calculated either with network opti

calculated either with network optimization tools or leg-based heuristics such as EMSR approaches. Talluri and van Ryzin (1999b) have done much work on network bid price control and identify the conditions under which this approach provides revenue optimality, while de Boer et al. (2002) compare the performance of deterministic and stochastic network formulations for O-D control. Until recently, relatively few airlines had implemented network optimization models for dynamic calculation of displacement costs and/or bid prices for O-D control. Because most reservations systems and, in turn, third-generation RM systems were developed on the basis of leg/fare class data, most airlines did not have access to the detailed historical ODIF booking data required by network optimization models. Use of large-scale network optimization models also raised technical and computational issues related to the solution times and frequency of reoptimization. However, with the development of airline databases designed to capture detailed ODIF historical data, along with advances in both solution algorithms and computational speeds, network revenue management has been implemented by over a dozen airlines in different parts of the world. The benefits of leg-based revenue management and incremental benefit of O-D controls over legbased fare class controls have been estimated by several researchers through simulation. For example, Williamson (1992) developed a network revenue management simulation approach that allowed different schemes for optimization and control of seat inventories to be tested. An even more realistic approach to simulating the impacts of different RM schemes in a 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 to realistically simulate large networks in which competing airlines generate RM forecasts and set seat inventory controls based on “historical” (i.e., previously simulated) data. At the same time, the simulated passengers in PODSchoose among alternative airlines, fares, restrictions, schedules, and seat inventory availability as established by each airline’s own RM system. PODShas been used to simulate the competitive impacts of RM (Belobaba and Wilson 1997), as well as the benefits of improved forecasting models and the impacts of RM on airline alliances.The simulations cited here along with others performed by academics and airlines have provided consistent estimates of the potential for revenue gains of 1%–2% from advanced network revenue management methods, above and beyond the 4%–6% gains realized from conventional leg-based fare class control.The potential to realize even 1% in additional revenue through network RM is substantial enough that many of the world’s largest airlines have implemented or are in the process of developing their O-D control capabilities. For a large airline with annual revenues of $5 to $10 billion or more, successful implementation of a network RM system can lead to total revenue increases of $50 to $100 million per year.3.5. Future Challenges Development of OR mod els for the “next generation”of airline revenue management is currently an extremely popular topic among academics and practitioners alike. The most obvious next steps in the further enhancement of airline revenue managementsystems is to integrate the pricing and seat inventory control decisions currently being made with different decision support tools and, at many airlines, in different parts of the organization. Clearly, the ability to relax the traditional RM assumption that fare structures are given and fixed has the potential to further increase the revenue gains of RM. Joint pricing and inventory optimization requires the incorporation of passenger choice and demand elasticity models, and promising OR work in this direction has been published by Weatherford (1997), Gallego and van Ryzin (1997), and Cote et al. (2003), among others. In a recent Ph.D. dissertation de Boer (2003) examines this problem in a network context and presents a variety of other modeling advances and insights.Looking ahead, it is apparent that information about the utilization of seat inventories and the response of passenger demand to different pricing strategies can and should provide useful feedback to fleet assignment and even scheduling of airline flight departure times. The integration of airline pricing and seat inventory decisions with those of the Transportation Science/Vol. 37, No. 4, November 2003 3

ผลลัพธ์ (ไทย) 1:

คำนวณโดย มีเครื่องมือเพิ่มประสิทธิภาพของเครือข่าย หรือ ใช้ขาลองผิดลองถูกเช่น EMSR ใกล้ Talluri และ van Ryzin (1999b) ทำงานมากในการควบคุมราคาการประมูลเครือข่าย และระบุเงื่อนไขซึ่งวิธีการนี้ให้รายได้ optimality เดโบ et al. (2002) เปรียบเทียบประสิทธิภาพของเครือข่าย deterministic และแบบเฟ้นสุ่มสูตรควบคุม O-D จนกระทั่งเมื่อเร็ว ๆ นี้ ค่อนข้าง ไม่กี่สายการบินได้นำรุ่นเพิ่มประสิทธิภาพเครือข่ายสำหรับการคำนวณแบบไดนามิกแทนต้นทุน/ ราคาเสนอราคาสำหรับควบคุม O-D เนื่องจากระบบการจองมากที่สุด และ ใช้ ระบบ RM รุ่นที่สามได้รับการพัฒนาโดยใช้ข้อมูลระดับขา/อาหาร สายการบินส่วนใหญ่ไม่สามารถเข้าถึงรายละเอียดประวัติศาสตร์ ODIF จองข้อมูลจำเป็น โดยแบบจำลองเพิ่มประสิทธิภาพเครือข่าย ใช้รุ่นเพิ่มประสิทธิภาพเครือข่ายขนาดใหญ่ยังยกปัญหาเทคนิค และคำนวณเวลาในการวิเคราะห์และความถี่ของ reoptimization อย่างไรก็ตาม กับการพัฒนาฐานข้อมูลสายการบินที่ออกแบบมาเพื่อเก็บรายละเอียด ODIF ข้อมูลประวัติ พร้อมกับความก้าวหน้าในการแก้ปัญหาอัลกอริทึมและความเร็วในการคำนวณ การจัดการรายได้ของเครือข่ายมีการใช้ โดยสายการบินมากกว่าโหลในส่วนต่าง ๆ ของโลก ประโยชน์จัดการขาตามรายได้ และเพิ่มประโยชน์ของ O-D ควบคุมเหนือชั้นโดยสาร legbased ได้ประเมินการควบคุม โดยนักวิจัยต่าง ๆ ด้วยการจำลองสถานการณ์ ตัวอย่าง Williamson (1992) พัฒนาเครือข่ายรายได้บริหารการจำลองวิธีการที่อนุญาตให้แผนงานต่าง ๆ สำหรับเพิ่มประสิทธิภาพและควบคุมสินค้าคงคลังที่นั่งที่จะทดสอบ วิธีการยิ่งสมจริงการจำลองผลกระทบของ RM โครงร่างที่แตกต่างกันในระบบเครือข่ายสายการบินเต็มรูปแบบ การแข่งขันเป็นของจำลองต้นทางปลายทางของผู้โดยสาร (ฝัก) พัฒนาครั้งแรก โดยนักวิจัยที่โบ (Hopperstad 1997), PODShas การพิเศษจริงจำลองเครือข่ายขนาดใหญ่ที่สายการบินแข่งขันสร้างคาดการณ์ RM และตั้งการควบคุมสินค้าคงคลังนั่งตาม "ประวัติศาสตร์" (เช่น เคยจำลอง) ข้อมูล ในเวลาเดียวกัน ผู้โดยสารจำลองใน PODSchoose ระหว่างสายการบินอื่น ค่าโดยสาร ข้อจำกัด ตารางเวลา และนั่งสต็อกพร้อมก่อตั้ง โดยแต่ละระบบ RM ของสายการบินเอง PODShas ถูกใช้ในการจำลองผลกระทบต่อการแข่งขันของ RM (Belobaba และ Wilson 1997), และประโยชน์ของการปรับปรุงการคาดการณ์รูปแบบและผลกระทบของ RM ในพันธมิตรสายการบิน แบบจำลองอ้างที่นี่พร้อมกับคนอื่น ๆ ที่ดำเนินการ โดยนักวิชาการและสายการบินได้ให้ประเมินสอดคล้องศักยภาพสำหรับรายได้กำไรของ 1-2% จากเครือข่ายขั้นสูงในวิธีจัดการรายได้ เหนือกว่ากำไร 4%-6% รับรู้จากการควบคุมระดับค่าโดยสารขาขึ้นอยู่ทั่วไป ศักยภาพในการรับรู้รายได้เพิ่มเติมผ่านทางเครือข่าย RM ได้ 1% จะพบพอว่า หลายสายการบินที่ใหญ่ที่สุดในโลกที่ใช้ หรืออยู่ในกระบวนการพัฒนาความสามารถการควบคุม O-D สำหรับสายการบินขนาดใหญ่กับรายได้ประจำปีของ $5 ถึง $10 พันล้านหรือมากกว่า ประสบความสำเร็จการดำเนินงานของ RM เครือข่าย ระบบสามารถนำไปสู่การเพิ่มขึ้นของรายได้รวมของ $50 ถึง 100 ล้านเหรียญต่อ year.3.5 ในอนาคตความท้าทายพัฒนาหรือ mod แล้งสำหรับ "รุ่นใหม่" จัดการรายได้ของสายการบินอยู่หัวข้อนิยมมากในหมู่นักวิชาการและผู้ที่เหมือนกัน ถัดไปเห็นได้ชัดที่สุดขั้นตอนในการปรับปรุงเพิ่มเติมของสายการบินรายได้ managementsystems จะรวมราคา และที่นั่งตัดสินใจการควบคุมสินค้าคงคลังปัจจุบันจะทำ ด้วยเครื่องมือสนับสนุนการตัดสินใจที่แตกต่างกัน และ ในหลายสายการ บิน ในส่วนต่าง ๆ ขององค์กร ชัดเจน ความสามารถในการผ่อนคลายอัสสัม RM ดั้งเดิมว่า โครงสร้างค่าโดยสารให้ และคงมีศักยภาพในการเพิ่มกำไรรายได้การกำหนดราคาร่วม RM. เพิ่มเติม เพิ่มประสิทธิภาพคงต้องประสานรุ่นโดยสารทางเลือกและความต้องการความยืดหยุ่น และทำงานหรือแนวโน้มในทิศทางนี้ถูกเผยแพร่ ทาง Weatherford (1997), Gallego และแวน Ryzin (1997), โกตดิ et al. (2003) หมู่คนอื่น ๆ ในวิทยานิพนธ์ปริญญาเอกที่ล่าสุด โบเด (2003) ตรวจสอบปัญหานี้ในบริบทของเครือข่าย และนำเสนอความก้าวหน้าในการสร้างแบบจำลองและข้อมูลเชิงลึกอื่น ๆ ที่หลากหลาย มองไปข้างหน้า ได้ชัดเจนว่า คงคลังข้อมูลเกี่ยวกับการใช้ประโยชน์ของการนั่ง และการตอบสนองความต้องการผู้โดยสารแผนกลยุทธ์กำหนดราคาแตกต่างกันสามารถ และควรให้ผลป้อนกลับที่เป็นประโยชน์กำหนดกองเรือและแม้แต่การกำหนดสายการบินเที่ยวบินออกเดินทางเวลา รวมสายการบินราคาและที่นั่งคงตัดสินใจกับการขนส่งวิทยาศาสตร์/ปี 37 หมายเลข 4, 3 2546 พฤศจิกายน

ผลลัพธ์ (ไทย) 2:

คำนวณทั้งที่มีเครื่องมือเพิ่มประสิทธิภาพของเครือข่ายหรือการวิเคราะห์พฤติกรรมขาเช่นวิธี EMSR Talluri และรถตู้ Ryzin (1999b) ได้ทำทำงานมากในการควบคุมราคาเสนอซื้อและระบุเครือข่ายภายใต้เงื่อนไขที่วิธีการนี​​้ให้ optimality รายได้ในขณะที่เดอโบเออร์และอัล (2002) เปรียบเทียบประสิทธิภาพของเครือข่ายที่กำหนดสูตรและสุ่มสำหรับการควบคุม OD จนกระทั่งเมื่อเร็ว ๆ นี้สายการบินค่อนข้างน้อยได้ดำเนินการรูปแบบการเพิ่มประสิทธิภาพเครือข่ายสำหรับการคำนวณแบบไดนามิกของค่าใช้จ่ายในการเคลื่อนที่และ / หรือราคาเสนอซื้อสำหรับการควบคุม OD เพราะระบบการจองมากที่สุดและในการเปิดรุ่นที่สามระบบ RM ได้รับการพัฒนาบนพื้นฐานของขา / ข้อมูลระดับค่าโดยสารสายการบินส่วนใหญ่ไม่ได้มีการเข้าถึงข้อมูลรายละเอียดการจองห้องพัก ODIF ประวัติศาสตร์ต้องตามรูปแบบการเพิ่มประสิทธิภาพเครือข่าย การใช้งานของการเพิ่มประสิทธิภาพเครือข่ายขนาดใหญ่รุ่นยังยกปัญหาทางเทคนิคและการคำนวณที่เกี่ยวข้องกับการแก้ปัญหาครั้งและความถี่ของการ reoptimization แต่ด้วยการพัฒนาฐานข้อมูลสายการบินออกแบบมาเพื่อจับรายละเอียดข้อมูลทางประวัติศาสตร์ ODIF พร้อมกับความก้าวหน้าทั้งในขั้นตอนวิธีการแก้ปัญหาและความเร็วในการคำนวณ, การจัดการรายได้เครือข่ายที่ได้รับการดำเนินการโดยกว่าโหลสายการบินในส่วนต่างๆของโลก ประโยชน์ของการจัดการรายได้ขาที่ใช้และได้รับประโยชน์ที่เพิ่มขึ้นของการควบคุม OD มากกว่าการควบคุมระดับค่าโดยสาร legbased ได้รับการประเมินโดยนักวิจัยหลายผ่านการจำลอง ตัวอย่างเช่นวิลเลียมสัน (1992) การพัฒนาวิธีการจำลองการจัดการรายได้ที่ได้รับอนุญาตเครือข่ายรูปแบบที่แตกต่างกันสำหรับการเพิ่มประสิทธิภาพและการควบคุมสินค้าคงเหลือที่นั่งที่จะทดสอบ แม้กระทั่งวิธีการที่เหมือนจริงมากขึ้นในการจำลองผลกระทบของรูปแบบที่แตกต่างกัน RM ในเต็มรูปแบบสภาพแวดล้อมเครือข่ายของสายการบินที่มีการแข่งขันคือการจำลองแหล่งกำเนิดผู้โดยสารปลายทาง (ฝัก) สร้างสรรค์พัฒนาโดยนักวิจัยที่โบอิ้ง (Hopperstad 1997) PODShas รับการปรับปรุงเพื่อแนบเนียนจำลองเครือข่ายขนาดใหญ่ในการที่สายการบินการแข่งขันสร้างการคาดการณ์ RM และการตั้งค่าการควบคุมสินค้าคงคลังที่นั่งขึ้นอยู่กับ "ประวัติศาสตร์" (กล่าวคือก่อนหน้านี้จำลอง) ข้อมูล ในขณะเดียวกันผู้โดยสารจำลองในหมู่ PODSchoose ทางเลือกสายการบินค่าโดยสารข้อ จำกัด ตารางเวลาและความพร้อมของสินค้าคงคลังเป็นที่นั่งที่จัดตั้งขึ้นโดยระบบ RM เองสายการบินของแต่ละคน PODShas ถูกนำมาใช้ในการจำลองผลกระทบต่อการแข่งขันของ RM (Belobaba และวิลสัน 1997) เช่นเดียวกับประโยชน์ของรูปแบบการพยากรณ์ที่ดีขึ้นและผลกระทบของการ RM สายการบินจำลอง alliances.The อ้างที่นี่พร้อมกับคนอื่นที่ดำเนินการโดยนักวิชาการและสายการบินได้ให้สอดคล้องกัน การประเมินศักยภาพสำหรับกำไรรายได้ 1% -2% จากเครือข่ายวิธีการจัดการรายได้ขั้นสูงเกินกว่า 4% -6% กำไรที่ได้จากระดับค่าโดยสารขาตามแบบเดิมที่มีศักยภาพที่จะตระหนักถึง control.The แม้แต่ 1% ในการเพิ่มรายได้ ผ่านทางเครือข่าย RM เป็นอย่างมากพอที่จะทำให้หลายสายการบินที่ใหญ่ที่สุดในโลกได้ดำเนินการหรืออยู่ในกระบวนการของการพัฒนาความสามารถในการควบคุม OD ของพวกเขา สำหรับสายการบินขนาดใหญ่ที่มีรายได้ประจำปีของ $ 5 ถึง $ 10000000000 หรือมากกว่าการดำเนินงานที่ประสบความสำเร็จของระบบเครือข่าย RM สามารถนำไปสู่​​การเพิ่มขึ้นของรายได้รวม $ 50 $ 100 ล้านบาทต่อ year.3.5 การพัฒนาในอนาคตหรือความท้าทายของ Els mod สำหรับ "รุ่นต่อไป" ของการจัดการรายได้ของสายการบินในปัจจุบันคือหัวข้อที่นิยมอย่างมากในหมู่นักวิชาการและผู้ปฏิบัติงานเหมือนกัน ขั้นตอนถัดไปที่เห็นได้ชัดที่สุดในการเพิ่มประสิทธิภาพต่อไปของรายได้ ManagementSystems สายการบินคือการรวมการกำหนดราคาและการตัดสินใจการควบคุมสินค้าคงคลังที่นั่งในขณะนี้ถูกทำด้วยเครื่องมือสนับสนุนการตัดสินใจที่แตกต่างกันและในหลายสายการบินในส่วนต่าง ๆ ขององค์กร เห็นได้ชัดว่ามีความสามารถที่จะผ่อนคลายสมมติฐาน RM แบบดั้งเดิมที่มีโครงสร้างค่าโดยสารที่จะได้รับและคงมีศักยภาพที่จะเพิ่มรายได้กำไรของ RM การกำหนดราคาร่วมกันและการเพิ่มประสิทธิภาพของสินค้าคงคลังต้องรวมตัวกันของผู้โดยสารทางเลือกและความต้องการรูปแบบที่ยืดหยุ่นและมีแนวโน้มหรือการทำงานในทิศทางนี้ได้รับการตีพิมพ์โดยเวเธอร์ (1997), และรถตู้ Gallego Ryzin (1997) และ Cote et al, (2003) กลุ่มอื่น ๆ ในระดับปริญญาเอกที่ผ่านมา วิทยานิพนธ์เดอโบเออร์ (2003) ตรวจสอบปัญหาที่เกิดขึ้นในบริบทของเครือข่ายนี้และนำเสนอความหลากหลายของความก้าวหน้าการสร้างแบบจำลองอื่น ๆ และ insights.Looking ข้างหน้าจะเห็นได้ชัดว่าข้อมูลเกี่ยวกับการใช้ประโยชน์จากสินค้าคงเหลือที่นั่งและการตอบสนองความต้องการของผู้โดยสารกลยุทธ์การกำหนดราคาที่แตกต่างกันสามารถและ ควรให้ข้อเสนอแนะที่เป็นประโยชน์ต่อกองทัพเรือได้รับมอบหมายและแม้กระทั่งการตั้งเวลาของสายการบินเที่ยวบินเวลาออกเดินทาง บูรณาการของการกำหนดราคาของสายการบินและการตัดสินใจของสินค้าคงคลังที่นั่งกับผู้ขนส่งวิทยาศาสตร์ / ฉบับที่ 37, ฉบับที่ 4, 3 พฤศจิกายน 2003

ผลลัพธ์ (ไทย) 3:

คำนวณให้กับเครือข่ายเพิ่มประสิทธิภาพเครื่องมือ หรือขา เช่น emsr วิธีฮิวริสติกที่ใช้ talluri และรถตู้ ryzin ( 1999b ) ได้ทำงานมากในเครือข่ายการควบคุมราคาและระบุเงื่อนไข ซึ่งวิธีการนี้มีคุณภาพรายได้ในขณะที่ de Boer et al . ( 2002 ) เปรียบเทียบประสิทธิภาพของเครือข่ายและ deterministic Stochastic สูตรควบคุม o-d . จนกระทั่งเมื่อเร็ว ๆ นี้ค่อนข้างไม่กี่สายการบินได้ใช้เครือข่ายเพิ่มประสิทธิภาพการคำนวณต้นทุนแบบไดนามิกของการกระจัดและ / หรือราคา เสนอราคา ควบคุม o-d . เพราะส่วนใหญ่จองระบบและในการเปิดระบบ RM รุ่น ถูกพัฒนาขึ้นบนพื้นฐานของขา / ค่าโดยสารข้อมูลคลาส สายการบินส่วนใหญ่ไม่ได้มีการเข้าถึงรายละเอียดทางประวัติศาสตร์ odif จองข้อมูลที่ต้องการ โดยรูปแบบการเพิ่มประสิทธิภาพเครือข่ายใช้รูปแบบการเพิ่มประสิทธิภาพเครือข่ายขนาดใหญ่ยังยกประเด็นทางเทคนิค และการคำนวณที่เกี่ยวข้องกับโซลูชั่นเวลาและความถี่ของ reoptimization . แต่ด้วยการพัฒนาของสายการบินฐานข้อมูลที่ออกแบบมาเพื่อจับรายละเอียด odif ข้อมูลทางประวัติศาสตร์พร้อมกับความก้าวหน้าในการแก้ปัญหาขั้นตอนวิธีและการคำนวณทั้งความเร็ว ,การจัดการรายได้เครือข่ายที่มีการใช้งานมากกว่าโหลสายการบินในส่วนต่างๆของโลก ประโยชน์ของขายึดการจัดการรายได้และผลประโยชน์เพิ่มของการควบคุม o-d กว่า legbased ค่าโดยสารชั้นการควบคุมได้ถูกประเมิน โดยนักวิจัยหลายผ่านการจำลอง ตัวอย่างเช่นวิลเลียมสัน ( 1992 ) พัฒนาเครือข่ายจัดการการจำลองแบบที่ได้รับอนุญาตจากโครงร่างที่แตกต่างกันสำหรับการเพิ่มประสิทธิภาพและการควบคุมสินค้าคงคลัง ที่นั่งจะถูกทดสอบ การยิ่งมีเหตุผลแนวทางการจำลองผลกระทบของรูปแบบ RM เต็มรูปแบบที่แตกต่างกันในสภาพแวดล้อมเครือข่ายของสายการบินที่มีผู้โดยสารของประเทศปลายทางจำลอง ( ฝัก )เดิมทีถูกพัฒนาขึ้นโดยนักวิจัยที่โบอิ้ง ( hopperstad 1997 ) podshas ได้รับการปรับปรุงให้แนบเนียนจำลองเครือข่ายขนาดใหญ่ที่สายการบินแข่งขันสร้าง RM การคาดการณ์และชุดนั่งสินค้าคงคลังการควบคุมบนพื้นฐานของ " ประวัติศาสตร์ " ( เช่นเคย ) ) ข้อมูล ในเวลาเดียวกัน โดยผู้โดยสารของสายการบินใน podschoose ทางเลือกค่าโดยสาร ข้อจำกัด ตารางเวลาและที่นั่งว่างเป็นสินค้าคงคลังที่จัดตั้งขึ้นโดยสายการบินแต่ละระบบ RM เอง podshas ถูกใช้เพื่อจำลองผลกระทบจากการแข่งขันของ RM ( belobaba วิลสัน 2540 ) เช่นเดียวกับประโยชน์ของการปรับปรุงการพยากรณ์รูปแบบและผลกระทบของ RM ในพันธมิตรสายการบินจำลองอ้างที่นี่พร้อมกับผู้อื่นดำเนินการโดยนักวิชาการ และสายการบินได้ให้สอดคล้องกับประมาณการของที่มีศักยภาพสำหรับรายได้กำไร 1% - 2% จากวิธีการจัดการรายได้เครือข่ายขั้นสูงเกินกว่า 4% - 6% เพิ่มขึ้นจากปกติตามค่าโดยสารชั้นรู้ว่าขาควบคุมศักยภาพในการตระหนักถึง 1 % ในการเพิ่มรายได้ผ่าน RM เครือข่ายมากเพียงพอที่หลายสายการบินที่ใหญ่ที่สุดของโลกได้ใช้ หรืออยู่ในกระบวนการของการพัฒนาความสามารถในการควบคุม o-d ของพวกเขา สำหรับสายการบินขนาดใหญ่ประจำปีรายได้จาก $ 5 ถึง $ 10 พันล้านหรือมากกว่าการดำเนินงานที่ประสบความสำเร็จของระบบ RM เครือข่ายสามารถนำรายได้ที่เพิ่มขึ้นจาก $ 50 ถึง $ 100 ล้านบาทต่อปี 3 . ความท้าทายในอนาคตการพัฒนาหรือ Mod els ใน " รุ่นต่อไป " ของการจัดการรายได้ของสายการบิน ปัจจุบันเป็นที่นิยมมากในหมู่นักวิชาการและผู้ปฏิบัติงานหัวข้อเหมือนกันขั้นตอนต่อไปที่ชัดเจนที่สุดในการเพิ่มประสิทธิภาพต่อสายการบิน managementsystems รายได้รวมราคาและการตัดสินใจการควบคุมสินค้าคงคลังในปัจจุบันการทำที่นั่งด้วยเครื่องมือสนับสนุนการตัดสินใจ ที่แตกต่างกันและหลายสายการบินในส่วนต่างๆขององค์กร อย่างชัดเจนความสามารถที่จะผ่อนคลายแบบ RM สมมติฐานที่ว่าโครงสร้างอัตราค่าโดยสารให้คงที่และมีศักยภาพที่จะเพิ่มรายได้กำไรของ RM . ราคาข้อต่อและเพิ่มประสิทธิภาพสินค้าคงคลังต้องใช้การเลือกผู้โดยสารและความต้องการแบบยืดหยุ่น และสัญญา หรือทำงานในทิศทางนี้ได้รับการเผยแพร่โดยเวเธอร์ฟอร์ด ( 1997 ) และรถตู้ ryzin Gallego ( 1997 )และ เฟรนช์ et al . ( 2003 ) , หมู่คนอื่น ๆ ในล่าสุด Ph.D . วิทยานิพนธ์ เดอ บัวร์ ( 2003 ) ศึกษาปัญหานี้ในเครือข่ายบริบทและนำเสนอความหลากหลายของความก้าวหน้าแบบอื่น ๆและข้อมูลเชิงลึก มองไปข้างหน้าปรากฎว่า ข้อมูลเกี่ยวกับการใช้ประโยชน์ของสินค้า และการตอบสนองของที่นั่งผู้โดยสารต้องการกลยุทธ์การกำหนดราคาที่แตกต่างกันสามารถให้ข้อเสนอแนะที่มีประโยชน์เพื่องานยานพาหนะและแม้แต่ตารางของสายการบินเที่ยวบินขาออกครั้ง การรวมกลุ่มของสายการบินราคาและการตัดสินใจของที่นั่งที่มีการขนส่ง / วิทยาศาสตร์ปีที่ 37 , ฉบับที่ 4 , พฤศจิกายน 2546 3