基于深度强化学习的高铁客票动态定价算法

为了解决需求函数未知情况下的高铁客票动态定价问题。以最大化单列车期望收益为目标构建Markov多阶段决策模型并设计DQN(Deep Q Net)强化学习框架寻找动态定价最优策略。算法以当日收益为奖励,通过神经网络来逼近所有状态-动作组合的期望最优收益。为验证算法性能,基于市场动态和旅客行为,开发高铁客运需求模拟系统并进行仿真实验。实验结果表明,智能体动态定价策略可以在不同需求水平下灵活调整价格,其性能接近理论上界并且显著优于对比策略。

基于旅客多维出行需求的列车开行方案与票价联合优化方法

为在客运服务产品设计时更好地满足旅客多样化的出行需求,定义旅客多维出行需求为“在OD需求基础上,进一步融合旅客对时间与经济性方面的个性化需求”;在高铁企业客票收入不减少的前提下,以旅客的票价成本、旅行时间成本和出发时间偏差成本构成的广义出行成本最小化为目标,构建基于旅客多维出行需求的列车开行方案与票价联合优化模型;基于自适应大邻域搜索(ALNS)算法设计求解算法,并以徐兰高铁兰州西—西安北段为背景进行案例分析。结果表明:优化后旅客的旅行时间成本略有增加,但其票价成本、出发时间偏差成本和广义出行成本分别降低18.58%,48.10%和19.17%;相比变邻域搜索(VNS)算法和模拟退火(SA)算法,设计的ALNS算法虽然收敛速度最慢,但迭代解质量最好,求解质量分别比前2种算法提升16.62%和23.87%。该方法能满足实际生产中不同规模线路的开行方案与票价联合优化工作的需要,并为客运产品优化提供决策参考。

都市圈轨交跨制式无障碍多路径票价研究

针对都市圈轨道交通跨制式、付费区融合票价问题,在前期文献研究及国内外调研的基础上,首先明确单路径下跨制式无障碍票价计价原则,然后对多路径跨制式无障碍票价方案分为OD异价、OD同价两类,OD异价研究中根据乘客使用票种进行分类研究精准追踪乘客的技术手段,并得到不可行的结论;OD同价研究推荐采用加权路径算法,兼顾收益保障企业票款收入及公益保障群众乘车费用,提出效用权重路径及平均权重路径两种算法,详细阐述算法的计算步骤,并通过广州地铁两个实例验证算法的可行性。

市场竞争条件下铁路旅客票价制定的模型与算法

灵敏度分析方法和双层规划模型在城市交通领域已得到了广泛的应用 ,并且实际效果非常显著 .本文介绍了这两种方法关于铁路旅客票价制定方面的应用 ,即在市场竞争条件下如何制定合理的铁路旅客票价 .

基于旅客选择影响的高速铁路及航空客票定价博弈分析

以一个双层规划模型描述以高速铁路和航空为主导的高速客运市场。在上层问题中,以客票价格作为高速铁路和航空的决策变量,建立运营商之间的广义纳什均衡博弈模型,下层问题保证用户广义出行费用最小。将上、下层之间的博弈过程看作Stackelberg博弈,并设计基于灵敏度分析的启发式算法对其进行求解。在实例分析中,对北京—南京段高速铁路与民航的博弈定价进行分析,为上层管理者制定客票价格提供依据。

基于元胞自动机的城市轨道交通定价双层规划

针对城市轨道交通建立了基于"通票"及"计程票"两种定价方式的双层规划模型;上层规划运用遗传算法对利润函数进行寻优;下层规划运用广义出行费用函数刻画乘客出行方式选择行为,并嵌入元胞遗传算法演化规则进行寻优。模拟结果显示:(1)乘客间的互动学习强度、对价格的敏感度是影响两种定价方式获利情况、对乘客分流情况的重要因素;(2)当乘客对票价的敏感度较低且学习进化行为较弱时,宜采用"通票"的定价方式;当乘客对票价的敏感度较高且学习进化行为较强时,宜采用"计程票"的定价方式。

多交通方式竞争条件下高速铁路票价和票额综合优化研究

基于随机客流需求和多交通方式竞争条件下的旅客选择行为,研究高速铁路票价和票额的综合优化方法。考虑淡旺季需求和旅客选择行为的灵活定价是刺激市场需求和提高竞争优势的有效手段。票额分配是合理利用长短途票额资源的重要方法。本文构建高速铁路票价和票额的综合优化模型,并针对模型特点设计混合启发式算法进行求解。最后,以京沪高速铁路为对象进行案例分析,结果显示:与票价固定的票额分配方法相比,考虑旅客选择的灵活定价策略可显著提高铁路客票收益。本研究能够为高速铁路票价和票额综合优化提供理论和方法支撑,进而提高运输效益。

基于收益管理的高速铁路票价与坐席分配联合优化

高速铁路满足现代旅客出行需求,在其运量持续上升的同时,仍存在部分动车组列车客座率随时间波动较大而导致运力不足或运力浪费的现象。针对目前高速铁路票价机制单一,不能有效发挥引导客流合理分布和增加企业票价收益等问题,引入收益管理的思想和方法,提出考虑弹性需求的高速铁路列车动态定价和票额分配的联合优化方法,以各售票时段的票额限制和动态票价为决策变量,同时考虑各列车的票价上下限、列车运输能力等约束,以客票总收益最大化为目标构建优化模型,并基于蜂群算法设计高效求解算法。最后,以京沪高速铁路列车票价制定为例进行计算分析,结果表明:在不增加运力的情况下,所提出优化方法使高速铁路客票期望收益最高提升4.28%。

制定铁路旅客票价的策略模型与求解算法研究

城市间的多种运输方式存在着竞争关系,在给定需求下票价价格是各种运输方式的调节杠杆。本文提出了一个铁路旅客票价制定的双层规划模型。首先建立了一个描述用户多等级、路径多阻抗、多标准情况的变分不等式模型,并将其作为双层规划模型的下层模型,然后以铁路运营总收益为上层目标,建立了相应的双层规划模型,同时设计了求解此模型的基于混沌-修正投影算法的启发式求解算法。结果表明,本文提出的票价价格制定机制是合理的,有望为有关部门的定价机制提供理论依据。

高速列车折扣票价与票额分配组合优化模型

为了提高列车席位能力与客运需求间匹配度,进而提高多列车整体席位利用率并增加铁路客运收益,利用票价和票额综合优化技术研究了高速铁路多列车差别定价方法.考虑不同列车的服务属性差异和差别定价策略对旅客车次选择行为的影响,构建高速铁路多列车间差别定价与票额分配的组合优化模型,并针对模型特点设计一种混合启发式算法进行求解.以京沪高速铁路为对象进行实例分析,结果显示:基于旅客选择行为的差别定价方法使不同列车间的上座率更加均衡并能够提高多列车整体席位利用率;与单一定价策略相比,差别定价方法提高期望收益4.81%.本研究能够为高速铁路差别定价策略制定提供理论和方法支撑,有助于提高运力利用率及运输效益.

高铁列车差异化票价与票额协同优化

鉴于同OD服务列车间服务的差异性与可替代性,利用票价调节不同服务水平列车间的客流量是提高列车平均客座率、增加客票票价收益的有效手段。本文将列车旅行速度、停站次数及舒适性等作为衡量列车服务水平指标,基于列车服务水平对OD间服务列车进行聚类分级;同时构造价格-需求弹性函数描述OD之间出行量与票价之间变化关系,并采用Logit模型将OD间的需求分配到各类服务列车上。在此基础上,构建以客票票价收益最大化为目标的高速铁路多类列车差异化票价与票额协同优化模型,并设计模拟退火算法进行求解。算例结果显示差异化定价方案的客票收益较既有单一定价方案提高了5.6%,表明差异化定价能有效提高列车客座率与铁路客票票价收益。

基于粒子群优化算法的城市轨道客运定价双层规划模型研究

城市轨道交通是现代城市发展中重要的交通方式之一,其社会效益和经济效益都很重要,合理制定票价有利于城市轨道交通稳定发展.在各种公共交通公平竞争、满足乘客出行服务需求的前提下,找出城市轨道客运票价制定的最优策略,并建立了公共交通出行方式选择的Logit模型.同时兼顾城市公共交通运营公司和出行者各自的利益,采用粒子群优化算法构建了双层规划模型,并应用案例进行分析,分析了该模型的可行性和实用性.结果表明,采用该模型进行票价制定合理有效.

基于ALNS-TS算法的半灵活型需求响应公交调度问题

半灵活型需求响应公交模式往往拥有1个基准线路方向与1批确定访问的固定站点,服务车辆可以根据预约请求灵活响应候选的可变站点为其提供服务,当可变站点无请求时则不服务.基于低客流区域内需求响应公交服务所面临载客率低、运营成本高等问题,完善该模式的发车条件,设计差异化票价策略和未预约乘客服务判断的半灵活型需求响应公交服务系统,并建立车辆路径优化模型.为提高算法的搜索空间范围和局部搜索强度,设计了混合自适应大邻域禁忌搜索算法进行模型求解.以中国广州市黄埔区公交站点网络作为案例分析,结果表明,在新策略模式下,去除和未去除未预约乘客的半灵活型需求响应公交的票价收入较传统模式分别提高3.0%和15.5%,响应未预约乘客服务模式的服务人数可以提高7.5%;混合自适应大邻域搜索算法在求解速度和求解质量上均有较好表现,与混合模拟退火算法和遗传算法相比,计算时间分别节约76.9%和97.0%.

基于BLPP算法下的城际轨道交通票价优化策略

票价作为影响交通运输市场效益的关键性指标,直接关系到企业的经济收益。为给出城际轨道交通合理票价水平,论文提供了基于BLPP算法的票价定价模型,在考虑政府限价、企业成本的约束条件下,构造上层客运量与票价的函数,同时得到票价调整与旅客客流的变化关系。将算法应用于杭州至绍兴城际轨道交通中,结合旅客出行及OD调查数据,将城际轨道交通票价设为变量,在保证企业效益最大化的前提下,运算得到最优票价解,结果表明,此种定价策略能够明显提升运营管理企业的票款收入,为城际轨道交通的定价提供了科学依据。

微分进化算法在高铁票价双层规划模型求解中的应用

微分进化算法(DE)是一种快速高效的智能进化算法,本文对其算法做了简单的介绍,并针对高速铁路票价问题,引入并构建了双层规划模型。模型中高铁企业是领导者角色,出行乘客是跟随者角色,二者相互作用。上层模型从高铁企业收益最大化的角度出发,下层模型以各类出行方式的乘客广义出行费用相同为基础。针对该模型设定了一些参数,并介绍了如何应用微分进化算法对该模型进行求解,并对乘客福利及算法本身的优化工作做出了进一步设想。

基于群体进化的高铁民航客运票价优化模型

为研究市场竞争条件下高铁与民航的票价优化问题,建立了二者相互博弈的双层规划模型,上层规划以票价决为决策变量,以实现运输经济效益最大化为决策目标;下层规划以旅客群体为决策主体,以广义出行费用最小化为决策目标。在旅客群体有限理性的刻画方面,采用三维元胞遗传算法的思想对旅客群体针对广义出行费用的进化寻优过程进行动态描述,以动态规则运算取代传统基于随机用户均衡思想的logit分流模式。最后利用基于灵敏度分析的启发式算法求解双层规划。研究发现:新模型较好的体现了旅客群体均衡配流的形成过程及旅客群体的有限理性特点对票价均衡形成过程的影响。

基于多模式竞合关系的高铁网络差异化票价策略

针对目前中国高速铁路线网客流分布不均衡、线路需求差异大的问题,提出高铁线路差异化定价策略,基于Bush Mosteller强化学习模型刻画更加符合实际群体决策特征的客流分配机制,设计了新的客流OD矩阵均衡算法;以客票收入最大化与广义费用最小化为目标,建立多种出行方式耦合联动的高铁线网差异化票价优化模型,优化各线路单位里程票价及出票限额;采用量子退火算法求解模型,将模型运用于代表性真实铁路网,通过比较不同客流分配机制下的优化结果发现:(1)本文模型得到的高铁票价差异化策略降低了社会总成本,提升了铁路线网客流分配的均衡度;(2)旅客群体的决策复杂性会使出行需求发生均衡转移并对票价策略实施结果产生影响。

高速铁路预售期差异化定价

在高速铁路定价权限放开的背景下,通过分析旅客在预售期的偏好属性,为预售时段的划分提供依据。针对平行车次的差异化定价,将旅客的购票需求视作弹性需求,考虑政府限价约束,旅客票价浮动承受能力约束和列车运输能力约束,将混合整数非线性(MINLP)模型转化为易于求解的混合整数线性(MILP)模型,并基于人工蜂群(ABC)算法进行求解。以京沪高铁北京南开往上海虹桥的G19和G143列车的票额票价为依据进行实证分析,仿真结果表明:与固定票价方案相比,差异化定价方案使得两辆列车在预售期内总收益提高了13.72%,说明预售期内差异化定价策略能够刺激潜在的旅客需求,提高铁路公司总收益。