基于最大上座率春運火車票票額分配模型

楊潔

[提要] 春運是牽動民生的重要問題。本文在分析造成春運難的主要原因及已有的解決方案后，考慮優化票額分配，以最大效率的利用已有列車資源。以最大上座率為目標，通過理論分析，從預測和決策兩部分實現合理票額分配。根據往年預售期旅客購票趨勢統計數據，利用特征識別法將預售期分為不同的階段;預測階段，在以往預售期內購票需求已知的條件下，利用基于殘差修正的灰色模型對本年預售期內不同時段的購票需求進行合理預測;決策階段，以最低上座率保障值為約束條件，考慮長途因子，以半馬爾可夫決策過程為基礎，建立單次決策上座率最大模型，并以此推廣到整個預售期，建立以最大上座率為目標的列車票額分配模型。

關鍵詞：票額分配;特征識別;灰色模型;半馬爾可夫過程;最大上座率

基金項目：中國礦業大學2018年度大學生實踐創新訓練計劃項目（項目編號：201810290125X）

中圖分類號：U293.22 文獻標識碼：A

收錄日期：2019年4月16日

“春運回家難”是鐵路客運中存在已久的熱點問題，具有鮮明的區域性與時間性，近年來得到了較為廣泛的關注與研究。任雪凌通過對官方春運統計大數據進行分析，認為春運購票難的主要原因有：需求強盛而供給不足，定價策略不確定，存在惡意購票的行為。目前針對解決“春運一票難求”提供的方法也主要針對以上三個方面，如增加鐵路運力與改革鐵路運營體制;依據旅客對票價敏感程度不同，實行動態票價;落實相關法律制度，對“網絡黃牛”進行規范、整治;也有一些從優化車站和網上購票進行研究，如基于排隊論的售票窗口動態優化;設立網絡購票服務點，協調網絡售票與窗口售票預售期。然而，供給動力不足屬于外在硬性因素，涉及國家重大項目規劃，無法輕易進行調整;定價策略需要考慮人們心理價位的承受范圍，鐵路為國民經濟帶來的利潤等多方面的問題，并且國家在2006年以前曾制定過票價調節機制，但并沒有取得滿意的結果。

本文考慮在不改變鐵路部門現有結構和增加動力的基礎上，優化列車在各?？空镜钠鳖~分配計劃，充分利用列車資源，來實現緩解春運壓力。目前，票額發售仍然采用“先到先得”的方式，這樣會出現因短途旅客提前購票，長途旅客購票需求無法滿足，出現“車上空座，車站沒票”的情況，降低了列車資源利用率。強麗霞、賀振歡通過對不同范圍內控制OD的優先級排序，實現能力分配的引導，然后用Logit模型進行建模，得到客流分配方案;強麗霞以客運周轉量和平均運距最大化為目標構建了雙目標優化模型，實現票額預分優化;趙燁根據不同OD行程的購票特征構造購票強度函數，假設旅客總是基于當前剩余能力選擇最小費用方案出行，在列車定員的嚴格約束下，求解客流分配方案;龔輝鋒以總服務率為目標，在合理約束下，建立單向火車票動態優化模型;包云等針對高速鐵路提出“嵌套式”票額分配模型來保護長途OD的需求。以上研究主要將票額進行提前預分，未充分考慮預售期不同OD購票需求的實時變化情況，不利于鐵路運輸能力的充分挖掘與效益的提高。

本文將春運主力軍抽象為長途旅客，從鐵路客運管理層面出發，聚焦于鐵路客運售票組織，在供給不變的情況下，研究單列車在沿途?？空镜钠鳖~分配計劃，制定列車票額銷售控制策略。根據往年預售期旅客購票趨勢統計數據，利用特征識別法將預售期分為不同的階段;在前五年預售期內購票需求已知的條件下，利用基于殘差修正的灰色模型預測本年預售期內不同時段的購票需求;以最低上座率保障值為約束條件，考慮長途因子，以半馬爾可夫決策過程為基礎，建立單次決策上座率最大模型，并以此推廣到整個預售期，建立以最大上座率為目標的列車票額分配模型。

一、決策問題描述

若每次狀態的轉移只和上一個時間點的狀態有關而與之前其他時刻無關，則這樣的狀態轉移過程稱為馬爾科夫過程?；疖嚻笔燮边^程可以認為是一個離散時間的隨機過程，且每次售票都沒有后效性的馬爾科夫決策過程。本文中，我們以每次售票請求作為事件的觸發器，以盡可能大的全局上座率為目標函數，在每次決策后，進行狀態轉移與更新，這樣就得到了一條決策鏈，保證了在劃分的時間段內都能達到高上座率，一定程度上避免了春運時人流擁擠而部分車票未售出的情況。

二、預測與決策模型

（一）參數說明。首先定義文中出現的參數、變量與假設。

（二）基于特征識別和GM（1，1）的預測過程

1、特征識別法。根據以往購票統計數據可以得到預售期內的日購票強度分布，通過相關數據觀測，發現在預售期的不同時段，購票需求強度具有顯著差異。所以，考慮對預售期進行分段，這里選擇按預售期內購票需求數據分布特征來識別，具體做法如下：

2、購票需求預測。如果能利用往年的數據對當年預售期內任意時段購票需求進行合理預測，則可以使得接下來的決策工作更有效地進行，決策結果更滿足需要。如果將火車站作為一個系統，因為只知道往年客流量和購票需求等部分信息，則該系統是本征性的灰色系統?；谙到y的這種性質，我們可以利用灰色預測理論對列車在預售期的第T個階段的購票需求CT，進行有效預測。一些研究表明，該理論對解決灰色系統的趨勢預測問題有獨特的優勢。

將數據代入傳統的灰色預測模型進行求解，計算后發現，殘差檢驗結果并不理想，于是考慮對傳統模型進行優化，建立基于殘差修正的灰色預測模型。

因為車站系統為本征性灰色系統，較多未知因素隨著時間的推移會對系統帶來影響，所以該模型對于長期預測是存在問題的，沒有太大意義。基于這種情況，可以選擇預售期內每一天的前五年購票需求數據，利用殘差修正模型求解得到該天數據預測值。則在預售期T階段，購票需求預測值為：CT=xi。

三、決策理論分析

預售期對購票需求決策流程如圖1所示。（圖1）

圖1 決策流程圖

圖2 狀態層

對狀態層k上購票需求pi，j決策結束后，需要計算在a=0或a=1兩種情況下帶來的上座率收益bk。該收益由兩部分組成：購票上座率收益b1k和額外上座率收益b2k。購票上座率收益是指pi，j需求帶來的上座率，額外上座率是指（i，j）區間裂解后的帶來的上座率。例如，只有五個車站，當購票需求p1，3到達時：決策a=1時，剩余座位可被裂解為（3，4）、（3，5）、（4，5），并且在以后可以以一定的概率被售出，這種情況下帶來的上座率收益就是（1，3）和裂解以后區間上座率的和;決策a=0時，剩余座位可被裂解為（1，2）、（1，3）、（1，4）、（1，5）、（2，3）、（2，4）、（2，5）、（3，4）、（3，5）、（4，5），這種情況下帶來的上座率收益就是裂解以后區間上座率的加權和。

四、總結

本文主要針對春運期間火車購票難的問題，并且基于已有的一些模型及方法，給出一套合理的售票決策方案以求達到最大的上座率，力求使盡可能多的人買到票。本文在介紹模型時，主要分以下幾部分：（一）預售期的劃分，根據不同時間段的購票強度不同并結合相應的概率知識，對預售期進行劃分;（二）購票需求預測，結合往年購票數據，對當年的購票情況進行合理預測，可使后續模型更貼近實際，迎合往年購票情況的發展趨勢;（三）在各預期目標及限制條件下，給出較為合理的售票決策模型。基于以上三部分，給出了一套系統的基于最大上座率的售票決策算法，以期待在實際應用中能有較好的成效。

主要參考文獻：

[1]任雪凌.從供需角度分析春運火車票購票難[J].中國集體經濟，2018（3）.

[2]吳尤可.從春運火車票不漲價說起——春運難題解決方案探析[J].價格理論與實踐，2007（3）.

[3]張向輝.大數據背景下鐵路客運組織策略研究[J].甘肅科技，2017.33（2）.

[4]陳磊.基于排隊論的火車站售票排隊系統的分析與研究[J].成都信息工程學報，2010.25（6）.

[5]郭培奇，張健.“互聯網+”背景下進城務工人員購票問題探析[J].城鄉建設與發展，2016.

[6]強麗霞，賀振歡.基于客流分配技術的鐵路旅客列車票額分配方法研究[J].鐵道運輸與經濟，2017（9）.

[7]強麗霞.旅客列車票額智能預分方法研究[J].鐵道學報，2018.40（9）.

[8]趙燁.考慮售票策略的高速鐵路客流分配方法[J].鐵道學報，2018.40（9）.

[9]龔輝鋒.單向火車票動態分配優化模型與軟件實現[J].沈陽大學學報，2009.21（6）.

[10]包云，劉軍，馬敏書，等.高速鐵路嵌套式票額分配方法研究[J].鐵道學報，2014.36（8）.

[11]劉曉琴，姚曉暉，龐雷.馬爾科夫鏈模型在鐵路春運客流預測中的應用[J].安全科學技術，2010（12）.

[12]劉帆洨，彭其淵，等.鐵路客運票額預售控制決策模型研究[J].鐵道學報，2018.40（1）.