calculated either with network opti

calculated either with network optimization tools orleg-based heuristics such as EMSR approaches. Talluriand van Ryzin (1999b) have done much work onnetwork bid price control andidentify the conditionsunder which this approach provides revenue
optimality, while de Boer et al. (2002) compare theperformance of deterministic and stochastic networkformulations for O-D control.Until recently, relatively few airlines had implementednetwork optimization models for dynamiccalculation of displacement costs and/or bid pricesfor O-D control. Because most reservations systemsand, in turn, third-generation RM systems weredeveloped on the basis of leg/fare class data, mostairlines did not have access to the detailed historicalODIF booking data required by network optimizationmodels. Use of large-scale network optimizationmodels also raised technical and computational issuesrelated to the solution times and frequency of reoptimization.However, with the development of airline
databases designed to capture detailed ODIF historicaldata, along with advances in both solution algorithmsand computational speeds, network revenuemanagement has been implemented by over a dozenairlines in different parts of the world.The benefits of leg-based revenue management
and incremental benefit of O-D controls over legbasedfare class controls have been estimated by
several researchers through simulation. For example,Williamson (1992) developed a network revenue managementsimulation approach that allowed differentschemes for optimization and control of seat inventoriesto be tested. An even more realistic approachto simulating the impacts of different RM schemes ina full-scale, competitive airline network environment
is that of the passenger origin-destination simulator(PODS). Developed originally by researchers at Boeing(Hopperstad 1997), PODShas been enhanced torealistically simulate large networks in which competingairlines generate RM forecasts and set seat inventorycontrols based on “historical” (i.e., previouslysimulated) data. At the same time, the simulated passengers
in PODSchoose among alternative airlines,fares, restrictions, schedules, and seat inventory availabilityas established by each airline’s own RM system.
PODShas been used to simulate the competitive

ผลลัพธ์ (ไทย) 1:

คำนวณหรือ มีเครือข่ายเพิ่มประสิทธิภาพเครื่องมือ orleg การลองผิดลองถูกเช่นวิธี EMSR Talluriand van Ryzin (1999b) ทำมากงาน onnetwork ประมูลราคาควบคุม andidentify conditionsunder ซึ่งวิธีการนี้มีรายได้optimality ในขณะที่เดอโบ et al. (2002) เปรียบเทียบ theperformance ของ deterministic และสโทแคสติก networkformulations O-D ควบคุม จนกระทั่งเมื่อเร็ว ๆ นี้ ค่อนข้าง ไม่กี่สายการบินมีรุ่นเพิ่มประสิทธิภาพ implementednetwork สำหรับ dynamiccalculation ของต้นทุนปริมาณกระบอกสูบหรือประมูล pricesfor O-D ควบคุม เนื่องจากส่วนใหญ่จอง systemsand ในเลี้ยว weredeveloped ระบบ RM รุ่นที่สามโดยใช้ขา/โดยสารชั้นข้อมูล mostairlines ไม่ได้เข้าถึงข้อมูลจอง historicalODIF รายละเอียดที่จำเป็นต้องใช้เครือข่าย optimizationmodels ใช้ของ optimizationmodels เครือข่ายขนาดใหญ่ยังยก issuesrelated เทคนิค และคำนวณเวลาในการวิเคราะห์และความถี่ของ reoptimization อย่างไรก็ตาม กับการพัฒนาของสายการบินฐานข้อมูลที่ออกแบบมาเพื่อเก็บรายละเอียด ODIF historicaldata พร้อมก้าวทั้งโซลูชัน algorithmsand คำนวณความเร็ว มีการใช้โดยเครือข่าย revenuemanagement ผ่าน dozenairlines ในส่วนต่าง ๆ ของโลก ประโยชน์ของการจัดการรายได้ตามขาและประโยชน์ส่วนเพิ่มของ O-D ควบคุมเหนือชั้น legbasedfare ได้ประเมินการควบคุมด้วยนักวิจัยหลายผ่านการจำลอง ตัวอย่าง Williamson (1992) พัฒนาวิธี managementsimulation รายได้เครือข่ายที่อนุญาตให้ใช้ differentschemes สำหรับการเพิ่มประสิทธิภาพและควบคุมนั่งทดสอบ inventoriesto Approachto ยิ่งสมจริงเป็นการจำลองผลกระทบของต่าง RM แบบแผนชุดระบบเครือข่ายสายการบินเต็มรูปแบบ แข่งขันอิเป็นที่ผู้โดยสารต้นทางปลายทาง simulator(PODS) พัฒนาครั้งแรก โดยนักวิจัยที่โบ (Hopperstad 1997), PODShas การเพิ่ม torealistically จำลองเครือข่ายขนาดใหญ่ซึ่งสร้างคาดการณ์ RM และตั้ง inventorycontrols นั่งตาม "ประวัติศาสตร์" competingairlines (เช่น previouslysimulated) ข้อมูล ในเวลาเดียวกัน ผู้โดยสารจำลองใน PODSchoose ระหว่างสายการบินอื่น ค่าโดยสาร ข้อจำกัด ตารางเวลา และนั่งสต็อก availabilityas ก่อตั้งขึ้น โดยแต่ละระบบ RM ของสายการบินเองPODShas ถูกใช้ในการจำลองการแข่งขัน

ผลลัพธ์ (ไทย) 2:

คำนวณทั้งที่มีเครื่องมือในการเพิ่มประสิทธิภาพเครือข่ายการวิเคราะห์พฤติกรรม orleg ใช้เช่นวิธี EMSR Talluriand รถตู้ Ryzin (1999b) ได้ทำเสนอราคาการทำงานมาก onnetwork ควบคุมราคา andidentify conditionsunder ซึ่งวิธีการนี้จะให้รายได้
optimality ขณะที่เดอโบเออร์และอัล (2002) เปรียบเทียบสมรรถภาพของ networkformulations กำหนดและสุ่มสำหรับ OD control.Until เมื่อเร็ว ๆ นี้สายการบินค่อนข้างน้อยมีรูปแบบการเพิ่มประสิทธิภาพ implementednetwork dynamiccalculation สำหรับค่าใช้จ่ายในการเคลื่อนที่และ / หรือเสนอราคา pricesfor ควบคุม OD เพราะจอง systemsand ที่สุดในการเปิดรุ่นที่สามระบบ RM weredeveloped บนพื้นฐานของขา / ข้อมูลระดับค่าโดยสาร mostairlines ไม่ได้มีการเข้าถึงข้อมูลจอง historicalODIF รายละเอียดที่จำเป็นโดย optimizationmodels เครือข่าย การใช้เครือข่ายขนาดใหญ่ optimizationmodels ยังยกทางด้านเทคนิคและการคำนวณ issuesrelated การแก้ปัญหาครั้งและความถี่ของการ reoptimization.However กับการพัฒนาของสายการบิน
ฐานข้อมูลออกแบบมาเพื่อจับ historicaldata ODIF รายละเอียดพร้อมกับความก้าวหน้าในการแก้ปัญหาทั้ง algorithmsand ความเร็วในการคำนวณ revenuemanagement มีเครือข่าย ถูกนำมาใช้โดยกว่า dozenairlines ในส่วนต่างๆของผลประโยชน์ world.The ของการจัดการรายได้ขาที่ใช้
และได้รับประโยชน์ที่เพิ่มขึ้นของการควบคุมมากกว่า OD legbasedfare ควบคุมระดับได้รับการประเมินโดย
นักวิจัยหลายผ่านการจำลอง ตัวอย่างเช่นวิลเลียมสัน (1992) รายได้จากการพัฒนาเครือข่ายวิธีการที่ได้รับอนุญาต managementsimulation differentschemes สำหรับการเพิ่มประสิทธิภาพและการควบคุมของที่นั่ง inventoriesto ได้รับการทดสอบ approachto แม้สมจริงมากขึ้นการจำลองผลกระทบของรูปแบบที่แตกต่างกัน RM INA เต็มรูปแบบสภาพแวดล้อมเครือข่ายของสายการบินที่มีการแข่งขัน
คือการจำลองแหล่งกำเนิดผู้โดยสารปลายทาง (ฝัก) สร้างสรรค์พัฒนาโดยนักวิจัยที่โบอิ้ง (Hopperstad 1997) PODShas รับการปรับปรุง torealistically จำลองเครือข่ายขนาดใหญ่ที่สร้าง competingairlines คาดการณ์ RM และตั้ง inventorycontrols ที่นั่งขึ้นอยู่กับ "ประวัติศาสตร์" (กล่าวคือ previouslysimulated) ข้อมูล ในขณะเดียวกันผู้โดยสารจำลอง
ในหมู่ PODSchoose ทางเลือกสายการบินค่าโดยสารข้อ จำกัด ตารางเวลาและสินค้าคงคลังที่นั่ง availabilityas ที่จัดตั้งขึ้นโดยระบบ RM เองของสายการบินแต่ละ.
PODShas ถูกนำมาใช้ในการจำลองการแข่งขัน

ผลลัพธ์ (ไทย) 3:

คำนวณด้วยเครื่องมือเพิ่มประสิทธิภาพเครือข่าย orleg ฮิวริสติกเช่น emsr แนวทางตาม talluriand รถตู้ ryzin ( 1999b ) ทำางานมาก onnetwork ประมูลราคาควบคุมที่ conditionsunder ซึ่งรวมถึงวิธีการนี้ให้กรมสรรพากร
คุณภาพในขณะที่ de Boer et al . ( 2002 ) และเปรียบเทียบสมรรถนะของ deterministic Stochastic networkformulations ควบคุม o-d จนกระทั่งเมื่อเร็ว ๆค่อนข้างไม่กี่สายการบินมีรุ่นเพิ่มประสิทธิภาพ implementednetwork สำหรับ dynamiccalculation ต้นทุนและ / หรือควบคุมการเสนอราคา o-d pricesfor . เพราะจองมากที่สุด และในการเปิดระบบ RM รุ่นที่สาม กำหนดบนพื้นฐานของข้อมูล mostairlines ขา / ค่าโดยสารชั้น ไม่ได้มีการเข้าถึงรายละเอียดข้อมูลที่ต้องการ optimizationmodels historicalodif จองโดยเครือข่ายใช้ optimizationmodels เครือข่ายขนาดใหญ่ยังยกเทคนิคคอมพิวเตอร์และ issuesrelated เพื่อแก้ปัญหาเวลาและความถี่ของ reoptimization อย่างไรก็ตาม ด้วยการพัฒนาของสายการบิน
ฐานข้อมูลที่ออกแบบมาเพื่อจับภาพ historicaldata odif รายละเอียดพร้อมกับความก้าวหน้าทั้งในสารละลาย algorithmsand ความเร็วในการคํานวณrevenuemanagement เครือข่ายถูกใช้โดยกว่า dozenairlines ในส่วนต่างๆของโลก ประโยชน์ของขายึดการจัดการรายได้และผลประโยชน์เพิ่มของการควบคุม o-d เหนือการควบคุมชั้นเรียน legbasedfare ถูกประมาณโดย
นักวิจัยหลายผ่านการจำลอง ตัวอย่างเช่นวิลเลียมสัน ( 1992 ) พัฒนารายได้เครือข่าย managementsimulation วิธีการที่อนุญาตให้ differentschemes สำหรับการเพิ่มประสิทธิภาพและควบคุม inventoriesto ที่นั่งถูกทดสอบ การยิ่งมีเหตุผล approachto การจำลองผลกระทบของรูปแบบ RM ที่แตกต่างกันในขนาดเต็ม
สภาพแวดล้อมเครือข่ายสายการบินแข่งขันนั่นคือจุดเริ่มต้นของผู้โดยสารปลายทางจำลอง ( ฝัก )เดิมทีถูกพัฒนาขึ้นโดยนักวิจัยที่โบอิ้ง ( hopperstad 1997 ) podshas ได้รับการปรับปรุง torealistically จำลองเครือข่ายขนาดใหญ่ที่สร้างด้วย competingairlines การคาดการณ์และชุดนั่ง inventorycontrols ตามประวัติศาสตร์ " " ( เช่น previouslysimulated ) ข้อมูล ในเวลาเดียวกัน โดยผู้โดยสารของสายการบิน podschoose
ในทางเลือกของค่าโดยสาร ข้อจำกัด ตารางเวลาและที่นั่งของสายการบินแต่ละ availabilityas ก่อตั้งขึ้นโดยระบบ RM เอง
podshas ถูกใช้เพื่อจำลองการแข่งขัน