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.     

高铁动卧列车票价浮动收益贡献度分析

随着高铁动车组列车票价管理权限的放开,高铁动卧率先实行多级浮动票价管理体系,尝试以市场为导向的铁路运输企业自主定价票价管理模式,为铁路运输企业带来了显著效益提升。基于价格-需求理论,构建票价浮动策略对收益增长贡献度模型,并以具体的列车产品为例,进行票价浮动策略的收益增长贡献度实证测算,为票价浮动管理提供量化评价手段及决策技术支撑。     

铁路客运票额预售控制决策模型研究

客票发售是列车能力利用的具体表现,票额出售即为能力占用,预售期购票需求的变化直接影响着列车能力的占用过程。本文在已知基于列车沿途停靠站的票额分配计划下,以客流需求预测值和最低票额保护值为约束。考虑预售期购票趋势与不同OD旅客的平均购票强度等因素,利用半马尔可夫决策过程来描述票额预售过程,提出单次决策期望收益模型,并以此推广至列车全程及整个预售期,最终构建以最大期望票价收益为目标的单列车票额预售控制决策模型。通过算例对模型进行了验证,结果表明本文提出的方法在考虑旅客需求的同时,可改善列车能力利用,提高列车客座率与收益。     

基于大小交路的城轨列车开行频率与票价综合优化方法

针对城市轨道交通线路客流时空分布不均衡问题,为缓解高峰时段客流压力,均衡时段客流,提升列车运输能力利用率,提出基于大小交路的城轨列车开行频率与票价综合优化方法。构建双层优化模型,其中上层模型为多时段大小交路列车开行频率及票价综合优化模型,模型以不同运营时段内大小交路列车开行数量、不同运营时段内票价率为决策变量,以企业运营效益最大为优化目标。下层模型为基于弹性需求的多时段随机客流分配模型,考虑票价优化对旅客出行需求的影响,在分析旅客广义出行费用的基础上,建立旅客出行弹性需求函数。设计嵌套Logit随机用户客流分配方法的遗传算法对双层模型进行求解,并进行算例分析,验证优化模型可行性。算例结果表明：1)通过对各运营时段票价和大小交路列车开行频率综合优化能够满足城轨线路各区段的旅客出行需求,降低高峰运营时段内客流量,均衡同一OD对在不同运营时段内的出行需求,充分缓解线路客流的时空分布不均衡的现状;2)城轨票价优化能够在一定程度上吸引更多潜在客流,有效提升企业票价收益,提高旅客人车公里数,同时开行大小交路列车能避免列车运输能力浪费,从而降低企业运营成本。所提出的方法能够为城轨列车开行方案和票价制...     

基于ARIMA模型的高铁浮动票价与票额分配优化方法

针对我国铁路单一的票价体系和确定性票额分配方式问题,探索高铁列车票价与票额的综合优化方法;依据时间序列分析原理,考虑客流的随机性,构建ARIMA客流预测表达式,将该表达式嵌入Log-Linear需求与价格的函数关系式中,结合票价制定规则、列车定员等约束,构建以铁路运输收益最大为目标的高铁列车浮动票价与票额分配综合优化模型;以G13列车为例进行计算分析,算例结果表明该模型能提高铁路运输收益,为高铁票价与票额的综合优化提供一定参考依据。     

高速铁路动卧开行日列车运行图与维修天窗协调优化

高速铁路夜间开行的动卧列车会与综合维修天窗在时间和空间上产生冲突。协调行车和天窗对线路通过能力的占用,能够优化铁路运力资源配置,提升列车服务质量和天窗作业效率。对动卧列车等线开行模式与分段矩形天窗的配合进行研究。考虑到车站夜间例行安排的维修施工,将天窗单元分类为“车站天窗”与“区间天窗”,二者组合构成维修调度命令中的天窗分段。采用整数规划方法构建动卧开行日列车运行图和维修天窗协调优化模型,最小化相邻天窗错位时间和列车总旅行时间,以减少天窗分段数量,更利于调度命令传达,作业灵活且安全地实施,同时保证动卧列车开行质量。运用图着色问题推论添加车站到发线能力约束以满足列车可用到发线数量的限制。代入京广高铁动卧列车案例,使用Gurobi实现求解。综合优化的运行图上,车站天窗和区间天窗构成11个天窗分段,比实际少13个,各维修工区管辖区段内的天窗计划更加简化;7对动卧列车的车站到发、区间运行均不与车站天窗、区间天窗冲突;列车的总旅行时间减少了173 min,列车停站次数由82次减少到66次。多组案例讨论了车站天窗、天窗错位、到发线数量等因素对列车等线位置和时间的影响。研究结果为进一步优化高铁动卧列...     

与航空竞争条件下长距离客运专线列车票价制定

采用与航空出行总费用对比的方法,研究长距离客运专线列车票价制订问题.旅客选择出行方式的依据是所花费的广义费用最小,给出广义费用的计算方法.以航空出行总费用为标准,推导出长距离客运专线列车票价计算公式.以京广客运专线为例,分别计算夕发朝至、朝发夕至列车的参考票价范围.计算结果表明:以航空出行不住宿时总费用为标准,夕发朝至、朝发夕至列车的票价范围分别为1 193～1 962元、1 022～1 79l元;以航空出行住宿时的总费用为标准,夕发朝至、朝发夕至列车的票价范围分别为1 343～2 212元、1 172～2 041元;夕发朝至列车比朝发夕至列车的定价空间高10%;夕发朝至列车单位价格范围可达到目前动车组的1.5～2.8倍.     

基于收益管理的高铁动态定价方法

以高速铁路市场化定价为背景,提出高速铁路动态定价模型。根据列车停站方案的差异,以列车旅行时间进行列车分级;通过分析高铁沿线各点对之间的历史客流出行信息,从旅客出行的价格敏感性和时间敏感性角度出发对旅客进行分类,并根据历史售票数据得出不同类型旅客所占比例;在此基础上,以客票总收益最大化为目标,考虑票价上下限、列车能力和票价不到倒等约束,建立基于收益管理的高速铁路动态票价优化模型,并根据模型特征设计启发式求解方法。最后以京沪高铁为例,利用所提出的方法进行优化计算和分析,证明在不增加运力的前提下,考虑收益管理的高铁动态定价方法,可以有效提高客票收益。     

高速铁路动卧旅客对价格敏感度的识别与研究

计算、评分铁路旅客群体对价格的敏感度，并在此基础上实现旅客群体分类，对于新线开通票价制定、既有线票价浮动测算、丰富常旅客营销手段、预售期票价折扣实施等方面工作具有重要参考意义。选取多次乘坐高速铁路（简称:高铁）动卧的旅客为样本对象，根据其在票价动态调整开始实施后出行行为的变化，运用K-means聚类算法和BP神经网络，将每位高铁动卧旅客对价格的敏感度进行识别和评价，并最终将所有旅客群体分成3类。结果表明，该方法能够较好地评价旅客价格敏感度，准确识别出价格敏感度较高的旅客群体，为铁路旅客运输利用价格手段实现“削峰填谷”、减少客流波动、提高经营效益的市场化目标提供助力。     

结合迭代学习和模型预测的重载列车运行控制

为实现重载列车单次行程的高鲁棒高精度轨迹跟踪，根据列车纵向运动特性，构建重载列车多质点的动力学模型；基于利用批次化的运行过程积累控制经验，结合迭代学习和模型预测控制方法设计1种增强抗扰的重载列车跟踪控制器，将重载列车动力学模型转化为基于模型预测控制框架下的线性二次型最优控制模型，用二次型最优控制的速度和位置状态反馈增益表示迭代学习增益，利用批次化积累的控制经验不断提高跟踪性能，实现单次行程的滚动时域优化，提升轨迹跟踪的鲁棒性和精度；对某货运专线上的2万t重载列车进行跟踪控制仿真，分别从时域稳定性和迭代收敛性验证该控制器的稳定性。结果表明：结合迭代学习和模型预测控制方法能够很好地利用重载列车系统操纵重复性特征并实现全程跟踪控制，较传统控制方法跟踪效果更好并能有效降低列车纵向冲动，同时能够动态响应非重复性扰动，满足重载列车运行控制要求。     

动车组列车制动系统Hammerstein模型的广义预测控制研究

鉴于动车组列车制动控制在运行和ATO中的重要性,以Hammerstein模型为基础,设计动车组列车制动系统的广义预测控制GPC器。把Hammerstein模型看作静态子系统和动态子系统的串联,动态子系统辨识为CARIMA模型,用思维进化算法MEA辨识由动态子系统纯延时环节和外界干扰造成的模型误差,设计基于MEA误差修正的GPC器,得出中间量。根据动车组列车制动特性对中间量进行约束化处理,使处理后的中间量和制动级位实现一一对应关系。对描述静态子系统的静态函数求逆,得到制动系统的制动级位。以CRH2型动车组为仿真对象,比较PID和GPC的控制效果,证明MEA修正误差的有效性,验证GPC器控制动车组列车制动系统的优越性。     

基于票额分配的高速铁路动态定价分治优化方法

研究基于票额分配的高速铁路多列车多OD的动态定价问题。以多列车的总收益最大为目标函数,建立多列车多OD的动态定价和票额分配联合优化模型,并在约束条件中充分考虑实际运营的需要。设计了将模型分解为双层规划的分治优化方法,通过票额分配与动态票价的分治优化,有效降低该类大规模问题的求解难度,并提高了求解效率。最后用20列车350个乘车OD的大型算例对模型和方法进行验证,为高速铁路动态定价的实际应用提供支持与参考。     

基于LSTM(长短期记忆)网络的城市轨道交通列车停站精度预测

城市轨道交通列车进站自动停车过程中常会出现冲标和欠标问题,结合行车日志大数据分析和LSTM(长短期记忆)网络算法,提出了有效的解决方案。首先针对行车日志中大量的列车停车精度历史信息进行大数据分析,按1 d为一个统计周期对数据进行分期,并对数据进行预处理和多类拟合,对比后获得最佳拟合参数的时间序列。然后通过LSTM网络算法构建深度学习模型,对列车进站自动停车精度的分布进行预测。最后基于成都某地铁线列车停车精度的历史数据,对该LSTM预测模型进行训练与验证。结果表明：该预测模型可满足统计学上对相似度大于0.9的要求,从而验证了该模型的有效性和准确性。     

基于补贴机制的高速铁路票价率优化方法研究

在铁路投融资体制改革中,政府补贴成为一种重要方式,对该模式下的高速铁路票价率优化进行研究。以列车提速后成本的增加和为旅客创造时间价值带来的机会收益对于票价的影响为基础,分别建立成本票价模型和时间价值票价模型,利用成本票价对最优票价进行约束,利用时间价值票价计算乘客剩余;并考虑成本加成和具备激励2种政府补贴方式,建立综合考虑企业收益和乘客效用的最优票价模型。数值算例表明,激励补贴机制较成本加成补贴机制体现出更好的市场竞争优势。     

基于集成学习模型的城市轨道交通车载数据分析与列车停车误差预测

提出了一种基于Stacking策略的集成学习模型算法。通过基础模型算法评估阶段和基础模型算法集成阶段,成功选出K个基础模型,并基于模型集成策略完成了模型的集成工作,最终得到了基于Stacking策略的集成预测模型。基于实际案例,使用该集成模型对列车停车误差进行预测,并对预测结果进行验证。验证结果显示,基于Stacking策略的集成学习算法模型的训练效率高、预测精度高,与其他传统模型相比具有较强优势。     

横风环境下高速列车头型的多目标优化设计

基于高速列车初始外形的参数化设计,针对各个优化目标建立对应的基于交叉验证方法的Kriging模型;为保证预测精度且尽量减少加点数量,基于最优解点和预测标准差最大点的2点加点准则,利用多目标优化算法得到满足约束条件的Pareto最优解集;利用测试函数验证优化设计方法的可靠性。以3辆编组高速列车为例,以整车气动阻力系数、流线型部分容积、尾车气动侧向力系数和尾车倾覆力矩系数为优化目标,以鼻锥厚度、鼻锥引流、鼻锥高度、车体宽度、司机室视角和排障器形状为设计参数,进行横风环境下高速列车的外形优化。结果表明:多目标优化算法可应用于高速列车头型的优化设计;利用各设计参数与优化目标的作用规律,可指导高速列车头型的工程改进设计。     

基于Weibull分布和SVR的城轨列车自动进站停车精度预测方法

通过分析城轨列车自动停车精度分布变化,研究停车精度预测问题,提出一种基于支持向量回归的列车自动进站停车精度预测方法。对停车精度数据进行分期预处理,进而采用Weibull分布拟合各期数据,由此得到两个分布参数的时间序列,通过支持向量回归算法对参数序列构建预测模型,实现对进站停车精度分布预测。采用北京地铁某条线一列车的自动进站停车数据对提出的模型进行仿真验证,结果表明预测分布与真实分布相似性均值可达0.953 3,验证了提出的预测方法的有效性,为城轨列车自动进站停车精度变化提供了一种科学、高效的预测方法。     

减少动卧列车消耗品支出费用

正1概况1.1车队情况简介北京客运段京广动卧车队成立于2016年3月1日,是全路唯一一个所担当列车全部为CRH2E型(动卧)动车组的客运车队。京广动卧车队共担当列车7对,均为CRH2E型列车,列车编组16辆,其中软卧车13辆、软座车2辆、餐车1辆,全列定员630人。担当车次分别是北京西—广州南D921/922次列车;北京西—深圳北D901/902、     

基于BP神经网络的动车组智能化控制和诊断研究

为解决因采集数据异常导致的列车控制的误动作和误诊断问题,对基于BP神经网络的动车组智能化控制和诊断方法进行了研究,建立了基于BP神经网络的预测模型,采用列车实际运行数据进行多次训练和参数调整,获取最优网络模型,结合该模型的预测值和实际值得到最终可信值,并融入到现有列车控制逻辑中进行控制和诊断。通过实验验证,采用训练模型的预测结果与实际采集值相比具有较高准确性,能够达到预测效果。实验结果表明,采用BP神经网络模型进行状态预测,并结合相关处理策略进行列车运行控制及故障诊断具有可行性。     

基于属性相关分析与聚类的铁路列车时刻表非均衡数据集预处理方法

在铁路列车运行图调整日趋频繁的背景下,列车时刻表数据集具有数据量大、属性多、不同车次时刻表记录数量差异较大、相同车次时刻表记录属性值相似的特点,列车时刻表数据分析和挖掘面临着数据集不均衡问题。为此,提出基于属性相关分析与聚类的铁路列车时刻表非均衡数据集预处理方法,依据列车时刻表属性与列车运营指标(客座率)的相关分析,可有效合并蕴含冗余信息的相似数据,降低数据集中此类相似数据的占比,可削弱非均衡数据集对后续数据分析的不利影响,并能保留数据所蕴含的主要信息,减少过多相似数据对数据分析模型应用效果的不利影响,提高模型的预测准确度。