高速铁路预售期旅客购票量分布预测

在预售前(相隔31 d)预测高速铁路预售期旅客购票量分布是铁路企业精准进行收益管理的前提。基于高速铁路预售模式和旅客售票数据,分析预售期内各预售日旅客购票量的相关性,探究预售期旅客购票量分布的影响因素。综合考虑出发日特征以及旅客购票量分布时序特征的影响,构建了考虑多输出间关联性的最小二乘支持向量回归-卷积长短期记忆网络(MLSSVR-ConvLSTM)模型。以京沪高铁线路中上海虹桥站至北京南站、上海虹桥站至徐州东站、上海虹桥站至无锡东站这3种不同距离OD旅客为例,进行预售期旅客购票量分布预测实例分析。研究结果显示:MLSSVR-ConvLSTM模型预测结果较好地反映了真实的预售期旅客购票量分布的变化趋势,平均绝对百分比误差为6.7%~11.0%,预测效果优于多元线性回归(MLR)、K近邻回归(KN)、极致梯度提升算法(XGBoost)、支持向量回归机(SVM)、多输出最小二乘支持向量回归(MLSSVR)和卷积长短期记忆网络(ConvLSTM)等模型,验证了所提出模型的合理性和有效性。进而表明,在构建预售期旅客购票量分布预测模型时,考虑预售期旅客购票量分布整体性以及各类因素的综合影响可有效地提高模型预测精度。所提出的预售期旅客购票量分布预测模型可以为铁路企业制定动态票额分配和浮动票价等政策提供理论支撑。

基于PCA-聚类分析的高铁旅客购票行为特性研究

铁路运输中旅客购票行为是铁路客运运营策略制定的重要基础.旅客购票行为直接影响着列车能力的占用过程,是铁路客运票额组织的重要依据.根据贵阳—广州高速铁路的旅客购票统计数据,以高铁购票旅客为样本,运用主成分分析法购票行为的特征属性进行综合分析,获得购票行为中重要特征变量.结合单次购票强度提出基于模糊C均值的双重聚类算法,对购票旅客进行聚类,并利用模糊聚类有效性指标Xie-beni和分离系数法确定最佳聚类数.结果表明,高铁旅客购票行为的关键特性为单次出行旅客人数、购票提前天数、出行OD城市人均GDP和购票渠道;不同旅客类型的购票行为有明显特性.

车票预售期内旅客购票请求到达过程分析与仿真

准确把握旅客购票请求到达的规律,并对该过程进行仿真,是实施列车动态票额分配和调整的基础.本文基于对历史售票数据的分析得出:旅客购票请求的到达过程属于非齐次泊松过程,每个购票请求的票额数量是一个离散的随机数,因此,旅客的购票过程是一个复合非齐次泊松过程.通过对"Thinning"方法进行改进,采用分段"Thinning"方法对该过程进行仿真,结果表明,该方法产生的旅客购票请求的到达过程与实际观测到的旅客购票请求的到达过程符合率达92%.

浅谈拉萨站实名制售票相关问题的应对措施

自2012年铁路实行客票实名制以来,一些不法分子利用拉萨少数民族地区的火车票"一票难求"机会,运用互联网技术等新方法,产生出更加隐蔽多样的倒卖客票行为,躲避法律法规尚不完善的打击。不仅严重影响铁路信誉,而且极大损害广大旅客利益,还给车站管理和服务工作带来诸多问题。本文分析了拉萨站实名制售票实施以来存在的相关问题,提出改进措施与建议。