Accommodating taste heterogeneity in railway passenger choice models based on internet booking data

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.