基于学习航空定价策略的高铁定价优化

随着我国高铁定价市场化改革在加快推进,为进一步提高高铁定价的灵活性与竞争力,本文基于航空和铁路海量定价历史数据,分析了航空与高铁客票的定价策略,并用灰色相关模型计算各因素指标与定价之间的关联程度。建立了一个考虑旅客购票选择多影响因素下神经网络定价模型,采用遗传算法对BP算法的初始值和阈值进行了改进,利用航空订票数据集对神经网络进行训练和验证,结果表明神经网络可以较好的映射航空票价随多影响因素而不断调整的定价策略,通过敏感性分析发现提前期与节假日对票价影响较大。利用该神经网络对高铁票价进行预测,实验结果表明所建立的神经网络模型预测的高铁票价可以较好响应订票影响因素的变化,有助于提升高铁的票价收益。

基于混合战略均衡双寡头航空公司定价博弈研究

利用产品差异化理论和博弈理论,建立了双寡头航空公司市场竞争定价的不完全信息静态博弈模型,假定双方经营相同航线、选择相同机型、面临相同旅客,而在产品价格和服务水平方面存在差异性,在文献[1]中证明了这种博弈不存在纯策略均衡,按照纳什均衡解存在性理论,对混合战略均衡进行求证,得出结论:双方价格和服务水平的大小关系一致时,其市场份额和期望利润的关系与之相同;双方两因素关系随机变化时,其市场份额及期望利润同其变化程度有关,即结果不确定。

需求导向下的双渠道航空客票定价研究

考虑旅客策略行为,研究了在双渠道供应链中不同旅客需求下航空公司和代理商最优定价问题,构建了双渠道两阶段动态定价模型,探讨了以利润最大化为目标,不同需求下航空公司和代理商的最佳定价策略。研究发现:在双渠道竞争中,航空公司和代理商均存在最优定价策略并计算出最优定价;代理商在销售后期有更多降价机会来吸引顾客;短视型旅客比例越高,航空公司利润越高,代理商利润越低。