論文の概要: Data-Driven Revenue Management for Air Cargo

• arxiv url: http://arxiv.org/abs/2405.11000v1
• Date: Thu, 16 May 2024 21:58:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 19:46:29.552071
• Title: Data-Driven Revenue Management for Air Cargo
• Title（参考訳）: エアカーゴにおけるデータ駆動型収益管理
• Authors: Ezgi Eren, Jiabing Li,
• Abstract要約: 本稿では,エアカーゴ産業の課題に対処するために,データ駆動型収益管理手法を提案する。 以上の結果から,ウェイトとボリューム入札価格を独立に生成し,ウェイトとボリューム入札価格を価格最適化にまとめることが,他の戦略を3%以上の収益差で上回る結果となった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is well-recognized that Air Cargo revenue management is quite different from its passenger airline counterpart. Inherent demand volatility due to short booking horizon and lumpy shipments, multi-dimensionality and uncertainty of capacity as well as the flexibility in routing are a few of the challenges to be handled for Air Cargo revenue management. In this paper, we present a data-driven revenue management approach which is well-designed to handle the challenges associated with Air Cargo industry. We present findings from simulations tailored to Air Cargo setting and compare different scenarios for handling of weight and volume bid prices. Our results show that running our algorithm independently to generate weight and volume bid prices and summing the weight and volume bid prices into price optimization works the best by outperforming other strategies with more than 3% revenue gap.
• Abstract（参考訳）: エアカーゴの収益管理が航空会社とは全く異なることはよく認識されている。 航空カーゴの収益管理において対処すべき課題は、短期の予約地平線と粗末な出荷、多次元性とキャパシティの不確実性、およびルーティングの柔軟性によって引き継がれた需要変動である。 本稿では,エアカーゴ産業の課題に対処するために,データ駆動型収益管理手法を提案する。 本研究では,Air Cargoの設定に合わせたシミュレーションの結果を提示し,重量および体積入札価格の扱いに関する様々なシナリオを比較した。 以上の結果から,ウェイトとボリューム入札価格を独立に生成し,ウェイトとボリューム入札価格を価格最適化にまとめることが,他の戦略を3%以上の収益差で上回る結果となった。

関連論文リスト

• A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
  顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。 各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。 実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
  論文  参考訳（メタデータ） (2024-07-08T09:55:31Z)
• Deep Reinforcement Learning for Real-Time Ground Delay Program Revision and Corresponding Flight Delay Assignments [24.09560293826079]
  地上遅延プログラム(英語: Ground Delay Programs, GDP)は、航空交通管理(ATM)において、空港における容量の調整と不一致の要求に使用される一般的な交通管理イニシアチブである。 動作クローン(BC)と保守的Qラーニング(CQL)という2つのRLモデルを開発した。 これらのモデルは、地上および空中遅延と終端領域の混雑を統合した洗練された報酬関数を利用することで、GDP効率を向上させるように設計されている。
  論文  参考訳（メタデータ） (2024-05-14T03:48:45Z)
• Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
  本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。 本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:53:55Z)
• Learning Dynamic Selection and Pricing of Out-of-Home Deliveries [1.3812010983144802]
  宅配の失敗、交通渋滞、そして比較的大きな処理時間は、ラストマイル・ロジスティクスの収益性に悪影響を及ぼす。 本稿では、畳み込みニューラルネットワークへの入力として、新しい時空間状態符号化を用いたアルゴリズムパイプラインであるOOH(DSPO)の動的選択と価格設定を提案する。 実世界のデータによって導かれた我々の広範な数値研究により、DSPOはOOH位置のない状況と比較して20.8%のコストを節約できることが明らかとなった。
  論文  参考訳（メタデータ） (2023-11-23T12:55:10Z)
• Mitigating the Alignment Tax of RLHF [77.7879015461373]
  人間フィードバックによる強化学習(Reinforcement Learning with Human Feedback, RLHF)は、アライメント税(アライメント税)としても知られる。 本稿では,RLHFモデル重みを補間するモデル平均化を提案し,より効率的な報酬税前処理を実現する。
  論文  参考訳（メタデータ） (2023-09-12T14:16:54Z)
• Optimizing Revenue Maximization and Demand Learning in Airline Revenue Management [0.0]
  提案アルゴリズムは,従来の手法よりも長い地平線上で収益を生み出すために,価格実験を効率よく行うことを示す。 この作業は、航空会社の収益管理(RM)において生じる一定の制約に適応する必要がある。 提案アルゴリズムは,従来の手法よりも長い地平線上で収益を生み出すために,価格実験を効率よく行うことを示す。
  論文  参考訳（メタデータ） (2022-03-21T15:41:20Z)
• Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
  垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。 UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。 GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
  論文  参考訳（メタデータ） (2021-12-26T14:41:52Z)
• A Simplified Framework for Air Route Clustering Based on ADS-B Data [0.0]
  本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援する枠組みを提案する。 実のところ,エアフロー最適化の計算コストを実質的に低減するために,我々の枠組みを考慮に入れることができる。
  論文  参考訳（メタデータ） (2021-07-07T08:55:31Z)
• A machine learning approach to itinerary-level booking prediction in competitive airline markets [0.0]
  競合データ、価格、ソーシャルメディア、安全、航空会社のレビューなど、複数のソースからのデータを組み合わせています。 顧客行動は価格に敏感でスケジュールに敏感で快適なODに分類できることを示す。 このモデルは、従来の時系列予測よりも高い収益をもたらす予測を生成する。
  論文  参考訳（メタデータ） (2021-03-15T14:32:11Z)
• T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
  空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。 従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。 本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T21:14:15Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。