UBI产品探索实践

UBI是将车联网与大数据技术相结合的新型机动车保障模式。目前，国内UBI相关产品尚在起步阶段，行业内各大保险公司因车联网数据不足，以及政府的行业监管对于测算数据科学性和结果有效性等因素的担忧，推行进展缓慢。部分头部领先车企以车联网数据为基础与保险公司合作共建，在UBI保险正式推出前率先开展了UBI产品的探索试点。建立了覆盖车辆全时全域的数字化、智能化保障系统，并取得了积极的成效：创设了基于驾驶行为的风险模型及动态定价方法，走通了基于里程定价的产品运营模式，形成了从数据授权到服务保障的一体化解决方案。     

基于货主偏好的中欧班列定价与补贴机制研究

针对中欧班列发展过程中的补贴政策有效性问题，本文立足于高、低值货主在运输价格和运营平台服务质量偏好上的差异，考虑补贴货主运价和补贴平台公司运营成本两种补贴方式，构建由政府、运营平台和货主组成的三级博弈模型，分别求解统一定价补贴机制和差异化定价补贴机制下各主体的最优决策信息。通过对比不同情形下货主订购量、消费者剩余，以及政府补贴额度的差异探究各补贴方式和定价补贴机制的适用范围，并结合实际进行数值分析。结果表明：在差异化定价补贴机制下，补贴运价能够比补贴运营成本给低货值货主带来更多消费者剩余；当货主的价格敏感系数低于特定临界值时，补贴既无法给政府带来补贴绩效也不能使该部分货主产生订购量，故可考虑取消该部分货主的补贴。此外还发现，当运营平台的单位运输成本满足一定条件时，采用差异化的定价补贴机制可在不降低货主订购量和消费者剩余的基础上实现“补贴退坡”效果。     

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。     

基于熵与回归树的票价影响因素研究

为构建统一开放的交通运输市场，航空运输早已实行了浮动票价，高铁也在逐步实行。本文以京沪高铁和航空为例，对高铁和航空票价影响因素进行了对比研究。首先使用Ward方法将票价的影响因素聚成了四类：出行需求、旅客选择、出行效率、出行路线。然后基于信息熵和Copula熵对单个因素进行分析，再借助CART树对多因素进行回归分析，使用回归树模型拟合了票价数据，回归树分析解释了73.1%的航空票价变化和93.8%的高铁票价变化，可信度较高。结果表明，航空票价主要受出行需求、旅客选择因素影响，而高铁票价主要由出行效率决定。     

基于模块化仿真的共享汽车联合调度优化

运营商在调度车辆时单独采用员工或顾客调度策略均难以有效解决共享汽车分布不均衡导致的盈利难问题.为此，在传统时空网络基础上，考虑道路拥堵和用车需求随时间变化对运营的影响，基于C#语言和O2DES(object-oriented discrete event simulation)离散事件仿真框架，建立由模块化站点和路段模型组成、可高效率运行的共享汽车仿真系统；在此基础上，提出一个以运营商日均净收益最大化为目标，联合决策车辆库存量阈值和行程定价的仿真优化模型，并为解决随机环境下的全局优化问题，设计了EGA-OCBA (elitist genetic algorithm with optimal computing budget allocation)算法；最后，以成都市的5个共享汽车站点为例，验证了仿真优化模型的有效性.仿真优化结果表明：在相同车队规模下，与采用固定价格的顾客调度策略相比，联合策略可使日均净收益提升10.37%～162.30%；与单独的员工调度策略相比，联合策略可使日均净收益提升15.34%.     

基于收益优化的综合运输通道不同运输方式客运定价方法研究

随着社会经济发展，综合运输通道的建设不断完善，通道内多种运输方式竞争的现象越演越烈。如何将各种运输方式进行合理分配，使得各种运输方式之间形成良性竞争，对于充分发挥通道的整体客运输送功能至关重要。本文基于收益优化理念，考虑各运输企业的合作博弈，以客票总收益最大化为目标，建立了基于收益优化的综合运输通道不同运输方式客票定价模型，并根据模型特征设计算法求解。最后以成渝运输通道为例，利用所提出的模型进行优化计算，证明在不提高各运输方式总票价的前提下，考虑各运输方式合作定价，可以有效提高客票总收益。     

考虑分时定价的城轨乘客出发时间选择分析

为缓解城市轨道交通高峰期的客流拥挤，提高运营服务质量，本文从分时定价的角度，将折扣力度、转移时间和舒适性加入到随机效用最大化模型中。通过设计SP问卷开展调查，运用k-means聚类方法将乘客划分为标准通勤乘客、弹性通勤乘客、生活类乘客及低频出行乘客四类。运用SPSS软件进行数据分析，验证了不同类别乘客对票价折扣、转移时间和舒适度的敏感程度。进一步分析表明，随着转移时间的增加，票价折扣力度对乘客转移意愿影响逐渐减弱，当设定转移时间为5分钟时，合理票价折扣为7折；当转移时间为10分钟时，票价折扣建议为8折。据此，在制订峰前折扣票价时，要综合考虑票价折扣、转移时间和企业运营成本等多方面因素的影响。     

数据驱动的共享电动汽车流量预测与定价方案

为了提升共享电动汽车系统的经济性与运营效率，需要充分挖掘用户对共享使用价格的响应机制以及用户的充电等待行为。同时，用户流量需求的精准预测是提供合理共享定价方案的重要基础。基于此，首先建立以数据驱动的用户流量预测模型，通过结合图卷积神经网络与长短时记忆模型，捕捉用户需求的时空特征和动态相关性，并结合时间与天气特征因素实现多时间步长的准确流量预测。其次，考虑用户在共享系统下的等待自适应行为，建立基于用户等待成本的共享系统服务质量模型。而后以实现最大化共享系统利润收益与服务质量为目标，建立多目标的共享定价模型以制定不同时刻与路径上的共享电动汽车使用价格。最后，以上海市虹口区EVCARD交通测试系统的算例分析，论证所提流量预测模型的准确性以及多目标定价模型的有效性与经济性。研究结果表明：所提的SEV多因素融合需求预测模型较其现有的常用预测方法能获得更加准确的多时间步长流量预测；通过合理设置共享驾驶的空间和时间变化价格信号，可以提升共享电动汽车系统的运营盈利能力，并且实现了更好的系统利润收益与用户服务质量平衡的运行需求。     

考虑发车时刻与旅行时间的高铁优化定价

高铁定价直接影响旅客的出行选择与铁路部门的整体收益。本文基于差异化定价的思想，通过分析发车时刻、旅行时间与高铁票价及客流量的关系，建立目标为铁路收益最大化和旅客出行费用最小化的双层规划模型，采用Frank-Wolfe算法求解下层规划并对客流量进行弹性需求下的均衡配流，在遗传算法中结合爬山算法求解上层规划，并将上下层规划进行嵌套计算，得到最优票价。最后以京沪高铁为例，对模型验证分析。结果表明，考虑发车时刻与旅行时间的高铁定价策略可在旅客出行费用较低的情况下明显提高铁路部门的客票收益。该研究对提升高铁经济效益以及满足旅客出行需求有着一定的借鉴意义。