近年来随着我国高速铁路的大力建设和投入运营,运输能力得到了显著提升,带动了沿线地区经济发展。同时随着我国铁路市场化改革的进行,以往的运营管理经验已经不能适应当今激烈的外部竞争,需要结合我国铁路的实际状况从旅客的角度出发进行收益管理,通过市场化手段来调节供需关系,改善服务水平,进一步提升高速铁路的综合竞争力来获得更大的市场份额。本文从实施收益管理的适用性条件出发,首先针对国外铁路和航空实施收益管理的成功经验,分析收益管理实施的先决条件,比对我国高速铁路的特点,对不同运输方式的异同进行归纳,探讨实施收益管理的可行性和存在的问题。从差别定价、存量控制和旅客分类三个方面介绍了收益管理。首先分析了几种机器学习分类算法的适用性,最后选定CART(分类与回归树)算法来进行旅客分类;紧接着介绍了动态定价理论,提出了我国高铁票价体系主要存在问题,引出了实行动态定价理论的方向;结合我国铁路现行票额分配方式,阐述了我国铁路实行席位控制的关键和难点。最后分析了票价、存量、需求在铁路收益管理问题中的关系,提出了应对动态定价和席位控制问题进行联合研究。本文通过文献总结、数据挖掘、模型与算法的构建以及实例分析等方法,从以下三个方面进行展开:(1)在阅读文献的基础上,分析了高速铁路收益管理研究的背景与意义,从动态定价、席位控制和联合研究三个方面总结了国内外的研究现状。分析我国铁路实施收益管理的可行性,同时从铁路运输网络的特征、规模以及售票方式等方面对比航空运输,提出我国高速铁路实施收益管理的关键。(2)在旅客分类模型中,为了克服传统的决策树模型容易过拟合的缺点,介绍了基于CART的两种集成学习算法来提升模型的泛化能力。利用随机森林模型将旅客分类为折扣票旅客和全价票旅客,根据分类结果得到了两种旅客的需求关系;为了找到折扣票的最优折扣率,应用梯度提升树模型对折扣率进行回归分析预测,分别运用实例对模型进行验证。(3)结合分类和预测结果,提出基于折扣票的高速铁路票额分配模型,并且应用了粒子群算法对模型进行求解,得到两种票价等级在不同区段的分配票额。根据模型结果设计了折扣票需求大于全价票需求的对比方案,进一步验证原方案模型的有效性。最后结果表明基于折扣票的票额分配模型能够明显吸引低需求区段客流,在保证上座率的同时又能够带来一定客票收益。