کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5091944 1478408 2013 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Accommodating taste heterogeneity in railway passenger choice models based on internet booking data
ترجمه فارسی عنوان
عدم تنوع طعم در مدل های انتخاب مسافری راه آهن بر اساس داده های رزرو اینترنتی
کلمات کلیدی
ترجمه چکیده
نتایج اهمیت کرایه، رزرو پیشرفته، زمان خروج از روز و روز هفته در تصمیم گیری زمان خرید را تعیین می کند. این نشان می دهد که مدل لجیت مخلوط بهترین کالاهای آماری را برای بازارهای طولانی و متوسط ​​فراهم می کند، در حالی که مدل کلاس پنهان، بهترین مدل آماری را برای بازار کوتاه کوتاه ارائه می دهد. از سوی دیگر، مدل کلاس پنهان بر اساس مدل منطقی مخلوط در شرایط پیش بینی توانایی برتر است. نتایج همچنین نشان می دهد که حساس بودن قیمت گذاری توسط دوره رزرو برای این نرم افزار انتخابی مناسب تر از بخش بندی بر اساس اطلاعات اقتصادی اجتماعی است. این تحقیق به ادبیات موجود در مدیریت درآمد کمک می کند، نشان می دهد که مدل های تقاضای پیچیده با موفقیت به ناهمگن تصادفی رجوع می کنند، زمانی که اطلاعات جمعیت شناسی محدود موجود است. نتایج، همراه با الگوریتم بهینه سازی، می تواند توسط اپراتورهای راه آهن برای حمایت از سیاست های مدیریت درآمد مانند هزینه های کرایه یا تخصیص صندلی مورد استفاده قرار گیرد.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری بازاریابی و مدیریت بازار
چکیده انگلیسی
The results quantify the importance of fare, advanced booking, departure time of day, and day of week in purchase timing decision. It shows that mixed logit model provides the best statistical fit for the long and medium distance markets, while the latent class model provides the best statistical fit for the short distance market. On the other hand, the latent class model is found to be superior to mixed logit model in term of prediction capability. Results also show that segmenting price sensitivity by booking period is more appropriate for this choice model application than segmenting by socioeconomic information. This research contributes to existing literature on revenue management by demonstrating that complex demand models successfully recover random heterogeneity when limited socio-demographic information is available. The results, coupled with an optimization algorithm, can be used by railway operators to support revenue management policies such as fare pricing or seat allocation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Choice Modelling - Volume 6, March 2013, Pages 1-16
نویسندگان
, ,