TWI517059B - 抽樣最佳營收之交通事業訂位決策方法 - Google Patents

抽樣最佳營收之交通事業訂位決策方法 Download PDF

Info

Publication number
TWI517059B
TWI517059B TW102137098A TW102137098A TWI517059B TW I517059 B TWI517059 B TW I517059B TW 102137098 A TW102137098 A TW 102137098A TW 102137098 A TW102137098 A TW 102137098A TW I517059 B TWI517059 B TW I517059B
Authority
TW
Taiwan
Prior art keywords
processor module
booking
seat
booking request
service
Prior art date
Application number
TW102137098A
Other languages
English (en)
Other versions
TW201514872A (zh
Inventor
洪一峯
倪偉珊
Original Assignee
國立清華大學
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 國立清華大學 filed Critical 國立清華大學
Priority to TW102137098A priority Critical patent/TWI517059B/zh
Priority to US14/226,551 priority patent/US20150106135A1/en
Publication of TW201514872A publication Critical patent/TW201514872A/zh
Application granted granted Critical
Publication of TWI517059B publication Critical patent/TWI517059B/zh

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

抽樣最佳營收之交通事業訂位決策方法
本發明係關於座位預訂技術領域，尤指一種抽樣最佳營收之交通事業訂位決策方法。
交通運輸行業(例如：航空、鐵路、巴士公司等)是一個容量受限的服務行業、且其目標係為最大化營收或利潤。在兩點之間的計劃服務旅程(scheduled service route)之預訂時間區間(booking horizon)係為現行時間直到出發的時間間隔。在兩點之間的計劃服務旅程之客戶預訂係在預訂時間期限之內隨機到達。在預訂時客戶將會指定：所需的服務旅程、出發時間以及座位數。交通運輸設備上可用的座位是有限的，對交通運輸公司當務之急是，當客戶的預訂請求到達時，對客戶的預訂請求是否接受或拒絕做出即時反應。交通運輸公司可以拒絕較低價格的訂票請求，並為未來願意支付更高價格的客戶保存席位。然而，當沒有願意支付更高價格的客戶出現，拒絕可能會導致當運輸工具離站時仍有空 座，從而座位浪費且未能產生收益。因此，習知座位預訂方法實仍有改善的空間。
本發明之目的主要係在提供一種抽樣最佳營收之交通事業訂位決策方法，可運用於交通運輸公司的座位訂票之應用，而可即時決定是否接受或拒絕一訂票請求(booking request)，其具備良好之預估性質，而能最大化公司的利潤。
依據本發明之一特色，本發明提出一種抽樣最佳營收之交通事業訂位決策方法，其係執行於一電腦系統以運用於一交通運輸公司，依據一邊際利潤(marginal profit)決定是否接受或拒絕一現行到達訂票請求(current arrival booking request)，該電腦系統包括一輸入模組、一資料庫模組、一輸出模組、及一處理器模組，該輸入模組接收該到現行達訂票請求(current arrival booking request)，該資料庫模組以儲存相關資料，該處理器模組耦合至該輸入模組、該資料庫模組、該輸出模組，以執行抽樣最佳營收方法之交通事業訂位策略，並輸出至該輸出模組，該抽樣最佳營收之交通事業訂位決策方法包含：(A)該處理器模組初始化一取樣情景編碼(sample scenario index)(y=1)；(B)該處理器模組依據該取樣情景編碼產生隨機取樣(random sample)；(C)在拒絕該現行到達訂票請求的條件下，該處理器模組產生一第一最佳收益(an optimal revenue under the condition of rejecting the current arrival booking request)ry，及在接受該現行到達訂票請求的條件下，該處理器模組產生一第二最佳的收益(an optimal revenue under the condition of accepting the current arrival booking request)；(D)該處理器模組判斷該取樣情景編碼(sample scenario index)是否小於一取樣情景總數(total number of sample scenarios,Y)，若是，將該取樣情景編碼加1，並從步驟(B)繼續執行；(E)於步驟(D)中，若該處理器模組判定該取樣情景編碼(sample scenario index)非小於該取樣情景總數(total number of sample scenarios)，計算該第一最佳收益ry的第一平均收益、及該第二最佳收益的第二平均收益，依據該第一平均收益及該第二平均收益，計算該邊際利潤(marginal profit)；(F)該處理器模組判斷一價格是否大於或等於該邊際利潤(marginal profit)，若是，該處理器模組接受該現行到達訂票請求(current arrival booking request)，若否，該處理器模組拒絕該現行到達訂票請求(current arrival booking request)。
依據本發明之另一特色，本發明提出一種抽樣 最佳營收之交通事業訂位決策方法，其係執行於一電腦系統以運用於一交通運輸公司，該電腦系統包括一輸入模組、一資料庫模組、一輸出模組、及一處理器模組，該輸入模組接收該到達訂票請求(arrival booking request)，該資料庫模組以儲存相關資料，該處理器模組耦合至該輸入模組、該資料庫模組、該輸出模組，以執行抽樣最佳營收方法之 交通事業訂位策略，並輸出至該輸出模組，該抽樣最佳營收之交通事業訂位決策方法包含：(A)該處理器模組初始化一服務旅程編碼(service route)u；(B)該處理器模組初始化一座位等級編碼(seat class)j；(C)該處理器模組初始化一取樣情景編碼(sample scenario index)(y=1)；(D)該處理器模組依據該取樣情景編碼產生隨機取樣(random sample)；(E)在拒絕的訂票請求的條件下，該處理器模組產生一第一最佳收益(an optimal revenue under the condition of rejecting the booking request)ry，及在接受目前的訂票請求的條件下，該處理器模組產生一第二最佳的收益(an optimal revenue under the condition of accepting the booking request)；(F)該處理器模組判斷該取樣情景編碼(sample scenario index)是否小於一取樣情景總數(total number of sample scenarios,Y)，若是，將該取樣情景編碼加1，並到步驟(D)繼續執行；(G)若步驟(F)判定該取樣情景編碼(sample scenario index)非小於該取樣情景總數(total number of sample scenarios)，該處理器模組計算該第一最佳收益ry的第一平均收益、及該第二最佳收益的第二平均收益，該處理器模組依據該第一平均收益及該第二平均收益，計算一邊際利潤(marginal profit)mju；(H)該處理器模組判斷該座位等級編碼(seat class)j是否小於一座位等級數目(number of seat class)J，若是，該處理器模組將該該座位等級編碼(seatclass)j加1，並到步驟(C)繼續執行；(I)若步驟(H)判定該座位等級編碼(seat class)j非小於該座位等級數目(number of seat class)J，該處理器模組再判斷該服務旅程編碼(service route index)u是否小於一服務旅程總數目(the total number of service routes)U，若是，將該服務旅程編碼(service route index)u加1，並到步驟(B)繼續執行；若步驟(I)判定該服務旅程編碼(service route)u非小於一服務旅程總數目(the total number of service routes)U，結束執行。
依據本發明之又一特色，本發明提出一種抽樣 最佳營收之交通事業訂位決策方法，其係執行於一電腦系統以運用於一交通運輸公司，該電腦系統包括一輸入模組、一資料庫模組、一輸出模組、及一處理器模組，該輸入模組接收該到達訂票請求(arrival booking request)，該資料庫模組以儲存相關資料，該處理器模組耦合至該輸入模組、該資料庫模組、該輸出模組，以執行抽樣最佳營收方法之交通事業訂位策略，並輸出至該輸出模組，該抽樣最佳營收方法之交通事業訂位策略包含：(A)該處理器模組初始化一服務旅程編碼(service route index)u；(B)該處理器模組初始化一座位等級編碼(seat class)j；(C)該處理器模組初始化一額外座位的訂票請求編碼(the index for additional booking request of one seat)k；(D)該處理器模組初始化一取樣情景編碼(sample scenario index)(y=1)；(E)該處理器模組依據該取樣情景編碼產生隨機取樣(random sample)；(F)在拒絕的訂票請求的條件下，該處理器模組產生一第一最佳收益(an optimal revenue under the condition of rejecting the booking request)ry，及在接受目前的訂票請求的條件下， 該處理器模組產生一第二最佳的收益(an optimal revenue under the condition of accepting the booking request)；(G)該處理器模組判斷該取樣情景編碼(sample scenario index)是否小於一取樣情景總數(total number of sample scenarios,Y)，若是，該處理器模組將該取樣情景編碼加1，並到步驟(E)繼續執行；(H)若步驟(G)判定該取樣情景編碼(sample scenario index)非小於該取樣情景總數(total number of sample scenarios)Y，該處理器模組計算該第一最佳收益ry的第一平均收益、及該第二最佳收益的第二平均收益，該處理器模組依據該第一平均收益及該第二平均收益，計算一邊際利潤(marginal profit)m juk ；(I)該處理器模組判斷該邊際利潤(marginal profit)m juk 是否小於一先前邊際利潤(previous marginal profit)m ju,k-1，若否，該處理器模組將該額外座位的訂票請求編碼k加1，並到步驟(D)繼續執行；(J)當步驟(I)判定該邊際利潤m juk 小於該先前邊際利潤m ju,k-1，該處理器模組再判斷該座位等級編碼(seat class)j是否小於一座位等級數目(number of seat class)J，若是，將該該座位等級編碼(seat class)j加1，並到步驟(C)繼續執行；(K)若步驟(J)判定該該座位等級編碼(seat class)j非小於該座位等級數目(number of seat class)J，該處理器模組再判斷該服務旅程編碼(service route index)u是否小於一服務旅程總數目(the total number of service routes)U，若是，該處理器模組將該服務旅程編碼(service route index)u加1，並到步驟(B)繼續執行；若步驟(K)判定該服務旅程編碼(service route)u非小於一服務旅程總數目(the total number of service routes)U，結束執行。
200‧‧‧該電腦系統
210‧‧‧輸入模組
220‧‧‧資料庫模組
230‧‧‧輸出模組
240‧‧‧處理器模組
250‧‧‧螢幕
圖1係本發明一種抽樣最佳營收之交通事業訂位決策方法之流程圖。
圖2係本發明電腦系統之示意圖。
圖3係本發明運輸路線之示意圖。
圖4係本發明服務旅程之示意圖。
圖5係本發明一網路旅程權衡之示意圖。
圖6係本發明訂位之最終狀態和它們相應的亂數範圍之示意圖。
圖7係本發明f jpu(τ)為隨機變數V jpu 的機率密度函數之示意圖。
圖8係本發明一個已接受訂票請求的最終狀態與它們相應的亂數範圍的示意圖。
圖9為本發明亂數的範圍及其相應的訂票請求的價格等級之示意圖。
圖10係本發明一多服務路線之示意圖。
圖11係本發明圖10中服務路線的資料示意圖。
圖12係本發明圖10中服務旅程(service route)的資料示意圖。
圖13係本發明抽樣最佳營收之交通事業訂位決策方法 另一實施例的流程圖。
圖14係本發明抽樣最佳營收之交通事業訂位決策方法又一實施例的流程圖。
圖15係本發明時間間隔之示意圖。
圖16係本發明函數p ju (k)的曲線示意圖。
圖1係本發明一種抽樣最佳營收之交通事業訂位決策方法之流程圖，其係執行於一電腦系統以運用於一交通運輸公司，依據一邊際利潤(marginal profit)決定是否接受或拒絕一現行到達訂票請求(current arrival booking request)。圖2係本發明該電腦系統之示意圖，該電腦系統200包括一輸入模組210、一資料庫模組220、一輸出模組230、及一處理器模組240，該輸入模組210接收該到達訂票請求(arrival booking request)，該資料庫模組220以儲存相關資料，該處理器模組240耦合至該輸入模組210、該資料庫模組220、該輸出模組230，以執行抽樣最佳營收方法之交通事業訂位策略，並輸出至該輸出模組230進而顯示於一螢幕250上。
關於本發明之抽樣最佳營收之交通事業訂位決策方法的描述，先介紹本案的相關基礎理論及術語，最後則是介紹本發明之抽樣最佳營收之交通事業訂位決策方法。
以下定義本發明會使用到的術語： 訂票請求：一位客戶會向交通運輸公司提出座位數目、座位等級、價格等級和服務旅程的訂票要求。
交通網絡：交通運輸公司通常在其運輸網絡內任意兩點之間提供服務。在連接兩點之間沒有轉運點(transfer point)的路徑稱為運輸路線(transportation leg)。運輸路線只是表示兩點之間的服務提供，但沒有指定服務時間。圖3係本發明運輸路線(transportation leg)之示意圖。客戶可以使用該公司的服務，藉由通過運輸路線(transportation leg)1、運輸路線2、運輸路線3，從P1通過轉運點(transfer point)P2和P3而到P4。
服務路線(service leg)：服務路線代表運輸設備所提供的一次服務，在指定時間離開出發點並通過運輸路線(transportation leg)。根據公司提供的時間表，通常多個服務路線(service leg)在一運輸路線(transportation leg)中會在未來的不同時間出發。因此，一運輸路線(transportation leg)對應到多個服務路線(service leg)。
出發時間：服務路線(service leg)的發車時間代表運輸設備在一運輸路線(transportation leg)上從一個點到另一個點的開始時間。
服務旅程(service route)：一服務旅程代表在運輸網絡為客戶提供的兩點之間的一組服務路線(service leg)。圖4係本發明服務旅程(service route)之示意圖。如圖4所示，從點P1到點P3的服務旅程(service route)係開始於一個預先指定的出發時間，該服務旅程(service route)是服務 路線(service leg)1和服務路線(service leg)2組成。也就是說，在預定的出發時間，在點P1出發的客戶可以使用服務路線(service leg)1至點P2，然後在預定的出發時間到經由服務路線(service leg)2至點P3。單一路線的服務旅程(service route)是只有一個服務路線(service leg)的服務旅程(service route)。多個路線的服務旅程(multiple-leg service route)包含了多個服務路線(service leg)的服務旅程(service route)。當客戶需要多個路線的服務旅程(service route)時，在出發點和目的地之間存在至少有一個轉運點(transfer point)。在本發明中有考慮在複雜交通網絡的多個旅程的服務旅程(service route)。不同的客戶可能要求不同的服務旅程。圖4示出了運輸服務網絡的一部分例子。從點P1至點P5的服務旅程(service route)是包含服務路線(service leg)1、2、3、4的多個旅程的服務旅程(service route)。
圖5係本發明一網路旅程權衡之示意圖，如圖 5所示，其具有三個點。其可能具有3個服務旅程(service route)和客戶有關。有些客戶使用只包含服務路線(service leg)1(從點P1到點P2)的服務旅程(service route)1，有些客戶使用包含服務路線(service leg)2(從點P2到點P3)的服務旅程(service route)2，有些客戶使用包含服務路線(service leg)1(從點P1到點P2)及服務路線(service leg)2(從點P2到點P3)的服務旅程(service route)3。接受服務旅程1(包括服務路線1)訂票請求的結果，會產生對服務旅程(service route)3的未來訂票需求沒有能力進行服務，而服務旅程 (service route)3通常較服務旅程1會產生更高的利潤。此外，在早期階段，分配太多座位於服務旅程(service route)1的客戶，而導致服務旅程(service route)3中的服務路線(service leg)1沒有可用之座位，進而而導致在服務路線(service leg)2的空座位。因此，在將來隨機到達的不同的訂票請求，本發明是必不可少的，本發明以期望最佳方式分配有限的座位。
訂票請求類別：訂票請求依據要求的服務旅程、請求座位等級、客戶願意支付的價格等級進行分類。
取消：在出發時間前，一個接受的訂票請求在之後的時間可能會被取消。
出現或不出現：在出發的時間，接受的訂票請求的客戶可能出現於運輸服務、或不出現於運輸服務。
最終狀態：直到出發的時間或被取消，已接受訂票請求的最終狀態是未知的。因此，對於已接受訂票請求有三種可能的最終狀態：取消、出現或不出現。
超售：因為在出發時間前，已接受訂票請求有可能被取消、或已接受訂票請求的客戶在出發時間沒出現，因此，交通運輸公司可以接受比可用座位總數目更多的訂票請求，以避免在出發時的空座位並最大化利潤。
然而，在出發時，由於超售(overbooking)的做法，出現的客戶的數量可能超過可用的座位，一些已經預定座位的客戶可能沒有座位，因此，交通運輸公司需以一個較高的費用彌補沒座位客戶或安排其他運輸服務。
預訂時間期限：兩點之間的的預定服務旅程有一定期限，其係訂票的服務時間直到出發時間為止。
多個等級的價格：對於同一等級的座位，不同的客戶願意支付不同價格，因此，一座位等級可能包含多個等級的價格。
多預約服務請求：客戶可以在一個查詢中要求多個服務旅程。一個訂票請求可能包括了數個服務，該等服務可能是不同的座位等級、不同的價格等級，不同的服務旅程。
到達隨機過程：一訂票請求類別之未來訂票請求個數由已知機率分佈(例如：常態分佈、泊松分佈(Poisson distribution))或一已知隨機過程(例如：非齊次泊松過程，泊松分佈)所描述。
於名詞定義之後，接下來係說明一些會使用的參數：
Data_1：未來將到達的訂票請求之隨機描述，其中包括每個訂票請求類別的機率分佈和到達率的隨機描述，訂票請求類別是由一個座位等級、一個價格等級、和一個服務旅程所定義。此外，一接受訂票請求的取消和沒出現的機率也被指定。
Data_2：這是一個未來的訂票請求的確定性之取樣情景(sample scenario)。一個確定性之取樣情景指定所有未來的訂票請求的完整和確定性的資料。更具體而言，一個取樣情景(sample scenario)指定以下參數： (1)訂票請求的數目；(2)每一訂票請求的訂票請求類別(座位等級、價格等級，服務旅程)；(3)每個訂票請求的最終狀態(取消、出現或未出現)。
Data_2的數據是一個完整的取樣情景(sample scenario)的一部分。
Data_3：每一訂票請求類別(座位等級、價格等級、服務旅程)的現行已接受訂票請求數目。
Data_4：現行已接受訂票請求的最終狀態。也就是說，對於每一訂票請求類別(座位等級、價格等級、服務旅程)、已接受訂票請求將被取消、旅客將出現的數目、旅客將不出現的數目均被指定。這僅僅是一個完整的取樣情景(sample scenario)的一部分。
Data_5：具有已知的訂票請求類別(座位等級、價格等級、服務旅程)之現行的訂票請求。現行訂票請求是否會被取消、出現、或不出現，在預約時間均係未知。
Data_6：已知的訂票請求類別(座位等級、價格等級、服務旅程)之現行的訂票請求的最終狀態(取消，出現或不出現)被指定。這僅僅是一個完整的取樣情景(sample scenario)的一部分。
Data_7：具有已知的座位等級及服務旅程的一訂票請求。訂票請求的價格等級和最終狀態(取消，出現或不出現)在模組計算時為未知。這僅僅是一個完整的取樣情景(sample scenario)的一部分。
Data_8：一訂票請求的價格等級和最終狀態(取消，出現或不出現)。這僅僅是一個完整的取樣情景(sample scenario)的一部分。
Data_9：在接受訂票請求情況下的最佳收入。
Data_10：在拒絕訂票請求情況下的最佳收入。
Data_11：數個在接受訂票請求的條件下最佳收入。
Data_12：數個在拒絕訂票請求的條件下最佳收入。
Data_13：由兩個平均最佳收入之間的差異所獲得之邊際利潤。
本發明之抽樣最佳營收之交通事業訂位決策方法係如同電腦軟體，可分成多個模組，並由多個模組以組成本發明之抽樣最佳營收之交通事業訂位決策方法。以下係相關模組的描述：
Module_1其輸入為Data_1，輸出為Data_2。Data_1為未來將到達的訂票請求之隨機描述，Data_2為一個未來的所有訂票請求的確定性之取樣情景(sample scenario)。
Module_2其輸入為Data_3，輸出為Data_4。Data_3為所有訂票請求類別(座位等級、價格等級、服務旅程)的現行已接受訂票請求數目。Data_4為現行已接受訂票請求的最終狀態。
Module_3其輸入為Data_5，輸出為Data_6。Data_5為具有已知的訂票請求類別(座位等級、價格等級、服務旅程)之現行的訂票請求。Data_6為已知的訂票請求類別(座位等級、價格等級、服務旅程)之現行的訂票請求的最終狀態(取消，出現或不出現)被指定。
Module_4其輸入為Data_7，輸出為Data_8。Data_7為具有已知的座位等級及服務旅程的一訂票請求。Data_8為一訂票請求的價格等級和最終狀態。
Module_5其輸入為Data_2及Data_4，輸出為Data_10。Data_10為在拒絕訂票請求情況下的最佳收入，亦即Module_5輸入為Data_2及Data_4時，產生在拒絕訂票請求情況下的最佳收入。
當Module_5其輸入為Data_2、Data_4及Data_6時，輸出為Data_9。Data_9為在接受訂票請求情況下的最佳收入，亦即Module_5輸入為Data_2、Data_4及Data_6時，產生在接受訂票請求情況下的最佳收入。
當Module_5其輸入為Data_2、Data_4及Data_8時，輸出為Data_9。Data_9為在接受訂票請求情況下的最佳收入，亦即Module_5輸入為Data_2、Data_4及Data_8時，產生在接受訂票請求情況下的最佳收入。
當Module_6其輸入為Data_5、Data_11及Data_12時，輸出為Data_13。Data_13為由兩個預期收入之間的差異所獲得之邊際利潤。
同樣地，當Module_6其輸入為Data_7、Data_11 及Data_12時，輸出為Data_13。Data_13為由兩個預期收入之間的差異所獲得之邊際利潤。
前述模組可用C語言或其他程式語言撰寫，編譯成執行檔後，可由該處理器模組240執行。
描述相關參數資料及模組後，底下將分別討論取樣情景(sample scenario)、平均收益、邊際利潤(marginal profit)的計算程序、及一個確定性的取樣情景(sample scenario)之數學規劃模型。
取樣情景(sample scenario)是一個完整的和確定性的所有訂票請求和事件之描述。因此，給定一個取樣情景(sample scenario)，可以依據數學規劃模型計算出最佳的收入。一個完整的取樣情景(sample scenario)包括以下確定性參數：(1)未來的訂票請求的取樣情景(sample scenario of future booking requests)：未來的所有訂票請求，及每一訂票請求的訂票類別(座位等級、價格等級、服務旅程)和每一個未來的訂票請求的最終狀態；(2)已接受訂票請求的取樣情景(sample scenario of already accepted booking requests)：每個已經接受訂票請求的最終狀態；(3)現行到達訂票請求的取樣情景(sample scenario of current arrival booking request)：如果現行到達訂票請求被接受，該現行到達訂票請求的取樣情景(sample scenario)是該現行到達訂票請求的最終狀態。
未來的訂票請求的取樣情景(sample scenario of future booking requests)：以下為描述隨機取樣情景 (sample scenario)所使用的符號：y：取樣情景編碼(sample scenario index)，y=1,...,Y。
j：座位等級(seat class)，j=1,...,J,j越小代表座位等級越高。
p：價格等級(price class)，p=1,...,P ju ，p越小代表價格等級越高。P ju 為一服務旅程u之座位等級j的價格等級數目(the number of price classes for seat class j on service route u)。
l：服務路線(service leg)，l=1,...,L。
u：服務旅程，u=1,...,U。(service route)。
：價格等級p座位等級j服務旅程u的一已接受訂票請求(an accepted booking request)在出發前被取消的機率。
：價格等級p座位等級j服務旅程u的一已接受訂票請求(an accepted booking request)的客戶在出發時未出現的機率。
t：現行時間(the current time)，t [0,T]。
Y：取樣情景總數(the total number of sample scenarios)。
L：服務路線總數(the total number of service legs)。
U：服務旅程總數(the total number of service routes)。
T：出發時間(the departure time)。
N jput ：在現行時間t與出發時間T之間，價格等級p座位等級j服務旅程u的訂票請求數目(the number of booking requests)，N jput 為一隨機變數(random variable)。
V jpu ：價格等級p座位等級j服務旅程u的一已接受訂票請求(an accepted booking request)出發前將被取消的條件下的取消時間，V jpu 為一隨機變數(random variable)。
在給定時間τ，時間τ後的未來的訂票請求，可以隨機生成。一個取樣情景(sample scenario)可以從所有訂票請求類別的未來訂票請求數目的假設機率分配而產生。不同機率分配可作為一訂票請求類別的未來訂票請求數目的隨機變數(random variable)。N jput 為在現行時間t之後，一訂票請求類別(價格等級、座位等級、服務旅程)的訂票請求數目(the number of booking requests)的隨機變數(random variable)。給定已知N jput 的機率分配，可以生成隨機變數N jput 的一個亂數。當有了訂票請求的數量後，依據已知的取消和未出現機率，可以隨機生成每一訂票請求的最終狀態。也就是說，對於每一訂票請求，可以生成[0，1]之間的亂數，以決定該訂票請求的最終狀態。如果該亂數是在之間，則該訂票請求的最終狀態為取消。如果該亂數是在 之間，該訂票請求的最終狀態為未出現。最後，如果該亂數是在之間，該訂票請求的最終狀態為出現。圖6係本發明最終狀態和它們相應的亂數範圍之示意圖。因此，所有未來的訂票請求的一個取樣情景(sample scenario)可以隨機生成。
直到接受訂票請求被取消或出發時間，已接受的訂票請求的最終狀態是未知的。對於一個已接受的訂票請求，其最終狀態有三個可能：取消、未出現、出現。
第一個是取消。這個具有最終狀態為被取消的已接受的訂票請求，其將在該訂票請求到達時間和出發時間T之間被取消。
假設當前時間為t。對於一個已接受的訂票請求，C為該接受訂票請求將在出發時間T之前被取消的事件，N為該接受訂票請求在出發時間T之前不會被取消的事件，B為該接受訂票請求在直到時間t尚未被取消的事件。對於一接受訂票請求在直到時間t尚未被取消，該接受訂票請求將在出發時間T前被取消的事件的機率可以用下列公式表示：
V jpu 為價格等級p座位等級j服務旅程u的一已接受訂票請求(an accepted booking request)將被取消的條件下的取消時間之連續隨機變數(random variable)，f jpu (τ)為V jpu 的機率密度函數。圖7係本發明f jpu (τ)為V jpu 的機率密度函數之示意圖。在一已接受訂票請求(an accepted booking request)將被取消的條件下，該已接受訂票請求在t與T之間將被取消的機率為： 該機率為圖7中的斜線面積。
在一已接受訂票請求(an accepted booking request)不會被取消的條件下，該已接受訂票請求直到時間t將不被取消的機率為1，亦即，P(B|N)=1。因為事件C及事件N係互斥，因此，P(C)+P(N)=1。因為已接受訂票請求在時間T之前將被取消的機率為，所以。
總之，在時間t尚未被取消的已接受訂票請求在時間T之前將被取消的機率為：
已接受訂票請求的第二個最終狀態為未出現(在出發時間T時，客戶未出現)。在出發時間，最終狀態為未出現可能會導致空座位而沒有產生利潤。已接受的訂票請求在出發時間T沒出現的機率是預先指定的值。
已接受訂票請求的最後一個最終狀態為出現(客戶出現)，在時間t已接受訂票請求會出現的機率為 。
當有了未出現、取消、及出現的機率、P t (C|B)、，對於每一個已接受訂票請求，可以產生一個介於[0,1]的亂數。之後，對於每一個已接受訂票請求在一個取樣情景(sample scenario)的最終狀態可以被決定。如果亂數是小於P t (C|B)，已接受訂票請求的最終狀態為將被取消。如果於亂數介於區間，已接受訂票請 求的最終狀態為未出現。如果亂數大於，已接受訂票請求的最終狀態為出現。圖8係本發明一個已接受訂票請求的最終狀態與對應的亂數範圍的示意圖。因此，在一取樣情景(sample scenario)下，每個接受訂票請求的最終狀態可以產生。
在時間τ、對於已知的預訂請求類別(價格等級、 座位等級、服務旅程)之現行到達訂票請求(current arrival booking request)，現行訂票請求(current booking request)的最終狀態是未知的。當取消、未出現、及出現1的機率知道時，可以產生一個介於[0,1]的亂數。之後，一個取樣情景(sample scenario)中，一個現行訂票請求(current booking request)的最終狀狀態可依據圖6中對應的亂範圍而決定。
再來要敘明計算在一服務旅程(service route) 對一座位等級的一訂票請求(booking request)的一邊際利潤(marginal profit)。對於一個取樣情景(sample scenario)，一具有服務旅程u座位等級j的一訂票請求(booking request)的價格等級及最終狀態可隨機產生。r jput 為在服務旅程u價格等級p座位等級j在時間t的到達率(arrival rate)，P ju 為在服務旅程u座位等級j之價格等級數目。對於一個取樣情景(sample scenario)，一個在[0,1]之間的亂數被產生。如果該亂數小於，現行訂票請求(current booking request)的 價格等級為1。如果亂數在之間，現行訂票請求(current booking request)的價格等級為p'。在一個取樣情景(sample scenario)，現行訂票請求(current booking request)的價格可以這種方式產生。圖9為本發明亂數的範圍及其相應的現行訂票請求(current booking request)的價格等級之示意圖。此外，訂票請求的最終狀態可根據取消機率、未出現機率、及出現機率而產生。
在交通運輸等行業，其目標是提高收益，該收 益係計算所有接受訂票請求的票價，並減去取消的退款、未出現時的退款和短缺罰款(shortage penalty)。因此，目標是最大化總票價扣除退款和短缺罰款。一出現的訂票請求(booking request)將帶來票價、占據一座位、對所有的出現的訂票請求(booking request)如果沒有足夠的座位也可能會導致短缺罰款。另一方面，取消的訂票請求及未出現的訂票請求將帶來不佔用的座位的票價，但在同一時間也會導致退款。
一隨機取樣情景(sample scenario)的最佳化可 藉由求解整數規劃(integer programming formulation)而獲得。
假設y是一取樣情景編碼(sample scenario index)。所有接受訂票請求的目前狀態δ係以Data_3表示。對於整數規劃(integer programming formulation)的參數定 義如下：：在預訂期限開始時，服務路線l座位等級j的可用座位之初步總數目。
f jpu 為一座位等級j、價格等級p、服務旅程u的價格(the price of price class p of seat class j on service route u)。
為一在座位等級j、價格等級p、服務旅程u的一取消座位之償還金額(the refund for the cancellation by one seat of price class p of seat class j on service route u)。
為一在座位等級j、價格等級p、服務旅程u的一預訂者未出現之一座位之償還金額(the refund for the no-show by one seat of price class p of seat class j on service route u)。
為一在座位等級j、價格等級p、服務旅程u的一座位之短缺罰款(the shortage penalty of one seat of price class p of seat class j on service route u)。
δ：所有現行已接受訂票請求(booking request)的狀態。
δ'：所有現行已接受訂票請求加上被接受之現有訂票請求的狀態。
W y ：在狀態δ下的取樣情景(sample scenario)y，包括所有未來訂票請求的確定性資料、所有未來訂票請求的最終狀態、及所有現行已接受訂票請求的最終狀態。
w y ：一訂票請求的最終狀態，其係在狀態δ'下的取樣情景(sample scenario)y的部分資料。
0：沒有訂票請求。
IP(W y ,w y )：使用由訂票請求取樣情景(booking request sample scenario)y(W y ,w y )提供的已知參數之整數規劃(integer programming formulation)。
ry：在取樣情景(sample scenario)y下計算IP(W y ,0)的最佳收益。
r y '：在取樣情景(sample scenario)y下計算IP(W y ,w y )的最佳收益。
：IP(W y +0)所有最佳收益的平均數值，其中y =1,..Y，亦即。
：IP(W y +w y )所有最佳收益的平均數值，其中y =1,..Y，亦即。
：所有服務路線(service leg)的集合。
：所有服務旅程(service route)的集合。
U l ：所有服務旅程(service route)包含服務路線(service leg)l的集合。
L u ：所有屬於服務旅程(service route)u的服務路線(service leg)的集合。
圖10係本發明一多服務路線(service leg)之示意圖，其係為了詳細說明服務旅程(service route)和服務路 線(service leg)的參數。如圖10所示，其中有4個點P1、P2、P3、P4連接3個服務路線(service leg)。所有服務路線(Service leg)的集合為={leg 1,leg 2,leg3}。圖11係圖10中服務路線(service leg)的資訊之示意圖。如圖11所示，在這個例子中，有5個服務旅程(service route)，所有服務旅程(service route)的集合為={route 1,route 2,route 3,route 4,route 5}。圖12係圖10中服務旅程(service route)的資訊之示意圖。U l 係一包含服務路線(service leg)l的服務旅程(service route)的集合。因此，U 1={route 1,route 4},U 2={route 2,route 5},U 3={route 3,route 4,route 5}。L u 為一屬於服務旅程(service route)u的服務路線(service leg)的集合。因此，L 1={leg 1},L 2={leg 2},L 3={leg 3},L 4={leg 1,leg 3},L 5={leg 2,leg 3}。
在已知的參數下，在一取樣情景編碼(sample scenario)y(w y )下之訂票請求的最終狀態、未來所有訂票請求的最終狀態、及在取樣情景編碼(sample scenario)y(W y )下之所有接受訂票請求的最終狀態，在一取樣情景編碼(sample scenario)y下之最佳收益可由整數規劃模型獲得。IP(W y ,w y )表示在取樣情景編碼(sample scenario)y訂票請求被接受的情況下的整數規劃問題。IP(W y ,0)在取樣情景(sample scenario)y訂票請求被拒絕的情況下的整數規劃問題。ry為IP(W y ,0)的最佳值，為IP(W y ,w y )的最佳值。拒絕訂票請求的條件下，在取樣Y個取樣情景(sample scenario)及計算相關的最佳收益後，訂票請求被拒絕的情況下的平均收益可藉由平均Y個最 佳值而產生。也就是說，訂票請求被拒絕的情況下的平均收益為。接受訂票請求的條件下，在取樣Y個取樣情景(sample scenario)及計算相關的最佳收益後，訂票請求被接受的情況下的平均收益可藉由平均Y個最佳值而產生。也就是說，訂票請求被接受的情況下的平均收益為。邊際利潤(marginal profit)為。
底下將描述整數規劃模型。本發明的抽樣最佳 營收之交通事業訂位決策方法可使用於交通運輸公司，以增加公司的收益。每當一個訂票請求到達時，本發明的方法可立即作出決定。一個數學規劃模型可以被制定，以用於在一取樣情景(sample scenario)下將座位分配最佳化，其中，取樣情景(sample scenario)具有所有已接受訂票請求、訂票請求、所有未來受訂票請求的完整資訊。在本發明中，相類似或相同的數學規劃或方法，也可以用於有效的方式分配座位。
底下將先介紹整數規劃模型的參數及模型：v：在一取樣情景(sample scenario)下一訂票請求的一最終狀態(final status)，v為1、2、3。v=1代表在出發時間前，一訂票請求會被取消，v=2代表在出發時間前，一訂票請求沒有被取消且客戶未出現，v=3代表在出發時間，一訂票請求的客戶出現。
s lj：服務路線l座位等級j的原始可用座位數 目。
z jpuv ：一在座位等級j、價格等級p、服務旅程u且具有v最終狀態的預訂者在在一剩餘預定時間內出現的訂票請求之數目。
a jpuv ：一在座位等級j、價格等級p、服務旅程u且具有最終狀態v的已接受訂票請求之數目。
b jpuv ：一在座位等級j、價格等級p、服務旅程u且具有最終狀態v的被接受的一現有訂票請求。
A jpuv ：一在座位等級j、價格等級p、服務旅程u且具有最終狀態v的應被接受訂票請求之數目。
O jpu3：一在座位等級j、價格等級p、服務旅程u且具有最終狀態v為3的已接受訂票請求被超售之數目。
該整數規劃(integer programming)係在下列限制條件下： 最大化下列目標函示： 。亦即，如果所有已經接受的訂票請求、未來訂票請求、及訂票請求的完整資訊是已知時，可藉由對前述數學規劃進行求解，而獲得一個最佳的座位分配。
當中，公式(8)的目標函數係最大化收入，這是總票價減去取消、未出現、及超售的總退款/罰款。在公式(8)中，其係評估訂票請求的邊際利潤(marginal profit)，因此訂票請求的資源消耗也一併考慮，但最終狀態為3的現有訂票請求的收入不包括在公式(8)中。
公式(1)的限制條件 係可用座位分配(allocation of available seats)對應之具有最終狀態(final status)為3之訂票請求(booking request)一容量限制。然而，最終狀態(final status)為1或2之訂票請求(booking request)將不被視為會耗費可提供座位的數目，因為在一個取樣情景編碼(sample scenario)中所有的資訊被假設為完全已知。考慮服務路線(service leg)l，對所有包含服務路線(service leg)l的服務旅程(service route)u上具有出現 (v=3)的已接受訂票請求加上在服務旅程(service route)u上具有出現(v=3)的現有訂票請求、再減去在服務旅程(service route)u上具有出現(v=3)的因超售(overbooking)而缺額(shortage)之已接受訂票請求，應小於服務路線(service leg)l的可提供座位數目。在本發明中升等係可行的。對於每個座位等級J，已接受訂票請求的座位等級1到J的總座位數目應小於座位等級1到J的總座位數目。當升等是不允許的，公式(1)應該改為公式(9)： 。
公式(2)的限制條件 係表示在一現行時刻之最佳之應接受的訂票請求之總數目係小於已接受的訂票請求之數目及未來訂票請求之數目。
公式(3)的限制條件 係表示在一現行時刻之最佳之應接受的訂票請求之數目係非小於已接受的訂票請求之數目。
公式(4)的限制條件 係表示一超額預訂的訂票請求之數目係非超過接受的訂票請求之數目加上訂票請求之數目。
經由前述的介紹，請再參考圖1之本發明一種 抽樣最佳營收之交通事業訂位決策方法之流程圖，首先於步驟(A)中初始化一取樣情景編碼(sample scenario index,y)，其係將該取樣情景編碼(sample scenario)y設定為1。於本發明中，為避免符號太過複雜，因此y可用於表示一取樣情景(sample scenario,y)、亦可用於表示一取樣情景編碼(sample scenario index,y)。其他編碼亦是如此，在此先予敘明。
於步驟(B)中，依據該取樣情景編碼產生該取 樣情景(sample scenario)y的隨機取樣(random sample)。該步驟(B)更包含：(B1)產生一未來訂票請求(future booking request)的取樣情景(sample scenario)：所有訂票請求及其類別與最終狀態(final status)、(B2)產生所有接受訂票請求(all accepted booking request)的取樣情景(sample scenario)：最終狀態(final status)；(B3)產生一現行訂票請求(current booking request)的取樣情景(sample scenario)：最終狀態(final status)。
該步驟(B1)係執行Module_1(Data_1)，以產生 該未來訂票請求(future booking request)的該取樣情景(sample scenario)。該步驟(B2)係執行Module_2(Data_3)，以產生該所有接受訂票請求(all accepted booking request) 的該最終狀態(final status)。其中，該所有接受訂票請求(all accepted booking request)的最終狀態(final status)具有取消、未出現、及出現三種狀態。該步驟(B3)係執行Module_3(Data_5)，以產生該現行訂票請求(current booking request)的該取樣情景(sample scenario)。
於步驟(C)中，在拒絕的訂票請求的條件下， 產生一第一最佳收益(an optimal revenue under the condition of rejecting the current arrival booking request)ry，及在接受目前的訂票請求的條件下，產生一第二最佳的收益(an optimal revenue under the condition of accepting the current arrival booking request)。其係執行Module_5(Data_2,Data_4,NULL)及Module_5(Data_2,Data_4,Data_6)，而分別產生該第一最佳收益ry、及該第二最佳的收益。
該第一最佳收益ry及該第二最佳收益係依據 一整數規劃(integer programming)計算，其中，該整數規劃(integer programming)係在公式(1)至(7)限制條件下，最大化公式(8)。其詳細資料已經在前面描述過，不再贅述。
於步驟(D)中，判斷該取樣情景編碼(sample scenario index)y是否小於一取樣情景總數(total number of sample scenarios)Y，若是，將該取樣情景編碼y加1，並到步驟(B)繼續執行。
若判定該取樣情景編碼(sample scenario index) y非小於該取樣情景總數(total number of sample scenarios)Y， 則於步驟(E)中計算該第一最佳收益ry的第一平均收益、及該第二最佳收益的第二平均收益，依據該第一平均收益及該第二平均收益，計算該邊際利潤(marginal profit)。其中，該邊際利潤(marginal profit)係為該第一平均收益減去該第二平均收益，。
於步驟(F)中，判斷一價格是否大於或等於 該邊際利潤(marginal profit)，若是，接受該現行到達訂票請求(current arrival booking request)，若否，拒絕該現行到達訂票請求(current arrival booking request)。
每當一現行訂票請求(current booking request) 到達時，可依據圖1的流程以決定接受或拒絕該現行訂票請求。
接受和拒絕之間的邊界價格(boundary price) 是圖1的流程的邊際利潤。於圖1的流程中，請求價格(the request price)在圖1的流程執行前已經知道。圖13係本發明抽樣最佳營收之交通事業訂位決策方法另一實施例的流程圖。該抽樣最佳營收之交通事業訂位決策方法其係執行於一電腦系統200以運用於一交通運輸公司，如圖2所示，該電腦系統200包括一輸入模組210、一資料庫模組220、一輸出模組230、及一處理器模組240，該輸入模組210接收該到達訂票請求(arrival booking request)，該資料庫模組220以儲存相關資料，該處理器模組240耦合至該輸入模組210、該資料庫模組220、該輸出模組230，以執行抽樣最 佳營收方法之交通事業訂位策略，並輸出至該輸出模組230進而顯示於一螢幕250上。在圖13的流程中，每個服務旅程上各座位等級的邊際利潤可以在一訂票請求到達前先予以計算。此外，在圖13的流程中訂票請求被接受、或一個小的時間間隔內，圖13流程的可被執行、且該訂票請求的服務旅程上的座位等級之邊際利潤被更新。每個服務旅程上各座位等級之邊際利潤，可以經由接受一座位的拒絕訂票請求條件下的預期收入減去接受該座位的接受訂票請求條件下的預期收入而獲得。m ju 係服務旅程u座位等級j的邊際 利潤。矩陣顯示的所有座位等級和服 務旅程的邊際利潤。矩陣元素m ju 係服務旅程u座位等級j的邊際利潤。由於每個服務旅程上各座位等級的邊際利潤可以在一訂票請求到達前先予以計算，當一訂票請求到達時，該訂票請求的價格應大於或等於該邊際利潤(marginal profit)mju時，才接受該訂票請求。
請再參考圖13之本發明一種抽樣最佳營收之交通事業訂位決策方法之流程圖，首先於步驟(A)中初始化一服務旅程編碼(service route)u，其係將該服務旅程編碼(service route)u設定為1。
於步驟(B)中初始化一座位等級編碼(seat class)j，其係將該座位等級編碼(seat class)j設定為1。於步驟(C) 中初始化一取樣情景編碼(sample scenario index)y，其係將該取樣情景編碼(sample scenario index)y設定為1。
於步驟(D)中，依據該取樣情景編碼產生該取 樣情景(sample scenario)y的隨機取樣(random sample)。該步驟(D)更包含：(D1)產生一未來訂票請求(future booking request)的取樣情景(sample scenario)：所有訂票請求及其的類別與最終狀態(final status)、(D2)產生所有接受訂票請求(all accepted booking request)的取樣情景(sample scenario)：最終狀態(final status)；(D3)產生一訂票請求的取樣情景(sample scenario)：價格等級和最終狀態。
該步驟(D1)係執行Module_1(Data_1)，以產生 該未來訂票請求(future booking request)的該取樣情景(sample scenario)。該步驟(D2)係執行Module_2(Data_3)，以產生該所有接受訂票請求(all accepted booking request)的該最終狀態(final status)。其中，該所有接受訂票請求(all accepted booking request)的最終狀態(final status)具有取消、未出現、及出現三種狀態。該步驟(D3)係執行Module_4(Data_7)，以產生一訂票請求的價格等級和最終狀態。
於步驟(E)中，在拒絕的訂票請求的條件下， 產生一第一最佳收益(an optimal revenue under the condition of rejecting the booking request)ry，及在接受目前的訂票請求的條件下，產生一第二最佳的收益(an optimal revenue under the condition of accepting the booking request) 。其係執行Module_5(Data_2,Data_4,NULL)及Module_5(Data_2,Data_4,Data_8)，而分別產生該第一最佳收益ry、及該第二最佳的收益。
於步驟(F)中，判斷該取樣情景編碼(sample scenario index)y是否小於一取樣情景總數(total number of sample scenarios)Y，若是，將該取樣情景編碼y加1，並到步驟(D)繼續執行。
若判定該取樣情景編碼(sample scenario index) y非小於該取樣情景總數(total number of sample scenarios)Y，則於步驟(G)中計算該第一最佳收益ry的第一平均收益、及該第二最佳收益的第二平均收益，依據該第一平均收益及該第二平均收益，計算該邊際利潤(marginal profit)mju。其中，該邊際利潤(marginal profit)mju係為該第一平均收益減去該第二平均收益，。
於步驟(H)中，判斷該座位等級編碼(seat class) j是否小於一座位等級數目(number of seat class)J，若是，將該座位等級編碼(seat class)j加1，並到步驟(C)繼續執行。
若步驟(H)判定該座位等級編碼(seat class)j非 小於該座位等級數目(number of seat class)J，再判斷該服務旅程編碼(service route)u是否小於一服務旅程總數目(the total number of service routes)U，若是，將該服務旅程編碼(service route)u加1，並到步驟(B)繼續執行。若否，則結束流程。
經過執行圖13的步驟，所有服務旅程上所有 座位等級的邊際利潤可以被計算出來。
當一座位等級j 0、價格等級p 0、服務旅程u 0的現 行訂票請求到達時，可以比較座位等級j 0、價格等級p 0、服務旅程u 0的一價格和邊際利潤(marginal profit)，當該價格小於該邊際利潤(marginal profit)時，則拒絕該現行訂票請求(current booking request)，若否，則接受該現行訂票請求。
當目前的訂票請求被接受或預先確定的一小 的時間間隔到期後，邊際利潤矩陣必須被重新計算並更新。
圖14係本發明抽樣最佳營收之交通事業訂位 決策方法又一實施例的流程圖。其係在一小段時間間格中，計算每個服務旅程的每一座位等級每一價格等級的預訂上限之限制(the upper reservation limit)。t 0為圖14流程的計算時間，t 1為未來的某個時間點。t 0、t 1之間的時間間隔係為在時間t 0時計算預訂上限之限制(the upper reservation limit)的有效時間間隔(effective interval)。通常情況下，一個有效的時間間隔的長度相對於一訂票請求的預訂時間區間(booking horizon)係較小的。決定該有效時間間隔的長度是一個在決策精度與計算時間之間的權衡決策。通常情況下，0.5天或1天對有效時間間隔係足夠小。在有效時間間隔(effective interval)中計算預訂上限之限制(the upper reservation limit)所需考量之未來訂票請求，係在與T之間到達的訂票請求。圖15係本發明時間間隔之示意圖，其 係顯示預訂上限之限制(the upper reservation limit)的有效時間間隔(effective interval)及考量未來預訂時間區間(booking horizon)的關係。如圖15中所示，在t 0時，對於一有效時間間隔[t 0,t 1]的預訂上限之限制(the upper reservation limit)將被計算；在t 1時，對於一新的有效時間間隔，新的預訂上限之限制(the upper reservation limit)將被重新計算。
假設k是一額外座位的訂票請求編碼(the index for additional booking request of one seat)。第k個額外訂票請求係在現行有效時間間隔(effective interval)、k-1個座位的訂票請求已被接受的條件下考量的。然而，當計算第k個額外座位的訂票請求的邊際利潤時，已接受訂票請求應包含在時間t 0前的已接受訂票請求及在第k個額外座位訂票請求之前的k-1個座位的訂票請求。由於先前k-1個座位的訂票請求的價格是未知的，每個k-1個座位的訂票請求的價格係需先使用本發明前述(第[0080]段)的技術產生。k-1個新訂票請求已被接受時，m juk 係服務旅程u座位等級j的第k個額外座位的訂票請求之邊際利潤(marginal profit)。係讓m juk >m juk +1成立的最小k值。也就是說，k ju 是在服務旅程u座位等級j的超售限制。對於k值小於k ju ,p ju (k)係為一將k值轉換為服務旅程u座位等級j的邊際利潤(marginal profit)之函數。圖16係本發明函數p ju (k)曲線之示意圖。其橫軸為額外座位訂票請求數目k，其縱軸為邊際利潤(marginal profit)m juk 。 為函數p ju (k)的反函數，亦即，將服務旅程u座位等級j的 邊際利潤(marginal profit)轉換為k值之函數。對於服務旅程u座位等級j的具有價格f jpu 之價格等級p，讓預訂限制n jpu 為，其中[x]-為小於或等於x的最大整數。
令q jpu 是在現行有效時間間隔(effective interval)中已接受的訂票請求的數量。每次當服務旅程u座位等級j價格等級p的目前訂票請求到達時，藉由將目前訂票請求加入到現行有效時間間隔(effective interval)中已接受的訂票請求的數量q jpu 中，條件必需滿足。如果條件不能滿足，則目前的訂票請求應予駁回。
假設服務旅程u座位等級j被考量、且價格等級 3的利潤是300、價格等級2的利潤是400、價格等級1的利潤是600。每個價格類別的保留限制可以由圖16中所示。 價格等級3的接受訂票請求之座位數目不能超過Q3，價格等級3及價格等級2的接受訂票請求之座位數目不能超過Q2，價格等級3、價格等級2及價格等級1的接受訂票請求之座位數目不能超過Q1，其邊際利潤係為曲線的最高點。 也就是說，Q1是超售的限制，也就是不能接受訂票請求超過Q1。當一目前訂票請求到達時，藉由檢查價格等級、座位等級、目前的訂票請求的服務旅程之預訂限制，該交通運輸公司可以做出接受或拒絕的即時決定。
請再參考圖14之本發明一種抽樣最佳營收之 交通事業訂位決策方法又一實施例之流程圖，首先於步驟(A)中初始化一服務旅程編碼(service route)u，其係將該服 務旅程編碼(service route)u設定為1。
於步驟(B)中初始化一座位等級編碼(seat class) j，其係將該座位等級編碼(seat class)j設定為1。於步驟(C)中初始化一座位的額外訂票請求編碼(the index for additional booking request of one seat)k，其係將該座位的額外訂票請求編碼k設定為1。於步驟(D)中初始化一取樣情景編碼(sample scenario index)y，其係將該取樣情景編碼(sample scenario index)y設定為1。
於步驟(E)中，依據該取樣情景編碼產生該取 樣情景(sample scenario)y的隨機取樣(random sample)。該步驟(E)更包含：(E1)產生一未來訂票請求(future booking request)的取樣情景(sample scenario)：所有訂票請求及其的類別與最終狀態(final status)、(E2)產生所有接受訂票請求(all accepted booking request)的最終狀態(final status)；(E3)產生一訂票請求的取樣情景(sample scenario)：價格等級和最終狀態。
該步驟(E1)係執行Module_1(Data_1)，以產生 該未來訂票請求(future booking request)的該取樣情景(sample scenario)。該步驟(E2)係執行Module_2(Data_3)，以產生該所有接受訂票請求(all accepted booking request)的該最終狀態(final status)。其中，該所有接受訂票請求(all accepted booking request)的最終狀態(final status)具有取消、未出現、及出現三種狀態。該步驟(E3)係執行Module_4(Data_7)，以產生一訂票請求的價格等級和最終狀 態。
於步驟(F)中，在拒絕的訂票請求的條件下， 產生一第一最佳收益(an optimal revenue under the condition of rejecting the booking request)ry，及在接受目前的訂票請求的條件下，產生一第二最佳的收益(an optimal revenue under the condition of accepting the booking request)。其係執行Module_5(Data_2,Data_4,NULL)及Module_5(Data_2,Data_4,Data_8)，而分別產生該第一最佳收益ry、及該第二最佳的收益。
於步驟(G)中，判斷該取樣情景編碼(sample scenario index)y是否小於一取樣情景總數(total number of sample scenarios)Y，若是，將該取樣情景編碼y加1，並到步驟(E)繼續執行。
若步驟(G)中判定該取樣情景編碼(sample scenario index)y非小於該取樣情景總數(total number of sample scenarios)Y，則於步驟(H)中計算該第一最佳收益ry的第一平均收益、及該第二最佳收益的第二平均收益，依據該第一平均收益及該第二平均收益，計算該邊際利潤(marginal profit)m juk 。其中，該邊際利潤(marginal profit)m juk 係為該第一平均收益減去該第二平均收益，m juk 。
於步驟(I)中，判斷該邊際利潤(marginal profit) m juk 是否小於一先前邊際利潤(previous marginal profit)m ju,k-1，若否，將該座位的額外訂票請求編碼k加1，並到步 驟(D)繼續執行。
當步驟(I)判定該邊際利潤m juk 小於該先前邊際 利潤m ju,k-1，再於步驟(J)中判斷該座位等級編碼(seat class)j是否小於一座位等級數目(number of seat class)J，若是，將該座位等級編碼(seat class)j加1，並到步驟(C)繼續執行。
若步驟(J)判定該座位等級編碼(seat class)j非 小於該座位等級數目(number of seat class)J，再於步驟(K)判斷該服務旅程編碼(service route)u是否小於一服務旅程總數目(the total number of service routes)U，若是，將該服務旅程編碼(service route)u加1，並到步驟(B)繼續執行，若否，則結束流程。經過執行圖14的步驟，所有服務旅程上所有座位等級的所有額外訂票請求之邊際利潤可以被計算出來。
由上述說明可知，本發明技術可運用於交通運 輸公司的座票訂票之應用，例如航空公司訂票、高鐵訂票之應用等方面。本發明技術的應用環境為在交通公司的資源有限(座票數目之限制、...)，且座位需求訂單來到為隨機過程(random process)的情況下，決策業者是否應接受該訂票請求或拒絕該訂票請求，而最大化公司的利潤。
上述實施例僅係為了方便說明而舉例而已，本發明所主張之權利範圍自應以申請專利範圍所述為準，而非僅限於上述實施例。
該圖為一流程圖故無元件代表符號

Claims (16)

  1. 一種抽樣最佳營收之交通事業訂位決策方法，其係執行於一電腦系統以運用於一交通運輸公司，依據一邊際利潤決定是否接受或拒絕一現行到達訂票請求，該電腦系統包括一輸入模組、一資料庫模組、一輸出模組、及一處理器模組，該輸入模組接收該現行到達訂票請求，該資料庫模組以儲存相關資料，該處理器模組耦合至該輸入模組、該資料庫模組、該輸出模組，以執行抽樣最佳營收方法之交通事業訂位策略，並輸出至該輸出模組，該抽樣最佳營收之交通事業訂位決策方法包含：(A)該處理器模組初始化一取樣情景編碼；(B)該處理器模組依據該取樣情景編碼產生隨機取樣，其中，該步驟(B)更包含：(B1)該處理器模組產生一未來所有訂票請求的取樣情景；(B2)該處理器模組產生所有接受訂票請求的取樣情景；以及(B3)產生一現行訂票請求的取樣情景；(C)在拒絕該現行到達訂票請求的條件下，該處理器模組產生一第一最佳收益ry，及在接受該現行到達訂票請求的條件下，該處理器模組產生一第二最佳的收益；(D)該處理器模組判斷該取樣情景編碼是否小於一取樣情景總數，若是，將該取樣情景編碼加1，並到步驟(B)繼續執行；(E)於步驟(D)中，若該處理器模組判定該取樣情景編碼非小於該取樣情景總數，計算該第一最佳收益ry的第一平均收益 、及該第二最佳收益的第二平均收益，依據該第一平均收益及該第二平均收益，計算該邊際利潤；以及(F)該處理器模組判斷一價格是否大於或等於該邊際利潤，若是，該處理器模組接受該現行到達訂票請求，若否，該處理器模組拒絕該現行到達訂票請求。
  2. 如申請專利範圍第1項所述之抽樣最佳營收之交通事業訂位決策方法，其中，該邊際利潤係為該第一平均收益減去該第二平均收益。
  3. 如申請專利範圍第2項所述之抽樣最佳營收之交通事業訂位決策方法，其中，該所有接受訂票請求的最終狀態具有取消、未出現、及出現三種狀態。
  4. 如申請專利範圍第3項所述之抽樣最佳營收之交通事業訂位決策方法，其中，該第一最佳收益ry及該第二最佳收益係依據一整數規劃計算。
  5. 如申請專利範圍第4項所述之抽樣最佳營收之交通事業訂位決策方法，其中，該整數規劃係在下列限制條件下： A jpuv z jpuv +a jpuv ,j=1,...,J；p=1,...,P ju ；u=1,...,U；v=1,2,3；A jpuv a jpuv ,j=1,...,J；p=1,...,P ju ；u=1,...,U；v=1,2,3；O jpu3 A jpu3+b jpu3,j=1,...,J；p=1,...,P ju ；u=1,...,U；A jpuv 0,j=1,...,J；p=1,...,P ju ；u=1,...,U；v=1,2,3；O jpu3 0,j=1,...,J；p=1,...,P ju ；u=1,...,U；A jpuv ,O jpu3 are integers,j=1,...,J；p=1,...,P ju ；u=1,...,U；v=1,2,3；最大化下列公式： 當中，j為一座位等級，J為一座位等級數目，p為一價格等級，P ju 為一服務旅程u在座位等級j的價格等級數目，u為一服務旅程編碼，v為一最終狀態，a jpuv 為一座位等級j、價格等級p、服務旅程u且具有最終狀態v的已接受訂票請求之數目，b jpuv 為一座位等級j、價格等級p、服務旅程u且具有最終狀態v的被接受的訂票請求，z jpuv 為一座位等級j、價格等級p、服務旅程u且具有最終狀態v的預訂者在在一剩餘預定時間內出現的訂票請求之數目，A jpuv 為一座位等級j、價格等級p、服務旅程u且具有最終狀態v的最佳應被接受訂票請求之數目，O jpu3為一座位等級j、價格等級p、服務旅程u且具有最終狀態v為3的已接受訂票請求被超售之數目，f jpu 為一座位等級j、價格等級p、服務旅程u的價格，為一座位等級j、價格等級p、服務旅程u的一取消座位之償還金額，為一座位等級j、價格等級p、服務旅程u的一預訂者未出現之座位之償還金額，為一座位等級j、價格等級p、服務旅程u的一座位之短缺罰款(the shortage penalty of one seat of price class p of seat class j on service route u)。
  6. 如申請專利範圍第5項所述之抽樣最佳營收之交通事業訂位決策方法，其中，限制條件 係可用座位分配對應之具有最終狀態為3之訂票請求一容量限制。
  7. 如申請專利範圍第6項所述之抽樣最佳營收之交通事業訂位決策方法，其中，限制條件 A jpuv z jpuv +a jpuv ,j=1,...,J；p=1,...,P ju ；u=1,...,U；v=1,2,3；係表示最佳應接受的訂票請求之總數目係小於已接受的訂票請求之數目及未來訂票請求之數目。
  8. 如申請專利範圍第7項所述之抽樣最佳營收之交通事業訂位決策方法，其中，限制條件A jpuv a jpuv ,j=1,...,J；p=1,...,P ju ；u=1,...,U；v=1,2,3；係表示在一現行時刻之最佳之應接受的訂票請求之數目係非小於已接受的訂票請求之數目。
  9. 如申請專利範圍第8項所述之抽樣最佳營收之交通事業訂位決策方法，其中，限制條件O jpu3 A jpu3+b jpu3,j=1,...,J；p=1,...,P ju ；u=1,...,U；係表示一預訂超過實際席位的的訂票請求之數目係非超過最佳應接受的訂票請求之數目加上目前訂票請求之數目。
  10. 一種抽樣最佳營收之交通事業訂位決策方法，其係執行於一電腦系統以運用於一交通運輸公司，該電腦系統包括一輸入模組、一資料庫模組、一輸出模組、及一處理器模組，該輸入模組接收該到達訂票請求，該資料庫模組以儲存相關資料，該處理器模組耦合至該輸入模組、該資料庫模組、該輸出模組，以執行抽樣最佳營收方法之交通事業訂位策略，並輸出至該輸出模組，該抽樣最佳營收之交通事業訂位決策方法包含：(A)該處理器模組初始化一服務旅程編碼u；(B)該處理器模組初始化一座位等級編碼j；(C)該處理器模組初始化一取樣情景編碼；(D)該處理器模組依據該取樣情景編碼產生隨機取樣； (E)在拒絕的訂票請求的條件下，該處理器模組產生一第一最佳收益ry，及在接受目前的訂票請求的條件下，該處理器模組產生一第二最佳的收益；(F)該處理器模組判斷該取樣情景編碼是否小於一取樣情景總數，若是，將該取樣情景編碼加1，並到步驟(D)繼續執行；(G)若步驟(F)判定該取樣情景編碼非小於該取樣情景總數，該處理器模組計算該第一最佳收益ry的第一平均收益、及該第二最佳收益的第二平均收益，該處理器模組依據該第一平均收益及該第二平均收益，計算一邊際利潤mju；(H)該處理器模組判斷該座位等級編碼j是否小於一座位等級數目J，若是，該處理器模組將該該座位等級編碼j加1，並到步驟(C)繼續執行；以及(I)若步驟(H)判定該座位等級編碼j非小於該座位等級數目J，該處理器模組再判斷該服務旅程編碼u是否小於一服務旅程總數目U，若是，將該服務旅程編碼u加1，並到步驟(B)繼續執行。
  11. 如申請專利範圍第10項所述之抽樣最佳營收之交通事業訂位決策方法，其中，該步驟(D)更包含：(D1)該處理器模組產生一未來訂票請求的取樣情景；(D2)該處理器模組產生所有接受訂票請求的取樣情景；以及(D3)該處理器模組產生一現行訂票請求的取樣情景。
  12. 如申請專利範圍第11項所述之抽樣最佳營收之交通事業訂位決策方法，其中，該邊際利潤mju係為該第一平均收益減去該第二平均收益。
  13. 如申請專利範圍第12項所述之抽樣最佳營收之交通事業訂位決策方法，其中，當一訂票請求到達時，該訂票請求的價格應大於或等於該邊際利潤mju時，該處理器模組才接受該訂票請求。
  14. 一種抽樣最佳營收之交通事業訂位決策方法，其係執行於一電腦系統以運用於一交通運輸公司，該電腦系統包括一輸入模組、一資料庫模組、一輸出模組、及一處理器模組，該輸入模組接收該到達訂票請求，該資料庫模組以儲存相關資料，該處理器模組耦合至該輸入模組、該資料庫模組、該輸出模組，以執行抽樣最佳營收方法之交通事業訂位策略，並輸出至該輸出模組，該抽樣最佳營收方法之交通事業訂位策略包含：(A)該處理器模組初始化一服務旅程編碼u；(B)該處理器模組初始化一座位等級編碼j；(C)該處理器模組初始化一座位的額外訂票請求編碼k；(D)該處理器模組初始化一取樣情景編碼；(E)該處理器模組依據該取樣情景編碼產生隨機取樣；(F)在拒絕的訂票請求的條件下，該處理器模組產生一第一最佳收益ry，及在接受目前的訂票請求的條件下，該處理器模組產生一第二最佳的收益；(G)該處理器模組判斷該取樣情景編碼是否小於一取樣情景總數，若是，該處理器模組將該取樣情景編碼加1，並到步驟(E)繼續執行； (H)若步驟(G)判定該取樣情景編碼非小於該取樣情景總數，該處理器模組計算該第一最佳收益ry的第一平均收益、及該第二最佳收益的第二平均收益，該處理器模組依據該第一平均收益及該第二平均收益，計算一邊際利潤m juk ；(I)該處理器模組判斷該邊際利潤m juk 是否小於一先前邊際利潤m ju,k-1，若否，該處理器模組將該座位的額外訂票請求編碼k加1，並到步驟(D)繼續執行；(J)當步驟(I)判定該邊際利潤m juk 小於該先前邊際利潤m ju,k-1，該處理器模組再判斷該座位等級編碼j是否小於一座位等級數目J，若是，該處理器模組將該該座位等級編碼j加1，並到步驟(C)繼續執行；以及(K)若步驟(J)判定該該座位等級編碼j非小於該座位等級數目J，該處理器模組再判斷該服務旅程編碼u是否小於一服務旅程總數目U，若是，該處理器模組將該服務旅程編碼u加1，並到步驟(B)繼續執行。
  15. 如申請專利範圍第14項所述之抽樣最佳營收之交通事業訂位決策方法，其中，該步驟(E)更包含：(E1)該處理器模組產生一未來訂票請求的取樣情景；(E2)該處理器模組產生所有接受訂票請求的取樣情景；以及(E3)該處理器模組產生一現行訂票請求的取樣情景。
  16. 如申請專利範圍第15項所述之抽樣最佳營收之交通事業訂位決策方法，其中，該邊際利潤m juk 係為該第一平均收益減去該第二平均收益。
TW102137098A 2013-10-15 2013-10-15 抽樣最佳營收之交通事業訂位決策方法 TWI517059B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW102137098A TWI517059B (zh) 2013-10-15 2013-10-15 抽樣最佳營收之交通事業訂位決策方法
US14/226,551 US20150106135A1 (en) 2013-10-15 2014-03-26 Booking decision method for transportation industry by sampling optimal revenue

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102137098A TWI517059B (zh) 2013-10-15 2013-10-15 抽樣最佳營收之交通事業訂位決策方法

Publications (2)

Publication Number Publication Date
TW201514872A TW201514872A (zh) 2015-04-16
TWI517059B true TWI517059B (zh) 2016-01-11

Family

ID=52810427

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102137098A TWI517059B (zh) 2013-10-15 2013-10-15 抽樣最佳營收之交通事業訂位決策方法

Country Status (2)

Country Link
US (1) US20150106135A1 (zh)
TW (1) TWI517059B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9776512B2 (en) * 2014-11-10 2017-10-03 Streetsmart Ltd. Methods, circuits, devices, systems and associated computer executable code for driver decision support
US20190057324A1 (en) * 2017-08-18 2019-02-21 International Business Machines Corporation Predicting un-capacitated freight demand on a multi-hop shipping route
US20200050975A1 (en) * 2018-08-09 2020-02-13 Honeywell International Inc. Building space reservation
CN115619202B (zh) * 2022-12-19 2023-03-31 西南交通大学 一种高速铁路列车席位分配池的交叉混用方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0116987D0 (en) * 2001-07-12 2001-09-05 Ibm A yield management method and system
US7774226B2 (en) * 2003-09-18 2010-08-10 International Business Machines Corporation Accepting bids under uncertain future demands
US20110178828A1 (en) * 2010-01-15 2011-07-21 National Tsing Hua University Sale decision method and sale request evaluation method

Also Published As

Publication number Publication date
US20150106135A1 (en) 2015-04-16
TW201514872A (zh) 2015-04-16

Similar Documents

Publication Publication Date Title
Kroon et al. Rescheduling of railway rolling stock with dynamic passenger flows
Adler et al. A review of transport market modeling using game-theoretic principles
Grosche et al. Integrated airline scheduling
US8099294B2 (en) Inventory control and optimization
Chen et al. Customized bus route design with pickup and delivery and time windows: Model, case study and comparative analysis
TWI517059B (zh) 抽樣最佳營收之交通事業訂位決策方法
Zeni Improved forecast accuracy in airline revenue management by unconstraining demand estimates from censored data
Zhang et al. Dynamic vehicle routing with random requests: A literature review
CN112906980A (zh) 订单处理方法、装置、系统及可读存储介质
Belobaba Fundamentals of pricing and revenue management
Mou et al. A network revenue management model with capacity allocation and overbooking
Abdelghany et al. An integrated reinforced learning and network competition analysis for calibrating airline itinerary choice models with constrained demand
Ongprasert Passenger Behavior on Revenue Management System of Inter-City Transpotation
JP4345659B2 (ja) 座席予約システム及びその方法
Ahmed et al. An overview of the issues in the airline industry and the role of optimization models and algorithms
Oliveira Fleet and revenue management in car rental: quantitative approaches for optimization under uncertainty
Kapetanović et al. Booking limits and bid price based revenue management policies in rail freight transportation
Wang et al. A decomposition approach to determining fleet size and structure with network flow effects and demand uncertainty
Imai et al. Revenue management problem in the aviation industry with optimal seat allocation model
Feng et al. A dynamic model for railway freight overbooking
Guadix et al. Parking revenue management
Li et al. A discrete-time dynamic programming approach for network airline revenue management
Habib et al. Dynamic Shared Autonomous Vehicle Fleet Operations with Consideration of Fairness
Lin An integrated stochastic programming model of seat allocation and discriminatory pricing for high-speed rail
Toufani¹ et al. Check for updates

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees