收益管理中异常需求的识别与应对

收益管理高度依赖准确的预测。因此，当特殊事件引起异常需求时，收益管理系统需要识别这一点并调整预测与控制。许多客运服务提供商，如铁路和航空公司，通过收益管理控制票务销售。这些行业中最先进的系统依靠分析人员的专业知识来在线（在预订期内）和离线（事后）识别异常需求。迄今为止，很少研究关注在此背景下自动化和评估异常需求的检测。为此，我们提出了一种新方法，该方法结合函数型数据分析与时间序列外推来检测异常值。我们在一个仿真框架中评估该方法，该框架通过改变需求模型来生成异常值。结果表明，对于函数型异常值检测，在线和离线分析的检测率均优于替代方法。根据异常值的类别，外推进一步提高了在线检测性能。我们还将该过程应用于一组经验数据，以展示其实际意义。通过评估预测与优化的全反馈驱动系统，我们获得了关于正需求和负需求异常值不对称效应的见解。我们表明，及时识别异常需求实例并调整预测，相比忽略异常值所赚取的收入，可显著增加收益。