【《高速铁路客票定价模型及相关理论基础综述》4700字】

高速铁路客票定价模型及相关理论基础综述目录TOC\o"1-3"\h\u11225高速铁路客票定价模型及相关理论基础综述 1255571.1高速铁路客票定价模型概述 1149791.1.1基于盈亏平衡的定价模型 1123571.1.2基于交通运输量变化的定价模型 2165261.2弹性票价机制 3241191.3高速铁路客流预测及分析 5287071.3.1高速铁路客流组成及特性 5139111.3.2高速铁路客流预测 6311681.3.3预测模型对比分析 940121.4小结 91.1高速铁路客票定价模型概述1.1.1基于盈亏平衡的定价模型从平均成本定价模型可以看出，运输企业的票价应该以一定的运输成本为基础，按照公司自身的社会属性和国家政策条件来确定自己的利润标准。在此市场环境背景下，一味地盲目追求利益所设定的票价必然过高，众多有交通出行需求的百姓必然难以负担如此高的票价；若一味满足居民的交通出行需求，设定的票价太低，那么高铁运输企业的盈利目标也无法达成。因此，在制定高速铁路列车客运票价的时候，既要考虑企业自身的经济利益，也要兼顾民众的社会效益，效率优先兼顾公平，构建基于盈亏平衡的高铁客票定价模型，指导经营，辅助决策。按照供需均衡定价模型，计算公式如下：（2-1）式（1.1）中，指的是票价；指的是运量随票价而变化的需求弹性系数，；指的是运量，受票价调节；指的是常数，由此可得运营收入的计算公式为：（2-2）根据平均成本定价模型，运营成本伴随交通运输量的增加而增加（2-3）式（2-3）中，，指的是待定常数；指的是运营成本。将式（2-1）代入式（2-3）得（2-4）然后得到（2-5）当时，即，计算求出的票价就是基于盈亏平衡获取的客票定价。盈亏平衡的定价模型计算公式简单，过程明了，分析快捷，使交通运输企业在合理的利润水平下运营，其运营的积极性被大大地调动起来。1.1.2基于交通运输量变化的定价模型基于盈亏平衡的定价模型在高铁运输企业的成本核算中常用，这是建立在运输企业的客运量、固定成本和可变成本都是不变的前提下的立项模型，一旦高速铁路高峰客运流量以及少数低客运流量线路的供需出现严重失衡的情形，必然会导致资源分配不平衡的现象出现，这在运输市场的整体环境中没有得到充分考虑。考虑到票价变化对交通运输量变化的影响，将交通运输量与票价之间的函数关系定义如下（2-6）式（2-6）中，指的是为年正常运量（人次）；指的是运量的价格弹性系数；指的是铁路平均成本票价（元）；指的是常数。票价收入为（2-7）取公式（2-7）两边的对数，求导数得出（2-7a）当时解得（2-7b）由式（2-6）进而求得（2-6a）将式（2-6a）代入式（2-7b），并简化计算得出（2-8）也就是票价应该按如下公式求得：（2-8a）得出最优票价（C为积分常数）。历史数据是研判当前对策的重要参考依据，高铁运输企业可基于公式（2-8）并将往年数据用软件进行处理，采用加权最小二乘法对非线性回归的线性化方程进行拟合得到线性回归方程，进而调整高速铁路客票的价格。通过对上述定价模型的分析，平均成本定价模型具有两大优点，一是涵盖的因素较为综合全面，遗忘漏的因素几乎没有，二是操作简捷明了，然而一大弊端是无法按照铁路运输市场乘客流量的变化加以动态调整；供需关系定价模型是基于供求平衡点来获得票价的，但企业的运输成本和票价对供求关系起到反作用并不包括在此模型中，会使得票价波动幅度较大，造成乘客对铁路运输企业的不满，相比之下，基于盈亏平衡定价模型的计算更加追求实效，这使得运输企业在合理的利润水平下开展运营活动，但运输企业的客运量、固定成本和可变成本都不变，导致高峰客流和少数低客流线路的供需严重失衡，必然导致资源配置失衡，没有结合运输市场的整体环境充分考虑；基于交通量变化的定价模型考虑了票价对交通量变化的反作用因素，但没有充分考虑不同运输方式、不同等级运输产品之间存在竞争的因素。由上述章节不难发现，在当今竞争激烈的交通运输市场格局中，虽然安全、舒适、快捷等因素对客流也有一定的影响，但对客流变化的影响作为显著的因素是票价的波动变化。为了更好地平衡高速铁路高峰及非高峰的运能，笔者认为通过票价的调整变化来达成资源有效配置和企业应收增加的目标是可行的。所以，有必要制定弹性灵活的客票定价机制。1.2弹性票价机制票价与客流量的函数关系在一定价格范围内是弹性相关的，如图2-1所示。图2-1票价与客流量关系简图由图2-1可知，客票收益如图中的阴影部分所示，实行多元化票价获得的收入远远多于实行单一票价获得的收入。本文以基准票价的制定为基础，在铁路运输组织过程中根据实际情况对票价进行差异化调整，构建基于收益最大化的客票定价模型，如图2-2所示。图2-2基于收益最大化客票定价模型思维导图由图2-2可知，模型包括静态价格和动态价格两个部分，前者对基准票价进行确定，后者是对铁路运输的细分市场，按照照列车客座率以及旅客购票规则对票价进行差异化地制定，也更加实用。然而，受经济社会发展水平等诸多因素影响，铁路客流量是持续动态变化的变量，并不是固定不变的静态值，这就需要对其开展科学合理的预测，以降低传统预测结果误差较大带来的决策风险。1.3高速铁路客流预测及分析1.3.1高速铁路客流组成及特性客流全称为“乘客流量”，指的是乘客选择一种或者几种交通方式，在一定时间内实现空间移动，通过铁路这种交通运输工具实现空间移动的客流称为铁路客流。铁路客流按客流构成划分为商务流、通勤流、旅游流以及学生流，其中，公务旅行的形式有通勤、商务、会议等；私务性出行包括旅游、务工、探亲等形式。客流不同构成组分的出行规律差异很大。比如十一黄金周、五一、清明节、端午节、中秋节等期间，客流量普遍激增；学生流集中在寒暑假（即每年6月至9月，12月至次年3月）。除此以外，不同消费水平的乘客对交通出行条件的要求也不同，比如商务客流注重列车的舒适性及正点率，而旅游旅客的需求集中在出行时间方便上。高铁客流根据客流的形成可划分为三类：诱增客流、趋势客流、转移客流：第一，诱增客流与交通管制措施的完善、交通基础设施的增加以及政策的引导息息相关。上述因素对乘客产生的出行需求有一定影响，进而产生新的客流。第二，趋势客流与我国国情的关系非常紧密。由于我国人口基数持续增加，GDP持续走高，数量愈来愈多的乘客选择乘坐高铁作为交通出行工具，高铁趋势客流的连续增长态势非常显著。第三，转移客流指的是由于高铁的建设，原有的交通流量在某一运输走廊内的重新分配，比如说开通津客运专线之后，从秦皇岛到石家庄最少时间只要三小时，而高速公路最少需要七小时上下，使得近70%的原本选择高速公路出行的乘客换乘至高铁出行。客流变化的影响因素，从客观上看包括经济社会发展、人口规模、居民消费水平、季节和气候变化、其他交通行业竞争和政策等因素，从主观上看包括行安全、列车延误、发车频次、列车开动速度、票价和交通服务水平等因素。基于上述客流的基本概念，高铁客流预测既为规划、设计和运营方案的制定提供客流依据，也为各级铁路客运部门制定票价、提升各部门经济效益等方面提供借鉴。1.3.2高速铁路客流预测高铁客流预测对客票定价以及调整具有参考和借鉴价值，经过几年的快速发展，一条高铁的客流规模将达到顶峰，然后增长率将降低，市场将变得更加成熟。从某种意义上说，这个时候市场饱和的现象开始出现。一旦出现此类情况，该高铁历史数据的增长曲线将逐步逼近“罗杰斯蒂克”或者“贡佩尔茨”曲线的上限，呈现S曲线的形态，说明市场进入成熟阶段后增长率逐渐降低，最终趋于一条水平线，详见图2-3。由图2-3可知，要正确把握客流所处的发展阶段，具体方法可结合铁路客流的增长特征，采取相应的客票定价调整对策，达成铁路客票收入增长的目标。图2-3高速铁路客流发展阶段图在运输能力有限的情况下，高铁的客流预测应结合铁路线路上的列车定员、列车数量以及席位再利用等加以确定。在此情况下，客流预测可划分成定性及定量预测法。第一，定性预测法主要包括德尔菲预测方法以及专家预测方法。德尔菲预测方法匿名轮流征求专家的意见。经由反复的咨询、总结及修正，可以使专家达成共识，但预测的周期会很长，耗时费力，因此对于缺乏足够信息的中长期预测的实用性更强，应用场景也更加广泛；专家预测法是基于学界或企业界专业人士的经验及判断，结合诸多市场上的实际影响因素，很少或不需要处理数据，这样得出结果的速度很快，然而这种方法的一大弊端是预测比较粗糙，大多用于修正其他预测方法得出的结果。第二，定量预测法主要包括计量经济模型预测法以及时间序列预测法（也称趋势预测法），其中，计量经济模型主要包括引力模型；时间序列预测法包括指数平滑法、算术平均法、移动平均法以及线性趋势预测法；在日客流量预测中，铁路部门常用的预测方法之一是时间序列预测法，此方法是基于历史事件来对未来进行预测，其基本假设是影响市场的各种历史因素在未来会继续存在，唯一的变量只有时间。所以客流会伴随时间动态变化。在现实情况下，铁路运输企业在实施市场预测过程中，往往不使用“罗杰斯蒂克”或者“贡佩尔茨”曲线模型。大多数时间序列模型要么是指数型，要么即为线性型。其中，指数型时间序列模型的应用场景比较广泛，一方面是使用便捷，另一方面也是因为客流量一般呈现指数型的增长趋势。算术平均法，预测时需要足够的历史数据作为支撑，方法简单易行，预测公式说明如下：（2-9）式（2-9）中，指的是客流量；指的是时间单位；指的是增长率；指的是常数。移动平均法，若现有数据波动较大或数量不足，则预测时采用移动平均法，往往采用三年以上的数据求和再取平均值。公式说明如下：（2-10）式（2-10）中，指的是客流量平均值；指的是预测年数；指的是平均增长率。指数平滑法，铁路运输部门广泛应用于铁路客流预测。根据指数平滑法，近期历史数据比长期历史数据更是对未来情况的反映。所以，在依靠历史数据对未来市场增长进行预测的时候，应该赋权近期数据更高的数值。就数学角度而言，此预测方法与移动平均法非常类似，但对近期数据的权重赋予的数值更高。（2-11）式（2-11）中，指的是预测第一年的客流量；指的是第y年的客流量；指的是平滑因子（0<<1）。从公式（2-11）可以看出，与分别对近期和远期数据产生影响。值越大，近期值对预测结果的影响越显著，而值越大，远期值对预测结果的准确性的影响越显著。确定其数值的方法主要有两种，即“试算法”及“经验判断法”。“经验判断法”主要依靠预测专家和自己的经验来分析历史数据。前几年数据显示的增长水平相对稳定，值往往位于0.05至0.20之间；历史数据波动幅度较小，但具有不大的增长趋势，所以值往往位于0.1至0.4之间；历史数据波动较大，有较大的增长（或者下降）趋势，所以值往往位于0.6至0.8之间；历史数据呈持续增长（或者下降）趋势，所以值往往位于0.6至1之间。“试算法”指的是按照“经验判断法”对的取值范围开展初步判断，接着取该范围内的不同值加以试算，获取的“偏差平方的均值”（MES），如公式（2-10）所示，MES值越大，数值越不准确，反之数值越精准。（2-12）式（2-12）中，指的是往期值和预测值个数；指的是时段的预测值；指的是时段的实际值。表2-1客流预测方法比较表铁路部门鉴于新线开通，将更多地运用引力模型，并结合专家预测方法对铁路客流量进行修正。引力模型公式如（2-13）所示。（2-13）式（2-13）中，指的是常数；指的是城市、之间