าโดยสารการเดินทางทั้งหมดให้การตั้งค่าให้ longerhaul
เชื่อมต่อผู้โดยสารที่มีอัตราค่าโดยสารรวมที่สูงขึ้น.
บกพร่องของ "โลภ" วิธีการก็คือว่า
มันไม่ได้อยู่ที่ความจำเป็นในบางกรณี
เพื่อให้การตั้งค่าสอง "ท้องถิ่น "ผู้โดยสาร
แทนการเชื่อมต่อผู้โดยสาร.
หรือรุ่นที่ได้รับประโยชน์ในการที่ตามมา
ของการพัฒนากลยุทธ์การควบคุมยาที่
ได้รับอนุญาตให้สายการบินในการจัดการสินค้าคงเหลือที่นั่งอยู่บน
พื้นฐานของมูลค่ารายได้จากเครือข่ายของแต่ละ
การเดินทาง / ค่าโดยสารรวมกัน รายได้ค่าเครือข่ายสามารถ
กำหนดเป็นค่าโดยสารการเดินทางรวม (ค่าตั๋ว)
ลบรางรายได้ที่อาจเกิดขึ้นใน
การเชื่อมต่อเที่ยวบินขาถ้าขอโดยสารสำหรับ
การเดินทางหลายขาได้รับการยอมรับ ตัวอย่างเช่น
รายได้ค่าเครือข่ายของ $ 800 ค่าโดยสารรวม
ขาแรกของการเดินทางเชื่อมต่อจะต้องลดลงจาก
$ 300 ถ้าได้รับการยอมรับผู้โดยสารนี้จะส่งผลใน
การกำจัดของ 300 $ ในรายได้เครือข่ายรวม
ขาเที่ยวบินที่สอง ค่าใช้จ่ายในการกำจัดที่เกี่ยวข้อง
กับที่ผ่านมา (ต่ำสุดมูลค่า) ที่มีอยู่บนที่นั่งที่กำหนด
เที่ยวบินขาคือค่าเล็กน้อยไปยังเครือข่ายรวม
รายได้จำนวนเงินโดยที่รายได้จากเครือข่ายทั้งหมด
จะลดลงถ้าเราจะ "ลบ" (หรือขาย)
อย่างใดอย่างหนึ่ง ที่นั่งในเที่ยวบินขา ถ้าขาเที่ยวบินอย่างต่อเนื่อง
มีที่นั่งว่างค่าเครือข่ายขอบของ
ที่นั่งที่ผ่านมาจะเป็นศูนย์ ในสถานการณ์จริงมากขึ้น
ที่ขาเที่ยวบินที่มีความน่าจะเป็นอย่างมีนัยสำคัญ
ของการเป็นเต็มรูปแบบและจะดำเนินการทั้งในระดับท้องถิ่นและการเชื่อมต่อ
ผู้โดยสารกำหนดผลกระทบต่อเครือข่ายรวม
รายได้จากการเอาที่นั่งจะต้องมีนัยสำคัญ
การวิเคราะห์ที่ซับซ้อนมากขึ้นรวมทั้งเพิ่มประสิทธิภาพเครือข่าย
รุ่น.
เครือข่ายต่างๆ การเพิ่มประสิทธิภาพและขั้นตอนวิธีการแก้ปัญหา
ได้ถูกนำมาใช้ในการแก้ไขปัญหาของการกำหนด
ผลงานที่รายได้ค่าเครือข่ายของ
แต่ละการเดินทาง OD และสินค้าค่าโดยสาร (หรือ ODIF) ในฐานะที่
อธิบายไว้ใน Belobaba (1998) สายการบินขนาดใหญ่หลายแห่ง
ทำให้การใช้ขาตามค่า EMSR ที่ใกล้เคียงกับ
รายได้ค่าเครือข่ายที่เกี่ยวข้องกับการได้รับ
การเชื่อมต่อการเดินทาง / ค่าโดยสารรวมกัน เพราะสิ่งเหล่านี้
วิธีการที่ไม่ได้ใช้ประโยชน์จากเครือข่ายอย่างเป็นทางการใด ๆ
รูปแบบการเพิ่มประสิทธิภาพของพวกเขาจะถูกเรียกว่า "legbased
แก้ปัญหา "แบบจำลองสำหรับการประเมินรายได้จากเครือข่าย
เคลื่อนที่.
ส่วนใหญ่ของการทำงานที่ทุ่มเทให้กับการเผยแพร่
ปัญหาการควบคุมสินค้าคงคลัง OD ที่นั่งได้เสนอ
แนวทางการเขียนโปรแกรมทางคณิตศาสตร์ในการตรวจสอบ
การจัดสรรที่นั่งที่ดีที่สุดสำหรับ ODIF ทุกเครือข่าย
ของการเชื่อมต่อขาเที่ยวบิน (ดูตัวอย่างเช่น
ถุงมือ et al. 1982 Dror et al. 1988 และแกง 1990).
วิลเลียมสัน (1992) วิทยานิพนธ์ปริญญาเอกให้ครอบคลุม
การทบทวนวรรณกรรมที่เกี่ยวข้อง กับการประยุกต์ใช้
ในการเขียนโปรแกรมทางคณิตศาสตร์และการไหลของเครือข่าย
แบบให้ปัญหาการควบคุมสินค้าคงคลังที่นั่ง OD.
เมื่อเร็ว ๆ นี้ได้มีการเสนอผลงานใหม่
แบบจำลองเครือข่ายที่มีความซับซ้อนมากขึ้น ตัวอย่างเช่น
Bratu (1998) พัฒนา "ความน่าจะเป็นเครือข่าย
คอนเวอร์เจนซ์ "อัลกอริทึมสำหรับการประเมินร่อแร่
ค่าเครือข่ายของที่นั่งที่มีอยู่ล่าสุดเมื่อวันที่ขาแต่ละ
ในเครือข่ายของสายการบิน Talluri และรถตู้ Ryzin (1999a)
เสนอวิธีการเขียนโปรแกรมเชิงเส้นแบบสุ่ม
ในขณะที่การเขียนโปรแกรมแบบไดนามิกสุ่มนอกจากนี้ยังถูก
ไล่ตามเป็นขั้นตอนวิธีทางเลือกสำหรับการกำหนด
ค่าเครือข่ายขอบของช่วงที่เหลือของ
ที่นั่งในแต่ละเที่ยวบินขาไปยังบัญชีสำหรับการเปลี่ยนแปลง
ค่าเล็กน้อย เป็นบริการจองห้องพักได้รับการยอมรับ.
ได้รับการประมาณการของรายได้ลงเส้นราง
มันเป็นไปได้ที่จะ map ODIFs เรียนเสมือนจริง
ขึ้นอยู่กับมูลค่ารายได้จากเครือข่ายของพวกเขาโดยประมาณ แทนที่
ปรับรังเสมือน (DAVN) เพิ่ม
ความพร้อมที่จะเชื่อมต่อผู้โดยสารในขณะที่การปรับตัว
สำหรับการกำจัดเส้นลงของรายได้เพื่อให้แน่ใจ
ว่าทั้งสองผู้โดยสารท้องถิ่น (ที่มีรายได้รวมสูงกว่า)
จะได้รับการตั้งค่าเมื่อสองเที่ยวบินเชื่อมต่อ
ที่คาดว่าจะได้รับการจองอย่างหนัก.
ประมาณ รายได้ส่วนเพิ่มของเครือข่าย
ต่ำสุดมูลค่าที่นั่งที่มีอยู่บนเที่ยวบินขานอกจากนี้ยังสามารถ
นำมาใช้ในกลไกการควบคุมสินค้าคงคลังที่ง่ายมาก
ขึ้นอยู่กับการควบคุมการเสนอราคาราคา ในช่วงเวลาของ
การร้องขอ ODIF สำหรับความพร้อมที่นั่งโดยสาร ODIF มีการ
ประเมินเทียบกับผลรวมของราคาเสนอซื้อขามากกว่า
การเดินทางที่มีการร้องขอ อย่างเช่นกรณีสำหรับการประมาณการ
ของรางรายได้ที่เกี่ยวข้องกับการเชื่อมต่อ
ผู้โดยสารขาราคาเสนอซื้อในทำนองเดียวกันสามารถ

ผลลัพธ์ (ไทย) 3:

บาร์นฮาร์ต belobaba , และการวิจัย odoni
การดําเนินงานในอุตสาหกรรมการขนส่งทางอากาศ
สิ่งที่ได้มาเป็นที่รู้จักในฐานะเสมือน " ทำรัง "
( Smith et al . 2535 ) กำหนดกระบวนการที่แผนที่
แต่ละการเดินทาง / ค่าโดยสารประเภทซ่อนหรือ " เสมือน " ค่า
คลาสภายในระบบการจองของสายการบินเอง สำหรับ
itinerary / ค่าโดยสารมอบหมายให้ให้เสมือนห้องเรียน
ที่นั่งว่างบนเที่ยวบิน โดยให้ขาขึ้น
จองจํากัดที่เสมือนห้องเรียน การใช้งานเบื้องต้น
เสมือนทำรังตาม
ค่าการเดินทางค่าโดยสารทั้งหมดให้ตั้งค่าการเชื่อมต่อผู้โดยสารกว่า longerhaul

รวมค่าโดยสาร ข้อบกพร่องของ " โลภ " วิธีการคือว่ามันไม่ได้อยู่

ต้องการภายใต้สถานการณ์บางอย่างให้เลือกใช้สอง " ท้องถิ่น " ผู้โดยสาร
แทนการใช้เชื่อมต่อผู้โดยสาร
หรือรุ่นได้รับเครื่องมือในการพัฒนากลยุทธ์การควบคุมตามมา

o-d ที่อนุญาตให้สายการบินเพื่อการจัดการสินค้าคงคลังบนที่นั่ง
พื้นฐานของเครือข่ายรายได้ ค่าของแต่ละ
การเดินทาง / ค่าโดยสารรวม มูลค่ารายได้เครือข่ายสามารถ
หมายถึงค่าโดยสารการเดินทางทั้งหมด ( ค่าบัตร )
ลบแทนที่รายได้ที่อาจเกิดขึ้นบนเที่ยวบินเชื่อมต่อขา
ถ้าผู้โดยสารขอ
หลายขา การเดินทางที่เป็นที่ยอมรับ ตัวอย่างเช่น
เครือข่ายรายได้ค่าของ $ 800 รวมค่าโดยสารบน
ขาแรกของการเชื่อมต่อการเดินทางต้องลดลงโดย
$ 300 ถ้ารับผู้โดยสารคนนี้ก็คือ "
+ $ 300 ในรายได้ของเครือข่ายทั้งหมดบน
ขาการบิน 2ต้นทุนที่เกี่ยวข้องกับการเคลื่อนที่
สุดท้าย ( ต่ำสุดมูลค่า ) ที่นั่งในเที่ยวบินขาให้
มูลค่าส่วนเพิ่มของรายได้รวมจำนวนเงินที่เครือข่าย

รายได้เครือข่ายทั้งหมดจะลดลง ถ้าเราเป็น " ลบ " ( หรือขาย )
1 ที่นั่งในเที่ยวบินขาไป ถ้าเที่ยวบินขาอย่างต่อเนื่อง
มีเก้าอี้ว่างโดยเครือข่ายคุณค่าของ
ที่นั่งสุดท้ายจะเป็น ศูนย์ในสถานการณ์ที่สมจริงมากขึ้น

) เที่ยวบินขามีความน่าจะเป็นของการเต็มรูปแบบและมันมีทั้งท้องถิ่นและการเชื่อมต่อ
ผู้โดยสาร กำหนดผลกระทบต่อรายได้รวมเครือข่าย
เอาที่นั่งสามารถต้องการอย่างมาก
การวิเคราะห์ที่ซับซ้อนมากขึ้น รวมถึงการเพิ่มประสิทธิภาพเครือข่ายแบบ
.
เพิ่มประสิทธิภาพเครือข่ายต่างๆและฮิวริสติกอัลกอริทึม
ได้ถูกประยุกต์ใช้กับปัญหาของการกำหนดค่าเครือข่ายการสนับสนุนรายได้

แต่ละ o-d การเดินทางและราคาผลิตภัณฑ์ ( หรือ odif ) ตามที่อธิบายไว้ใน belobaba
( 1998 ) , ขนาดใหญ่หลายสายการบิน
ให้ใช้ขายึด emsr ค่าโดยประมาณ
เครือข่ายรายได้ค่าเชื่อมต่อการเดินทางที่เกี่ยวข้องกับให้
/ ค่าโดยสารรวม เพราะวิธีเหล่านี้

อย่าให้ใช้เครือข่ายใด ๆอย่างเป็นทางการ