Optimal Fleet Policy of Rental Vehicles with Relocation: A Simulation Study
Notice bibliographique
Résumé
Popularity of one‐way car rentals poses a challenge to rental car fleet management and brings to focus the importance of a strategic decision for rental car operators: whether to implement a single‐fleet or a multifleet model. The single‐fleet model allows movement of vehicles between regions, whereas the multifleet model does not. It is not obvious whether a single‐fleet model is optimal due to its pooling effect, or a multifleet model due to shorter car relocation times. In practice, different rental car operators use different models. To answer this conundrum, we develop two simulation models and compare them in terms of fleet utilisation, branch service level, relocations, and operating profit. We have taken the New Zealand rental car industry as an example as the country consists of two well‐defined regions: the North Island and the South Island. The results indicate that a multifleet model has a higher service level at key centres and higher utilisation. At the same time, the single‐fleet model is relatively more profitable at the expense of a lower service level in key centres due to vehicles accumulating in the South Island due to a significant volume of one‐way southbound travel. Overall, the implementation of either model should depend on the strategic goals of the rental car operator. Our work will be useful for practitioners considering whether or not to pool their fleet when allowing for one‐way rentals with subsequent relocation.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».