Introduzione
In SWITCH, comprendiamo che opzioni di trasporto diverse sono cruciali per soddisfare le esigenze di mobilità delle persone. Dalle auto alla micromobilità, ogni modalità presenta sfide uniche. Recentemente, abbiamo rivolto la nostra attenzione all’industria del noleggio auto a breve termine, dove la previsione accurata della domanda di noleggio auto è fondamentale, soprattutto negli aeroporti dove la domanda fluttua a causa degli orari dei voli, del meteo e degli eventi locali. Utilizzando PULSE-AI, abbiamo dimostrato come le aziende possono anticipare e gestire la domanda, garantendo una disponibilità e un’allocazione ottimali dei veicoli. Il nostro software di gestione del noleggio auto, integrato in Urbiverse e Urban Copilot, fornisce alle aziende capacità di AI-CoPilot per una gestione della flotta e una pianificazione avanzate.
Il nostro avanzato Motore di Simulazione AI, PULSE-AI, alimenta sia Urbiverse che Urban Copilot, creando gemelli digitali di qualsiasi flotta e modellando variabili come costi dei veicoli, autonomia e tipi di carburante. Questo sistema è progettato per essere universalmente applicabile in tutti i settori e tipi di veicoli, garantendo una gestione efficiente della flotta e delle risorse indipendentemente dal settore.
Panoramica del Progetto
Recentemente, abbiamo applicato PULSE-AI a un esperimento di previsione che ha predetto i viaggi di noleggio auto in partenza giornalmente da quattro importanti aeroporti europei. L’obiettivo era ottimizzare la gestione della flotta e l’allocazione delle risorse, dimostrando l’applicazione universale della nostra tecnologia esistente nel settore del noleggio auto senza richiedere uno sviluppo personalizzato.
Sfide nella Gestione del Software per Noleggio Auto a Breve Termine
La gestione delle flotte con software di gestione del noleggio auto richiede una previsione accurata della domanda, acquisti e allocazione delle risorse per soddisfare le richieste dinamiche dei clienti. Queste sfide influenzano la redditività e l’efficienza operativa delle società di noleggio.
Considerazioni Chiave
- Acquisizione dei Veicoli: Le aziende devono pianificare i loro principali acquisti di veicoli con largo anticipo, tipicamente circa il 70% della loro flotta tra settembre e ottobre, con aggiustamenti effettuati durante l’anno attraverso acquisti spot più piccoli e flessibili. La previsione della domanda di noleggio auto è essenziale per evitare acquisti eccessivi o insufficienti, che possono portare a tensioni finanziarie.
- Previsione della Domanda e Allocazione: Per rimanere competitive, le aziende devono valutare continuamente la domanda e ottimizzare la distribuzione dei loro veicoli. Ciò comporta l’analisi di dati storici, tendenze economiche e fattori esterni come la stagionalità, che spesso cambiano rapidamente.
- Pianificazione Strategica: Le società di noleggio devono sviluppare piani aziendali mesi in anticipo, aggiustandoli durante l’anno per tenere conto delle condizioni di mercato in evoluzione. Le differenze di mercato regionali, come una domanda più bassa in Europa rispetto agli Stati Uniti, aggiungono ulteriore complessità.
- Modelli di Acquisto: Trovare il giusto equilibrio tra accordi di riacquisto e acquisti diretti di veicoli è fondamentale. Un’eccessiva dipendenza da un modello può esporre le aziende a rischi non necessari, sia attraverso fluttuazioni del mercato che una flessibilità limitata.
Queste sfide evidenziano la necessità di previsioni precise e processi decisionali dinamici per ottimizzare la gestione della flotta e garantire il successo finanziario a lungo termine.
L’Esperimento
Abbiamo preso di mira quattro aeroporti europei chiave:
- Aeroporto di Francoforte sul Meno
- Aeroporto Adolfo Suárez Madrid-Barajas
- Aeroporto Leonardo da Vinci-Fiumicino
- Aeroporto di Stoccolma-Arlanda
Utilizzando dati di due fornitori leader nel settore del noleggio auto, forniti da Barking Data, abbiamo condotto un esperimento di previsione su più orizzonti temporali—7, 30, 90 e 180 giorni—alimentato dal nostro motore PULSE-AI.
Risultati delle Previsioni
I nostri modelli hanno dimostrato una forte performance predittiva per la previsione della domanda di noleggio auto:
- Accuratezza a Breve Termine: I modelli hanno avuto risultati eccellenti nelle previsioni a breve termine (orizzonte di 7 giorni), fornendo previsioni altamente affidabili con errori minimi.
- Stabilità a Lungo Termine: Anche su orizzonti più lunghi (180 giorni), i modelli hanno mantenuto un’accuratezza costante, controllando efficacemente gli errori.
- Intuizioni Attuabili: I nostri modelli hanno fornito intuizioni dettagliate su diversi tipi di auto e fornitori, permettendo decisioni più informate sulla composizione e l’allocazione della flotta.
Metriche di Performance del Modello
Abbiamo valutato i nostri modelli di previsione utilizzando le seguenti metriche chiave:
- Accuratezza Relativa Media Giornaliera (ADRA): Misura l’accuratezza della previsione giornaliera, soprattutto per tempi più brevi.
- Accuratezza Relativa Media Mensile (AMRA): Valuta quanto accurate sono le previsioni su un periodo mensile.
- Accuratezza Relativa del Numero Totale di Viaggi (TRA): Confronta il numero previsto di viaggi con il numero effettivo, mostrando quanto la previsione è vicina alla realtà.
Dettaglio delle Performance
- Orizzonte di 1 Settimana: I modelli hanno fornito un’eccellente accuratezza a breve termine, con un ADRA del 91,12%, il che significa che le previsioni giornaliere erano altamente affidabili. L’AMRA era del 94,82%, indicando una forte accuratezza mensile, e il TRA era del 98,04%, mostrando un’accuratezza quasi perfetta nel prevedere il numero totale di viaggi.
- Orizzonte di 1 Mese: Nel periodo di 1 mese, i modelli hanno mantenuto una forte performance, con un AMRA del 90,39% e un TRA del 96,78%, mostrando un’accuratezza costante sia nelle previsioni mensili che nel totale dei viaggi.
- Orizzonte di 3 Mesi: A questo orizzonte, la performance del modello è rimasta solida, con un AMRA dell’87,72% e un TRA del 94,30%, riflettendo un alto grado di accuratezza anche nelle previsioni a medio termine.
- Orizzonte di 6 Mesi: Sul periodo più lungo, il modello ha raggiunto un AMRA dell’87,99% e un TRA del 93,12%, dimostrando un’accuratezza stabile anche su orizzonti a lungo termine.
Questi risultati dimostrano non solo un’alta accuratezza ma anche la capacità di PULSE-AI di fornire performance costanti su diversi intervalli di tempo, rafforzando la robustezza del sistema per previsioni sia a breve che a lungo termine.
Applicazione di PULSE-AI per il Software di Gestione del Noleggio Auto
Il successo di questo esperimento rafforza la versatilità di PULSE-AI. Questo motore AI è progettato per essere applicato in tutti i settori, garantendo un’adattabilità senza soluzione di continuità per qualsiasi sfida di gestione della flotta. Ecco come può essere applicato nel settore del Noleggio Auto:
- Allocazione della Flotta:
- Utilizzando dati in tempo reale, il nostro software di gestione del noleggio auto regola dinamicamente il posizionamento dei veicoli per soddisfare la domanda prevista, minimizzando i tempi di inattività e massimizzando l’efficienza delle risorse.
- Previsione della Domanda:
- Le aziende possono pianificare futuri acquisti di veicoli e ottimizzare le decisioni di noleggio o vendita basandosi su previsioni accurate della domanda
Integrando queste capacità, PULSE-AI permette alle società di noleggio auto—e ad altri fornitori di mobilità—di migliorare la redditività e la soddisfazione dei clienti mantenendo la sostenibilità e l’efficienza operativa.
Urbiverse e Urban Copilot come Software di Gestione della Flotta di Noleggio Auto
PULSE-AI alimenta le nostre piattaforme Urban Copilot e Urbiverse, che forniscono soluzioni complete di gestione e pianificazione della flotta:
- Urban Copilot offre:
- Previsione della Domanda in Tempo Reale
- Riequilibrio Intelligente della Flotta
- Algoritmi di Routing Avanzati per Performance Ottimali della Flotta
- Integrazione di Applicazioni Mobili per Aggiornamenti in Tempo Reale
- Urbiverse offre:
- Simulazione di Mobilità per scenari futuri di infrastrutture e flotte
- Previsione della Domanda di Veicoli Autonomi
- Simulazione di Elettrificazione della Flotta
- Posizionamento Ottimizzato di Hub di Mobilità / Logistica e Stazioni di Ricarica
Questi strumenti sono il modo in cui i nostri clienti interagiscono con il nostro Motore AI. Se PULSE-AI è OpenAI o1, Urbiverse e Urban CoPilot sono il nostro ChatGPT.
Conclusione
Questo progetto dimostra il notevole potenziale e l’adattabilità di PULSE-AI. Utilizzando la nostra tecnologia esistente per la previsione della domanda di noleggio auto, abbiamo dimostrato come PULSE-AI possa essere applicato senza soluzione di continuità a diversi settori senza richiedere soluzioni personalizzate. La sua capacità di fornire costantemente previsioni accurate in vari scenari ne evidenzia il valore come strumento versatile e affidabile.
ConPULSE-AI, Urban Copilot e Urbiverse, le aziende possono:
- Trasformare le loro operazioni di noleggio auto attraverso decisioni basate sui dati.
- Migliorare l’accuratezza della previsione della domanda, ottimizzando l’allocazione delle risorse.
- Aumentare la redditività migliorando le strategie di gestione della flotta.
Invitiamo le società di noleggio auto e i fornitori di mobilità a collaborare con noi e sperimentare come il nostro software di gestione del noleggio auto possa guidare la crescita e l’efficienza in una gamma di settori.
Pronto a rivoluzionare la gestione della tua flotta? Contattaci oggi per scoprire come SWITCH può migliorare le tue operazioni con le nostre soluzioni alimentate da AI per il noleggio auto e oltre.
