基于人工智能系统的地铁收益优化与分时定价理论研究

作者：张爱琳; 惠之瑶; 梁爽; 闫泽文

来源：科技促进发展, 2018, 14(08): 795-800.

• 分时定价
• 收益管理
• Agent模型
• 客流

目前,地铁在高峰期存在车厢内客流量大、过度拥挤等问题,且城市地铁运营收益状态存在较大改善空间。为此,本文从收益管理和拥挤定价角度出发,采用SP调查和数据挖掘等研究方法,在对乘客心理和行为分析的基础上,研究构建基于人工智能系统(Agent)仿真模型的地铁分时定价机制。尝试将收益管理应用于地铁定价策略中,为实现提高地铁服务性和经济性的双赢目标提供建议和对策。结果表明:3种不同收入人群乘客Agent的转移率随时间而变化,转移率因票价上涨而增加;而且地铁票价涨幅过大会导致一部分乘客转移到地面公交系统。可见地铁的分时定价能有效分散客流,降低满载率。

• 单位
  内蒙古科技大学; 土木工程学院