予約の予測

コロナ後には、密を避けるために、予約による混雑の回避が必須になることを以前書いた。予約を受けるか否かには、収益管理と呼ばれるアナリティクスが重要になるが、その適用は簡単で、いわゆる線形最適化モデルで十分だ。

収益管理モジュール rm と収益管理システム MERMO | scmopt

で開発してふと思ったのが、予約の予測の難しさだ。

ホテルの予約を例として考える。宿泊日 (check-in day)が与えられたとき、予約はそのLT日前から始まる。LTはリード時間のことで、最後は0（当日ホテルに直接来る飛び込み客）になる。通常は90日前のように決まっているが、ものによっては1年前というホテルもある。

データセットを探してみたら、こんな論文をみつけた。データ付きだ。

Hotel booking demand datasets

予測手法だが、調べてみたらあまり良いものがない。自前で作った方が良さそうなので、fastaiの表形式データの予測を使うことにした。

tabular | fastai

宿泊日と部屋の種類（クラス）と過去の予約状況を特徴ベクトルとしてもち、当日の予約数をターゲットとした回帰モデルを作れば良い。当然、fastaiなので、日付から自動的に、曜日、週数、月末、月初、年末などの特徴を自動的に追加し、さらにはデータセットにある付加情報も全部打ち込めば良い。

ちょっと粗っぽいが、深層学習による予測はこんな感じで力づくだ。できれば、需要の分布も欲しいので、需要の分布を仮定して、そのパラメータを予測するというモデルでも良い。分布間の差を損出関数にするのは、fastaiにはないようなのでPyTorchから作る必要がある。