Д.А. Шарипов1

1 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)
1 dasharipov@fa.ru

Постановка проблемы. Актуальность исследования данной проблемы обусловлена необходимостью разработки оперативного инструментария для системы управления доходами (RMS) гражданских судов в секторе авиаперевозок.

Цель. Разработать оригинальный метод для оптимизации вторичного восстановления спроса на авиабилеты и повышения эффективности прогнозирования заполняемости салона (или кабины) самолета в системе управления доходами (IMS).

Результаты. Показан оригинальный оптимизационный метод для вторичного восстановления спроса на открытие и закрытие тарифных классов самолета в секторе гражданских авиаперевозок. Отмечено, что суть метода заключается в перераспределении спроса с использованием вероятностного фрактального параметра. Установлено, что предложенный метод обеспечивает более сглаженное регулирование по тарифным классам авиаперевозок, способствуя снижению рисков не заполняемых классов и повышению оперативности в области IMS.  

Практическая значимость. Разработанный метод, использующий фрактальный параметр для сглаживания первичного восстановления спроса (начальный прогноз заполняемости кабины), обеспечивает эффективное перераспределение заполняемости бронирования по классам, снижая финансовые риски.

Шарипов Д.А. Сглаживание защиты тарифных классов и вторичное восстановление спроса // Нелинейный мир. 2025. Т. 23. № 3. С. 37–44. DOI: https://doi.org/10.18127/ j20700970-202503-05

1. Шарипов Д.А. Информационные технологии оптимизации больших размерностей в управлении доходами (RMS) авиаперевозок. // Информационно-измерительные и управляющие системы. 2023. Т. 21. № 5. С. 56–62.
2. Дубинина В.Г. Сценарная модель экономических прогнозов авиакомпании. // Управление информационными потоками. Сборник трудов ИСА РАН под ред. член-корреспондента РАН В.Л. Арлазарова. М.: Едиториал УРСС. 2005. C. 130–134.
3. Дубинина В.Г. Программная реализация аналитической системы расчета рентабельности авиаперевозок // Информационные технологии в технических системах. М.: ИКТИ РАН. 2004. № 4. C. 25–30.
4. Зенкова Н. А., Носова Е. В., Фридман Г. М. Учет стохастической природы спроса при определении оптимальных пределов продаж авиационных билетов: Сборник научи. трудов // Экономическая кибернетика. 2008. Вып. 18.
   С. 65–68.
5. Виноградов Л. В., Фридман Г. М., Шебалов С. М. Математическое моделирование в оптимизации планирования авиационных перевозок: формулировки и методы решения типовых задач // Научный вестник МГТУГА. 2008.
   С. 49–57.
6. Борисова Л.Р., Бывшев В.А., Владова А.Ю. и др.; под ред. С.А. Зададаева. Цифровизация математики в вузе: Монография. М.: Прометей. 2021. C. 578.
7. Зададаев. С.А. Математика на языке R: учебник // Финансовый университет при Правительстве РФ. М.: Прометей. 2024. C. 346.
8. Littlewood K. Forecasting and Control of Passenger Bookings. Proceedings of the 12th AGIFORS Symposium. Nathanya. Israel. October, 1972. P. 95–117.
9. Weatherford L. R., Polt S. Better unconstraining of airline demand data in revenue management systems for improved forecast accuracy and greater revenues. Journal of Revenue and Pricing Management. 2002. V.1. № 3.
10. Revenue Management System. Reports of International Conference. IATA. 1997. P. 1–345.
11. Gillian Jenner. Airport IT Trends. Airline Business. October. 2008.