旅客购票模式与渠道关联选择行为的建模分析

为分析多元化售票渠道下旅客购票选择行为的影响因素及交互特征，解析了多渠道情境下旅客购票过程的 3个阶段，辨识了旅客购票的 3类典型模式；运用协同进化分析思想，建立了购票模式与渠道关联选择的协同进化 Logit模型；基于道路客运联网售票信息系统数据，进行了模型的实证应用，分析了特征变量对旅客购票选择行为的影响，揭示了渠道与模式间关联选择行为特征.研究表明：性别，年龄，提前购票时间，出行时间，出行里程，发车频率等因素对旅客购票行为有显著影响；旅客购票模式和渠道选择间存在相关性，某一决策选择受另一决策结果的影响；考虑两者的交互作用有助于提高分析预测精度，2类决策模型的精度分别提高了5.98%和5.72%.     

旅客购票模式与渠道关联选择行为的建模分析

为分析多元化售票渠道下旅客购票选择行为的影响因素及交互特征，解析了多渠道情境下旅客购票过程的 3个阶段，辨识了旅客购票的 3类典型模式；运用协同进化分析思想，建立了购票模式与渠道关联选择的协同进化 Logit模型；基于道路客运联网售票信息系统数据，进行了模型的实证应用，分析了特征变量对旅客购票选择行为的影响，揭示了渠道与模式间关联选择行为特征.研究表明：性别，年龄，提前购票时间，出行时间，出行里程，发车频率等因素对旅客购票行为有显著影响；旅客购票模式和渠道选择间存在相关性，某一决策选择受另一决策结果的影响；考虑两者的交互作用有助于提高分析预测精度，2类决策模型的精度分别提高了5.98%和5.72%.     

基于粗糙集聚类算法的铁路通道客运市场细分

对铁路通道内客运市场的细分,是研究铁路通道客流分担、客运产品设计的基础. 根据宝鸡-兰州铁路通道旅客出行方式选择调查数据,结合粗糙集理论,首先,构建了铁路通道旅客出行方式选择决策表,对条件属性进行属性约简,并计算各属性的权重;其次,考虑到避免传统聚类算法的“维数陷阱”,提出了基于粗糙属性重要度的K-means聚类算法,并在UCI数据集上进行仿真实验;最后,运用该算法对调查数据样本进行聚类.结果表明：将铁路通道客运市场细分为6类时,具有最好的聚类效果;经统计分析发现,不同子市场的旅客出行行为有明显的偏好.     

基于聚类分析的铁路出行旅客类别划分

对铁路出行旅客进行类别划分,是简化旅客乘车选择问题研究的重要策略.根 据成都-武汉段既有线与新线的旅客调查数据,以旅客的各类主体、出行特性作为属性 变量,运用分层聚类法中的凝聚法进行变量聚类,将具有较大相关性的变量--时间价 值与月收入、出行目的与费用来源合并.然后根据简化的旅客属性变量指标集,运用近邻 传播算法对旅客进行样本聚类,并引用CH、Hart 及IGP 等聚类有效性指标确定最佳聚类 数.指标值表明,将铁路出行旅客划分为6 个类别时,具有最好的聚类效果.调查数据中旅 客乘车选择结果亦显示,不同类别的旅客对客运产品的选择有着明显的偏好.     

铁路旅客购票需求预测模型研究

铁路旅客购票需求是列车票额分配的重要依据,各区间旅客的购票需求即为旅客的出行需求,在预售期间有不同的趋势规律。本文基于旅客购票历史数据,分析同一季节不同区间旅客的购票分布,提出区间旅客平均购票强度的概念,利用购票强度来描述预售期各OD票额的动态需求。将购票提前天数、购票渠道、单次购票人数、出行OD和票价等旅客购票行为的关键特征变量作为影响预测日期的属性向量,提出了非线性回归支持向量机的预测模型,对预售期每日的区间旅客购票需求进行预测。最后通过算例对模型进行了可行性验证。     

基于Kano模型的公路客运未来发展策略研究

为保证公路客运继续受到旅客的青睐及其市场份额,以北京市公路客运为背景,通过对其现状进行调查,分析其布局特征及客流特征,得出影响公路客运未来发展的因素;然后以旅客的需求为出发点,应用经济学中的Kano模型,并结合模糊聚类方法建立模型,对影响旅客出行需求因素的重要度进行排序;最后得出在旅客出行需求中,公路客运以其点对点直达占据绝对优势,以此为基础提出相应的策略,以期为公路客运可持续发展提供理论依据。     

京沪线高铁与民航旅客出行选择行为研究

随着高速铁路的快速建设,其已与民航构成了我国高速客运的主体,使交通运 输方式的供给结构发生了巨大变化.本文通过对京沪线高铁与民航旅客进行SP 和RP调 查,分析京沪线客流的构成和旅客出行方式选择行为特征,并基于非集计理论,构建京沪 线旅客出行选择的Binary Logit 模型,量化各因素对旅客选择的影响程度,该模型准确率 为88%.本文根据调查结果和模型标定参数,对旅客的性别、年龄、月收入、票价、同行人 数、程前时间和出发时间对旅客出行选择行为的影响进行深入分析,结论对了解京沪线 旅客实际出行需求状况,合理设计高铁与民航综合客运产品具有重要意义.     

基于Nested Logit 模型的铁路旅客客运产品选择研究

通过成都-武汉既有线出行旅客的问卷调查,以及样本数据的归纳分析,对旅客客运产品选择行为特征进行描述.基于随机效用最大化理论,以乘车方式与客运产品作为选择肢,旅客主体、出行特性及列车服务特性的各项指标作为效用变量,构建了乘车方式位于上层、客运产品位于下层的Nested Logit 模型.模型的上下层参数标定结果表明,旅客的收入状况、出行目的、出行距离、列车票价及运行时间对其乘车方案选择具有显著影响,旅客的年龄、出行费用来源、收入状况、出行距离,以及列车票价、运行时间对其客运产品选择具有显著影响.模型能较为准确地反映铁路客运产品的实际需求,从而为其合理设计与调整提供理论依据.     

公路铁路旅客运输市场调查与分析

通过对旅客出行时交通工具选择,候车时间,购票和服务质量等的调查,分析了当前公路铁路竞争情况下铁路的优势和存在的问题,对铁路旅客运输提出了若干改进建议,从而为提高铁路客运竞争能力提供依据。     

基于潜在类别模型的高铁旅客市场细分

对高速铁路旅客市场进行细分是应用收益管理理论的重要环节.基于京沪高铁的客票数据,选取年龄、性别、出行日期、出行距离、购票方式和提前购票时间6类外显变量作为分类指标,采用潜在类别模型进行高速铁路旅客市场的细分.首先将外显变量概率参数化后代入模型进行建模并利用Mplus软件进行模型求解,模型拟合的AIC和BIC等指标表明,当潜在类别为3类时模型具有较好的效果.然后根据模型参数估计结果对所有数据进行潜在聚类分析,分类正确率达到93%左右,表明分类结果合理,3种类别的旅客在提前购票时间、出行距离等方面具有明显的差异.潜在类别模型的引入可以为我国高速铁路收益管理理论研究和实践应用提供参考借鉴.     

朝鲜铁路客票发售和预订系统总体结构的设计与探讨

为了提高铁路客运运营能力和实现管理的科学化,朝鲜铁路旅客运输部门利用先进的信息技术,正在努力建设铁路客票发售和预订系统,以实现铁路运输的信息化、科学化.为此,本文借鉴中国建设铁路客票发售和预订系统的思想和经验,充分考虑朝鲜铁路客运业务的要求,对该系统的总体结构、网络结构和层次结构进行了设计和探讨.     

基于模糊聚类和识别的出租车合乘算法研究

针对目前部分大城市出租车合乘效果差,合乘效率低等现状,本文采用模糊聚 类和模糊识别方法,研究出租车行驶路线模糊聚类,并利用行驶路线、行驶时间和合乘人 数创建隶属函数,实现合乘乘客与出租车的合乘模糊识别.通过随机生成的多组出租车出 行和合乘乘客样本数据,发现在假定的出租车合乘条件下,出租车样本数量决定了合乘 的成功率,但同时也发现,在合乘人数固定的情况下,无限制的增加出租车样本数量会增 加合乘乘客的搭载成功率,平均每辆合乘出租车的收入并不会随着样本数量的增大而增 大,而是趋于稳定值.仿真结果说明,该算法适合于大样本的出租车合乘问题,是一种可以 提高出租车合乘成功率的有效方法.     

基于模糊预测的高速铁路客流OD 表的推算方法

科学预测客流的变化趋势与波动及获取路网客流OD 表是制定旅客列车开行 方案的依据.结合高速铁路客运的运营实际,利用客流变化相对稳定特征,本文提出了客 流OD 表的反推方法和计算流程,该方法的计算工作量相对叠加法节省了（n2-2n）.考虑 实际客流日波动特征,依据模糊预测原理,建立了车站客运指标的时间序列模糊预测方 程和预测方法,该方法可获取预测期客运指标的变化区间.以南方一高速铁路线为背景, 对车站发送人数进行了预测,预测值与实际数据相比误差在1%以内.在车站发送人数预 测的基础上,给出了线路客流OD 表的反推演算.     

������·����վ�����ÿ���ɢ΢�۷���

对铁路客运站客流到达、疏散的时空特性进行分析,提出了大型铁路客运站到达旅客疏散仿真概念模型. 从车站到达旅客交通特性出发,在经典社会力模型基础上对旅客站内交通行为进行微观仿真建模,并对模型的行人尺寸和期望速度参数进行了分析和标定. 通过对沈阳铁路局大连站到达旅客疏散仿真实验,得到该站地下通道和南出站口处旅客人数随时间变化的曲线、旅客最高聚集人数95%置信区间和高峰出现的时间,到站旅客换乘时间95%置信区间,找出了存在安全隐患的带状区域和点状区域. 仿真结果表明,模型具有较高的可靠性和实用性.     

轨道交通领域票卡体系解决方案

票卡作为轨道交通领域通行的钥匙,体积虽小却是连接乘客与轨道交通的桥梁。捷德万达凭借丰富的项目实施经验和专业管理知识,能够为客户提供轨道交通领域的票卡体系解决方案,致力于帮助轨道交通客户构建完善的票卡管理体系以及提供最优质的票卡产品及服务。     

基于时空行为规律挖掘的公交乘客分类方法

应用智能公交系统(APTS)提取个体乘客出行信息，构造了公交出行链，研究了基于时空行为规律挖掘(STBRM)的公交乘客分类方法；应用时间序列表征乘客出行时间特征，利用互相关距离(CCD)算法计算了个体乘客出行时间规律；应用带噪声基于密度的空间聚类(DBSCAN)算法，挖掘了个体乘客的出行空间规律；依据出行强度和出行时空规律，将乘客划分为极少出行、时间规律、空间规律、时空规律和不规律等5个群体；以出行天数、类似上车时间数量和类似上车站点数量为聚类指标，应用K-Means++算法将乘客划分为高规律、中规律和低规律3类，比较了本文提出的STBRM方法和K-Means++聚类方法的分类结果，揭示了2种方法分类结果之间的关系。研究结果表明: 当时段划分长度取5 min，时间规律性判断阈值取3.0时，利用CCD算法识别时间模式规律乘客的效果最佳，与常用的DBSCAN算法相比，识别率提升了14.64%；增加时间窗长度能够提高时间、空间模式规律判定结果的稳定性；时间窗长度达到3周后，空间模式规律的乘客比例下降趋缓，达到6周后趋于稳定；时间窗长度达到2周后，时间模式规律的乘客比例增长趋缓，达到4周后趋于稳定；时间规律、空间规律和时空规律等3类乘客数量仅占总乘客数量的30.4%，但其出行量占到了总出行量的84.7%，公交依赖度很高，应作为公交机构重点保障的对象；本文提出的STBRM方法与K-Means++聚类方法的分类结果具有较强的关联性，规律性极高或极低的群体高度重合。