基于旅客出行选择特征的高速铁路浮动定价策略研究

摘要

基于旅客出行选择行为制定相应的定价策略,是提高铁路企业客票收益的关键。针对现行定价策略提出改进方案,首先构建考虑非时序特征的改进长短期记忆网络模型(LSTM),精准预测即将开售车次不同价格水平下的余票情况;其次,利用梯度提升决策树(GBDT)切割旅客出行选择特征空间,并依据特征进行价格分级;最后,构建以铁路企业收益最大为目标的定价模型,并采用逐次逼近算法求解。算例结果表明,改进LSTM模型预测余票标准化均方误差为0.053,比LSTM、RNN和GRU更优;改进的浮动定价策略与现行浮动定价政策相比,能够更好地反应运输市场需求,提高铁路部门单日收益。