基于收益管理的無約束租車需求預測模型研究.pdf

1、我國汽車租賃業(yè)經過近30年的發(fā)展，簡單的經營模式已不能適應快速發(fā)展的社會潮流。汽車租賃企業(yè)開始探究收益管理在汽車租賃業(yè)中的應用研究，雖然通過容量控制、超售和定價策略能夠提高期望收益，但要取決于需求預測的準確性。而需求預測建立在歷史需求數(shù)據(jù)的基礎上，但歷史數(shù)據(jù)往往受到約束，不能反映真實的乘客歷史需求狀況，因此需要對約束數(shù)據(jù)進行無約束修復。利用修復后的無約束數(shù)據(jù)進行未來時刻需求預測稱為無約束需求預測。由于汽車租賃站點車輛種類多，顧客主觀能動

2、性強，升級和降級的概率較高，使無約束需求預測成為收益管理在汽車租賃應用中的難題。
　　汽車租賃的無約束需求預測主要包括歷史約束需求的無約束修復和未來時刻需求預測兩部分。主要工作和研究成果如下:
　　首先，在文獻綜述的基礎上，以汽車租賃收益管理為研究對象，分析收益管理的發(fā)展狀況和使用條件;以汽車租賃收益管理特點為基礎，得到汽車租賃收益管理應用中無約束需求預測的重要性。
　　其次，提出考慮顧客選擇行為的無約束需求修復方法。

3、傳統(tǒng)無約束需求修復方法建立在傳統(tǒng)收益管理之上，不能描述顧客的主觀選擇行為。為此，設計顧客租車意向調查，利用變精度粗糙集的層次分析法對數(shù)據(jù)進行處理，得到影響顧客租車選擇的因素以及權重;設計顧客滿意度調查，然后利用多項離散選擇模型處理數(shù)據(jù)，得到顧客選擇偏好概率，在此基礎上對傳統(tǒng)Spill模型加以改進。
　　再次，提出基于線性方法與非線性方法相結合的組合預測模型。線性的Holt-winter模型對存在季節(jié)性和周期性變化的汽車租賃需求有較

4、好的預測效果，但顧客需求是受多種因素影響的復雜序列，線性預測不能滿足越來越高的精度要求;而非線性的BP神經網絡擁有強大的容錯能力和聯(lián)想記憶能力，但有陷入局部最優(yōu)的風險，因此將兩種方法合理的組合起來，利用各單項模型有用信息，能夠避免單項預測導致的誤差。
　　最后，通過數(shù)值算例，得到傳統(tǒng)修復模型和改進模型的無約束需求修復結果。利用修復后的無約束需求，得到三種預測方法未來一周期的預測需求。通過與真實需求對比，驗證了組合預測模型和考慮顧客