典型文献
基于旅客出行选择特征的高速铁路浮动定价策略研究
文献摘要：
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.
文献关键词：
高速铁路;浮动定价;出行选择特征;LSTM;GBDT
中图分类号：
作者姓名：
陈方遒;景云;郭思冶
作者机构：
北京交通大学 交通运输学院,北京 100044;北京交通大学 智慧高铁系统前沿科学中心,北京 100044
文献出处：
引用格式：
[1]陈方遒;景云;郭思冶-.基于旅客出行选择特征的高速铁路浮动定价策略研究)[J].铁道学报,2022(06):11-17
A类：
出行选择特征,浮动定价,客票收益
B类：
旅客出行,高速铁路,定价策略,出行选择行为,提高铁路,铁路企业,改进方案,时序特征,长短期记忆网络模型,精准预测,开售,售车,车次,同价,价格水平,梯度提升决策树,GBDT,特征空间,价格分,企业收益,定价模型,逐次逼近,逼近算法,均方误差,RNN,GRU,运输市场,铁路部门,单日
AB值：
0.321064
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
