方案，也要考虑竞争对手的选择。要实现竞争条件下航空公司利益最大化，必然少不了对博弈论相关知识的应用。而超售作为一种新型销售手段，在实际过程中是否发生DB（Denied Boarding），分析时需要进一步予以考虑。
Littlewood最早进行了关于航空公司舱位分布的研究，Belobaba最早建立了舱位控制的EMSR模型，随后又考虑了竞争环境，并用仿真的方法分析得出为后购票的高价舱位乘客预留座位更有利于提高收益。Netessine和Shumsky对同一航线及不同航线上两种等级的舱位进行了博弈研究[1]。高强和朱金福等人建立了两家航空公司关于不同需求旅客的博弈模型。汪瑜则进一步考虑了多航段多家航空公司，利用拉格朗日乘数法构建了博弈模型。
考虑到以往对舱位控制的研究通常没有考虑竞争环境的影响，也很少把超售和需求转移的情况考虑在博弈模型之内，本文将构建一种基于超售情况的博弈模型，同时得出纳什均衡解并对其进行分析。
1 中国航空市场的特点[2]
1.1 需求波动性大
需求波動主要指在一定时期内的时间分布与空间分布的不稳定性，受节假日、寒暑假或春运的影响，需求波动常会发生变化。再者由于航空运输受限于气候条件，机场位置偏远，导致很多短途乘客选择高铁等其他方式出行。乘机过程中需求转移较为普遍，高价票与低价票乘客在一定条件限制下可以相互转换，通常没有长期选择固定等级座位的乘客。
1.2 需求弹性低
由于国内航空运输起步较晚，不如国外航空业发达，所以航空运输还不是国内乘客的出行首选。航空市场的需求弹性较低，其主要原因是受其他交通运输方式的影响。全价机票的价格较高，机场普及度不高且选址较远，低价飞机票又集中于早晚时间段，导致部分乘客选择了其他交通工具出行。因此机票价格的降低并不能大批量的吸引乘客选择飞机出行。
1.3 品牌差异小
国内的航线大多由几家航空公司同时运营，并不具有垄断性。且航空公司的准点率，机型大小和提供的服务等差异不大，品牌效应较小，故乘客大多没有硬性要求，而是更关心机票价格和起止时间。
1.4 超售比例高
根据调查显示，国外航空公司超售比例大约为3%，且出售前会提前告知乘客一旦发生DB的处置方法。而国内航空公司的超售比例为5%，且大多乘客并不清楚拒绝登机的情况，到现场被告知后往往会为此大动干戈，容易损害航空公司的形象。发生DB的主要原因是航空公司控制超售的策略，也有少部分是售票系统的缺陷。
2 航空舱位控制博弈模型的建立
本文所建立的舱位控制博弈模型主要是考虑了超售的情况，并结合两家航空公司在两个航节之间竞争中出现的一般情况进行分析。通常情况下，乘坐飞机的乘客可大致分为两种[3]：时间敏感型和价格敏感型。为了实现航空公司利润最大化，考虑将低价舱位设置为有限的数量，当低价票需求大于舱位数时，会有一部分人选择高价舱位。而原本高价舱位乘客更重视时间、舒适性等因素，而坚持选择高价舱位。超售作为一种普遍的销售手段，将其纳入博弈模型更为合理。在复杂的竞争过程中，两家航空公司最终会达到一个稳定的状态，即纳什均衡。
2.1 多票价等级舱位博弈模型假设[4-7]
（1）两家航空公司在两个航节之间的服务以及其降落时间等是没有差异的，两家公司总座位数分别为C和C，低价票座位数分别为C和C，低价与高价座位的票价均分别为p和p。市场上低价票与高价票的乘客需求量分别为d和d，乘客的需求独立且服从正态分布。
（2）旅客购买机票存在向上转移的情况，国内高价舱位通常情况下存在空缺，故认为高价舱位数是充足的，考虑超售情况只出现在低价舱位。一旦抵达现场准备登机的旅客多于座位数量，会出现DB情况，航空公司则需要对其进行补偿。
（3）低价票座位数是有限的，当低价票旅客需求大于低价座位数时会向上转移到高价座位，由于高价票旅客通常为时间敏感型的商务旅客，故不考虑向下转移。
2.2 模型构建
在销售过程中，往往会出现两种情况：总的座位数大于总需求量，总座位数小于总需求量。故以此为基础构建出以下模型：
3.2 乘客需求量d和d的影响
此时情况与前者类似，低价座的数量由两种舱位票价和需求转移率同时控制。当pα-p>0时，低价座位数量随高价舱乘客需求量的增加而增加，当pα-p<0时，低价座位数量随高价舱乘客需求量的增加而减少。
3.3 需求转移率α的影响
pα时，随低价票价格p增长，应该适当减少低价座位数。而对于高价票p，当高价票价格增加时，应当减少低价座位的数量，促进潜在低价舱位的乘客向高价舱位的转移。对于乘客需求量d和d来说，当pα-p>0时，随着低价舱位或高价舱位乘客需求量的增加，低价座位数都应该增加;而pα-p<0时，低价座位数应随低价舱或高价舱乘客需求量的增加而减少。对于需求转移率α来说，当c
在此模型中，由于C≠C，可知在现实情况下，两家航空公司的竞争相对来说较难达到均衡。并且在超售过程中，超售补偿的提高并没有对纳什均衡解产生影响，也不能对舱位分配数产生较大的冲击。故在实际情况下，应尽可能把DB情况降低到最小，以满足航空公司利益的最大化。
4 总 结
本文建立了两家航空公司在竞争下的博弈模型，对可能出现的超售情况进行了考虑并得出最优解，并在不同情况下对低等级价位的舱位数进行了讨论，得出了各种条件下舱位控制的增减情况。但本文只考虑了单航节线路的博弈模型，并没有对现实情况下的多航节线路进行分析，并且没有考虑到动态决策的影响，今后可将模型拓展为多航空公司多航线的博弈模型[8-9]。
参考文献：
[1] 朱晨波. 基于政府规制的航空公司收益管理博弈[D]. 上海：复旦大学（博士学位论文），2014.
[2] 李雯. 基于竞争环境下的舱位控制博弈模型分析[J]. 中国民航飞行学院学报，2014，25（6）：36-39.
[3] 梅虎. 航空旅客选择行为及其在收益管理中的应用研究[D]. 南京：南京航空航天大学（博士学位论文），2007.
[4] 高强，朱金福，蓝伯雄. 国内航空公司实施收益管理的博弈分析[J]. 科研管理，2006（6）：125-129.
[5] 高强. 航空收益管理中舱位控制问题的研究[D]. 南京：南京航空航天大学（博士学位论文），2006.
[6] 汪瑜. 竞争环境下航空公司收益管理舱位控制问题的研究[D]. 南京：南京航空航天大学（硕士学位论文），2008.
[7] 汪瑜，孙宏. 竞争环境下航班舱位控制博弈模型[J]. 交通运输工程学报，2009，9（3）：92-97.
[8] 李琴. 寡头竞争条件下的航空公司收益决策博弈分析[D]. 广汉：中国民航大学（硕士学位论文），2008.
[9] 朱文丽. 航空公司多航节舱位控制博弈研究[D]. 南京：南京航空航天大學（硕士学位论文），2016.
相关热词搜索： 神经网络 宁波 地铁 粉丝 运营
