CN106471528A - 用于分析航班旅客机票海量数据库存的方法和计算机程序产品 - Google Patents

用于分析航班旅客机票海量数据库存的方法和计算机程序产品 Download PDF

Info

Publication number
CN106471528A
CN106471528A CN201480077786.5A CN201480077786A CN106471528A CN 106471528 A CN106471528 A CN 106471528A CN 201480077786 A CN201480077786 A CN 201480077786A CN 106471528 A CN106471528 A CN 106471528A
Authority
CN
China
Prior art keywords
passenger
flight
air ticket
income
event
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201480077786.5A
Other languages
English (en)
Inventor
K.埃克特迈尔
W.克南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lufthansa
Deutsche Lufthansa AG
Original Assignee
Lufthansa
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lufthansa filed Critical Lufthansa
Publication of CN106471528A publication Critical patent/CN106471528A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12—Accounting

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种用于分析航班旅客机票海量数据库存的方法，其具有以下步骤：a.将机票数据与航班计划信息相关联来形成包括针对每个航班事件的机票联票数据（23）的数据库（13）；b.确保针对每个航班事件的各个机票联票（23）根据相应的机票联票收入以预给定的顺序来排序；c.依据连续的旅客号码（31）的数目根据所述被排序的机票联票（23）来确定针对每个航班事件的收入（32、33）；d.确定针对每个单个的航班事件i的函数Yi(X)的校准参数，其中Yi代表收入而X代表连续的旅客号码，其中依据根据连续的旅客号码来确定的收入来进行对所述函数Yi(X)的校准，使得函数值Yi与所确定的收入的偏差尽可能地小；并且e.将多个被校准的函数组合成可依据航班信息分配的群集。此外，本发明还涉及一种用于执行该方法的计算机程序产品。

Description

用于分析航班旅客机票海量数据库存的方法和计算机程序 产品
技术领域
本发明涉及一种用于分析航班旅客机票海量数据库存的方法和计算机程序产品。
背景技术
航空公司拥有关于在过去所执行的航班的大规模的信息。这些信息中的至少一部分被存放在航班旅客机票海量数据库存中。在这些数据库存中，对于每个单个的由航空公司所销售的机票都存在数据集，其中数据集例如包括关于航班线路、航班日期以及机票价格的信息。
尤其是也由于在民用航空的领域中所进行的企业集中（所述企业集中已导致具有大的线路网和非常多的航班架次的基本上全球起作用的航空公司），航空公司的航班旅客机票海量数据库存经常具有相当大的规模、尤其是在其中海量数据库存持续多于一个日历年的情况下具有相当大的规模。
在每个航空公司中都经常存在对从相应的航班旅客机票海量数据库存确定如下信息的浓厚兴趣，所述信息可用作企业决策的基础。可属于这些决策的是：在航班计划上的变化（例如线路的取消、起飞时间也或者到达时间的变化、在各个线路上的频率的变化、在确定的线路上所采用的飞机的变化等等）、机群计划（例如退役或采购确定的大小和作用距离的飞机）或者制订对于新的飞机的要求规范，所述要求规范接着可以作为新研发的出发点被提供给飞机制造商。
为此，在现有技术中公知的是从航班旅客机票海量数据库存确定各个特征数。这样，针对预给定的线路的在预给定的时间段中的总收入例如可以通过将来自航班旅客机票海量数据库存的满足相对应的边界条件的数据集的机票价格加和来确定。也可以确定在确定的线路上在预给定的时间段中所运送的旅客的数目。通过关联所述两个信息可以计算每个所运送的旅客的平均收入。（平均）收入也可以针对每个运送等级（例如“头等舱（First）”、“商务舱（Business）”、“经济舱（Economy）”）分开地来确定，然而这导致了特征数的数目的相对应的增加。
为了为上面所提及的决策奠定主观假定地（vermeintlich）足够的并且牢固的基础，必须针对所有在至少一年之内的、通常甚至超过一年的由航空公司所执行的航班来确定所提到的特征数。由于航班旅客机票海量数据库存的如其常有的纯粹的大小，为了相对应地确定这些特征数，性能特别强的计算机是必要的，所述计算机为此仍然需要相当大的时间段。
由于这些技术上的现实情况，对航班旅客机票海量数据库存的分析在现有技术中一般仅仅限于特征数的预给定的集合的确定，所述特征数接着作为静态值被输送给另一统计分析。在此，所确定的特征数的集合被选择为使得其数目也可以由性能不那么强的计算机来进一步处理。
对于策略上的决策来说，将所确定的特征数与所假设的或策略上所估计的修正因子结合。然而，依据航班旅客机票海量数据库存全面地检查修正因子的合理性在此实际上是不可能的。为此，也就是对航班旅客机票海量数据库存的十分耗时的、束缚人力资源并且计算密集的数据分析会是必要的，所述数据分析原则上只可在性能极其强的计算机上被执行而且本身会在那里需要相当大的时间段。因为用于相对应的数据分析的相对应的计算机能力在航空公司的情况下经常不可用，所以在现有技术中原则上省去相对应的检查。由于缺少实际上的使用可能性而在现有技术中还不曾存在如下模型，利用所述模型，适合于所提到的目的的数据分析会是可能的。
因此，在现有技术中，对大的航班旅客机票海量数据库存的分析由于计算能力的限制经常限于确定预给定的特征参量的集合。然而，这些特征数是静态参量，从所述静态参量出发只能主观地估计例如以应该用来考虑例如被改变的市场条件的“策略上的减价”的形式的改变。在现有技术中，进一步的信息由于经常受限的计算能力而不能从航班旅客机票海量数据库存中获得。
发明内容
因而，本发明所基于的任务在于：提供一种方法以及一种设备，所述方法消除或者至少减少来自现有技术的缺点。
该任务通过按照独立权利要求所述的方法以及按照独立权利要求12所述的计算机程序产品来解决。有利的改进方案是从属权利要求的主题。
因此，本发明涉及一种用于分析航班旅客机票海量数据库存的方法，所述方法具有以下步骤：
a. 将机票数据与航班计划信息相关联来形成包括针对每个航班事件的机票联票数据（Ticket-Coupon-Daten）的数据库；
b. 确保针对每个航班事件的各个机票联票根据相应的机票联票收入以预给定的顺序来排序；
c. 依据连续的旅客号码的数目根据所排序的机票联票来确定针对每个航班事件的收入；
d. 确定针对每个单个的航班事件i的函数Yi(X)的校准参数，其中Yi代表收入而X代表连续的旅客号码，其中依据根据连续的旅客号码来确定的收入来进行对函数Yi(X)的校准，使得函数值Yi与所确定的收入的偏差尽可能地小；并且
e. 将多个被校准的函数组合成可依据航班信息分配的群集（Cluster）。
此外，本发明还涉及一种依据按照本发明的方法的用于分析航班旅客机票海量数据库存的计算机程序产品。
根据本发明的方法能够实现使很大规模的航班旅客机票海量数据库存也可用，使得大量从现有技术中公知的由于经常不存在的计算能力而在可获得的信息方面的限制被克服。对此，针对来自航班旅客机票海量数据库存的各个航班事件分别校准函数并且将多个相似地被校准的函数组合成可依据航班信息分配的群集。利用针对群集的一个航班线路或者针对群集的所有航班线路的这样确定的函数也可以如随后所示出的那样借助于性能不那么强的计算机来作出不同的、详细的分析和预测，而不必如在现有技术中由于不足的计算性能而经常会是必需的那样动用主观的猜测或者策略上被估计的修正因子。
在此要注意的是，对于校准所提到的函数必要的计算能力不一定比对于按照现有技术来确定特征数所需要的那个计算能力更低。然而，利用按照本发明的方法所确定的并且被组合成可分配的群集的函数能够实现紧接着按照本发明的方法的大规模的并且详细的分析，而针对各个分析步骤会不需要特征数的重复的重新计算或者其它的数值的、要应用于总航班旅客机票海量数据库存上的方法。因而，利用按照本发明的方法，所述大规模的并且详细的分析需要的计算性能是在现有技术中（只要相对应的分析在那里曾是完全可能的）的计算性能的几分之一，并且因此也可以在性能不那么强的计算机上被执行。
在按照本发明的方法中，在第一步骤中将机票数据与航班计划信息相关联，以便这样获得具有针对每个航班事件的机票联票数据的数据库。
机票数据基本上是如从航班旅客机票海量数据库存中按照现有技术公知的数据。对于每个单个的、由航空公司在预给定的时间段中出售的机票来说存在诸如旅行线路信息和机票信息的数据。旅行线路信息可包含关于包括起飞和到达地点以及必要时中间站点的航班线路、航班日期和/或各个子线路的起飞和到达时间以及相对应的航班号的信息。机票信息优选地包括相应的机票收入和所预订的运送等级（例如“头等舱（First）”、“商务舱（Business）”、“经济舱（Economy）”）。
在机票数据中，已经可以存放那些涉及与至少一个中间站点和多个子航班线路的航班连接（Flugverbindung）的航班机票，使得针对所述子航班线路中的每个来说存放有具有关于子航班线路的以子线路机票数据为形式的相对应的信息的自己的一套数据。如果情况不是如此，那么航班机票的针对与多个子线路的航班连接的机票数据在将机票数据与航班计划信息组合之前或者在将机票数据与航班计划信息组合时优选地被划分为子线路机票数据、即被划分为多个分别关于所述子线路之一的数据集。仅仅针对总航班线路而存在的值（诸如机票收入）例如可以根据各个子航班线路的长度被划分到各个子线路机票数据上。
航班计划信息包括机票数据涉及的所有航班的信息、也就是说由航空公司在相同的时间段中所执行的针对其也存在机票数据的所有航班的航班信息。优选地，所述各个航班信息除了关于航班线路以及起飞和到达时间（必要时包括日期）的信息之外也还包含关于所采用的飞机类型、座位的总数目、作为座位的总数目的不同的运送等级的份额的座位配置和/或作为座位在不同的运送等级中的相应的总数目的座位配置的信息。航班信息也可包括航班号。关于航班线路的信息可包含关于起飞和到达机场的地理信息、例如关于机场分别处于的大洲、地区和/或城市的信息，但是也可包含地理位置说明。此外，关于航班线路的信息还可包含关于在起飞机场与到达机场之间的线路长度和/或大圆距离（Grosskreisentfernung）的信息。
对于机票数据与航班计划信息的关联来说，所述机票数据的每个单个的数据集都由所述机票数据的数据集涉及的那个航班的航班信息来补充。在此，航班线路、起飞和到达时间和/或航班号可以被考虑用于关联。
通过机票数据与航班计划信息的关联的步骤来形成机票联票数据库，在所述机票联票数据库中每个单个的机票或子线路机票相对于原始的机票数据或子线路机票数据都包括有关执行相应的机票或子线路机票涉及的航班的附加信息。属于这些附加信息的尤其可以是：飞机类型、座位的总数目和/或已用来执行相应的航班的飞机的座位配置。
在下一步骤中确保：针对每个航班事件的各个机票联票在机票联票数据库中根据相应的机票收入以预给定的顺序来排序。机票联票尤其可以以降序或者升序来排序。接着，在降序排序的情况下，对于相应的航班事件来说，第一机票联票是具有最高的机票收入的那个机票联票、最后的机票联票是具有最低的机票收入的那个机票联票。在升序排序的情况下，对于相应的航班事件来说，第一机票联票是具有最低的机票收入的那个机票联票、最后的机票联票是具有最高的机票收入的那个机票联票。
该上下文中的“确保”意味着：在该方法步骤结束时，针对每个的航班事件的机票联票实际上都以预给定的顺序来排序。对此，例如可以在适当的检查的范围内确认针对航班事件的机票联票是否已经具有所期望的顺序。只有当情况不会应该如此时，所述机票联票才可以相对应地重新被排序。替代于利用紧接着的可能的排序来检查，也可能的是在没有事先的检查的情况下将排序算法应用到机票联票上，其中所述排序算法优选地在确认所述机票联票完全被排序时中断。用于检查所述机票联票的顺序和用于以预给定的顺序来将机票联票排序的方法从现有技术中是公知的。如果出于其它原因可以以机票联票已经恰当地被排序（例如由于相对应地被预排序的初始数据）为出发点，那么对于确保所期望的顺序的方法步骤来说，主动的操作不是必要的。
紧接着，依据连续的旅客号码根据所排序的机票联票来确定针对每个航班事件的收入。所要确定的收入尤其可以是平均收入或者累积收入。
“根据连续的旅客号码的平均收入”可根据从第一机票联票出发直至连续的旅客号码的被排序的机票联票的机票收入的总和除以连续的旅客号码来计算。为此，“根据连续的旅客号码的累积收入”的确定原则上类似地进行，然而其中省去了除以连续的旅客号码。
在该步骤中，为了阐明可以看到基于所排序的机票联票的针对每个航班事件的值表格的制订。从1出发延续直至在所涉及的航班事件中实际上被运输的旅客的数目的旅客号码用作值表格的自变数。从第一机票联票（例如在降序排序的情况下具有最高的机票收入的机票联票）出发将根据连续的旅客号码的平均收入或者累积收入作为函数值，其中相对应的收入可以通过从第一机票联票出发直至连续的旅客号码的被排序的机票收入的总和（在平均收入的情况下除以连续的旅客号码）来形成。
根据连续的旅客号码的针对每个航班事件的平均收入尤其可以通过下面的、关于为此所需的计算能力节省资源的步骤来确定：
a）确定根据连续的旅客号码的累积收入；
b）将所述累积收入除以附属的连续的旅客号码。
为了确定累积收入，优选地降序排序的机票联票的机票收入按顺序从第一机票联票出发优选地被累加，其中累积收入的所累加的机票联票的相应的数目对应于连续的旅客号码。紧接着，为了得到平均收入，将各个累积收入除以分别所属的连续的旅客号码。
如果根据连续的旅客号码的针对每个航班事件的收入被确定，那么紧接着可以针对每个航班事件校准函数Yi(X)。在该函数中，索引i代表相应的航班事件，Yi代表根据X、连续的旅客号码的收入。
相对应地可校准的函数是具有至少一个可预给定的系数的预给定的函数。可以选择系数，使得函数值Yi与针对每个旅客号码X所确定的收入的偏差是尽可能地小。对函数Yi(X)的相应的系数的确定与本发明相关联地被称作对函数Yi(X)的校准并且例如可以根据最小二乘法来进行。所述可预给定的系数也被称作“校准参数”。换言之，对函数Yi(X)的校准因此依据根据连续的旅客号码被确定的收入来进行，使得函数值Yi与所确定的收入的偏差尽可能地小。
优选的是，函数Yi(X)的范围对于实际上已针对其来确定收入的旅客号码X来说是单调上升或单调下降的。函数Yi(X)的校准参数的数目优选地小于等于10、进一步优选地小于等于5、进一步优选地小于等于3。通过相对应的函数Yi(X)可以降低用于校准的以及必要时用于随后所解释的组合成群集的资源耗费。
特别优选的是，函数Yi(X)是具有校准参数Ai和mi的函数：
（等式1）
因为该函数仅具有两个校准参数，所以校准可以特别节省资源地来执行。同时已表明：该函数经常良好地描述了航班事件的累积收入或者平均收入。
为了尽可能节省资源地执行必要的对所述优选的函数的校准，优选的是对上面所提到的函数取对数，使得得出线性等式：
（等式2）
或
其中 （等式3）
接着，
（等式4）
适用于校准参数Ai。
所提到的线性等式可以借助于在之前的步骤中所确定的根据连续的旅客号码的针对每个航班事件的收入简单并且节省资源地来校准，其中优化尤其可以将线性等式的确定度R2的最大化作为目的。经验已表明：在98%的被研究的航班事件中可以达到超过99%的确定度R2。
不依赖于最终的函数Yi(X)，在校准时特别优选的是：所述校准仅仅依据收入的所得出的变化过程的预先确定的范围来进行、尤其依据从第一或者最后的连续的旅客号码出发的相关联的份额来进行。所述校准因此可以依据更小数目的值来进行，由此对于校准所必要的计算性能可以被减小。为了校准而要考虑的连续的旅客号码的份额优选地为60-80%、进一步优选地为70%。
如果针对来自机票联票数据库中的每个单个的航班事件的校准结束，那么在所述校准中所确定的值（例如Bi和mi）以及必要时相应的确定度R2可以与附属的航班信息一起被中间存储。相对应的信息例如可以被存放在第一函数数据库中，所述第一函数数据库在其大小方面相对于机票数据或者机票联票数据库是明显更小的。接着，相对于在机票数据或机票联票数据库中的每个机票一个数据集，所述第一函数数据库针对每个航班事件都包括恰好一个数据集。
为了还明显地提高随后的分析的可能性、但是也明显地提高在下文所描述的组合成群集的可能性，优选的是，除了所提到的被确定的值之外也还确定关于在航班事件中各个运送等级的装载（Auslastung）的值。这些值例如可以被中间存储在第一函数数据库中。所述装载值在此可以作为各个运送等级中的旅客的绝对数目或者作为各个运送等级中的占用的座位的份额来说明。例如要在第一函数数据库中中间存储的数据集的数目由此不改变，而是继续对应于不同的航班事件的数目。
所述各个航班事件紧接着借助于相应的校准值（例如Bi和mi）被组合成可依据航班信息分配的群集。“可依据航班信息分配的群集”在该上下文中意味着：限定各个群集，使得航班事件只基于其航班信息就可以明确地被分配给确定的群集。可以依据航班信息，例如根据季节或者日历月、起飞和目的地点或者相应的地区、飞机的类型（例如长线路、短线路、支线航班）、线路长度、甚至大圆距离等等来形成群集。
对于将各个航班事件组合成群集来说可以检查：航班事件的关于航班消息可清楚地限定的组是否具有足够类似的校准值（例如Bi和mi）、也就是说各个航班事件的校准值是否只在预给定的范围中彼此有偏差。如果情况如此，那么可以针对该群集的所有的航班事件来确定共同的校准值（例如和）。接着，所述航班事件可以被组合在群集中，使得对于该群集的所有航班事件来说只须存储单个的函数或者共同的校准值（例如和）。所述共同的校准值（例如和）例如可以通过求平均值来找到。如果航班事件不能被分配给可限定的组，那么可以针对相对应的航班事件保持之前所确定的单独的校准值（例如Bi和mi）。
针对各个群集的共同的校准值（例如和）与能够实现将航班事件明确地分配给该群集的信息和未能被分配给群集的航班事件的单独的校准值（例如Bi和mi）一起、连同附属的航班信息被存储在例如第二函数数据库中。
利用按照本发明的方法的试验已表明：航班事件的单独的校准值（例如Bi和mi）例如可以根据地区和地区的组合（例如一个枢纽（Hub）的欧洲内部的也可被称作支线航班的航班事件，在欧洲与其它大洲（诸如北美）上的全部地区之间的航班事件）以及根据日历月被组合成群集。在确定的地区中的或跨地区的（regionsuebergreifend）和在确定的日历月中然而跨越多年的航班事件尤其也可以被组合成群集，其中这一点原则上也在多年期间例如通过被改变的竞争而被改变的市场条件的情况下是可能的。同样，航班事件经常可以与所采用的飞机模型的座位容量无关地被组合成群集。
这样通过校准值（例如Bi和mi）所确定的并且被组合成群集的函数的数目相对于在最初的机票数据中的数据集的数目小了至少一个数量级、一般来说甚至小了多个数量级。但是，同时所确定的函数不同于在现有技术中地不仅仅是静态特征值，而是能够实现大规模的分析，所述大规模的分析在现有技术中基于航班旅客机票海量数据库存（如果有的话）曾只可以用高的计算机能力来执行。而基于按照本发明所确定的校准值的分析也可以利用与此相对地明显性能更弱的计算机来执行。
当然，基于按照本发明的校准以及组合成群集来得出初始的机票数据的简化和偏差，然而研究已表明：相对应的不准确性是可忽略的并且尤其由于先通过按照本发明的方法变得可能的分析可能性而不止被弥补。
即使利用所描述的组合成各个群集来组合大量航班事件已经是可能的，这在具有旅客在不同的预订等级（例如“头等舱（First）”、“商务舱（Business）”和“经济舱（Economy）”）中的明显不同的分布的航班事件的情况下也常常是不可能的或者只容忍大的不准确性的情况下是可能的。在此不重要的是：由于分别被采用的飞机的不同的座位配置或者由于在预订时的波动而出现将旅客不同地分布到在不同的预订等级中。
在一优选的改进方案中，本发明已断定：在较高的预订等级（例如“First”和“Business”）中的旅客（所谓的“正常票价旅客）占自由地预给定的固定数目的旅客的份额与根据连续的旅客号码的收入之间存在关系并且该关系是线性的。因而优选的是，在将所述各个航班事件组合成可依据航班信息分配的群集时考虑该线性关系。由此，对于所有航班事件的映射来说所需的群集的数目可以进一步被减小，而且对在进一步处理时的计算能力的要求可以进一步被减小。
为了可以进行相对应的组合，必要的是提供关于各个运送等级在每个航班事件中的装载的信息。然而，相对应的信息可以容易地被确定而且例如可以被存放在第一函数数据库中（如上所述）。
将具有各个运送等级的不同的装载的航班事件组合成可依据航班信息分配的群集包括以下步骤：
a. 从针对预给定的旅客号码a,b,…的线性等式确定斜率ja,jb,…，所述线性等式描述了在正常票价旅客的数目n或正常票价旅客占自由地预给定的固定数目的旅客的份额与要组合的航班事件的针对预给定的旅客号码a,b,…的收入之间的关系，其中针对预给定的旅客号码a,b,…的收入根据正常票价旅客的数目n或者正常票价旅客占自由地被预给定的固定数目的旅客的份额通过解开针对相应的航班事件的函数Yi(X)来确定，并且其中所述预给定的旅客号码a,b,…的数目和线性等式的数目分别对应于函数Yi(X)的校准参数的数目；和
b. 针对正常票价旅客的预给定的数目或者正常票价旅客占自由地预给定的固定数目的旅客的份额来确定共同的校准值。
因此，对于将具有各个运送等级的不同的装载的航班事件组合成可依据航班信息分配的群集来说，首先分别针对预给定的旅客号码a,b,…来解开针对所涉及的航班事件的函数Yi(X)，而且根据正常票价旅客的数目n或者正常票价旅客占相应的航班事件的自由地预给定的固定数目的旅客的份额来确定在此所获得的结果（即收入）。接着，对于预给定的旅客号码a,b,…来说，可以分别确定如下线性等式，所述线性等式表示在正常票价旅客的数目n或正常票价旅客占自由地预给定的固定数目的旅客的份额与针对预给定的旅客号码a,b,…的收入之间的关系。从所述线性等式可以确定直线的斜率ja,jb,…。所述斜率ja,jb,…例如可以作为针对相对应的群集的参数例如存放在第二函数数据库中。如果所述直线的斜率ja,jb,…基于正常票价旅客占自由地预给定的固定数目的旅客的份额被确定，那么所述斜率ja,jb,…也可以是相同的。
所述共同的校准值（例如和）可以与群集的确定的航班事件的校准参数（例如Bi和mi）相同。接着，正常票价旅客的附属的数量对应于相对应的航班事件的正常票价旅客ni的数目。但是必要时也可以求平均值或者诸如此类的。
如果对于群集来说，除了共同的校准值（例如和）之外也还有所描述的斜率ja,jb,…以及正常票价旅客的附属的数目或者所述正常票价旅客占自由地预给定的固定数目的旅客的份额是可用的，那么针对各个航班事件的校准参数（例如Bi和mi）可以借助于针对已知的旅客号码a,b,…的斜率ja,jb,…根据正常票价旅客的预给定的数目或者所述正常票价旅客占自由地预给定的固定数目的旅客的偏差来适配，使得从中最终得到的函数足够准确地描述相应的航班事件。
以优选的函数为例，这一点可以变得清楚。在此，利用共同的校准值和来解开针对旅客号码a,b的函数，使得得出：
（等式5）
和
（等式6）。
对于来自相对应的群集的具有正常票价旅客的已知的数目ni的任意的航班来说，可以容易地从如下等式确定该航班事件的单独的函数Yi或者其校准参数Bi和mi：
（等式7）
和
（等式8）。
由此能够实现：由于航班信息中的共同性原则上也可以被组合成可依据航班信息分配的群集的航班事件尽管也由于正常票价旅客的不同的数目或正常票价旅客占自由地预给定的固定数目的旅客的不同的份额而有明显不同的校准参数实际上也可以被组合成群集。
优选的是：针对一个群集的所有航班事件来确定正常票价旅客的数目的平均值或者所述正常票价旅客占自由地预给定的固定数目的旅客的份额的平均值。优选地也可以确定正常票价旅客的数目与相应的直线的标准差或正常票价旅客占自由地预给定的固定数目的旅客的份额与相应的直线的标准差。
通过可能相对应地扩展地组合航班事件来降低必要的群集的数目，以便按照最初的机票数据来映射所有航班事件。相对应地，降低例如要在第二函数数据库中存储的包含关于各个群集的信息的数据集的数目。研究已表明：相对于来自第一方法步骤的大约1260万的机票数据（集），数据集的数目可以被减小到直至大约2千。然而不同于在现有技术中地，最终得到的数据集在此并不限于静态特征数，而是提供如下可能性：以足够的准确性来执行对多个可依据航班信息来组合的航班事件亦或单个航班事件的详细的分析。由于数据集的比较小的数目，在此也可以借助于性能更弱的计算机来执行相对应的分析。只要在现有技术中相对应的分析完全是可能的，这些分析就需要性能极其强的计算机和巨大的时间耗费，以便胜任最初的机票数据的只在现有技术中存在的明显更高的数目。
通过所描述的将航班时间扩展地组合成可依据航班信息分配的群集来在如下方面形成附加的奖励效应（Bonuseffekt）：例如甚至飞机大小的改变都可以由在线路上所采用的飞机模型或者不同的座位配置预先投影和估计。这样，所获得的信息可以在机群计划中或者在航班计划制订中由航空公司来考虑、但是也可以在飞机新设计中由飞机制造商来考虑。
按照本发明的方法在机群计划中以及在新飞机的设计中也能够实现：通过正常票价旅客来确保尤其是较高的预订等级（例如“First”和“Business”）的尽可能最优的装载。由此可以明显减小如下危险：在较高的预订等级中的座位持续不被利用并且必须不断作为自重被携带在飞机中，这最终也会不必要地提高动力燃料消耗。
用于在可依据航班信息分配的群集中的正常票价旅客的座位的最优的数目、也就是说那些确保最优的装载的数目优选地通过将群集的正常票价旅客的或正常票价旅客占自由地预给定的固定数目的旅客的份额的平均数与相同的群集的正常票价旅客的数目的或正常票价旅客占自由地预给定的固定数目的旅客的份额的标准差的二倍加和来确定。利用针对正常票价旅客的座位的这样被确定的最优的数目可以优化在群集中的相对应的座位的装载，使得在可分配给该群集的航班事件上的要携带的自重在总和上是最小的而且可以相对应地节约动力燃料。用于优化座位的装载的并且借此最终用于持续地降低动力燃料消耗的方法必要时分开地应受（verdienen）保护。
按照本发明的计算机程序产品用于实施按照本发明的方法。因而参阅之前的实施方案。所述计算机程序产品可以以软盘、DVD（数字多功能光盘（Digital VersatileDisc））、CD（压缩光盘（Compact Disc））、记忆棒或者其它的任意的存储介质的形式存在。
附图说明
现在，依据一有利的实施例参照随附的附图来进一步描述本发明。其中：
图1示出了按照本发明的方法的示意图；
图2示出了来自机票联票数据库的摘录；
图3示出了机票收入根据连续的旅客号码的图表；
图4示出了累积收入根据连续的旅客号码的图表；
图5示出了平均收入根据连续的旅客号码的图表；
图6示出了来自第一函数数据库的摘录；
图7示出了针对两个预给定的旅客号码的不同的航班事件的平均收入的图表；
图8示出了来自第二函数数据库的摘录；和
图9示出了关于对确定的航班事件的信息的确定的图解的图表。
具体实施方式
在图1中示意性地示出了按照本发明的方法100。在第一步骤101中，被存放在第一数据存储器1中的机票数据和被存放在第二数据存储器2中的航班计划信息被组合成机票联票数据库13并且被存放在第三数据存储器3中。
在图2中示出了来自机票联票数据库13的摘录。针对每个单个的机票联票23存在单独的数据集，所述数据集包含关于以下方面的信息：
- 航班事件的日期，
- 航班号，
- 起飞地点，
- 到达地点，
- 到达时间，
- 针对机票联票的机票收入30，
- 运送等级，
- 已实际上用来执行航班的飞机类型，
- 已实际上用来执行航班的飞机的座位数目，以及
- 已实际上用来执行航班的飞机的座位配置。
信息“航班事件的日期”、“航班号”、“起飞地点”、“起飞时间”、“到达地点”和“到达时间”不仅被包含在机票数据和在航班计划信息中而且用于将航班计划信息与机票数据明确地关联。在机票联票数据库13中的信息“机票收入”以及“运送等级”来自如下机票数据，所述机票数据包含来自航班计划信息的关于“飞机类型”、“座位数目”和“座位配置”的信息。
在机票联票数据库13中仅包含有单个航班线路。如果来自机票数据的机票包括多个子线路，那么相应的机票被分成多个机票联票23，使得针对每个子线路都存在单独的机票联票23。在所示出的示例中，机票联票23`和23``形成来自机票数据库的针对总航班线路汉堡（Hamburg，HAM）－纽约约翰F.肯尼迪（John F. Kennedy）机场（JFK）的在法兰克福（Frankfurt，FRA）换乘的机票的两个子线路。
在随后的步骤102中确保：在机票联票数据库13中将每个单个的航班事件的机票联票23根据预给定的准则来排序，也就是以按照针对相对应的航班事件的每个机票联票23的机票收入30的降序来排序。为此，在所示出的示例中将单个的航班事件的机票联票23输送给相对应地对机票联票23进行排序的排序算法、例如冒泡排序算法。一旦机票联票23以正确的顺序存在，所述排序算法就中断。如果针对航班事件的机票数据23在被输送给所述排序算法时已经被排序，那么该排序算法在唯一的运行之后已中断。
在图3中以示例示出了所排序的机票联票23关于针对单个的航班事件的连续的旅客号码31的机票收入30，其中旅客号码31连续地从1进展直至针对相应的航班事件的机票联票23的数目。
在步骤103中，针对每个航班事件的平均收入32根据连续的旅客号码31被确定。对此，在中间步骤中首先根据连续的旅客号码31来计算累积收入33，其方式是所排序的机票联票23的机票收入30按顺序从第一机票联票23出发被累加并且根据所累加的机票联票23的对应于连续的旅客号码31的数目被确定。在图4中示出了针对来自图3的航班事件的该中间步骤的结果。
紧接着，各个累积收入33除以分别所属的连续的旅客号码31，以便这样得到根据连续的旅客号码31的平均收入32。在图5中以示例示出了针对来自图3和4的航班事件的平均收入32。
从在图5中以示例来示出的根据连续的旅客号码31的平均收入32出发，在步骤104中针对每个航班事件来校准函数：
（等式1）
在该函数中，索引i代表相应的单个的航班事件，Yi代表平均收入而X代表连续的旅客号码。为了校准，该函数的校准参数Ai和mi被优化，使得与在之前的步骤103中所确定的针对每个航班事件的根据连续的旅客号码31的平均收入32的偏差是尽可能地小。在此，所述校准仅依据连续的旅客号码31中的70%、即具有最高的旅客号码31的那70%来进行。相对应的份额在图5中被表示为区域34。
为了尽可能节省资源地执行必要的校准，优选地以取对数的方式使用上面所提到的函数、即用作线性等式：
（等式2）
或
其中 （等式3）。
最后提到的线性等式可借助于在之前的步骤中所确定的针对每个航班事件的根据连续的旅客号码31的平均收入32简单地并且节省资源地来校准，其中优化尤其可以将线性等式的确定度R2的最大化作为目的。参数Ai由
（等式4）
得出。
相应地针对每个航班事件（针对所述每个航班事件都在数据库1中存在机票数据）来校准的函数以其校准参数Bi和mi的形式被存放在第一函数数据库4中。除了校准参数Bi和mi之外，在第一函数数据库4中还存放有相应的航班事件的航班信息。旅客的数目也根据等级分开地被存放在第一函数数据库4中。在图6中以示例示出了来自相对应的第一函数数据库4的摘录。
通过针对每个航班事件，仅仅针对每个航班事件的一个数据集被存放在第一函数数据库4中，在该数据库中的数据集的数目相对于具有针对每个单个的航班事件的机票数据和机票联票数据13的数据库1和3已经明显被减小。
在另一步骤105中，来自第一函数数据库4的各个数据集被组合成各个可依据航班信息分配的群集。这样，在图6中所说明的在法兰克福（FRA）与北美或两个纽约机场约翰F.肯尼迪机场（JFK）和纽瓦克机场（EWR）之间的航班被组合成如下群集，所述群集接着对于在法兰克福与北美或纽约之间的所有的航班来说都是有效的。在此，该群集此外还可以限于在一年的一月份中的航班。
除了在图6中所说明的在法兰克福与纽约之间的航班之外，在第一函数数据库4中当然还包含大量其它的航班，所述航班属于所提到的群集“在一月份中的法兰克福－纽约”（或“在一月份中的法兰克福-北美”）。不过，飞机大小或者座位配置在所示出的示例中不是用于形成群集的准则。
对于群集的相对应的航班事件的组合来说，首先针对两个预给定的旅客号码a,b借助于相应的校准参数Bi和mi和上面所提到的函数来计算平均收入。在图7中示出了针对旅客号码a=150和b=300的这样被计算的平均收入，其中所述平均收入关于正常票价旅客（也就是说在预订等级“First”和“Business”中的旅客）针对分别相对应的航班事件被示出。正常票价旅客的数目可以从第一函数数据库4获悉（参见图6“旅客的数目”）。
对于预给定的旅客号码a,b中的每个来说，可以分别接近具有相应的斜率ja,jb的直线36、37。此外，在该步骤中确定共同的校准参数和以及正常票价旅客的附属的数目。这些值例如可以是校准参数和所述群集的确定的航班事件的正常票价旅客的数目。
此外，能够针对相应的群集的航班事件还可以确定所运送的正常票价旅客的数目的平均值和标准差。相对应的信息可以如在图8中的示例中所示出的那样被存放在第二函数数据库5中。
根据关于共同的校准值和的信息、正常票价旅客的附属的数量以及针对群集的斜率ja,jb、即根据各个航班事件的正常票价旅客的数目可以确定针对来自该群集的各个航班事件的单独的校准参数Bi和mi。
对此，例如可以利用共同的校准值和来解开针对旅客号码a,b的函数，使得得出：
（等式5）
和
（等式6）。
对于来自相对应的群集的具有正常票价旅客的已知的数目ni的任意的航班来说，接着可以容易地从如下等式确定该航班事件的单独的函数Yi或其校准参数Bi和mi：
（等式7）
和
（等式8）。
在图9中再次以图形的方式阐明了所述用于确定一个确定的航班事件的单独的校准参数Bi和mi的处理方式。从针对两个预给定的旅客号码a=150和b=300的斜率ja,jb出发，可以针对这两个旅客号码a,b分别确定已知的具有共同的校准值和的函数的偏差、函数(Yi)的“平移”和在此被改变的校准参数Bi和mi，所述在此被改变的校准参数Bi和mi与相应的航班事件的正常票价旅客的实际上的数目ni有关。
通过所描述的组合还可能进一步减小数据集在相对于第一函数数据库4的第二函数数据库5中的数目。
结果，通过按照本发明的方法来提供第二函数数据库5，所述第二函数数据库5可以以足够的准确性来映射被包含在最初的机票数据中的所有航班事件，但是与此不同地得到小了多个数量级的数目的数据集。由于所述明显被减小的大小，也可以通过性能更弱的计算机来分析第二函数数据库5。作为附加的奖励效应，也可以从这样被确定的第二函数数据库5中得出信息并且作出预测，而这曾在现有技术中是不可能的。

Claims (17)

1.用于分析航班旅客机票海量数据库存的方法，所述方法具有以下步骤：
a. 将机票数据与航班计划信息相关联来形成包括针对每个航班事件的机票联票数据（23）的数据库（13）；
b. 确保针对每个航班事件的各个机票联票（23）根据相应的机票联票收入以预给定的顺序来排序；
c. 依据连续的旅客号码（31）的数目根据所述被排序的机票联票（23）来确定针对每个航班事件的收入（32、33）；
d. 确定针对每个单个的航班事件i的函数Yi(X)的校准参数，其中Yi代表收入而X代表连续的旅客号码，其中依据根据所述连续的旅客号码（31）来确定的收入来进行对所述函数Yi(X)的校准，使得函数值Yi与所确定的收入的偏差尽可能地小；并且
e. 将多个被校准的函数组合成可依据航班信息分配的群集。
2.根据权利要求1所述的方法，
其特征在于，
确保针对每个航班事件的各个机票联票（23）根据相应的机票收入以降序或者升序来排序。
3.根据上述权利要求之一所述的方法，
其特征在于，
所要确定的收入是累积收入或者平均收入。
4.根据上述权利要求之一所述的方法，
其特征在于，
所述函数Yi(X)的范围对于已针对其来确定所述收入的旅客号码X来说是单调上升或者单调下降的。
5.根据上述权利要求之一所述的方法，
其特征在于，
所述函数Yi(X)的校准参数的数目小于等于10、优选地小于等于5、优选地小于等于3。
6.根据上述权利要求之一所述的方法，
其特征在于，
具有校准参数Ai和mi的函数Yi(X)的内容是：。
7.根据权利要求1所述的方法，
其特征在于，
针对与多个子线路的航班连接的机票数据在将机票数据与航班计划信息相关联之前或者在将机票数据与航班计划信息相关联时被划分为多个分别关于所述子线路之一的子线路机票数据。
8.根据上述权利要求之一所述的方法，
其特征在于，
为了确保所述机票联票（23）的预给定的顺序而应用排序算法，所述排序算法优选地在确认完全的排序的情况下中断。
9.根据权利要求3至8之一所述的方法，
其特征在于，
所述平均收入（32）根据所述连续的旅客号码（31）通过下面的步骤被确定：
a. 确定根据所述连续的旅客号码（31）的累积收入（33）；
b. 将所述累积收入（33）除以附属的连续的旅客号码（31）。
10.根据权利要求6至10之一所述的方法，
其特征在于，
为了校准而对函数取对数。
11.根据上述权利要求之一所述的方法，
其特征在于，
所述校准仅仅依据所述收入（32、33）的得出的变化过程的预先确定的范围来进行、优选地依据所述连续的旅客号码（31）的相关联的份额来进行，其中为了所述校准而要考虑的连续的旅客号码（31）的份额（34）优选地为60-80%、进一步优选地为70%。
12.根据上述权利要求之一所述的方法，
其特征在于，
针对每个航班事件都确定关于各个运送等级的装载的值。
13.根据上述权利要求之一所述的方法，
其特征在于，
对于将各个航班事件组合成群集来说检查：航班事件的关于航班信息可清楚地限定的组是否具有足够类似的校准值，而且如果情况如此则针对所述群集的所有航班事件来确定共同的校准值。
14.根据上述权利要求之一所述的方法，
其特征在于，
将具有各个运送等级的不同的装载的航班事件组合成可依据航班信息分配的群集包括以下步骤：
a. 从针对预给定的旅客号码a,b,…的线性等式确定斜率ja,jb,…，所述线性等式描述了在正常票价旅客的数目n或所述正常票价旅客占自由地预给定的固定数目的旅客的份额与要组合的航班事件的针对预给定的旅客号码a,b,…的收入之间的关系，其中针对所述预给定的旅客号码a,b,…的收入根据正常票价旅客的数目n或者所述正常票价旅客占自由地被预给定的固定数目的旅客的份额通过解开针对相应的航班事件的函数Yi(X)来确定，并且其中所述预给定的旅客号码a,b,…的数目和线性等式的数目分别对应于所述函数Yi(X)的校准参数的数目；和
b. 针对正常票价旅客的预给定的数目或者所述正常票价旅客占自由地预给定的固定数目的旅客的份额来确定共同的校准值。
15.根据上述权利要求之一所述的方法，
其特征在于，
针对群集的所有航班事件来确定所述正常票价旅客的数目的或者所述正常票价旅客占自由地预给定的固定数目的旅客的份额的平均值和优选地标准差。
16.根据权利要求15所述的方法，
其特征在于，
用于在群集中的正常票价旅客的座位的最优的数目通过将群集的正常票价旅客的或者所述正常票价旅客占自由地预给定的固定数目的旅客的份额的平均数与所述相同的群集的正常票价旅客的数目的或者所述正常票价旅客占自由地预给定的固定数目的旅客的份额的标准差的二倍加和来确定。
17.用于实施根据上述权利要求之一所述的方法的计算机程序产品。
CN201480077786.5A 2014-04-02 2014-11-26 用于分析航班旅客机票海量数据库存的方法和计算机程序产品 Pending CN106471528A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP14163109.3A EP2927849A1 (de) 2014-04-02 2014-04-02 Verfahren und Computerprogrammprodukt zur Analyse von Flugpassagier-Ticket-Massendatenbeständen
EP14163109.3 2014-04-02
PCT/EP2014/075662 WO2015149884A1 (de) 2014-04-02 2014-11-26 Verfahren und computerprogrammprodukt zur analyse von flugpassagier-ticket-massendatenbeständen

Publications (1)

Publication Number Publication Date
CN106471528A true CN106471528A (zh) 2017-03-01

Family

ID=50473055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480077786.5A Pending CN106471528A (zh) 2014-04-02 2014-11-26 用于分析航班旅客机票海量数据库存的方法和计算机程序产品

Country Status (10)

Country Link
US (1) US20150286962A1 (zh)
EP (1) EP2927849A1 (zh)
JP (1) JP2017513145A (zh)
CN (1) CN106471528A (zh)
BR (1) BR112016021291A2 (zh)
CA (1) CA2943829A1 (zh)
CL (1) CL2016002429A1 (zh)
RU (1) RU2016141978A (zh)
SG (1) SG11201607949SA (zh)
WO (1) WO2015149884A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111341125A (zh) * 2020-02-07 2020-06-26 中国联合网络通信集团有限公司 车辆通行方法及装置

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107886372B (zh) * 2017-12-06 2023-02-17 中国南方航空股份有限公司 客户价值发现方法
CN110570128A (zh) * 2019-09-09 2019-12-13 西南交通大学 高速铁路列车多等级票价席位存量嵌套控制方法
CN111581325B (zh) * 2020-07-13 2021-02-02 重庆大学 一种基于时空影响距离的K-means站点区域划分方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3455015B2 (ja) * 1996-06-11 2003-10-06 株式会社東芝 バスダイヤ作成方法
WO2007098161A2 (en) * 2006-02-21 2007-08-30 Dynamic Intelligence Inc. Transportation scheduling system
US7809593B2 (en) * 2007-05-16 2010-10-05 Amadeus S.A.S. Method and system for automatically keeping travel data consistent between passenger reservation records and corresponding electronic tickets
US20100312587A1 (en) * 2007-06-01 2010-12-09 Tickets.Com, Inc. Computer implemented method for managing electronic ticket requests
EP2587443A1 (en) * 2011-10-24 2013-05-01 Amadeus Global maximization of time limit revenues by a travel provider

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111341125A (zh) * 2020-02-07 2020-06-26 中国联合网络通信集团有限公司 车辆通行方法及装置
CN111341125B (zh) * 2020-02-07 2021-09-03 中国联合网络通信集团有限公司 车辆通行方法及装置

Also Published As

Publication number Publication date
WO2015149884A1 (de) 2015-10-08
US20150286962A1 (en) 2015-10-08
SG11201607949SA (en) 2016-11-29
BR112016021291A2 (pt) 2017-10-03
CA2943829A1 (en) 2015-10-08
EP2927849A1 (de) 2015-10-07
JP2017513145A (ja) 2017-05-25
CL2016002429A1 (es) 2017-02-24
RU2016141978A3 (zh) 2018-08-17
RU2016141978A (ru) 2018-04-26

Similar Documents

Publication Publication Date Title
Zou et al. Evaluating air carrier fuel efficiency in the US airline industry
Ohashi et al. Choice of air cargo transshipment airport: an application to air cargo traffic to/from Northeast Asia
Hirashima et al. Forecasting in a mixed up world: Nowcasting Hawaii tourism
Carmona-Benítez et al. An Econometric Dynamic Model to estimate passenger demand for air transport industry
Sun et al. Robustness Consideration in Multi‐Criteria Decision Making to an Aircraft Selection Problem
CN106471528A (zh) 用于分析航班旅客机票海量数据库存的方法和计算机程序产品
Zou et al. Fleet standardisation and airline performance
CN111192090A (zh) 航班的座位分配方法、装置、存储介质和电子设备
Bofinger et al. Calculating the carbon footprint from different classes of air travel
Fageda What hurts the dominant airlines at hub airports?
DAngelo et al. N+ 3 small commercial efficient and quiet transportation for year 2030-2035
Husemann et al. Flexibility within flight operations as an evaluation criterion for preliminary aircraft design
Goto et al. Coffee, tea, or…?: a Markov decision process model for airline meal provisioning
Ripoll-Zarraga et al. Exploring the reasons for efficiency in Spanish airports
Vaze et al. Impacts of airline mergers on passenger welfare
Eufrásio et al. Are on-time performance statistics worthless? An empirical study of the flight scheduling strategies of Brazilian airlines
Sheard The network of US airports and its effects on employment
Oliveira et al. An empirical model of fleet modernization: On the relationship between market concentration and innovation adoption by airlines
McGraw The Heterogeneous Impact of Airports on Population and Employment Growth in Cities☆
Chen et al. Airport dominance and airline pricing power: An investigation of hub premiums in the Chinese domestic market
Bartodziej et al. On an experimental algorithm for revenue management for cargo airlines
Ahmed et al. An overview of the issues in the airline industry and the role of optimization models and algorithms
CN111476409A (zh) 一种新航线开通的预测方法、系统及设备
Diwan Performance of dynamic programming methods in airline revenue management
Rachman Big data analytics in airlines: Efficiency evaluation using DEA

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170301

WD01 Invention patent application deemed withdrawn after publication