Mythbusters-시간 및 만족도 점수를 기반으로 최적의 탑승 전략 결정

대부분의 항공사 는 비행기 뒤에서 출발하여 승객을 탑승 한 다음 앞쪽으로갑니다 (우선 순위 클래스 및 승객 탑승 후).

에서 호기심 해결사의 에피소드 , 아담과 제이미는 탑승 전략은 대부분의 항공사들이 선호하는 신화 테스트 뒤에서 앞으로 , 가장 효율적입니다.

신화가 확인되었으며 결과는 다음과 같습니다.

임의없는 좌석의 전략은 다음, 가장 빠른 윌마 직선 전략. 그러나 무작위 좌석 없음 전략은 가장 낮은 만족도 점수를 제공합니다.

리버스 피라미드 전략이 4 번째로 빠른 경우에도 만족도가 가장 높습니다 .

주어진 시간과 만족도 점수만을 기반으로 최적의 탑승 전략을 어떻게 결정할 수 있습니까 ( 예상 통로 또는 좌석 간섭 계산과 같은 고급 요소는 포함하지 않음 )?

시간을 초로 변환 한 다음 만족도 점수와 곱하는 것을 제외하고는 모든 종류의 단위 변환을 생각할 수 없으므로 시간과 만족도 점수의 곱을 최대화하려고하는 것과 같습니다.

f (t, s) = t s

$f(t,s) = ts$

이 작업의 장점 또는 단점은 무엇입니까?

하나의 단점은 시간의 곱에 의한 순위와 만족도 점수가 만족도 점수에 의해 동일한 순위를 부여한다는 것입니다.

다른 무엇을 할 수 있습니까? 떠오르는 것들은 모두 제품이므로 아마도 다음과 같은 것을 극대화 할 수 있습니다.

f (t, s) = t^{2} s

$f(t,s) = t^2s$

f (t, s) = t s^{1 / 2} (eliminating random no seats)

$f(t,s) = ts^{1/2} \text{(eliminating random no seats)}$

f (t, s) = t (s - s_{a v e})

$f(t,s) = t(s-s_{ave})$

시간과 만족 점수를 돈과 같은 단위와 관련시켜야한다고 생각합니다. 따라서 탑승 시간과 비용 사이의 관계 (예 : 선형 회귀를 통한 선형 관계)와 오늘 탑승의 만족도 점수 및 다음 달 비행 수익 간의 관계를 찾아야합니까?

그런 식이어야합니까?

z- 점수 또는 다른 것을 제안하여 표준화를 시도했습니다.

z의 제곱의 합이 6 인 이유는 무엇입니까? 내가 뭐 잘못 했어요? 그게 네 번째 순간인가요?

— BCLC
소스

첫 번째 단계는 "최적"을 정확하게 정의하는 것입니다. 일반적으로 이는 일부 제약 조건에서 수량을 최소화하거나 최대화하는 형태를 취합니다. 이것은 현재 부족한 문제에 대한 방향을 제시 할 것입니다. 특히 최적의 솔루션이 왜 t * s를 최대화할까요? 이것은 두 전략이 동일한 양의 만족을 제공 할 때 더 많은 시간이 걸리는 전략이 바람직하다는 것을 의미합니다.

이것이 실제로 적용 (실제) 목적을위한 것이라면, 14:07과 15:10 사이에 실질적인 차이가 없음을 인식하는 것이 중요합니다. (신화가의 운동이 여러 번 반복적으로 과학적으로 수행된다면,이 숫자는 아마도 거의 같은 평균이 될 것이다.) 따라서 아마도 3 가지 다른 시간이있을 것이다 : 14:07에서 15:10; 17:15와 24:29. 마찬가지로, 실제 응용에서는 3 가지 다른 만족도 점수가 있습니다 : -5; 12-19; 및 102-113. 실제로 유용한 모델을 적용하려면 그러한 관점을 취해야합니다.

— Ochado

나는 일반적인 하고 이것에 가중치 또는 요소를 추가하는 대신 시간과 만족과 관련된 다른 변수를 다음과 같이 추가합니다.

f (t, s) = t \times s

$f(t,s) = t \times s$

수하물 관리 ( ) 시간 수하물 번호 ( )의 함수로서의 탑승 시간 및 좌석 수 ( ) 로 이동하는 시간 대 실제 좌석 수 ( ) 대비 좌석 수 (창, 중, 통로) 승객 ( ) $TL$ $B$ $T_g$ $T_s$ $N$
탑승 편의성 ( ) (WilMA 및 어린 자녀가있는 가족에 대해 생각), 수하물 포지셔닝 기능 ( ), 필요한 산만 함 ( ) (예 : 큰 소리로 음악을 듣거나 탑승 할 때 탑승) 휴대 전화가 탑승에서 산만 해져 오류가 발생합니다). $E$ $F_b$ $D$

제안은

f (T L, T g, T s, W, M, A, N) = (T L \times B) + (T G \times N + \frac{N}{3} W + \frac{N}{3} M + \frac{N}{3} A)

$f(TL, Tg, Ts, W, M, A, N) = (TL\times B)+(TG\times N + \frac{N}{3}W + \frac{N}{3}M + \frac{N}{3}A)$

f (E, F b, D) = E \times F b \times \frac{1}{D}

$f(E, Fb, D) = E \times Fb \times \frac{1}{D}$

boarding strategy score = f (T L, T g, T s, W, M, A, N) \times f (E, F b, D)

$\mbox{boarding strategy score}=f(TL, Tg, Ts, W, M, A, N) \times f(E, Fb, D)$

그리고 더 많은 시뮬레이션을 수행하면서 가중치를 할당하기 시작합니다 (Mythbusters 예제는 각 전략에 대해서만 단일 시험을 참조한다는 것을 이해했습니다).

내 의견으로는, 장점 / 단점은 방정식 자체가 아니라 방법론에서 나옵니다. 보다 강력한 실험 데이터가 없으면 위의 모든 방정식과 더 많은 요소가 논쟁의 여지가 있고 논쟁의 여지가 있습니다.

또한 모델에 "돈"을 추가 하지 않고 항공사의 부가가치 대 승객의 부가가치 가 증가하고 상황이 쉽게 증가 할 것입니다. 공항에서 지연 또는 항공편 취소를 기다리는 경우, 광고 게시판의 노출 시간을 늘릴 수 있으므로 공항 서비스의 잠재적 인 수익, 따라서 지연의 유용성 기능.

— 에르 프레시 소
소스