| Přispěvatelé: |
Petrović, Bratislav, Mijatović, Ivana, Milošević, Pavle, Dragović, Ivana, Bojković, Nataša |
| Popis: |
Тема овог рада представља предлог система за предвиђање путника који се неће појавити на лету („no-show“), који се заснива на техникама рачунарске интелигенције. Предвиђање броја „no-show“ путника представља специфичан и уско формулисан проблем који је већ дужи низ година веома актуелан у авио индустрији како са теоријског, тако и са практичног аспекта. На основу очекиваног броја „no show“ путника, као и других фактора, авио компаније доносе одлуку о додатном броју места који ће бити доступан кроз резервациони систем. На овај начин, авио компаније могу остварити додатан профит, поготову када се ради о летовима који су попуњени у потпуности. Предложени систем за предвиђање “no-show“ путника се састоји од две компоненте. Прва компонента се односи на избор најпрецизнијег модела за предвиђање, а друга на примену и валидацију система. Модел за предвиђање се састоји из алгоритма који се заснива на техници закључивања на основу случаја и интерполативне Булове алгебре. Даље, модел комбинује предлог који је генерисан од стране алгоритма и предлог који препоручује експерт. На овај начин предложени систем обједињује и узима у обзир објективну и субјективну димензију приликом предвиђања. Сличност између летова се израчунава коришћењем традиционалних мера (Eуклидска и Mенхетн) и ИБА мере сличности. Такође, ИБА приступ употпуњује традиционални алгоритам технике закључивања на основу случаја кроз омогућавање логичке агрегације вредности, односно моделовањем постојећих нелинеарних зависности између података. Примена предложеног система је представљена коришћењем података о лету на релацији Београд - Амстердам, за период од годину дана. Добијени резултати показују да је неопходно укључити препоруку експерта у процес предвиђања, као и да сам алгоритам није довољан да би се добили довољно прецизни резултати. Такође, добијени резултати указују да су модели који су засновани на ИБА приступу и који комбинују резултате алгоритма и препоруку експерта, прецизнији од модела који користе традиционалне мере за израчунавање сличности. Сходно томе, потврђено је да логички приступ моделовању сличности представља перспективан правац примене у оквируviii технике закључивања на основу случаја. Са практичне стране, предложено решење је једноставно за разумевање у погледу функционисања, и може се доста једноставно имплементирати и прилагодити специфичностима и операцијама авио компаније. In this doctorial dissertation no-show passengers prediction system based on computational intelligence techniques is proposed. Predicting no-show passengers represents a specific and concisely formulated problem that actively persists for a longer period of time in the airline industry from both theoretical and practical perspective. Based on the expected number of no-show passengers, as well as some other factors, airlines are making decisions about how many additional seats will be allowed for overbooking through reservation system. This way, airlines could make additional profit, especially when it comes to the high demanding flights that are fully booked. Proposed prediction system for no-show passengers consists of two major components. First component considers selecting the best performing prediction model from the available model pool, and the second component is related to the model validation and application. Prediction model is based on the algorithm that combines case based reasoning technique and interpolative Boolean algebra (IBA) approach. Furthermore, model combines prediction recommendation generated by algorithm and recommendation provided from the domain expert. This way, the proposed system considers and takes into account both objective and subjective dimension. Similarity between flights is determined using traditional metrics (Euclidean and Manhattan) and IBA similarity measure. Also, IBA approach is enhancing the conventional CBR algorithm by enabling logical aggregation of values, i.e. capturing existing nonlinear dependencies in the data. The usage of the proposed system is illustrated in the numerical example regarding a single leg flight on the Belgrade-Amsterdam route and covers a one-year period. The obtained results show the necessity to include expert knowledge in prediction process, i.e. the CBR algorithm used alone is insufficient to produce results that are accurate enough. Furthermore, the results are indicating that the IBA-based models that combine the results of the CBR algorithm and expert recommendations perform better than distance-based models. Therefore, it is confirmed that the logicbased approach of similarity modelling is the prospective direction within the CBR algorithm. From a practical side, proposed solution is easy for understanding from thex functional aspect, and could be easily implemented and adjusted according to airline operations. |
