The thesis at hand explores the steps necessary to optimize a Vehicle Sharing System in free-floating mode. A novel unconstraining algorithm is presented to estimate real demand from rental data. A clustering is presented that reduces dimensionality in system analysis. Finally, a dynamic pricing is introduced, utilizing a Markov- Decision-Process Modelling and a full dynamic pricing policy. With the approach presented, increases of up to 10% in profit can be generated.
Translated abstract:
Die vorliegende Arbeit untersucht die Schritte zur Optimierung eines Free-floating Sharing-Systems. Ein neuer Unconstraining-Algorithmus wird präsentiert der die tatsächliche Nachfrage aus Mietdaten abschätzen, sowie ein Clustering, welches die Dimensionen in der Systemanalyse reduziert. Schlussendlich wird ein Dynamisches Pricing vorgestellt basierend auf einem Markov-Decision-Prozess sowie einer Pricing Policy. Der vorgestellte Ansatz ermöglicht Gewinnsteigerungen um bis zu 10%.