鐵路客票席位智能預分的設計與實現

胡志鵬，王洪業，王元媛，劉文韜

（中國鐵道科學研究院 電子計算技術研究所，北京 100081）

鐵路客票席位智能預分的設計與實現

胡志鵬，王洪業，王元媛，劉文韜

（中國鐵道科學研究院 電子計算技術研究所，北京 100081）

我國鐵路客運有非常明顯的淡旺季客流區別。如何使席位預分方案更加貼近實際的客流需求、提高鐵路客運收益，成為客運管理的新問題。席位智能預分通過對歷史客流數據的分析，獲取未來客流的預測值，并將預測值與客運管理人員的經驗相結合，形成更加科學的預分方案。引入席位智能預分后，有效提高了客座率。

基于模板的預分；基于預測的預分；預分方案；預分任務

中國鐵路客票發售與預訂系統（簡稱：客票系統）在淡旺季有著顯著的需求差異。針對淡旺季、節假日的客流變化，要求采用不同的客票管理策略，探索出適應鐵路客流周期性變化的預測方法，使得客運收益最大化。

既有的客票系統票額預分，是根據售票系統票額發售的歷史數據，通過對具體列車一段歷史周期內，所有停靠站兩兩站間組合的客流分析，綜合考慮節假日疊加效應，形成每日預分方案。客票系統在預售期之外，根據每日預分方案對席位的以遠站、用途等進行重新調整，并根據需求將長途票裂解，或將短途票合并，使預測方案盡量與實際客流貼合，實現效益最大化。此方法將兩站間的接續需求精確定義到每一個席位，并只在預售期外進行一次預分，具體過程不需要人工干預，由后臺工作流定時執行。

自我國高速鐵路網狀結構初步形成以來，鐵路運輸企業結合地區實際客流及經濟發展狀況，推出了不同的長短途客運列車編組。如何引導長途旅客選擇長途列車，短途旅客選擇短途列車，充分保障各類客運產品的收益，成為一個新的議題。由于部分長途列車在某一區間內，各站的客流起伏不定，但該區間總體客流情況大致穩定，傳統的精確票額預分方法已不能滿足鐵路運輸企業對于客流的掌控，需要引入新的預分機制，更加合理、更加有效地預分席位，提高收益。

1 主要研究內容

席位智能預分的基本方式分為精確預分和模糊預分。精確預分是根據測算出的客流預測方案，將長票裂解成各區段的短票，滿足兩站之間的需求。一張長票裂解后，可以滿足接續的多個區段需求。模糊預分策略下，席位均以長途車票形式存在，根據以遠站和用途的不同，將車票劃分為不同分組。本文將詳細說明模糊預分方式下，針對鐵路運輸企業的需求，席位智能預分做出的策略調整以及席位預分未來可能的發展方向。

1.1 基于模板的預分

預分管理系統可通過用戶制作預分模板及交路，詳細定義具體日期某車次的具體席別所采用的預分模板，由工作流按照模板將席位按照分組和以遠站分為不同用途，并按照模板的分組關系、交路規律生成共用定義。在席位發售時，客票系統讀取共用定義，按照以遠站設置，完成共用票額的發售。

該方式適用于旺季客流，以及規律性較明顯的換乘節點。在最大化鐵路收益的同時，可適當預留少數席位，兼顧沿途客流。以G101次（北京南—上海虹橋）二等座的預分模板為例，如圖1所示，將嚴格按照預分模板里定義的發站和以遠站進行預分，圖中相同分組使用了相同顏色表示。

圖1 G101次（北京南—上海虹橋）二等座預分模板

按照圖1中的預分方式，預分結果為第1組550張，其中徐州東以遠150張，上海虹橋以遠400張；第2組100張，其中徐州東以遠50張，上海虹橋以遠50張；第3組200張，其中南京南以遠100張，上海虹橋以遠100張。

1.2 基于預測的預分

由于平日與高峰客流的顯著不同，非高峰期內客流高低的正常浮動，使用單一模板顯然不能滿足鐵路運輸企業對于客運收益的精細管理。按照車站分組，將以遠站間的預測數合并累加為對應以遠站的預分數，成為新的預分管理方式。仍以G101次（北京南—上海虹橋）二等座的預分模板為例，結合圖2的精確客流預測值，可以獲得基于預測值并結合預分模板分組的預分方案。

圖2 G101次（北京南—上海虹橋）二等座預測方案

以該車次第1組為例，模板中最大以遠站為上海虹橋，第1組內車站的預測數分別為474、3，那么可將兩項預測數累加為474+3=477；模板中第2以遠站為徐州東，那么可將徐州東～上海虹橋間的預測數累加作為徐州東以遠的預分數，累加計算為33+71+21+25+7+6+0+7=170；北京南至棗莊區間內再沒有以遠站設置，可將預測值舍去，第1組內的其余預分數記為0。依此類推，可得出第2組、第3組的預分數，如圖3所示。

按照圖3的預分方式，預分結果為：第1組644張，其中徐州東以遠170張，上海虹橋以遠474張；第2組81張，其中徐州東以遠46張，上海虹橋以遠35張；第3組213張，其中南京南以遠97張，上海虹橋以遠114張，剩余席位投放通售用途。

結合預測數據，根據模板的分組和以遠站設置，既考慮根據歷史客流獲取的預測數據，也考慮根據客運管理人員的經驗值設計以遠和分組。在實際預分過程中，可根據每日預測數據的不同，生成不同的預分方案，區分淡旺季、周末平日的客流不同，對席位進行預分。

1.3 預分方式管理

上述兩項預分方式，基本實現了對每日席位的精細管理。然而，當遇到突發客流時，預測數據不能完全緊密貼合實際客運量，客運管理人員需要將列車席位按指定日期實行按模板的預分，保障長途運能，以保證鐵路收益。

預分方式管理功能提供了按車次定義一段期間內的預分方案，基于模板數據或基于預測數據，能夠為客運管理人員調整預分方式提供參考。

圖3 G101次（北京南—上海虹橋）二等座預分方案（基于預測）

1.4 預分例外車次管理

席位智能預分系統默認預分的車次為全部直通動車及高鐵。對于部分特殊情況，如：新開車，尚未總結出客運規律；車底單重聯變化，原有預測數據不能滿足新編組等情況時，需要對此類列車暫時停止預分，以便培養客流，總結客運規律。

通過添加預分例外車次，可使預分程序在席位預分時跳過定義，將席位以長途形式保留發售，觀測客流變化，找到最適合車次的預分數據及預分方案。

1.5 預分任務

客票系統在每日凌晨啟動工作流，通過結合預分模板中以遠站的設置，沖正并調整每日預測方案，形成當日列車的票額預分方案，而每日凌晨往往也是客票數據庫進行數據庫整理、定時統計等工作的重要時段。原有的定時預分設置，偶爾會收到并行其他任務的影響導致中斷。

針對上述情況，在席位智能預分系統中加入了輪循機制。每日定時觸發的工作流，不再生成預分方案，也不再對席位進行預分。而是將要沖正及預分的車次添加到預分任務表中，再通過循環執行的檢測程序檢測任務表中是否有待預分車次。后臺程序將檢測到的車次逐個預分，預分成功后才刪除任務表中對應的車次數據。此機制有效避免了由于數據庫中并行執行其他任務導致預分中斷。

1.6 通售用途補償

客票系統完成席位預分后，可能會出現席位全部預分至公用用途（含公用1、公用2、公用3、公用4）的情況。這樣會造成未參與分組車站無法發售該車次席位，為兼顧短途客流，采用了“通售用途補償”的機制，對已預分席位做調整。

調整方案策略為，參考對應車次的編組，根據單聯、重聯席位數的不同，設置一個定值X，按照固定的用途順序（公用4→公用3→公用2→公用1→公用），依次進行用途轉換，使得該車次通售用途至少有X張，即從公用4中轉X個席位至通售用途，如果不足，繼續轉換公用3，以此類推，直到累加滿足X張為止。

1.7 預售期內多次預分

智能預分系統根據新的客流預測方案，生成預售期內的二次預分方案，通過席位再次預分，調整各用途車票的數量，最大程度地滿足旅客購票需求。

2 系統的業務流程設計

智能預分按照鐵路總公司級、鐵路局級兩級部署，數據依次通過營銷系統、客票系統完成預分，預分結果回傳營銷系統作為下一輪預測時修正預測數據的依據。

智能預分總體架構采用分布式部署，其中預測集中產生，鐵路局制定的模板及交路信息在鐵路總公司集中管理，預分程序在各票源中心分布執行。智能預分程序按預分模板設定的以遠站和分組，根據預測數據生成每日預分方案，完成席位預分。

智能預分系統的數據流程如圖4所示。

3 系統實現的難點

3.1 根據模板交路生成共用定義

模糊預分涉及到共用定義的生成。如圖1中的預分模板示意，由于車票均以始發終到的長途票形式存在，中途站要想發售車票，就需要生成共用始發站的共用定義。系統會生成以預售期為共用時長、符合預分交路的運行規律，參與分組的車站共用始發站本組內用途的共用定義。除此之外，還會生成保底的全程共用的共用定義，以便在臨開車之前實現全程共用。目前全程共用定義，默認共用時長為30 min。

圖4 智能預分數據流程圖

3.2 修正預測運行圖

由于目前預售期較長，鐵路局客運管理人員往往在預售期內才接到調圖調令，而營銷系統產生的預測數據是依據長期的客運數據測算而成，就有可能會出現同一個車次的預測數據是一個運行圖，實際對應車次的席位是另一個運行圖的情況。席位預分時，是對新運行圖的席位進行預分，就需要對老預測方案進行調整。目前調整的策略為，新舊圖的始發終到車站為同城車站的，變更為新圖；舊圖沿途車站在新圖中仍存在的，對應方案保留；舊圖沿途車站不在新圖中的，刪除對應的預測數據。

3.3 執行預分任務

每日執行的預分程序，由定時一次改為定時添加預分任務，后臺輪循執行的方式，確保預分完整，不受到并行其他工作流的干擾。

由于預分程序會對席位庫做大批量的更新操作，涉及到席位裂解的情況還會進行插入操作，會產生大量的數據庫日志。為保障客票主機的性能，以及降低對客票相關系統的數據復制壓力，預分任務執行時，針對性能不同的客票主機環境，在每個小時內設置了不同的休眠時間段。在休眠時間段，預分任務暫時跳過，等到下一個小時開始時，重新進行方案沖正及席位預分。該機制有效保障了客票主機的運行性能及復制隊列的通暢。

3.4 席位合并

客票發售過程中，如果旅客購買的不是始發終到的車票，會對席位形成裂解，除旅客已購買的席位區段外，會形成新的席位區段供其他旅客購買。如果發生旅客退票等情況，會產生多段未售出席位，而該席位可合并為始發終到的長票。

預分時，需要將具備合并條件的席位合并成長票，統一納入到參與預分的席位中來，這樣既精確貼合了客流預測數據，又避免了席位浪費，增加了鐵路客運營收。

3.5 未預分車次檢測

由于臨時調度命令、轉用途滯后等原因，可能會造成車次未預分。鐵路局客票管理人員需要監管的車次多，作業任務繁重，無法逐個車次地核對是否所有車次均參與了預分。提供未預分車次檢測功能，有效提高了客運管理人員掌握預分狀況的能力，也對實時掌控鐵路客運營收提供了保障。

4 結束語

以鐵路客票系統、客票營銷系統為研究對象，收集的業務數據為分析基礎，現有客運票額組織方法為技術手段，最大化列車票額收入為目標，提出調整席位、控制共用時間等策略，旨在提高鐵路客運管理的智能化、自動化和精細化程度，從根本上服務客運票額管理，具有一定的現實意義。如何簡化客票管理人員的日常操作和業務流程，是席位智能預分系統繼續研究的方向。

[1] 王洪業，呂曉艷，朱建生.鐵路客票系統售票組織管理自動化研究[J].鐵路計算機應用，2012，21（4）

[2] 王 芳，李 剛，林 湛，等.基于售票量預測的客票系統數據負載均衡方法研究[J].鐵路計算機應用，2013，22（4）.

責任編輯 楊琍明

Intelligent seat pre-distribution for Railway Ticketing and Reservation System

HU Zhipeng,WANG Hongye,WANG Yuanyuan,LIU Wentao
( Institute of Computing Technologies,China Academy of Railways Sciences,Beijing 100081,China)

There are many obvious differences between off-season and peak season for the passenger flow in the Chinese railway transport.It is a new issue for the management of passenger transport how to make the protocol for the assignment more close to the actual passengers’ requirement and to improve the beneft for the railway transport.This article analyzed the historical traffc data to obtain the value of the future passenger fow prediction,combined the prediction value with the experience for the staff of the management,formed more scientifc intelligent seat predistribution scheme.The percentage of the passenger’s seated was enhanced effectively by the scheme.

model based pre-distribution;forecast based pre-distribution;pre-distribution scheme;pre-distribution mission

U293.22∶TP39

A

1005-8451（2016）01-0030-04

2015-05-08

胡志鵬，工程師；王洪業，副研究員。