[发明专利]一种铁路客票浮动定价优化管理方法

说明书

本发明公开了一种铁路客票浮动定价优化管理方法，包括以下步骤：获得铁路交通历史数据以及非铁路交通历史数据；构建与交通票价有关的特征变量；对所述特征变量进行相关性分析，剔除与交通票价相关性低的特征变量；基于时间序列和GBDT算法，预测非铁路交通的未来票价序列；基于时间序列和GBDT算法，获得铁路浮动票价；对铁路票价进行对数映射调整，得到最终铁路票价定价结果。本发明能够精准、智能的实现铁路客票浮动定价，避免了人为主观干预，有利于均衡铁路客座率，同时有利于提升铁路交通的竞争力。

技术领域

本发明涉及大数据处理技术领域，特别涉及一种铁路客票浮动定价优化管理方法。

背景技术

对社会公众而言，往往会基于相似的理由，倾向于在同一时间点出行，这就造成了部分车次无票可购、有些车次余票率极高的尴尬情形，而目前铁路客票采用统一票价，不利于均衡铁路客座率。另外，铁路交通作为公共出行交通工具的一种，其票价、余票率等指标也要结合其他交通工具情况综合考量，由此如何对铁路客票进行精准、智能的浮动定价，成为亟待解决的问题。

发明内容

为解决上述问题，本发明提供了一种铁路客票浮动定价优化管理方法。

本发明采用以下技术方案：

一种铁路客票浮动定价优化管理方法，包括以下步骤：

S1、获得铁路交通历史数据以及非铁路交通历史数据，所述非铁路交通历史数据至少包括航空交通数据；

S2、基于铁路交通历史数据和非铁路交通历史数据，构建出与交通票价有关的特征变量；

S3、对所述特征变量进行相关性分析，剔除与交通票价相关性低的特征变量；

S4、基于时间序列和GBDT算法，预测非铁路交通的未来票价序列；

S5、基于时间序列和GBDT算法，获得铁路浮动票价；

S6、对铁路浮动票价进行对数映射调整，得到最终铁路票价定价结果。

优选地，所述步骤S2包括以下分步骤：

S21、针对铁路交通历史数据和非铁路交通历史数据，分别进行数据清洗、特征提取，获得相关特征变量；

S22、对所述相关特征变量进行归类，划分出铁路交通独有特征、非铁路交通独有特征及共有特征。

优选地，所述步骤S5通过以下方法实现：

基于非铁路交通的未来票价序列，估计出非铁路交通共有特征贡献和非铁路交通独有特征贡献；

基于所述共有特征和铁路交通独有特征，利用GBDT算法预测处铁路交通的未来票价时间序列，然后估计出铁路交通共有特征贡献和铁路交通独有特征贡献；

基于共有特征，利用GBDT算法，通过非铁路交通共有特征贡献和铁路交通共有特征贡献估计出铁路浮动价格的共有特征贡献；

将铁路浮动价格的共有特征贡献与铁路交通独有特征贡献相加，即获得铁路票价。

优选地，还包括步骤S7，对所述铁路票价预测模型进行验证评估。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：

本发明通过通过对各交通工具的历史数据进行分析，提取出影响票价的特征，并通过时间序列预测模型预测未来票价，再利用机器学习算法估计出铁路票价，形成精准、智能的铁路客票浮动定价体系，避免了人为主观干预。同时，本发明通过对铁路客票浮动定价，能够均衡铁路客座率，有助于提升与其他交通出行工具的竞争力。

附图说明

图1为本发明的流程示意图。