基于候补购票的铁路旅客出行需求挖掘方法研究

针对铁路旅客出行需求受票额能力限制而难以准确估计的问题,引入候补购票数据,研究铁路旅客出行需求挖掘的方法。梳理了候补购票和出行需求的关系,依据业务规则和旅客选择对候补购票行为进行分类,挖掘旅客的预售出行需求;结合实名制数据和闸机刷卡数据标定旅客实际行程,从而挖掘旅客最终出行需求的上下限。选取北京—南京的城市OD(Origin-Destination)进行验证分析,结果表明,与既有的候补需求统计规则相比,最终出行需求能够与闸机推算的实际行程需求保持相似规律,更具合理性,为客运需求预测和铁路日常营销分析等工作提供了科学的基础数据支撑。

基于突发公共卫生事件影响下的铁路客流量恢复率预测研究

2020年以来新冠疫情随机性、区域性的爆发对铁路客流量的影响不容忽视。基于XGBoost算法建立城市间铁路客流量恢复率预测模型,提出以恢复率为预测目标,对疫情的严重程度和客流量的变化规律进行量化分析,为客流量预测和辅助决策提供参考,对于减少铁路客运收益损失具有重要价值。模型以所有二级及以上城市间铁路里程、城市间客流量、地理和铁路分布特征、受疫情影响程度等属性进行主成分分析,并进行维度压缩,获取新的输入变量。模型选取了2021年的数据随机采样,划分为训练集和测试集,采用5折交叉验证,并基于网格搜索法进行参数搜索得到最优模型参数并对测试集的恢复率进行了预测,与朴素贝叶斯和LightGBM算法进行对比,实验表明XGBoost算法的预测准确率较高。

高速铁路席位碎片化损益研究

高速铁路列车席位对号入座,由于需求的随机性,其席位裂解后发售会导致席位碎片化,出现多个不同号的席位可满足一个长区段旅客需求,在现实中却不能出售的情况,造成收益损失。通过随机过程模拟旅客订票,分析高铁席位碎片化程度。分析结果表明,席位碎片化造成的高铁收益损失不大。提出收益管理模式可以按顺序裂解席位的方案。

基于客运大数据平台的铁路客流预测系统

客流预测是铁路路网规划、线路及场站设计、铁路运营等工作的重要基础。针对多层面、不同类型、不同时期的铁路客流预测业务需求,依托铁路客运大数据平台,构建铁路客流预测系统,能够在同一系统平台上完成客流预测方案的测试、评价和规范化应用。该系统集成各类客流预测算法模型,可充分利用历史售票数据,并考虑年度、季节、星期、时间、节假日、重大事件、天气等各类影响因素,提供不同角度、不同粒度、不同时期的客流预测功能,支持人机交互预测和定时批量离线预测2种应用模式,可为各类客运业务分析人员提供定制化客流预测数据,为票额智能预分、列车开行方案设计等客运业务提供准确、可靠的决策依据。

基于动态购票需求的动车组重联决策方法研究

"一日一图"已经成为我国高速铁路常态化运营模式,单组重联决策已经成为高速铁路运营决策过程中的难题之一,随着以点带面的作业实践与数据的积累,构建科学的数学模型可以辅助重联决策。针对铁路局集团公司管内动车组列车,通过分析动车组列车重联,构建旅客购票与时间关系拟合模型,推导出旅客购票需求,构建动车组列车重联决策模型,给出判断决策准确度的方法。最后,以某铁路局集团公司动车组列车在清明节的售票数据为例,经过购票拟合需求数据分析及动车组重联决策判定分析,为基于动态购票需求的铁路动车组列车重联决策方法提供重要研究依据。

考虑中转换乘旅客需求的高速铁路票额分配模型

我国高速铁路路网节点繁多,部分长途OD难以提供列车直达服务,旅客需要通过中转换乘完成出行。既有票额分配方法主要考虑直达客流,对换乘旅客的出行需求考虑不足。本文提出考虑换乘旅客出行需求的票额分配方法,为中转旅客提供换乘方案并分配票额。通过算例对提出方法进行验证,与不考虑换乘旅客需求的票额分配方法进对比,结果表明提出方法能够在整个路网所有OD的角度优化席位资源配置,在满足直达需求的基础上兼顾换乘需求,较现有票额分配方法更优。