Resumen

El desarrollo del ferrocarril de alta velocidad (HSR) en China ha atraído a un gran número de pasajeros de la carretera y la aviación al ferrocarril por su comodidad y alta velocidad. En este caso, el transporte de pasajeros HSR puede mejorar los ingresos de explotación mediante la optimización de la asignación de billetes. Aquí proponemos un método de optimización de la asignación de billetes de transporte ferroviario de pasajeros a precios multiclase bajo una elevada demanda de pasajeros. En primer lugar, para el problema de "datos censurados" en la previsión de la demanda de pasajeros de ferrocarril, construimos un modelo no restringido de demanda de pasajeros de ferrocarril y resolvemos la demanda no restringida mediante un algoritmo de maximización de expectativas. Después, sobre esta base, utilizamos redes neuronales grises (GNNs) para predecir la demanda de pasajeros de diferentes orígenes y destinos (ODs), y de acuerdo con los resultados de la predicción, proponemos dos métodos de asignación de billetes basados en el control de la operación y la capacidad: modelo predividido preciso y modelo predividido difuso. Y resolvemos este problema construyendo un algoritmo de optimización por enjambre de partículas. Por último, utilizamos ejemplos para demostrar que el método de asignación de billetes propuesto puede satisfacer las necesidades de los pasajeros y obtener buenos beneficios económicos.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:asignación de billetes de transporte ferroviario de pasajeros a precios multiclase, algoritmo de optimización por enjambre de partículas, previsión de la demanda ferroviaria de pasajeros, transporte ferroviario de pasajeros, modelo predividido preciso, modelo predividido difuso, buenos beneficios económicos, redes neuronales grises, alta demanda de pasajeros, demanda ferroviaria de pasajeros
• Keywords:multiclass price railway passenger transport ticket allocation, particle swarm optimization algorithm, railway passenger demand forecast, hsr passenger transportation, accurate predivided model, fuzzy predivided model, good economic benefits, gray neural networks, high passenger demand, railway passenger demand