Designing Airline Hub-and-Spoke Network and Fleet Size by a Biobjective Model Based on Passenger Preferences and Value of Time
Notice bibliographique
Résumé
This study presents a biobjective hub-and-spoke (HS) network design model for the global air passenger networks. The model explores the tradeoff between the total airline cost (airline preference) and lost time cost for passengers (user preference) as the model’s objectives. Most previous studies have focused on airline objectives and established HS networks based on the viewpoint of airlines, despite the importance of passenger objectives. Poor passenger service and inconvenience and dissatisfaction may lead to network breakdown. The major criteria for passenger dissatisfaction in HS networks are schedule and trip delays caused by nondirect flights. These delays (the lost time cost for passengers) are multiplied by the passengers’ value of time (VOT) and minimized as one of the model’s objectives. Another objective that is minimized is the transportation costs of the airline depending on the services provided (short-, medium-, and large-haul flights). The model is solved in a case study (Iranian Aeronautics Network) that is applied to the well-known yearbook of tourism statistics data. Pareto frontier was found for all candidate airports. Also, the number of aircraft required (short-, medium-, and large-haul), as well as the average load factor for different types of aircraft in various weights of the first objective (airline costs), was presented. The results of Pareto frontier indicated that Imam Khomeini International Airport should be selected as the global hub airport for Iran international flight network. Otherwise, Shiraz International Airport and Tabriz International Airport (as the first alternative), as well as Isfahan International Airport and Mashhad International Airport (as the second alternative), would be the best choices. The weight of the first objective (airline costs) seems to be between 0.7 to 1, a practical and logical weight that can reduce passenger costs (as the second objective) by 20% on average by adding only 15 long-haul, 40 medium-haul, and 37 short-haul aircraft to the airline’s fleet. Also, in this range, the average load factor for medium- and long-haul aircrafts is greater than 0.9, which seems to be ideal.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».