鐵路客運營銷輔助決策系統及關鍵技術研究

■ 單杏花 衛瑞明 王煒煒 張軍鋒 呂曉艷

鐵路客運營銷輔助決策系統及關鍵技術研究

■ 單杏花 衛瑞明 王煒煒 張軍鋒 呂曉艷

依據鐵路信息化總體規劃，開展鐵路客運營銷輔助決策系統的研制。介紹系統的架構及功能，并對系統在數據倉庫技術、客流預測模型與技術、票額智能預分及預警技術、分析評價展現技術等關鍵技術方面進行研究，取得了卓有成效的應用效果。

鐵路；客運營銷；輔助決策；數據倉庫技術；客流預測；預警技術；票額自動分配

1 背景

國外鐵路（如法國、日本）在鐵路客運領域的營銷決策支持及關鍵技術研究方面取得了較大進展，信息系統已由面向運輸組織的控制系統逐步轉為面向客運營銷與成本控制的基于數據倉庫技術的市場營銷策劃系統，向著綜合化、智能化的方向發展。

國內鐵路客運領域，圍繞著客運的組織、經營和管理，已經相繼建立了客票系統、旅服系統和客管系統，尤其是客票系統經過近二十年的發展，售票渠道、支付方式日趨便利，積累了大量的歷史數據，為鐵路客運營銷輔助決策系統（簡稱系統）的建設奠定了良好的數據和技術基礎。而隨著客運專線的建設和投入運營，鐵路旅客運輸能力得到大幅擴充，部分區段、部分時段甚至出現能力緊張，如何了解并掌握客流，根據客流調整旅客列車開行方案，適時推出更有競爭力的客運產品，提高每一趟旅客列車能力利用率，都是系統需要解決的難題。

鐵路客運營銷輔助決策系統是以現代市場營銷理念為指導，以運輸理論和客運市場信息資源為基礎，以先進信息技術和決策分析方法為手段構建的智能化信息系統，滿足中國鐵路總公司（簡稱總公司）、鐵路局及基層站段營銷管理人員的業務需要，為客運部門把握市場動態、完善產品設計、優化運能利用、提升社會和經濟效益提供決策支持。

2 系統架構

2.1 總體架構

系統用戶對象包括總公司、鐵路局和站段三級客運管理和決策人員，系統數據源主要來源于客票系統，其次是旅服系統、客管系統、清算系統、財務系統等，考慮網絡、安全及數據處理效率等問題，系統總體架構采用面向三級用戶的集中與分布相結合的兩級架構（見圖1）。

總公司級數據倉庫存放全路的所有歷史主題數據，支持全路性的整體分析與決策；各鐵路局數據倉庫存放本局的實時生產數據和從總公司返回的歷史數據，支持區域性的實時分析與決策。

2.2 系統功能架構

系統始終圍繞著客流分析預測、產品設計、運營決策和分析評價4個環節開展研究與開發，系統功能架構見圖2。

（1）市場調查與預測子系統：提供完備的市場調查手段與分析方法，完成長短期客流調查與分析功能，及時準確地掌握客運市場動態，預測未來發展趨勢，為客運營銷提供市場調查與預測結果信息。

（2）運營策劃子系統：實現客運產品設計，包括開行方案設計、席位配置方案設計、運價決策模型、日常調整方案設計、運力資源規劃和營銷管理決策功能，為決策者提供輔助決策支持。

圖1 系統總體架構

圖2 系統功能架構

（3）分析評價子系統：針對不同的用戶對象，提供客運生產情況的統計查詢、分析評價功能，主要包括列車效益分析、客車開行方案評價、客運統計查詢、客運資源運用評價和營銷策略評價等功能。運用指標計算、數據挖掘的模型與方法，研究客運產品、營銷渠道和手段、旅客行為等要素間的潛在關系，為經營管理者調整和組織客運營銷策略提供決策支持。

（4）數據管理子系統：主要負責數據倉庫中客運營銷信息資源管理，完成日常的數據信息交換、整合、存儲、計算等，為系統的輔助決策功能提供信息基礎。

（5）系統管理子系統：提供保證系統安全、穩定運行的基本功能，包括用戶管理、數據監控、性能監控和安全監控等。

3 關鍵技術及應用

3.1 數據倉庫技術

客運系統是一個基于數據倉庫技術的輔助決策分析系統，根據決策、分析的業務需要，建立了基于歷史數據和實時數據的混合數據倉庫體系結構。

歷史數據倉庫針對歷史生產信息，以業務主題為主線，進行各主題的模型設計，采用星型模型和雪花模型相結合的數據組織設計方式，以星型模型為基礎，在部分維度上擴展為雪花模型。實時數據倉庫針對交易系統產生的實時業務數據，采用數據庫復制技術，實時載入到數據倉庫，保證了實時決策業務的數據基礎。

通過歷史數據倉庫和實時數據倉庫相結合的體系架構，可以同時滿足鐵路局決策和分析人員進行中長期的戰略決策，也能滿足站段基層業務人員完成短期戰術查詢和決策。該混合數據倉庫對業務模型是透明的、無差異化的，兩者可以同時使用、互為補充。

由于系統的絕大部分數據來源于客票系統，根據客票系統的分布式特點[1]，以及分析人員對信息時效和內容的要求不同，數據倉庫的數據采集流程采用了多種策略。本局數據實時復制、外局數據準實時傳輸、歷史數據按日分發，采用自主開發工具和數據庫工具相結合的方式對本局的席位、存根數據采用實時復制方式，對外局客票數據采用每30 min循環的傳輸方式，對長期分析用到的數據采用每天定時傳輸方式，讓鐵路局具備掌握擔當、返程、通過列車完整數據的條件，并可以依托系統開展全新的實時分析、全程分析管理的業務。系統首次實現了鐵路客運業務數據的全路完整共享，系統數據流程見圖3。

3.2 客流預測模型與技術

在鐵路客流預測方面，目前國內的各種研究主要集中在預測理論和方法上，還沒有能夠與業務系統對接的投入使用的預測系統，而國外的客流預測系統因為客運組織方式和國情的不同，無法直接拿來應用于我國的鐵路行業。系統結合我國鐵路客運組織和業務系統現狀，進行了客流預測模型的研究和客流預測系統的研發，對短期客流進行預測，為營銷分析和產品優化設計提供數據支持和決策依據。

根據鐵路的客流呈現明顯的季節性這一特性，系統分別引入時間序列（移動平均、指數平滑、ARMA自回歸等）和神經網絡模型，并進行了信息系統的實現，以支持不同季節、不同時段、不同客流特點的客流預測。

系統對全路客票系統產生的運量、運能、需求等海量異構數據進行處理，并運用經過適應性改造的預測模型進行計算，可以進行客流總量預測和OD客流預測。具體實現了以下功能：

（1）列車客流預測功能。預測旅客列車的整體或OD客流情況，按照歷史數據具備情況可分為針對開行方案穩定列車、調圖列車、新增列車的客流預測。

（2）區域客流預測功能。對指定區域整體或OD客流情況進行分析預測，區域可分為大站或其他車站、鐵路局、全路或其他自定義區域。

（3）線路OD客流預測功能。針對高鐵OD間的客流進行預測，如按照其OD的時間序列客流將OD分類。

2014年中秋節、國慶節客流預測系統的預測誤差控制在5%～15%，并實現了在3 h內完成全路直通列車OD客流預測的目標。

3.3 票額自動預分及預警技術

票額自動預分以列車客流預測為基礎，建立了列車票額自動分配與優化調整模型，根據列車編組、停站時刻數據，計算并自動完成列車票額在經由停車站間的分配。它將旅客列車票額的靜態分配變成了適應客流需求的動態分配，以達到穩定旅客列車沿途站的常態客流，應對突發客流，吸引淡季客流，提高鐵路旅客列車全程客座率的作用，其主要由客流預測模型和票額自動分配模型兩個核心模型構成。

3.3.1 客流預測模型

目前對于客流預測方法的研究十分廣泛，但大多集中在對客流的總量預測上，對于指導實際生產的列車分席別、站站客流的預測研究則十分有限，能用于指導生產的客流預測方法鮮見論述。高鐵的客流預測模型是以鐵路客票發售與預訂系統產生的實際生產數據為基礎，采用基于時間序列的預測方法，并提出了“四因素”時間序列客流預測模型[2]，實現對列車分席別的OD客流預測。

圖3 系統數據流程

3.3.2 票額自動分配

票額分配模型主要解決以下問題：當列車可發售票額數量已確定，列車站間OD客流數量已完成預測，如何將這些可發售票額合理分配至列車途徑各停靠站，并設定所有票額其允許作為上車站的區間和允許作為到達站的區間，以滿足客流需求，從而保證本次列車票額分配方案的科學性、合理性及安全性[3]。

票額分配原則：一是分配方案不可影響票額所有站的票額發售；二是票額分配需要有一定的誤差消解處理能力，由于客流預測的不完全精準性，需要將客流預測在可接受范圍內的預測誤差不帶入或盡量少帶入列車票額預分方案。

系統建立的票額分配方法，既可在能力充裕時，通過加大票額裂解控制系數，減小票額保護系數，使得票額提前分配至沿途站，增加票額的營銷時間機會，實現“票盡其用”的效果，又可在能力不足時，通過加大票額保護系數，減小票額裂解控制系數，有效控制票額在票額所有站，保證列車開行的整體效益，實現運輸能力的自動、快速分配。

在實現票額自動分配的同時，系統實現了車站售票行為監控預警、重點列車售票情況預警、列車余票分時切片、車站能力利用預警等功能，用戶通過定制關注的重點車次、區域等作為監控對象，設置預警閥值，實現對鐵路整體售票組織策略、線路區段客流、票額預分策略的合理性預警分析，保障票額預分的科學性、合理性。

票額自動預分的實施取得了顯著效果：提高單趟列車運輸能力利用和精細化管理水平，智能化的實現票額自動分配，優化票額組織，提高列車席位利用率，趟車客座率最高提升43．9%；提高全鐵路客運運輸網絡的運力利用，首次實現路網級別的列車間票額分配優化，保證客運產品開行效益，2014年前10月同比2013年動車組列車客座率平均增長2．9%；保證列車開行效益前提下，為列車沿途站解決預售期內的票額發售問題，為車站增加營銷時間機會，提升旅客列車沿途站的服務水平；客運管理者通過相關專家參數調整，實現客流淡旺季的票額優化調整與客流引導。以武廣高鐵為例，高鐵列車客座率穩步上升，7月份的客座率由2010年的50%提升到2014年的80%。

3.4 分析評價展現技術

分析評價展現技術的核心為客運業務整合模型及可視化展現技術，系統業務整合模型緊密結合客運管理業務流程，建立了運能、運量、業務量考核、區段密度、實時銷售、互聯網售票、電話訂票等業務模型，實現了對異構數據的、面向服務的、低耦合度的客運數據訪問。

系統構建了基于時空指標體系的客運業務分析模式（見圖4），在空間上實現了“點-線-面”聯動的多視角分析模式；在時間上實現了任意時間段數據分析；在指標上針對特定需求形成專題分析，并以此作為運營決策的數據依賴和驗證手段。

對客運產品的評價從旅客列車的運量、收入、設施利用、服務能力等方面入手，研究和建立列車開行方案評價指標體系，設計相應的可視化表達手段，同時，分析開行方案設計與調整決策的要素，建立以車底及旅客需求為主要約束的旅客列車開行方案生成算法及評價模型，通過最優化、數據挖掘、信息技術等的綜合運用，較好地解決了理論與實踐之間的結合問題。

系統引入地理信息系統可視化技術，基于富互聯網應用（RIA）技術的Web GIS平臺，將地圖展現與客運業務分析數據無縫融合，通過地圖直觀展現全路、各局、各站到發客流及鐵路線上的車流、列流。

4 結束語

圖4 系統時空指標體系示意圖

目前，系統已經在總公司和各鐵路局建成并投入使用，系統為各級客運管理、運營部門提供24 h不間斷業務保障，先后經受了春運、黃金周、暑運等鐵路客流高峰的考驗。實際應用表明，系統運行平穩、高效，顯著的提高了管理人員工作效率，降低了工作量和勞動強度，提高了業務人員的決策能力和決策水平，在學生客流組織、實名制購票分析、互聯網等新型購票渠道分析等方面發揮了很大作用。系統下一步將在現有基礎上引入更加廣泛的相關信息和技術，進行鐵路客運收益管理、客運產品效益分析、鐵路旅客客戶關系管理等延伸領域的研究，進一步擴展和完善系統功能，以更好地支持鐵路客運發展及運營的需要。

[1] 朱建生，單杏花，周亮瑾，等． 中國鐵路客票發售和預訂系統5．0版的研究與實現[J]． 中國鐵道科學，2006，27(6)：95-103．

[2] 單杏花，周亮瑾，呂曉艷，等． 鐵路旅客列車票額智能預分研究[J]． 中國鐵道科學，2011，32(6)：125-128．

[3] 王洪業，呂曉艷，周亮瑾，等． 基于客流預測的鐵路旅客列車票額智能分配方法[J]． 中國鐵道科學，2013，34(3)：128-132．

單杏花：中國鐵道科學研究院電子計算技術研究所，研究員，北京，100081

衛瑞明：中國鐵路專運中心，工程師，北京，100844

王煒煒：中國鐵道科學研究院電子計算技術研究所，副研究員，北京，100081

張軍鋒：中國鐵道科學研究院電子計算技術研究所，副研究員，北京，100081

呂曉艷：中國鐵道科學研究院電子計算技術研究所，副研究員，北京，100081

責任編輯 楊環

U293.2+2

B

1672-061X（2015）02-0123-05

國家自然科學基金資助項目（U13342038）。

所獲獎項：2014年度中國鐵道學會科學技術獎一等獎。