列车开行方案决定了高铁的开行区段、停站方案和开行频率等关键信息，是高铁列车产品设计的核心内容之一。差异定价赋予不同的高铁列车客运产品不同的价格，丰富了旅客的出行路径选择。两者都是高铁客运产品的重要组成部分。
　　列车开行方案是利用有限的高铁运输资源为各OD的旅客提供运输服务的计划，一方面关系到铁路运营部门的效率和收益，另一方面影响着对旅客服务水平的高低。因此在开行方案设计过程中，对旅客出行行为的准确刻画具有重要意义，这就离不开对客流分配问题的研究。
　　高铁列车开行方案及其与差异定价的联合决策能够同时优化高铁列车产品的不同方面，需要解决的问题不仅包括一般开行方案的停站、频率等要素，还涉及各OD旅客选择不同出行路径、乘坐不同列车所支付的有差异的票价，是完善铁路客运服务、增强铁路在我国客运市场的竞争优势的必要手段。同时，在列车开行方案和差异化票价的共同作用下，列车服务网络的属性更加复杂，从而对网络中旅客的出行行为的准确刻画提出了更高的要求。
　　因此，本文从客流分配问题着手，依次对高铁列车开行方案设计、开行方案和差异定价的联合决策展开了一系列研究。
　　本文首先重点研究了基于时空维度的客流分配方法。从旅客在空间上的出行路径选择和时间上的出行需求到达这两个维度研究旅客出行行为，并提出了基于时空维度的客流分配方法，将客流分配问题拆解为客流分配策略和客流加载方式这两个维度，其中客流分配策略是对旅客出行路径选择行为的描述，客流加载方式是对旅客出行需求占用运输资源的优先顺序的刻画。在各个客流分配维度以内，可以采用的具体方法也十分丰富，本文在客流分配策略维度中重点介绍了多项Logit模型和用户均衡分配模型，在客流加载方式维度中阐述了OD重要度加载顺序、需求到达顺序以及两种精细程度不同的加载粒度。
　　在时空维度的客流分配方法的基础上，本文提出了列车开行方案核心要素决策模型，并构建了以客流分配为反馈环节、以改进的粒子群算法进行求解的开行方案设计流程。列车开行方案核心要素决策模型解决的是以一定的列车备选集为基础的开行方案中列车的开行区段、停站方案和开行对数等问题。在利用粒子群算法进行求解的过程中，将基于时空维度的客流分配方法作为指导开行方案更新迭代的反馈环节，并通过改进粒子初始化和更新的方式转化了模型中与开行对数相关的部分约束条件。最后在开行方案的设计中采用了不同种类的基于时空维度的客流分配方法，通过开行方案的编制结果比较来衡量不同客流分配策略、客流加载方式及其组合对开行方案设计的影响。
　　为了对开行方案和差异定价进行联合决策，本文将客流分配作为突破口，提出了以客流分布为依据的差异定价原理以及基于票价差异的高铁客流用户均衡条件。接着建立了基于用户均衡的差异定价和客流分配模型，并设计了票价调整与客流分配的Frank-Wolfe算法对其进行求解。最后将开行方案核心要素决策模型和基于用户均衡的差异定价及客流分配模型相结合，建立了开行方案与差异定价联合决策模型。改进的粒子群算法结合票价调整与客流分配的Frank-Wolfe算法共同构成了求解该模型的混合算法。
　　最后，通过小规模算例和真实背景下的案例，本文对开行方案和差异定价联合决策模型及算法的有效性和可行性进行了验证，并分析了其中关键参数的影响，证明本文提出的开行方案和差异定价联合决策方法能够在保证列车客座率的同时提高客票收入，降低运营成本，从而使运营部门的收益得到明显提高。