论文题名: | 基于分类学习的铁路客票销售预警技术研究 |
关键词: | 铁路客运;售票组织;动态调整;预警模型;分类学习 |
摘要: | 与民航运输相比,铁路客运中不同OD旅客之间在运输能力上的竞争较为激烈,尤其是对我国铁路客运而言。由于我国列车开行距离总体较长且运能紧张的问题尚未彻底解决,因而这种矛盾尤为突出。为解决这一矛盾,我国铁路客运部门逐渐形成了一套围绕票额管理的售票组织策略,用于调节列车运能对沿途不同OD旅客需求的满足程度,其基本原则是:优先满足长途客流,在此基础上,尽量公平地满足短途客流。然而,在预售期开始之前的客流预测难以达到理想的精度,故需要在预售期内根据售票情况对有可能存在不合理策略的列车进行预警,以及时调整售票组织策略。本文正是围绕这一问题,试图提出一种基于分类算法的铁路客票销售预警方法,以克服目前主要依靠管理人员人工判断的效率低下,不能适应近年来列车数量剧增且运营管理需求日益精细化要求的不足。 本文首先对客票销售中的售票组织动态调整及预警业务进行了详细分析,明确了预售期内客票销售预警的业务需求。通过对铁路客运营销辅助决策系统中列车历史运营数据的分析,提出了用于描述列车特征及客票销售过程特征的属性变量,并总结出了五种可能的销售结果类型。在此基础上,结合贝叶斯分类方法在不确定性推理方面的优势,构建了基于贝叶斯分类的客票销售预警模型,利用该模型可对旅客列车客票销售进程进行评估和预警。 论文最后选取了京沪高铁列车历史运营数据,通过基于实际数据的仿真实验验证了所提出的预警模型及算法的可行性,并对其预警结果准确度与列车开行日期类型、距离发车时间、客座兑现率等因素的关系进行了分析。 |
作者: | 石磊 |
专业: | 交通运输工程 |
导师: | 马敏书 |
授予学位: | 硕士 |
授予学位单位: | 北京交通大学 |
学位年度: | 2017 |
正文语种: | 中文 |