The invention discloses an optimization management method for Floating Pricing of railway passenger tickets, which includes the following steps: obtaining historical data of railway traffic and non-railway traffic; constructing characteristic variables related to traffic ticket prices; analyzing the correlation of the characteristic variables, eliminating the characteristic variables with low correlation with traffic ticket prices; predicting non-railway traffic based on time series and GBDT algorithm The future ticket price series of Tongtong, the floating ticket price of railway is obtained based on time series and GBDT algorithm, and the final pricing result of railway ticket is obtained by adjusting the logarithmic mapping of railway ticket price. The invention can accurately and intelligently realize Floating Pricing of railway passenger tickets, avoid subjective interference, and is beneficial to balancing railway passenger rate and improving the competitiveness of railway traffic.
【技术实现步骤摘要】
一种铁路客票浮动定价优化管理方法
本专利技术涉及大数据处理
,特别涉及一种铁路客票浮动定价优化管理方法。
技术介绍
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。
技术实现思路
为解决上述问题,本专利技术提供了一种铁路客票浮动定价优化管理方法。本专利技术采用以下技术方案: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 ...
【技术保护点】
1.一种铁路客票浮动定价优化管理方法,其特征在于,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。
【技术特征摘要】
1.一种铁路客票浮动定价优化管理方法,其特征在于,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。2.如权利要求1所述的一种铁路客票浮动定价优化管理方法,其特征在于,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...
【专利技术属性】
技术研发人员:陈思恩,吴炎泉,杨紫胜,廖雅哲,
申请(专利权)人:科技谷厦门信息技术有限公司,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。