JP2017513145A - エアライン乗客チケット大量データストックを分析する方法及びコンピュータプログラム - Google Patents
エアライン乗客チケット大量データストックを分析する方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2017513145A JP2017513145A JP2016560789A JP2016560789A JP2017513145A JP 2017513145 A JP2017513145 A JP 2017513145A JP 2016560789 A JP2016560789 A JP 2016560789A JP 2016560789 A JP2016560789 A JP 2016560789A JP 2017513145 A JP2017513145 A JP 2017513145A
- Authority
- JP
- Japan
- Prior art keywords
- flight
- ticket
- passenger
- function
- revenue
- 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
Links
Images
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
本発明の方法は、各々のフライトイベントに対する、チケットクーポンデータを含むデータベースを形成するために、チケットデータをフライト計画情報とリンクする工程と、個別のチケットクーポン収益に対応して所定順序に各々のフライトイベントに対する個別のチケットクーポンが分類されるのを保証する工程と、分類チケットクーポンに対応してシーケンシャル乗客番号の数に基づき各々のフライトイベントに対する収益を決定する工程と、個別のフライトイベントiに対する、関数Yi(X)の較正パラメータを決定する工程であって、Yiは収益を意味しXはシーケンシャル乗客番号を意味し並びに決定された収益からの関数値Yiの偏差ができる限り低くなるように関数Yi(X)の較正が、決定された収益に基づいてシーケンシャル乗客番号に基づき実行される、工程と、複数の較正関数を、フライト情報に基づき割り当てられ得るクラスタ内に組み合わせる工程を含む。
Description
本発明は、エアライン乗客チケット大量データストックを分析する方法に関する。
エアラインは、過去に実施されたフライトに関する膨大な情報を有する。この情報の少なくとも一部は、エアライン乗客チケット大量データストックに格納される。これらのデータは、エアラインにより販売された各々の個別のチケットのためのデータセットを含み、データセットは、例えば、フライトルート、フライトの日付及びチケットの価格についての情報を含む。
特に、民間航空の分野で発生し、広大なルートネットワーク及び膨大な数の飛行ムーブメントを伴う全世界的に稼動するエアラインとなる、会社の集中により、エアラインの、エアライン乗客チケット大量データストックは、通常相当に大きいサイズとなり、特に、大量データストックが1暦年以上に亘って拡張する場合は、大きいサイズとなる。
あらゆるエアラインにて、会社の決定のための基礎として機能し得る情報を取得するための、個々のエアライン乗客チケット大量データストックを用いることの大きな利益が通常存在する。これらの決定は、(例えば、特定のルートで用いられる、ルートのキャンセル、出発時刻や到着時刻の変更、航空機の変更などの)フライトスケジュールの変更、(例えば、特定のサイズやレンジの航空機の退役や販売などの)航空隊プラニング、又は、新しい開発のための開始点として航空機製造者に利用可能とされ得る新しい航空機のための要求プロファイルの創作を、含み得る。
この目的のために、エアライン乗客チケット大量データストックから個別のキーフィギュアを決定することが先行技術で知られている。例えば、このように、所定の期間の所定のルートに対する全体の収益は、対応する境界条件に適合するデータセットのチケットの価格を加算することにより、エアライン乗客チケット大量データストックから、決定され得る。所定の期間に特定のるーとで運ばれる乗客数も決定され得る。これらの二つの情報アイテムをリンクすることにより、運搬される乗客毎の平均収益を計算することができる。個々の乗客クラス(例えば、「ファースト」、「ビジネス」、「エコノミ」)に対して別々にも(平均)収益は決定され得るが、しかしながら、キーフィギュアの数の、対応する増加を生じてしまう。
前述の決定に対して、仮にも十分な根拠の確かな基礎を提供するためには、少なくとも1年以内にて、しばしば1年以上の数年に亘って、エアラインにより運営される全てのフライトに対して、特定のキーフィギュアが決定されなければならない。通常そうであるエアライン乗客チケット大量データストックの純然たる大きさのために、これらのキーフィギュアの対応する決定のために、特にパワフルなコンピュータが必要であるが、これらのコンピュータは、このために相当な期間を要求する。
これらの技術的条件のために、エアライン乗客チケット大量データストックの分析は、概略従来技術にて、所定の量のキーフィギュアを決定することに排他的に限定され、それら所定の量のキーフィギュアは静的値として更なる静的評価ユニットに提供される。決定されるキーフィギュアの量は、前記キーフィギュアの量がより少ないパワーのコンピュータによっても更に処理され得るように、ここでは選択される。
戦略的決定のために、決定されるキーフィギュアは、推定される若しくは戦略的に評価される補正係数と組み合わされる。しかしながら、エアライン乗客チケット大量データストックに基づくもっともらしさに対する補正係数の包括的チェックは、ここで仮想的には不可能である。このことは、実際にはエアライン乗客チケット大量データストックのデータ分析を要求するものであり、このデータ分析は、非常に時間消費するものであり、人材を拘束し、計算集約させるものであり、基本的に非常にパワフルなコンピュータでのみ実行され得るものであり、相当の期間を掛けるものである。対応するコンピュータ容量はエアラインにおける対応するデータ分析にて通常利用可能で無いので、先行技術では対応するチェックは基本的になしで済まされる。先行技術での利用の、実際の可能性の欠如のために、特定の目的のために適切であるデータ分析が可能であるような、モデルはまだ無い。
先行技術では、大きいエアライン乗客チケット大量データストックの分析は、従って、コンピュータ能力の制約のため一定量の所定の特徴値を決定することに、限定される。しかしながら、これらのキーフィギュアは、例えば、変化した市場条件が許容される、例えば、「戦略的削減」の形式での、変化が主観的にのみ評価され得ることに基づく、静的変数である。通常、コンピュータ能力の制約のため、先行技術ではエアライン乗客チケット大量データストックからより広範囲の情報を獲得することはできない。
従って、本発明は、先行技術からの不利益を制限する、若しくは少なくとも減少する方法及びデバイスを提供することを目的とする。
この目的は、メインの請求項に記載の方法、及び、独立請求項12に記載のコンピュータプログラムにより、達成される。利点のある開発は、従属請求項の発明の主旨である。
従って、本発明は、エアライン乗客チケット大量データストックを分析する方法に関し、
a.各々のフライトイベントに対する、チケットクーポンデータ(23)を含むデータベース(13)を形成するために、チケットデータをフライトスケジュール情報とリンクするステップと、
b.個別のチケットクーポン収益に従って所定の順序で、各々のフライトイベントに対する個別のチケットクーポン(23)が分類されることを、保証するステップと、
c.分類されたチケットクーポン(23)に従ってシリアル乗客コード番号(31)の数の関数として、各々のフライトイベントに対する収益(32,33)を決定するステップと、
d.各々の個別のフライトイベントiに対する、関数Yi(X)の較正パラメータを決定するステップであって、Yiは収益を意味し、Xはシリアル乗客コード番号を意味し、並びに、決定された収益からの関数値Yiの偏差ができる限り小さくなるように、関数Yi(X)の較正が、決定された収益(32、33)に基づいてシリアル乗客コード番号(31)の関数として実行される、ステップと、
e.複数の較正された関数を、フライト情報に基づいて割り当てられ得るクラスタ内に組み合わせるステップと
を含む。
a.各々のフライトイベントに対する、チケットクーポンデータ(23)を含むデータベース(13)を形成するために、チケットデータをフライトスケジュール情報とリンクするステップと、
b.個別のチケットクーポン収益に従って所定の順序で、各々のフライトイベントに対する個別のチケットクーポン(23)が分類されることを、保証するステップと、
c.分類されたチケットクーポン(23)に従ってシリアル乗客コード番号(31)の数の関数として、各々のフライトイベントに対する収益(32,33)を決定するステップと、
d.各々の個別のフライトイベントiに対する、関数Yi(X)の較正パラメータを決定するステップであって、Yiは収益を意味し、Xはシリアル乗客コード番号を意味し、並びに、決定された収益からの関数値Yiの偏差ができる限り小さくなるように、関数Yi(X)の較正が、決定された収益(32、33)に基づいてシリアル乗客コード番号(31)の関数として実行される、ステップと、
e.複数の較正された関数を、フライト情報に基づいて割り当てられ得るクラスタ内に組み合わせるステップと
を含む。
本発明は、本発明に係る方法に従ってエアライン乗客チケット大量データストックを分析するコンピュータプログラムにも関する。
通常利用可能では無いコンピュータ能力に基づいて、先行技術から周知である、獲得可能な情報に関する多数の制約が克服され得るように、非常に広範なエアライン乗客チケット大量データストックを利用することを、本発明に係る方法は可能にする。このために、エアライン乗客チケット大量データストックからの個別のフライトイベントの各々に対して、関数が較正され、複数の同様に較正された関数が、フライト情報に基づいて割り当てられ得るクラスタ内に組み合わされる。コンピュータのパワーの不足により、従来技術では通常必要であったような主観的想定若しくは戦略的に評価される補正係数へのリソースを必ずしも有すること無く、あまりパワーの無いコンピュータを用いて、このように取得される関数により、様々な詳細な分析及び予測が、以下に示すように、フライトルートに対して若しくはクラスタの全てのフライトルートに対して、実行され得る。
当然ながら、特定の関数を較正するために要求されるコンピュータ能力は、従来技術に係るキーフィギュアを決定するのに要求されるものより、必ずしも小さいというわけではない。しかしながら、本発明に係る方法により決定され、割り当て可能なクラスタ内に組み合わされ得る関数により、本発明に係る方法に続いての広範な且つ詳細な分析が可能となり、このとき、特徴値の再計算を繰り返すことも無く、更に、個別の分析ステップに必要である、全体のエアライン乗客チケット大量データストックに適用されねばならない他の数値関係の方法も求めない。対応する分析が先行技術で可能であっても、本発明に係る方法による広範な且つ詳細な分析は、従来技術より何倍も少ないコンピュータのパワーしか要求せず、よって、よりパワーの無いコンピュータでも実行され得る。
本発明に係る方法では、第1のステップでは、任意のフライトイベントに対するチケットクーポンデータを伴うデータベースを取得するために、チケットデータがフライトスケジュール情報とリンクされる。
チケットデータは、先行技術に係るエアライン乗客チケット大量データストックから知られるような、データを本質的に含む。例えば、トラベルルート(旅程)情報やチケット情報などのデータは、所定の期間エアラインから購買される任意の個別のエアラインチケットのために利用可能である。トラベルルート(旅程)情報は、出発のポイントや到着のポイント、更には、適切であれば中間のストップ、フライトの日付及び/又は個別の部分ルートの出発時刻や到着時刻、更には、対応するフライト番号を、含むフライトルートに関する情報を含み得る。チケット情報は、個別のチケット収益、及び、予約される乗客クラス、例えば、「ファースト」、「ビジネス」若しくは「エコノミ」を含むのが好ましい。
少なくとも一つの中間のストップと複数の部分フライトルートを伴うフライト接続に関連するエアラインチケットは、部分ルートチケットデータの形式で部分フライトルートについての対応する情報を伴う、単独のデータセットが部分フライトルートの各々に対して格納されるように、チケットデータ内に既に格納され得る。このことが当て嵌まらない場合には、複数の部分ルートを伴うフライト接続に対するエアラインチケットのチケットデータは、チケットデータをフライトスケジュール情報と組み合わせる前、若しくは最中に、部分ルートチケットデータに、即ち、複数のデータセットに分割される。各々は部分ルートの一つに関連する。例えば、チケット収益などの、全体のフライトルートに対して排他的に利用可能である値は、個別の部分フライトルートの長さに従って、個別の部分ルートチケットデータアイテムに、分類され得る。
フライトスケジュール情報は、チケットデータが関連する全てのフライトについての情報、即ち、エアラインにより同時期に実施されチケットデータも利用可能である、全てのフライトに関連するフライト情報を、含む。個別のフライト情報アイテムは、フライトルートについての情報だけでなく、(適切であれば日付も含む)出発時刻や到着時刻も含み、更には、用いられる航空機のタイプ、シートの全数、シートの全数のうちの様々な乗客クラスの部分としてのシート構成、及び/又は様々な乗客クラスの内の個々のシート全数などのシート構成を、含む。フライト情報はフライト番号も含み得る。フライトルートについての情報は、例えば、空港が夫々配置される大陸、地域及び/又は都市についての情報や、地理的位置データ等の、出発空港と到着空港についての地理情報を含み得る。フライトルートについての情報は、更に、ルートの長さ、及び/又は、出発空港と到着空港との間の大円距離についての情報を含み得る。
チケットデータをフライトスケジュール情報とリンクするために、チケットデータのデータセットに関連するフライトのフライト情報は、チケットデータの個別のデータセットに加えられる。フライトルート、出発時刻と到着時刻、及び/又はフライト番号は、個々でリンクするために用いられ得る。
チケットデータをフライトスケジュール情報とリンクするステップにより、各々の個別のチケット若しくは部分ルートチケットが、元のチケットデータ若しくは部分ルートチケットデータと対比して、個別のチケット若しくは部分ルートチケットが関連するフライトの実装に関する更なる情報を含む、チケットクーポンデータベースを結果的に生じる。この更なる情報は、特に、航空機のタイプ、シートの全数、及び/又は、個別のフライトが実行された航空機のシート構成を、含み得る。
次のステップでは、各々のフライトイベントに対する個別のチケットクーポンは、個別のチケット収益に従って所定の順序でチケットクーポンデータベース内にて分類されることが、保証される。特に、チケットクーポンは、昇順で若しくは降順で分類され得る。降順で分類する場合、個別のフライトイベントに対して、第1のチケットクーポンは最も高いチケット収益を伴うものであり、最後のチケットクーポンは最も低いチケット収益を伴うものである。昇順で分類する場合、個別のフライトイベントに対して、第1のチケットクーポンは最も低いチケット収益を伴うものであり、最後のチケットクーポンは最も高いチケット収益を伴うものである。
この文脈での「保証する」は、この方法のステップの終わりでは各々のフライトイベントに対するチケットクーポンが実際に所定の順序で分類されている、ということを意味する。このために、例えば、適切なチェックの範囲内で、フライトイベントに対するチケットクーポンが既に所望の順序を有するかどうかを検出することが可能である。これがそうでない場合にのみ、それに応じてチケットクーポンは再分類されてもよい。後続の可能な分類によるチェックの別途の策として、従前のチェック無しで分類アルゴリズムをチケットクーポンに適用することも可能であり、この場合、分類アルゴリズムは、チケットクーポンが完全に分類されたことが検出されれば、停止することが好ましい。チケットクーポンの順序をチェックし、チケットクーポンを所定の順序に分類する方法は、先行文献から周知である。(例えば、対応する前分類された初期のデータにより)チケットクーポンが既に適宜分類されていることが別の理由のため想定され得るならば、所望の順序を保証する方法のステップのための別途のアクションは必要とは限らない。
各々のフライトイベントに対する収益は、分類されたチケットクーポンに従ってシリアル乗客コード番号の関数として、続いて決定される。決定される収益は、特に、平均収益でも累積収益でもよい。
「平均収益」は、第1のチケットクーポンから開始してシリアル乗客コード番号までの、分類されたチケットクーポンのチケット収益の合計に基づいて「シリアル乗客コード番号の関数として」累積され得、シリアル乗客コード番号により分割され得る。「シリアル乗客コード番号の関数としての累積収益」の決定はこれに対して基本的にアナログで発生するが、シリアル乗客コード番号による分割はここでは省かれる。
例示のために、分類されたチケットクーポンに基づく各々のフライトイベントの値テーブルの作成が、このステップで見られ得る。1から、実際にフライトイベントで輸送される乗客数まで推移する、乗客コード番号は、値テーブルの独立変数として機能する。平均若しくは累積収益は、(例えば、降順での最も高いチケット収益を伴うチケットクーポンの分類の場合には)第1のチケットクーポンから開始する、関数値として、シリアル乗客コード番号の関数として、表され、対応する収益は、第1のチケットクーポンから開始してシリアル乗客コード番号までの、分類されたチケットクーポンのチケット収益の合計により形成され得、平均収益の場合にはシリアル乗客コード番号により分割される。
平均収益は、それらに要求されるコンピュータ能力の観点にてリソースの点で経済的である、
a.シリアル乗客コード番号の関数として累積収益を決定するステップと、
b.関連するシリアル乗客コード番号により累積収益を分割するステップと
により、特に各々のフライトイベントに対して、シリアル乗客コード番号の関数として決定され得る。
a.シリアル乗客コード番号の関数として累積収益を決定するステップと、
b.関連するシリアル乗客コード番号により累積収益を分割するステップと
により、特に各々のフライトイベントに対して、シリアル乗客コード番号の関数として決定され得る。
累積収益を決定するために、降順で分類されるのが好ましいチケットクーポンのチケット収益は、第1のチケットクーポンから介して順次合計されるのが好ましく、ここで、合計されるチケットクーポンの個別の数は、シリアル乗客コード番号の累積収益に対応する。個別の累積収益は、平均収益を得るために、個々に関連するシリアル乗客コード番号により続いて分割され。
収益が各々のフライトイベントに対するシリアル乗客コード番号の関数として決定されると、関数Yi(X)は、続いて各々のフライトイベントに対して較正され得る。この関数では、インデクスiは個別のフライトイベントを意味し、シリアル乗客コード番号の、Xの関数としての収益を意味する。
対応して較正され得る関数は、少なくとも一つの所定の係数を伴う所定の関数である。各々の乗客コード番号Xに対して、決定された収益からの関数値Yiの偏差ができる限り小さくなるように、係数は選択され得る。関数Yi(X)の対応する係数は、本発明に関して関数Yi(X)の較正として示され、例えば、最小二乗平均法に従って、実行され得る。所定の係数は、「較正パラメータ」とも称される。言い得れば、関数Yi(X)の較正は、決定された収益からの関数値Yiの偏差ができる限り小さくなるように、決定された収益に基づいて、シリアル乗客コード番号の関数として実行される。
収益が実際に決定された、乗客コード番号Xに対する関数Yi(X)の範囲が単調に増加しても単調に減少しても、構わない。関数Yi(X)の較正パラメータの数は、10以下であるのが好ましく、5以下であるのがより好ましく、3以下であるのがより好ましい。対応する関数Yi(X)により、較正のための、適切には後続の、前述のようなクラスタへの組み合わせのための、リソースの支出は、減少され得る。
関数Yi(X)が、較正パラメータAiとmiを伴う関数
を含めば特に好ましい。この関数は、二つしか較正パラメータを有さないので、較正は、リソースの点にて特に経済的に実行され得る。同時に、この関数は通常、フライトイベントの累積若しくは平均収益を十分にマップすることが、明白となる。
各々のフライトイベントに対してリソースの観点にて経済的であるように、シリアル乗客コード番号の関数として、手順のステップで決定された収益を用いて、特定の線形の式が容易に較正され得、ここで最適化は、特に、線形の式の確度R2を最大化するという目的を有する。経験上、調査したフライトイベントの98%にて99%を超える確度R2が達成され得ることが示されている。
最終的な関数Yi(X)に拘わらず、較正の間に、収益の結果としてのプロファイルの所定の範囲にのみ基づいて、特に、最初の若しくは最後のシリアル乗客コード番号から開始するコヒーレント部分にのみ基づいて、較正が実行されるのであれば、特に好ましい。従って、較正のために必要であるコンピュータパワーが減少され得る結果として、比較的少数の値に基づいて、較正が実行され得る。較正のために用いられるシリアル乗客コード番号の部分は、好ましくは60〜80%であり、より好ましくは70%である。
チケットクーポンデータベースからの各々のフライトイベントに対する較正が完了すると、較正にて決定される(例えば、Biやmiの)値や、適宜には、個々の確度R2は、関連するフライト情報と共にバッファされ得る。例えば、対応する情報は、チケットデータ若しくはチケットクーポンデータベースと対比して、サイズ上非常により小さい第1の関数データベース内に格納され得る。よって、第1の関数データベースは、チケットデータ若しくはチケットクーポンデータベース内のチケット毎の一つのデータセットと対比して、各々のフライトイベントに対して一つのデータセットを正確に含む。
以下に示すような、後続の分析の、及びクラスタへの組み合わせの、可能性を更に大きく増加させるために、特定の決定された値だけでなく個別の乗客クラスの負荷に関する値が、フライトイベントに対して決定されるならば、好ましい。負荷の値はここでは、個別の乗客クラス内の乗客の絶対数として、又は、個別の乗客クラス内の占有シートの部分として、特定され得る。例えば、第1の関数データベース内で、バッファされるデータセットの数は、この結果として変化しないが、その代わりに様々なフライトイベントの数に対応し続ける。
個別のフライトイベントは、(例えば、Biやmiなどの)個々の較正値を用いて、フライト情報に基づいて割り当てられ得るクラスタに、続いて組み合わされる。「フライト情報に基づいて割り当てられ得るクラスタ」はこの文脈では、フライトイベントがそのフライト接続にのみ基づいて特定のクラスタに一意的に割り当てられ得るように個別のクラスタが定義される、ということを意味する。例えば、時期若しくは暦月、出発ポイント及び到着ポイント若しくは夫々の領域、(例えば、長距離、短距離、フィーダ便などの)フライトのタイプ、ルートの長さ、更に大円距離等に係る、フライト情報に基づいて、クラスタが形成され得る。
個別のフライトイベントのクラスタへの組み合わせに対して、フライト情報に関して明確に定義され得るフライトイベントのグループが(例えば、Biやmiなどの)十分に類似の較正値を有するかどうか、即ち、個別のフライトイベントの較正値が所定の範囲内のみで相互に逸脱するかどうか、チェックされ得る。このことが事実であれば、(例えば、
及び
などの)共通の較正値が、このクラスタの全てのフライトイベントに対して、決定され得る。フライトイベントは、一つのクラスタに組み合わされ得、その結果、個別の関数、若しくは、(例えば、
及び
などの)共通の較正値のみが、このクラスタの全てのフライトイベントに対して、格納されねばならない。例えば、平均値を形成することによって、(例えば、
及び
などの)共通の較正値が見出され得る。フライトイベントが任意の限定された値に割り当てられ得ないならば、(例えば、Biやmiなどの)従前に決定された個別の較正値が、対応するフライトイベントに対して保持され得る。
個別のクラスタに対する(例えば、
及び
などの)共通の較正値は、このクラスタへのフライトイベントの一意的な割り当てを可能にする情報と共に、格納され、クラスタへ割り当てられ得ないフライトイベントの(例えば、Biやmiなどの)個別の較正値は、関連するフライト情報と共に、例えば、第2の関数データベース内に、格納される。
本発明に係る方法による挑戦は、フライトイベントの個別の較正値(例えば、Biやmi)は、暦月の関数に加えて、例えば、領域及び領域の組み合わせに基づいて、クラスタ内へ組み合わされ得る(例えば、欧州内部でのハブへの、フィーダフライトとも称され得るフライトイベント、欧州と、例えば、北アメリカなどの、他の大陸の全体領域との間のフライトイベント)ということを示した。特に、特定の領域の若しくは領域間の、特定の暦月の(但し、数年にわたる)フライトイベントは、一つのクラスタ内にも組み合わされ得、ここで、このことは、例えば、コンペティションでの変化により経年的に変化した市場条件の場合でも基本的に可能である。同様に、フライトイベントは、用いられる航空機のシートの容量とは無関係に、クラスタ内に組み合わされ得ることも多い。
よって、(例えば、Biやmiなどの)較正値により決定され、クラスタ内へ組み合わされる関数の数は、元のチケットデータのデータセットの数と対比して、少なくとも一桁だけ、一般には更に数桁だけ、より小さい。しかしながら、決定される関数は同時に、先行技術とは対照的に、静的特徴値であるだけでなく、仮に実行されるとしたら高いコンピュータ容量でのみ、エアライン乗客チケット大量データストックに基づいて先行技術にて実行され得る拡張分析を可能にする。本発明に従って決定される較正値に基づく分析は、一方で、比較上、非常に小さいパワーであるコンピュータによっても、実行され得る。
勿論、元のチケットデータに関する簡素化及び逸脱は、本発明に係る較正及びクラスタ内への組み合わせにより生じるのであるが、しかしながら、対応する不正確さは、無視できる程のものであり、特に、本発明に係る方法によって最初に可能になる分析可能性により、より多く埋め合わされる、ということが確認により示された。
前述の、個別のクラスタ内への組み合わせにより、多数のフライトイベントを組み合わせることは既に可能であるにせよ、このことは、可能では無いことも多く、即ち、例えば、「ファースト」、「ビジネス」及び「エコノミ」などの種々の予約クラスでの乗客の大きく異なる分布を伴う、フライトイベントの場合における、深刻な不正確性を受け容れることによってのみ、可能である。この文脈においては、個々に用いられる航空機の様々なシート構成により、又は、予約の変動により、種々の予約クラス内への乗客の様々な分布が発生するかどうかは、無意味である。
一つの好適な展開では、自由に予め規定される乗客の固定数内での、「通常運賃乗客」と称される、(例えば、「ファースト」や「ビジネス」などの)比較的高い予約クラスの乗客の部分と、シリアル乗客コード番号の関数としての収益との間には、関係があり、この関係は線形である、ということが本発明にて認識されている。従って、フライト情報に基づいて割り当てられ得る、クラスタ内への個別のフライトイベントの組み合わせにて、この線形関係を考慮に入れることは好ましい。結果として、フライトイベントの全てをマッピングするのに要求されるクラスタの数は、更に減少され得、更なる処理のためのコンピュータ容量の観点での要件は更に減少され得る。
対応する組み合わせを実行可能にするために、個別の乗客クラスの負荷に関する情報が、各々のフライトイベントに対して利用可能になることが必要である。しかしながら、対応する情報は、例えば、第1の関数データベース内にて即座に決定されて格納され得る(前述参照)。
個別の乗客クラスの様々な負荷を伴うフライトイベントを、フライト情報に基づいて割り当てられ得るクラスタ内に組み合わせるステップが、
a.所定の乗客コード番号a、b、・・・に対する線形の式に基づいて勾配ja、jb、・・・を決定するステップであって、
該線形の式は、標準運賃乗客の数n若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分と、所定の乗客コード番号a、b、・・・に対して組み合わされるフライトイベントの収益との間の関係を表し、
所定の乗客コード番号a、b、・・・に対する収益は、個別のフライトイベントに対して関数Yi(X)を解くことにより、標準運賃乗客の数nの又は自由に予め規定される乗客の固定数内の標準運賃乗客の部分の、関数として決定され、
所定の乗客コード番号a、b、・・・の数、及び線形の式の数は、各々の場合にて関数Yi(X)の較正パラメータに対応する、ステップと、
b.標準運賃乗客の所定の数n、若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分に対して、共通の較正値を決定するステップと
を含む。
a.所定の乗客コード番号a、b、・・・に対する線形の式に基づいて勾配ja、jb、・・・を決定するステップであって、
該線形の式は、標準運賃乗客の数n若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分と、所定の乗客コード番号a、b、・・・に対して組み合わされるフライトイベントの収益との間の関係を表し、
所定の乗客コード番号a、b、・・・に対する収益は、個別のフライトイベントに対して関数Yi(X)を解くことにより、標準運賃乗客の数nの又は自由に予め規定される乗客の固定数内の標準運賃乗客の部分の、関数として決定され、
所定の乗客コード番号a、b、・・・の数、及び線形の式の数は、各々の場合にて関数Yi(X)の較正パラメータに対応する、ステップと、
b.標準運賃乗客の所定の数n、若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分に対して、共通の較正値を決定するステップと
を含む。
フライト情報に基づいて割り当てられ得る、個別の乗客クラスの様々な負荷を伴うフライトイベントのクラスタ内への組み合わせに対して、関連するフライトイベントのための関数Yi(X)は従って、所定の乗客コード番号a、b・・・に対して最初に各々解かれ、処理にて達成される結果(即ち所謂、収益)は、個々のフライトイベントの、標準運賃乗客の数nの、若しくは、自由に予め規定される乗客の固定数内の標準運賃乗客の部分の、関数として決定される。所定の乗客コード番号a、b・・・に対して、標準運賃乗客の数n及び自由に予め規定される乗客の固定数内の標準運賃乗客の部分と、所定の乗客コード番号a、bとの間の関係を表す、線形の式が夫々に決定され得る。直線の勾配ja、jb・・・は、線形の式に基づいて決定され得る。勾配ja、jb・・・は、例えば、第2の関数データベース内に、例えば、対応するクラスタに対する関数として、格納され得る。直線の勾配ja、jb・・・が、自由に予め規定される乗客の固定数内の標準運賃乗客の部分に基づいて決定されるならば、勾配ja、jb・・・は同一であってもよい。
(例えば、
及び
などの)共通の較正値は、クラスタの特定のフライトイベントの(例えば、Biやmiなどの)較正パラメータと同一であってもよい。標準運賃乗客の関連する数
は、続いて、対応するフライトイベントの標準運賃乗客の数njと対応する。しかしながら、適切であれば、平均値などを形成することも可能である。
(例えば、
及び
などの)共通の較正値だけではなく、前述の勾配ja、jb・・・及び、標準運賃乗客の関連する数
若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分が、クラスタに対して利用可能であるならば、個別のフライトイベントに対する(例えば、Biやmiなどの)較正パラメータは、既知の乗客コード番号a、b・・・に対する勾配ja、jb・・・を用いて、標準運賃乗客の所定数
若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分からの、偏差の関数として、調整され得、このとき、結果としての関数は、個別のフライトイベントを十分正確に表すこととなる。
対応するクラスタからの標準運賃乗客の既知の数niを伴う任意の所望のフライトに対しては、以下の式に基づいて、このフライトイベントの個別の関数Yi若しくは関数の較正パラメータBi及びmiを決定することが即座に可能である。
このことは、フライト情報の共通の特徴により、フライト情報に基づいて割り当てられ得るクラスタ内に基本的に組み合わされ得るフライトイベントでも、大きく異なる較正パラメータにもかかわらず、標準運賃乗客の異なる数、若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の割合により、一つのクラスタ内にも実際に組み合わされ得ることを、許容する。
標準運賃乗客の数の、若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分の、平均値が、クラスタのフライトイベントの全てに対して決定されるのであれば好ましい。個々の直線からの、標準運賃乗客の数の、若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分の、標準偏差も、決定され得るのが好ましい。
フライトイベントの、対応して拡張された組み合わせが可能であるので、初期のチケットデータに従ってフライトイベントの全てをマップするのに要求されるクラスタの数は低下する。それに応じて、例えば、第2の関数データベース内に格納されるべき、個別のクラスタに関する情報を含む、データセットの数は低下する。第1の方法のステップからの概略1260万のチケットデータアイテム(セット)と対比して、データセットの数は概略2000にまで減少し得ることが、確認により示された。しかしながら、ここで先行技術とは対照的に、結果としてのデータセットは、静的キーフィギュアに限定されず、その代わりに、フライト情報に基づいて組み合わされ得る複数のフライトイベントについての、また個別のフライトイベントについての、詳細な分析を十分な正確性により実行する可能性を提供する。比較的少数のデータセットにより、ここではそれ程パワーの無いコンピュータを用いて対応する分析も実行され得る。対応する分析は仮にも先行技術にて可能であったが、先行技術に見られる非常に大量数の元のチケットデータを取り扱うだけでも、対応する分析は非常にパワーのあるコンピュータ及び膨大な時間の消費を要求するものであった。
例えば、あるルート若しくは種々のシート構成で用いられる航空機モデルの航空機サイズの変更さえも前もって予想され推定され得る、という点において、フライト情報に基づいて割り当てられ得る、フライトイベントのクラスタ内への、前述の拡張された組み合わせの結果として、更なる副次的効果が生じる。このように要求される情報は、航空隊プラニング若しくはエアラインによるフライトスケジュールの作成において、及び航空機製造者による航空機の新しいデザインにおいても、考慮され得る。
本発明に係る方法により、特に、標準運賃乗客による(例えば、「ファースト」や「ビジネス」などの)比較的高い予約クラスについての、最良の負荷が、航空隊プラニングにて及び新しい航空機のデザインにて保証され得ることとなる。比較的高い予約クラスが継続して用いられず航空機内で空虚重量として常時運ばれなければならない、というシートに関するリスクを大きく減少させることが、このことにより可能となる。そのリスクは最終的には変量の消費を不必要にも増大させてしまうものである。
フライト情報に基づいて割り当てられ得るクラスタ内への標準運賃乗客のためのシートの最適数、即ち、最適負荷を保証する数は、標準運賃乗客の若しくは自由に予め規定されるクラスタの乗客の固定数内の標準運賃乗客の部分の、平均数と、標準運賃乗客の若しくは自由に予め規定される同じクラスタの乗客の固定数内の標準運賃乗客の部分の、数の標準偏差の2倍とを加えることにより、決定されるのが好ましい。シートの最適数がこのように標準運賃乗客のために決定され、クラスタ内の対応するシートの負荷は最適化され得、その結果として、クラスタに割り当てられ得るフライトイベント内で運ばれるべき空虚重量は全体で最小となり、それと対応して燃料の節約が達成され得る。シートの負荷を最適化してそれにより最終的に燃料消費を継続して減少させる方法は、所与の状況の下で、独立の保護に値する。
本発明に係るコンピュータプログラムは、本発明に係る方法を実行するように機能する。従って、前述の記載を参照する。コンピュータプログラムは、ディスケット、DVD(デジタルバーサタイルディスク)、CD(コンパクトディスク)、メモリスティック、又は任意の他の所望の格納媒体の形式内に存在し得る。
添付の図面を参照し更に有利な例示の実施形態に基づいて、以下本発明を説明する。
図1は、本発明に係る方法100の概略図である。第1のステップ101では、第1のデータメモリ1に格納されるチケットデータと、第2のデータメモリ2に格納されるフライトスケジュールデータとが組み合わされてチケットクーポンデータベース13を形成し、第2のデータメモリ3内に格納される。
図2は、チケットクーポンデータベース13からの詳細を示す。各々の個別のチケットクーポン23に対して、以下に関する情報を含む独立のデータセットがある。
−フライトイベントの日付
−フライト番号
−出発点
−出発時刻
−到着点
−到着時刻
−チケットクーポンに対するチケット収益30
−乗客クラス
−フライトが実際に行われた航空機のタイプ
−フライトが実際に行われた航空機内のシートの数
−フライトが実際に行われた航空機のシート構成
−フライトイベントの日付
−フライト番号
−出発点
−出発時刻
−到着点
−到着時刻
−チケットクーポンに対するチケット収益30
−乗客クラス
−フライトが実際に行われた航空機のタイプ
−フライトが実際に行われた航空機内のシートの数
−フライトが実際に行われた航空機のシート構成
「フライトイベントの日付」、「フライト番号」、「出発点」、「出発時刻」、「到着点」及び「到着時刻」の情報は、チケットデータとフライトスケジュール情報との両方に含まれ、フライトスケジュール情報をチケットデータと一意的にリンクするのに用いられる。チケットクーポンデータベース13の「チケット収益」と「乗客クラス」の情報は、チケットデータから生じるものであり、該チケットクーポンデータベース13は、フライトスケジュール情報からの「航空機のタイプ」、「シートの数」及び「シート構成」についての情報を含む。
チケットクーポンデータベース13は、個別のフライトルートを排他的に含む。チケットデータからのチケットチケットデータからのチケットが複数のルートを含むならば、対応するチケットは、複数のチケットクーポン23に分割され、結果的に独立のチケットクーポン23が個々の部分的ルートで利用可能となる。例示の例では、チケットクーポン23’と23”は、チケットデータベースから、全体フライトルート(旅程)、ハンブルグ(HAM)−ニューヨーク、ジョンFケネディ空港(JFK)、フランクフルトでのトランスファを伴うもの、に対する、一枚のチケットの二つの部分的ルートを形成する。
以下のステップ102では、チケットクーポンデータベース13内の各々個別のフライトイベントのチケットクーポン23が、所定の基準に従って、特に、対応するフライトイベントに対する各々のチケットクーポン23のチケット収益に従う降順で、分類されることが、保証される。例示の例では、個別のフライトイベントのチケットクーポン23は、このために、分類アルゴリズムに、例えば、チケットクーポン23を対応して分類するバブル分類アルゴリズムに、供給される。チケットクーポン23が正しい順序で表れると直ぐに、分類アルゴリズムは停止する。フライトイベントに対するチケットデータ23が分類アルゴリズムに供給されるときに、フライトイベントに対するチケットデータ23が既に分類されていると、分類アルゴリズムは、シングルパスの後、停止する。
図3は、例内にて、個別のフライトイベントに対し、シリアル乗客コード番号31に対してプロットされた、分類されたチケットクーポン23のチケット収益30を示し、乗客コード番号31は、個別のフライトイベントに対し、1からチケットクーポン23の数まで、連続する。
ステップ103では、各々のフライトイベントに対する平均収益32が、シリアル乗客コード番号31の関数として決定される。この目的のために、中間のステップでは、分類されたチケットクーポン23のチケット収益30が第1のチケットクーポンから開始する順序で加算され、シリアル乗客コード番号31に対応する加算されたチケットクーポン23の数に従って決定される、という点にて、累積収益33がシリアル乗客コード番号31の関数として先ず計算される。図3からの、フライトイベントに対するこの中間のステップの結果は、図4にて示される。
続いて、シリアル乗客コード番号31の関数として平均収益32を得るために、個別の累積収益33は、個々の関連するシリアル乗客コード番号31により分割される。図3及び図4からのフライトイベントに対する平均収益32は、図5の例に示される。
図5の例に示す平均収益32に基づいて、ステップ104にて、関数
が、各々のフライトイベントに対して、シリアル乗客コード番号31の関数として較正される。この関数では、インデクスiは、個々の個別のフライトイベントを意味し、Yiは、平均収益を意味し、Xはシリアル乗客コード番号を意味する。較正のために、関数の較正パラメータAi及びmiは、各々のフライトイベントに対するシリアル乗客コード番号31の関数として先行のステップ103で決定される平均収益32からの偏差ができる限り小さくなるように、最適化される。較正は、シリアル乗客コード番号31の70%にのみ基づいて実行され、特に、70%は最も高い乗客コード番号31により実行される。対応する位置は、図5の領域34として示される。
最後の線形の式は、容易に、且つ、シリアル乗客コード番号31の関数として先行のステップにて決定された平均収益32を用いて個々のフライトイベントに対してリソースの観点から経済的に、構成され得る。このとき、最適化は、特に、線形の式の確度R2を最大限にするということを、目的とし得る。パラメータAiは以下の式から得られる。
チケットデータがデータベース1内に存在する、個々のフライトイベントに対して対応して較正される関数は、それらの較正パラメータBi及びmiの形式で第1の関数データベース4に格納される。較正パラメータBi及びmiに加えて、個々のフライトイベントに関連するフライト情報も、第1の関数データベース4に格納される。クラスに従って分割される乗客の数も、第1の関数データベース4に格納される。対応する第1の関数データベースからの詳細は、図6の例に示される。
各々のフライトイベントに対する一つのみのデータセットが、第1の関数データベース4にて各々のフライトイベントに対して格納されるのであるから、このデータベースのデータセットの数は、各々の個別のフライトイベントの各々の個別のチケットに対する、チケットデータ及びチケットクーポンデータ13に関して、データベース1及び3と比較して、既に有意に削減されている。
更なるステップ105にて、第1の関数データベース4からの個別のデータセットは、フライト情報に基づいて割り当てられ得る個別のクラスタに、組み合わされる。従って、例えば、フランクフルト(FRA)と、北アメリカ、即ち、ジョンエフケネディ(JFK)とニューアーク(EWR)の二つのニューヨークの空港と間の、図6にて示されるフライトは、フランクフルトと北アメリカ若しくはニューヨークとの間の、全てのフライトに対して有効であるクラスタを形成するように、組み合わされ得る。クラスタは、1年の1月でのフライトにも限定され得る。
図6に示されるフランクフルトと北アメリカとの間のフライトに加えて、勿論、第1の関数データベース4は、特定のクラスタ「1月のフランクフルト−ニューヨーク」(若しくは「1月のフランクフルト−北アメリカ」)と関連する、多数の更なるフライトも含む。しかしながら、航空機サイズ若しくはシート構成は、示される例でのクラスタの形成のための基準ではない。
クラスタの対応するフライトイベントの組み合わせのために、個別の較正パラメータBi及びmi並びに前述の関数を用いて二人の所定の乗客に対して、平均収益が先ず計算される。図7では、乗客コード番号a=150及びb=300に対してこのように計算される、平均収益が示され、平均収益は、個別に対応するフライトイベントに対し、標準運賃乗客の、即ち、予約クラス「ファースト」及び「ビジネス」の乗客の、数に対してプロットして示される。標準運賃乗客の数は、第1の関数データベース4から抽出され得る(図6、「乗客の数」参照)。
所定の乗客コード番号a、bの各々に対して、各々の場合、個々の勾配ja、jbを伴う直線36、37が概算され得る。更に、このステップでは、標準運賃乗客の関連する数
に加えて、共通の較正パラメータ
及び
が決定される。これらの値は、例えば、クラスタの特定のフライトイベントの、較正パラメータ及び標準運賃乗客の数であればよい。
更に、運搬される標準運賃乗客の数の平均値及び標準偏差は、個々のクラスタのフライトイベントに対して決定され得る。対応する情報は、図8の例に示すような、第2の関数データベース5に格納され得る。
共通の較正値
及び
と関連する情報に基づいて、クラスタに対して、関連する標準運賃乗客の数
及び勾配ja、jb、個別の較正パラメータBi及びmiが、特に、個別のフライトイベントの標準運賃乗客の数の関数として、このクラスタからの個別のフライトイベントに対して決定され得る。
対応するクラスタからの周知の標準運賃乗客の数を伴う任意の所望のフライトに対して、以下の式に基づいて、このフライトイベントの個別の関数Yi若しくは較正パラメータBi及びmiを決定することが即座に可能である。
図9は、特定のフライトイベントに対する個別の較正パラメータBi及びmiを決定するためのこの手続の更なるグラフ図である。二つの所定の乗客コード番号a=150及びb=300に対する勾配ja、jbに基づいて、処理で変更され且つ個別のフライトイベントの標準運賃乗客の実際数に依存する共通の較正値
及び
、関数(Yi)の「シフト」並びに較正パラメータBi、miにより、周知の関数
からの偏差をこれらの二つの乗客コード番号a、bに対して決定することが、可能である。
上述の組み合わせの結果として、第1の関数データベース4と対比して第2の関数データベース5のデータセットの数を更に減少させることが可能である。
結果として、本発明に係る方法は、十分な正確性と共に第1のチケットデータに含まれる全てのフライトイベントをマップし得るが、これに対して数オーダの規模でより少ない数のデータセットを受信する、第2の関数データベース5を提供する。このようにサイズが十分に小さくなることにより、第2の関数データベース5はエネルギ消費が少ないコンピュータとしても評価され得る。先行技術では可能ではなかった更なる思いがけない効果は、このように決定される第2の関数データベース5に基づいて情報を導出して予測を行うことも可能であるということである。
Claims (17)
- エアライン乗客チケット大量データストックを分析する方法であって、
a.各々のフライトイベントに対する、チケットクーポンデータ(23)を含むデータベース(13)を形成するために、チケットデータをフライトスケジュール情報とリンクするステップと、
b.個別のチケットクーポン収益に従って所定の順序で、各々のフライトイベントに対する個別のチケットクーポン(23)が分類されることを、保証するステップと、
c.分類されたチケットクーポン(23)に従ってシリアル乗客コード番号(31)の数の関数として、各々のフライトイベントに対する収益(32,33)を決定するステップと、
d.各々の個別のフライトイベントiに対する、関数Yi(X)の較正パラメータを決定するステップであって、Yiは収益を意味し、Xはシリアル乗客コード番号を意味し、並びに、決定された収益からの関数値Yiの偏差ができる限り小さくなるように、関数Yi(X)の較正が、決定された収益(32、33)に基づいてシリアル乗客コード番号(31)の関数として実行される、ステップと、
e.複数の較正された関数を、フライト情報に基づいて割り当てられ得るクラスタ内に組み合わせるステップと
を含む、方法。 - 個別のチケットクーポン収益に従って降順で若しくは昇順で、各々のフライトイベントに対する個別のチケットクーポン(23)が分類されることが保証される、
請求項1に記載の方法。 - 決定される収益が、累積若しくは平均収益である、
請求項1又は2に記載の方法。 - 収益が決定された、乗客コード番号Xに対する関数の範囲Yi(X)は、単調増加若しくは単調減少である、請求項1〜3のうちのいずれか一に記載の方法。
- 関数Yi(X)の較正パラメータの数が、10以下、好ましくは5以下、更に好ましくは3以下である、
請求項1〜4のうちいずれか一に記載の方法。 - 関数Yi(X)がYi(X)=Ai×Xmiであり、較正パラメータAi及びmiを伴う、
請求項1〜5のうちのいずれか一に記載の方法。 - チケットデータをフライトスケジュール情報とリンクするステップの前又は間に、複数の部分的ルートを伴うフライト接続のためのチケットデータは、複数の部分的ルートチケットデータに分割され、各々は部分的ルートの一つと関連する、
請求項1に記載の方法。 - チケットクーポン(23)の所定の順序を保証するために、分類処理が完了したと検出されると停止することが好ましい分類アルゴリズムが適用される、請求項1〜7のうちのいずれか一に記載の方法。
- 平均収益(32)は、
a.シリアル乗客コード番号(31)の関数として累積収益(33)を決定するステップと、
b.関連するシリアル乗客コード番号(31)により累積収益(33)を分割するステップと
により、シリアル乗客コード番号(31)の関数として決定される、請求項3〜8のうちのいずれか一に記載の方法。 - 関数Yi(X)=Ai×Xmiが、較正のために対数関数化される、請求項6〜10のうちのいずれか一に記載の方法。
- 較正が、収益(32、33)についての結果としてのプロファイルの所定範囲にのみ基づいて、好ましくはシリアル乗客コード番号(31)のコヒーレント部分(34)に基づいて、実行され、較正のために用いるべきシリアル乗客コード番号(31)の部分(34)は好ましくは60〜80%であり、更に好ましくは70%である、
請求項1〜10のうちのいずれか一に記載の方法。 - 個別の乗客クラスの負荷に関する値は、各々のフライトイベントに対して決定される、請求項1〜11のうちのいずれか一に記載の方法。
- 個別のフライトイベントをクラスタに組み合わせるために、フライト情報の観点にて明確に定義されるフライトイベントのグループが十分に類似の較正値を有するかどうかチェックされ、もし有するならば、共通の較正値がこのクラスタの全てのフライトイベントに対して決定される、請求項1〜12のうちのいずれか一に記載の方法。
- 個別の乗客クラスの様々な負荷を伴うフライトイベントを、フライト情報に基づいて割り当てられ得るクラスタ内に組み合わせるステップが、
a.所定の乗客コード番号a、b、・・・に対する線形の式に基づいて勾配ja、jb、・・・を決定するステップであって、
該線形の式は、標準運賃乗客の数n若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分と、所定の乗客コード番号a、b、・・・に対して組み合わされるフライトイベントの収益との間の関係を表し、
所定の乗客コード番号a、b、・・・に対する収益は、個別のフライトイベントに対して関数Yi(X)を解くことにより、標準運賃乗客の数nの又は自由に予め規定される乗客の固定数内の標準運賃乗客の部分の、関数として決定され、
所定の乗客コード番号a、b、・・・の数、及び線形の式の数は、各々の場合にて関数Yi(X)の較正パラメータに対応する、ステップと、
b.標準運賃乗客の所定の数n、若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分に対して、共通の較正値を決定するステップと
を含む、請求項1〜13のうちのいずれか一に記載の方法。 - 標準運賃乗客の数の、若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分の、平均値及び好ましくは標準偏差は、クラスタの全てのフライトイベントに対して決定される、請求項1〜14のうちのいずれか一に記載の方法。
- クラスタ内の標準運賃乗客のためのシートの最適数は、クラスタの、標準運賃乗客若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分の、平均数と、同じくラスタの、標準運賃乗客若しくは自由に予め規定される乗客の固定数内の標準運賃乗客の部分の、数の標準偏差の2倍とを、加算することにより、決定される、請求項15に記載の方法。
- 請求項1〜16のうちのいずれか一に記載の方法を実行するためのコンピュータプログラム。
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 |
---|---|
JP2017513145A true JP2017513145A (ja) | 2017-05-25 |
Family
ID=50473055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016560789A Pending JP2017513145A (ja) | 2014-04-02 | 2014-11-26 | エアライン乗客チケット大量データストックを分析する方法及びコンピュータプログラム |
Country Status (10)
Country | Link |
---|---|
US (1) | US20150286962A1 (ja) |
EP (1) | EP2927849A1 (ja) |
JP (1) | JP2017513145A (ja) |
CN (1) | CN106471528A (ja) |
BR (1) | BR112016021291A2 (ja) |
CA (1) | CA2943829A1 (ja) |
CL (1) | CL2016002429A1 (ja) |
RU (1) | RU2016141978A (ja) |
SG (1) | SG11201607949SA (ja) |
WO (1) | WO2015149884A1 (ja) |
Families Citing this family (4)
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 |
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 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09330442A (ja) * | 1996-06-11 | 1997-12-22 | Toshiba Corp | バスダイヤ作成方法及び装置 |
JP2009527857A (ja) * | 2006-02-21 | 2009-07-30 | ダイナミック インテリジェンス インコーポレイテッド | 輸送スケジューリングシステム |
JP2010527083A (ja) * | 2007-05-16 | 2010-08-05 | アマデウス エス.エイ.エス | 乗客予約記録と対応する電子チケットとが一致する旅行データを自動的に保存するための方法およびシステム |
US20130103434A1 (en) * | 2011-10-24 | 2013-04-25 | Amadeus | Global Maximization of Time Limit Revenues by a Travel Provider |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100312587A1 (en) * | 2007-06-01 | 2010-12-09 | Tickets.Com, Inc. | Computer implemented method for managing electronic ticket requests |
-
2014
- 2014-04-02 EP EP14163109.3A patent/EP2927849A1/de not_active Withdrawn
- 2014-11-26 WO PCT/EP2014/075662 patent/WO2015149884A1/de active Application Filing
- 2014-11-26 SG SG11201607949SA patent/SG11201607949SA/en unknown
- 2014-11-26 CA CA2943829A patent/CA2943829A1/en not_active Abandoned
- 2014-11-26 CN CN201480077786.5A patent/CN106471528A/zh active Pending
- 2014-11-26 RU RU2016141978A patent/RU2016141978A/ru not_active Application Discontinuation
- 2014-11-26 BR BR112016021291A patent/BR112016021291A2/pt not_active IP Right Cessation
- 2014-11-26 JP JP2016560789A patent/JP2017513145A/ja active Pending
- 2014-12-03 US US14/558,749 patent/US20150286962A1/en not_active Abandoned
-
2016
- 2016-09-27 CL CL2016002429A patent/CL2016002429A1/es unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09330442A (ja) * | 1996-06-11 | 1997-12-22 | Toshiba Corp | バスダイヤ作成方法及び装置 |
JP2009527857A (ja) * | 2006-02-21 | 2009-07-30 | ダイナミック インテリジェンス インコーポレイテッド | 輸送スケジューリングシステム |
JP2010527083A (ja) * | 2007-05-16 | 2010-08-05 | アマデウス エス.エイ.エス | 乗客予約記録と対応する電子チケットとが一致する旅行データを自動的に保存するための方法およびシステム |
US20130103434A1 (en) * | 2011-10-24 | 2013-04-25 | Amadeus | Global Maximization of Time Limit Revenues by a Travel Provider |
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 |
CL2016002429A1 (es) | 2017-02-24 |
CN106471528A (zh) | 2017-03-01 |
RU2016141978A3 (ja) | 2018-08-17 |
RU2016141978A (ru) | 2018-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Belobaba et al. | The global airline industry | |
Chung et al. | Cascading delay risk of airline workforce deployments with crew pairing and schedule optimization | |
Cadarso et al. | Integrated airline scheduling: Considering competition effects and the entry of the high speed rail | |
Antonio et al. | Predicting hotel bookings cancellation with a machine learning classification model | |
JP2017513145A (ja) | エアライン乗客チケット大量データストックを分析する方法及びコンピュータプログラム | |
Mattock et al. | Retaining US Air Force pilots when the civilian demand for pilots is growing | |
Ma et al. | Low-carbon airline fleet assignment: A compromise approach | |
Serrano-Hernandez et al. | A Strategic Multistage Tactical Two-Stage Stochastic Optimization Model for the Airline Fleet Management Problem. | |
Govindaraju et al. | Profit motivated airline fleet allocation and concurrent aircraft design for multiple airlines | |
Barth et al. | Baggage carousel assignment at airports: Model and case study | |
Boranbayev et al. | Modeling dependence between air transportation and economic development of countries | |
Gorin et al. | Incorporating cancel and rebook behavior in revenue management optimization | |
Ahmed et al. | An overview of the issues in the airline industry and the role of optimization models and algorithms | |
Somboon et al. | Applied two-class overbooking model in thailand's passenger airline data | |
Kepir et al. | Flight-scheduling optimization and automation for AnadoluJet | |
Balaiyan et al. | Joint forecasting for airline pricing and revenue management | |
WO2013114883A1 (ja) | フライトプラン作成装置 | |
Ussinova et al. | An analysis of the impact of larger aircraft (A-380) on flight frequency | |
Singhaseni et al. | Modeling overbookings on air cargo transportation | |
Rodríguez-Sanz et al. | An empirical evaluation of airport capacity and demand: insights regarding air traffic design hours and delay | |
Barth et al. | Optimization of transfer baggage handling in a major transit airport | |
Bas et al. | Examining the impact of cargo and ancillary revenues on net profit for full service carrier airlines | |
Albayati et al. | System Dynamic Model for Simulating Aviation Demand: Baghdad International Airport as a Case Study. | |
US20230125533A1 (en) | System and method for dynamically enhancing a pricing database based on external information | |
JP6735875B1 (ja) | 予約数予測装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171027 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180810 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180821 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190402 |