高铁列车停靠站客票收入率分类及收入预测研究

对各站客票收入率进行分类并预测各路局收入,对于运输部门制定收入计划、高铁列车开行计划等都具有一定指导意义。本文基于中国铁路总公司下发的客运运行图中直通高铁列车分站信息,首先提出一种Kmeans-CACC方法对客票收入率进行离散化处理,克服了无监督离散化的缺点,利用CACC算法对影响因素数据进行离散化处理;然后,设计一个基于误差区间交集和样本密度的最优收入率选取方法,找出各个分类中满足误差范围的收入率;最后,利用随机森林算法对客票收入率进行分类,并预测各路局收入。实验结果表明,本文提出的离散化算法及分类算法能够对收入率进行精确度较高的分类,提出的收入率选取算法能较好地预测收入。     

考虑退票情形的铁路多列车票额分配优化方法

票额分配是增加铁路企业收益和提高旅客服务水平的重要保障.在铁路售票过程中,旅客退票情况普遍存在,而票额又不能超额发售,这会造成列车上出现虚靡,并极大地影响着铁路收益以及旅客购票.为使票额分配更加符合实际情况,结合我国铁路现有售票策略和退票规则,提出一种考虑退票情形的铁路多列车票额分配优化方法.该方法考虑列车席位能力约束...     

铁路自动退票机关键技术研究

近年来,南方各省份水害灾害频发,铁路几乎每天都有客运列车被迫取消发车,这些列车已售出车票都需要办理退票业务,对铁路局及车站客运服务带来很大压力。因此,各铁路局及车站对自动退票机的需求越来越紧迫。结合客票系统特点,以满足旅客需求为目的,以总体技术方案为指导,采用新技术,新算法,中国铁道科学研究院电子计算技术研究所设计开发了铁路自动退票机。文章研究了票面图像识别技术、应用负载均衡、快速查询等关键技术,实现了自动退票机的自动化、智能化,有利于提高退票效率,提升旅客退票服务体验。     

考虑灵活车次的混合票制下巢式Logit选择行为建模与估计

考虑灵活车次的混合票制能够刺激客运需求，并引导旅客均衡出行。在混合票制下，考虑旅客对不同票制产品的选择有明显的层次关系，同时旅客存在放弃出行的选择行为，构建具有外部选项的巢式Logit选择行为模型。构建对数似然函数，利用多元牛顿迭代法使似然函数极值化，并采用分阶段估计法和同时估计法混合估计模型参数。通过旅客出行意愿调查，得到考虑灵活车次的混合票制下京沪高速铁路旅客出行选择偏好，并分析不同折扣率下各个产品的分担率，验证模型及算法的有效性。研究结果能够计算混合票制下的旅客选择概率，作为预售期前混合票制票额分配的需求输入，也可用于刻画预售期内的旅客选择过程，为席位控制策略的调整提供重要依据。     

突发事件下考虑旅客时间价值的列车开行方案研究

突发事件对铁路旅客出行及运输组织造成了极大的影响,且突发事件下旅客出行选择行为与正常情况有明显的差异。为此,分析突发事件下旅客的出行方式选择行为,利用轨道交通综合网络间的相依特性,研究旅客列车的开行问题,以减轻突发事件对旅客运输组织的影响。首先,分不同支付能力从经济性、快速性、舒适性、方便性及安全性等方面研究旅客广义出行费用。其次,针对突发事件下列车开行方案的编制问题,提出以旅客广义出行费用最小及铁路部门运输成本最低为优化目标,以线路通过能力、满载率、车组数量及铁路旅客服务率等为约束条件的多目标规划模型。进而,根据模型特点设计带精英策略的非支配排序遗传算法,并结合考虑旅客时间价值优先级的Logit客流分配策略对模型进行求解。最后,利用算例对模型和算法的有效性进行分析,研究结果表明：突发事件下基于旅客时间价值的广义出行费用进行开行方案动态调整可有效提高铁路旅客服务率。突发事件下考虑旅客时间价值的列车开行方案模型可有效满足突发事件下旅客出行需求,降低突发事件下铁路部门运输成本;问题的研究有助于降低突发事件的影响程度,可为提高突发事件下的应急保障水平提供依据。     

基于Doc2vec-LightGBM的CBTC车载信号设备故障分类诊断方法

车载信号设备是城市轨道交通信号系统的重要组成部分,其运营过程中会产生海量离散化、片段化的日志文本数据。目前,CBTC车载设备故障记录文本仍存在语义不明确、词语冗余的问题,从而造成故障致因溯源难,针对此,提出一种基于Doc2vec-LightGBM的CBTC车载设备故障自动分类诊断方法。首先对故障文本使用Jieba完成文本分词,依据TF-IDF实现分词文本数据的特征提取,并采用Doc2vec训练文本分词向量;其次针对数据不均衡的问题,采用Borderline-SMOTE算法进行少数类文本向量数据的补全泛化;最后,通过训练轻量梯度提升机LightGBM分类器完成故障文本自动分类。采用某信号厂商所记录的1 133条故障文本数据进行分类实验分析,并与支持向量机(SVM)方法对比。实验结果表明,所提方法在分类精确率、召回率上分别为98.2%、97.5%,证明了该故障文本自动分类方法的有效性和优越性。     

铁路团体旅客运输席位管理系统的设计与实现

铁路团体旅客运输席位管理系统主要研究席位智能化、自动化的管理模式,解决团体旅客运输计划的数据对接、审核和裂解以及团体席位批量自动调整的问题。系统设计过程中,主要采用大数据清洗、Sybase数据库开发等技术。采用该系统,对2017年北京铁路局团体运输席位进行自动调整,实现了铁路团体旅客运输席位管理的自动化和智能化,提高了铁路团体旅客运输组织的效率。     

时段偏好的高铁开行方案的双层规划方法

在一条拥挤的高速铁路客运走廊上,通常有多列平行车次的列车在不同的时段运行,旅客在出行时具有较大的选择空间.旅客对出行时段的偏好是影响旅客需求分布的最重要因素,最大限度地满足旅客对出行时间的偏好需求,并合理制定列车开行方案引导旅客合理出行以避免出行拥挤是本文的研究目的.首先分析影响旅客出行时段偏好的2个重要因素,吸引度与拥挤度.据此构建旅客出行阻抗函数,并建立一个双层规划模型,上层规划是以运营成本最小为目标的整数规划模型,用于确定列车停站方案和开行频率;下层规划是一个用户平衡模型,用于计算客流在优化的停站方案上基于用户均衡的分配结果.最后,根据模型特点设计了嵌套Frank-Wolfe算法的启发式算法,并通过仿真计算对模型和算法的可行性进行了验证和分析.     

一种货运列车节能优化方法研究

研究了一种货运列车节能优化方法.首先以列车运行时间为约束,建立列车节能运行优化模型.设计了一种基于极大值原理的动态规划算法,在满足运行时间约束下,实现列车最优节能运行操纵策略优化.本算法仅仅对速度进行离散化处理,相比其他方法需对位置和速度进行双重离散,避免因网格划分引起的速度轨迹波动,同时提高了计算效率.此外,该算法将...     

基于深度学习的车站旅客密度检测研究

车站旅客密度是智能客运车站的重要基础信息。首先阐述模式识别、深度卷积神经网络、实时检测算法在图像检测领域的发展历程,并重点分析Faster-RCNN算法和SSD算法的原理;然后定义车站旅客密度检测评价指标,并对VOC数据集下训练的模型进行试验测试;最后构建车站行人数据集,用Faster-RCNN算法训练模型,模型在低密度场景和高密度场景的检测准确率分别为88%和85%。结果表明:公开数据集VOC下训练的模型无法直接用于车站旅客密度检测,基于车站行人数据集和Faster-RCNN算法训练的模型可满足现场需求。     

基于旅客分类的高速铁路平行车次动态定价研究

针对目前单一票价下,同一高速铁路线路同一OD间,两列列车上座率不均衡的情况,根据列车之间的相互替代性,在分析旅客时间敏感性、价格敏感性及出发时段偏好的基础上,对旅客进行细分,并利用旅客的心理价位来刻画价格敏感性。以两列列车整体期望收益最大为目标,建立离散时间的动态规划联合定价模型。通过算例分析两列车之间最优定价与预售时间、剩余席位之间的关系,并通过购票仿真研究不同需求下两列车动态定价决策,为高速铁路多列车动态定价提供理论依据。     

客运专线旅客列车开行方案的多目标双层规划模型

客运专线建设目的是为更好地满足旅客的出行需求，因而其列车开行方案也必须体现以旅客为本，服务旅客、方便旅客的原则。首先提出旅客出行方便度概念，并研究不同时段旅客出行的方便度，绘制方便度曲线，然后分析不同类型列车的客流平衡条件，建立不同类型列车的广义费用函数，在此基础上，建立制定客运专线列车开行方案的多目标双层规划模型。该模型以列车开行的最大收益和旅客的最大方便度为目标，同时考虑基于旅客最小出行费用的不同列车配流问题，并利用matlab编程，实现了求解该模型的混沌算法。最后以制定2008年石太客运专线的列车开行方案为例来验证该模型和算法，得到满意结果。     

基于用户平衡分析的铁路旅客列车票额分配计划制定及评价方法

票额分配计划必须最大限度地满足旅客集体乘车选择行为下长途旅客的出行需求,其中的旅客集体乘车选择行为表现为基于客车开行方案的换乘网络上的用户平衡态,据此平衡态提出以直接人公里数最大为目标的票额分配计划制定方法。进而根据短途套用、票额共用和席位复用等售票策略、以及这些策略对旅客集体乘车选择行为的影响,设计基于票额分配计划的换乘网络,依据该换乘网络上的用户平衡态,提出以旅客出行费用和票额分配计划的直接人公里数两项指标组成的评价方法。通过算例展示了票额分配计划的制定过程,并对不同票额分配计划进行了评价分析。     

基于聚类算法的上海轨道交通站点高峰特征分析

为进一步提高客流预测精度,客观描述早晚高峰客流分布形态,通过多次聚类对上海轨道交通运营数据进行峰值挖掘。利用DPEAK密度最大值算法进行数据中心化清洗;基于DBSCAN算法进行密度预聚类,初步判定特征类数;在此基础上,采用启发式K-Means算法对各密度类中心簇及边缘进行刻画;分类统计数据特征,通过组合分布函数对轨道交通高峰特征进行描述。经分析,该方法能够有效降低拟合误差,得出的组合分布函数可为上海市轨道交通线路早晚高峰客流预测提供参考。     

铁路客运旅客群体划分算法的研究

为有效引导客流的合理分布,增加铁路票价收益,文章基于铁路客运用户画像系统,利用社交网络特征传播的方式对旅客特征进行优化完善,并采用聚类算法对用户群体进行分类,对旅客进行市场细分,为在后期营销活动中针对不同的群体进行精准营销、实现铁路营销的差异化服务提供依据。     

基于粗糙集和模糊聚类理论的文本分类系统的研究与实现

随着Internet的发展及广泛应用，越来越多的文本信息以待阅读和处理。文本分类成为众所关注但仍未很好解决的热门课题。本文提出一种基于粗糙集和模糊聚类（RS＆FC）理论的文本分类新模型，详细讨论和分析了该模型的总体设计思想、主要实现技术和有关的算法及实现方案。该模型在分类规则产生之前，以训练样本直接聚类的结果构造信息表，并对表中的连续属性离散化，再对信息表中的特征词属性进行二次聚类，压缩文本特征子集的向量维数，提取关键字特征属性，建立决策信息表，然后利用粗糙集理论，采用启发式约简算法，对信息表进行约简，产生优化的分类规则，指导文本分类。最后通过实验和性能评价，本文提出的分类方法的分类准确率高于传统的K-最近邻分类（K-NN）法，提高了系统的适应性能和分类能力。     

一种地铁路网应急事件分类分级方法

对现有动态模糊分类分级算法进行了分析,在轨道交通线网突发事件分类分级模型的基础上,利用层次分析和模糊决策相结合的方法,提出了一种适于地铁路网应急事件的动态模糊分类分级方法.该方法使用自学习的思想,主要包括确定关键因素综合模糊权重、动态获取关键因素值并分类分级,以及利用状态转移概率矩阵进行动态分类分级预测三部分,实现了应急事件的动态分类分级.最后给出了案例应用.     

基于屏幕捕获技术的自动售检票退票分析系统

为了解决南京地铁AFC(自动售检票)系统需要人工退票的缺陷,提高工作效率,提出并实现了一种基于屏幕捕获算法的退票分析系统,分析了其算法的系统流程、数据流以及算法时间复杂度。通过实际使用测算,使用该系统退票分析效率可提高88%,误差率几乎为0,大大提高了工作效率。     

基于旅客出行意图的潜在高价值航线挖掘

借助Map-reduce平台对旅客订票日志进行挖掘,并采用LDA算法挖掘旅客出行意图,进而计算航线的潜在价值。在2011年中航信民航旅客订票日志上的实验结果表明:采用LDA算法挖掘的航线与实际热门航线的Jacarrd 相似系数达92%,比基于航班次数统计的传统方法高出2%,能够更准确、更有效地预测航线的未来价值。     

基于铁路出行数据的旅客常住地智能识别算法研究

常住地是判断旅客消费能力与收入水平的重要因素，利于根据旅客常住地进行个性化产品推荐。针对铁路客票发售与预订系统的海量出行数据，依据逻辑判断与概率计算设计了铁路旅客常住地智能识别算法；最后利用Scala语言在铁路客运大数据平台上实现算法，并针对最近两年铁路旅客出行数据进行案例验证，结论表明:该算法有效，旅客常住地信息的识别率为67.7%。