基于大数据的高速铁路客票动态定价与票额分配研究
发布时间：2021-07-18 19:19
近年来高速铁路在我国迅猛发展,高铁客流量逐年增多,各交通方式之间的竞争也日益激烈。国家正逐步将客票价格制定权下放给铁路部门,同时大数据技术近年来在各领域也得到应用发展,在此背景下,铁路部门为适应市场化需求,基于客票大数据进行客流研究,探索构建灵活可控的票价调整机制,构建高速铁路动态票价和票额分配优化模型具有重要的理论意义和实际价值。在已有研究成果上,本文的研究工作如下:首先,介绍了收益管理理论,对比了高速铁路与航空应用收益管理的异同性,得出了高速铁路运用收益管理具有可行性。针对高速铁路旅客的购票大数据,研究高速铁路客流特征,分析旅客购票行为规律,为铁路部门实行收益管理引导客流出行提供建议。基于人工智能方法中的长短期记忆网络建立了客流预测模型,并结合实例与传统的季节变动预测模型比较,结果验证了长短期记忆网络客流预测模型的有效性。然后,分析了高速铁路动态定价策略,介绍了连续型和离散型两种动态定价策略,说明了就我国目前情况而言,高速铁路采用离散价格集的票价策略应是最佳选择,并研究旅客对价格的敏感性,介绍比较了几种常见价格反应函数,得出采用Logit价格反应函数来描述旅客需求与客票价格的变化情...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
我国中长期高速铁路网规划（1）铁路市场化改革，票价结构要更为灵活高速铁路与高速公路在短途客运市场争夺客流，与民航在中长途客运市场也是竞争激烈，
技术路线图
西南交通大学硕士研究生学位论文 第25页习惯，确定各时段旅客购票需求强度，为铁路部门实行动态票价策略提供参考依据。图3-5 为常见的五种旅客购票规律曲线[17]。图3-5 旅客购票规律类型3.2.2 影响因素分析本节选择同一始发站的旅客购票数据进行研究，统计预售期内旅客每日购票比例，分析旅客购票时间规律的影响因素，主要从三个方面考虑影响旅客购票时间的因素：出行距离、可替代产品数、旅客出行时间。（1）出行距离将某车站不同OD的旅客购票数据，按出行距离分为5 类进行统计，统计结果如图3-6所示。从图中可以看出<300km、300-500km、500-800km 这三类购票比例曲线较为相似，都是在出行当天达到购票最高峰，其中 500-800km 从预售第 20 天开始购票旅客明显增多。对于800-1200km、>1200km这两类，在预售期内购票比例较为平缓，在16-25天这一时段
【参考文献】：
期刊论文
[1]旅客列车票额智能预分方法研究[J]. 强丽霞. 铁道学报. 2018(09)
[2]基于铁路部门风险决策的高速铁路票额优化分配[J]. 李博,赵鹏,宋文波. 中国铁道科学. 2018(05)
[3]基于旅客购票行为仿真的高铁票价动态调整[J]. 徐沙,李彦瑾,罗霞. 工业工程. 2018(04)
[4]高速铁路单列车动态定价与票额分配综合优化研究[J]. 宋文波,赵鹏,李博. 铁道学报. 2018(07)
[5]大数据背景下铁路客运组织策略研究——以旅客购票数据为切入点[J]. 张向辉. 甘肃科技. 2017(02)
[6]基于大数据技术的铁路客流预测系统架构研究[J]. 张军锋,贾新茹,李永,张利明. 铁路计算机应用. 2016(09)
[7]基于大数据平台的动态票额智能预分系统的研究与实现[J]. 汪健雄. 铁路计算机应用. 2016(09)
[8]考虑通售席位的旅客列车票额优化方法[J]. 骆泳吉,刘军,赖晴鹰. 铁道学报. 2016(05)
[9]基于随机需求的单列车票额分配方法[J]. 包云,刘军,刘江川,马敏书. 中国铁道科学. 2015(02)
[10]轨道交通网络客流大数据可视化研究[J]. 李伟,周峰,朱炜,徐瑞华. 中国铁路. 2015(02)
博士论文
[1]高速铁路客运网络收益管理优化模型研究[D]. 王童姝.清华大学 2016
[2]铁路客运票价策略与收益优化研究[D]. 朱颖婷.中国铁道科学研究院 2015
[3]铁路客运收益管理模型及应用研究[D]. 单杏花.中国铁道科学研究院 2012
硕士论文
[1]基于客流预测的城际高铁票额分配模型研究[D]. 成强.重庆交通大学 2018
[2]基于旅客出行时间选择的京沪高铁差异化定价研究[D]. 贺奕丹.北京交通大学 2018
[3]基于需求非限化的高速铁路客运收益管理研究[D]. 邵丽花.北京交通大学 2018
[4]高速铁路旅客购票行为仿真建模研究[D]. 罗浩.北京交通大学 2016
[5]基于大数据的多维度轨道站点客流直接预测模型研究[D]. 巫诚诚.东南大学 2016
[6]基于铁路客票信息的旅客购票行为分析[D]. 邵梦汝.西南交通大学 2016
[7]基于客票特征数据的我国高速铁路旅客出行行为分析研究[D]. 刘高原.北京交通大学 2012
[8]铁路客票数据挖掘研究[D]. 陆丽花.中南大学 2008
[9]铁路客运座位控制优化研究[D]. 姜彬峰.西南交通大学 2007
本文编号：3290203
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
我国中长期高速铁路网规划（1）铁路市场化改革，票价结构要更为灵活高速铁路与高速公路在短途客运市场争夺客流，与民航在中长途客运市场也是竞争激烈，
技术路线图
西南交通大学硕士研究生学位论文 第25页习惯，确定各时段旅客购票需求强度，为铁路部门实行动态票价策略提供参考依据。图3-5 为常见的五种旅客购票规律曲线[17]。图3-5 旅客购票规律类型3.2.2 影响因素分析本节选择同一始发站的旅客购票数据进行研究，统计预售期内旅客每日购票比例，分析旅客购票时间规律的影响因素，主要从三个方面考虑影响旅客购票时间的因素：出行距离、可替代产品数、旅客出行时间。（1）出行距离将某车站不同OD的旅客购票数据，按出行距离分为5 类进行统计，统计结果如图3-6所示。从图中可以看出<300km、300-500km、500-800km 这三类购票比例曲线较为相似，都是在出行当天达到购票最高峰，其中 500-800km 从预售第 20 天开始购票旅客明显增多。对于800-1200km、>1200km这两类，在预售期内购票比例较为平缓，在16-25天这一时段
【参考文献】：
期刊论文
[1]旅客列车票额智能预分方法研究[J]. 强丽霞. 铁道学报. 2018(09)
[2]基于铁路部门风险决策的高速铁路票额优化分配[J]. 李博,赵鹏,宋文波. 中国铁道科学. 2018(05)
[3]基于旅客购票行为仿真的高铁票价动态调整[J]. 徐沙,李彦瑾,罗霞. 工业工程. 2018(04)
[4]高速铁路单列车动态定价与票额分配综合优化研究[J]. 宋文波,赵鹏,李博. 铁道学报. 2018(07)
[5]大数据背景下铁路客运组织策略研究——以旅客购票数据为切入点[J]. 张向辉. 甘肃科技. 2017(02)
[6]基于大数据技术的铁路客流预测系统架构研究[J]. 张军锋,贾新茹,李永,张利明. 铁路计算机应用. 2016(09)
[7]基于大数据平台的动态票额智能预分系统的研究与实现[J]. 汪健雄. 铁路计算机应用. 2016(09)
[8]考虑通售席位的旅客列车票额优化方法[J]. 骆泳吉,刘军,赖晴鹰. 铁道学报. 2016(05)
[9]基于随机需求的单列车票额分配方法[J]. 包云,刘军,刘江川,马敏书. 中国铁道科学. 2015(02)
[10]轨道交通网络客流大数据可视化研究[J]. 李伟,周峰,朱炜,徐瑞华. 中国铁路. 2015(02)
博士论文
[1]高速铁路客运网络收益管理优化模型研究[D]. 王童姝.清华大学 2016
[2]铁路客运票价策略与收益优化研究[D]. 朱颖婷.中国铁道科学研究院 2015
[3]铁路客运收益管理模型及应用研究[D]. 单杏花.中国铁道科学研究院 2012
硕士论文
[1]基于客流预测的城际高铁票额分配模型研究[D]. 成强.重庆交通大学 2018
[2]基于旅客出行时间选择的京沪高铁差异化定价研究[D]. 贺奕丹.北京交通大学 2018
[3]基于需求非限化的高速铁路客运收益管理研究[D]. 邵丽花.北京交通大学 2018
[4]高速铁路旅客购票行为仿真建模研究[D]. 罗浩.北京交通大学 2016
[5]基于大数据的多维度轨道站点客流直接预测模型研究[D]. 巫诚诚.东南大学 2016
[6]基于铁路客票信息的旅客购票行为分析[D]. 邵梦汝.西南交通大学 2016
[7]基于客票特征数据的我国高速铁路旅客出行行为分析研究[D]. 刘高原.北京交通大学 2012
[8]铁路客票数据挖掘研究[D]. 陆丽花.中南大学 2008
[9]铁路客运座位控制优化研究[D]. 姜彬峰.西南交通大学 2007
本文编号：3290203
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3290203.html
