承运制清算改革下铁路集装箱运输动态定价研究

作     者：程肇兰 

作者单位：西南交通大学 

学位级别：硕士

导师姓名：张小强

授予年度：2020年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

主      题：铁路集装箱运输 承运制清算 动态需求函数 动态定价 神经网络 

摘      要：近年来,我国铁路运输企业受自身技术特性、僵化的运营管理等内部原因和多种运输方式的激烈竞争等外部原因影响,其市场份额不断萎缩,铁路集装箱运量增加不明显。为此,我国铁路运输企业积极谋求自身改革以适应市场变化。在铁路货运市场化改革拉开序幕以来,铁路承运企业拥有了更多的定价权力。其中,货运清算改革是铁路运输迈向市场化的重要一步。但它将原本由参与货物运输的企业共同承担的盈亏风险转嫁为承运企业一家承担。双重压力之下,铁路承运企业需要准确了解铁路货物运输需求特点并采取更为积极的价格策略以应对经营盈亏的风险。本文以铁路集装箱运输为研究对象,以承运企业的视角,研究铁路集装箱运输需求与价格的反应关系以及在承运制清算模式下铁路集装箱运输的价格策略。首先,本文重点分析了铁路货运承运制清算办法的主要内容及其带来的主要变化,简要分析了货运需求与价格的相关理论,提出铁路集装箱运输静态需求函数模型,简要分析了我国铁路集装箱运价现状和定价相关理论。其次,本文在分析铁路集装箱运输动态需求反应的过程后,提出了基于影响铁路集装箱运输总需求的状态向量和集装箱运输价格的动态需求函数模型。通过人工筛选出状态向量的直接方法,构建了铁路集装箱运输线性动态需求函数模型和FNN动态需求函数模型;基于能够间接构建状态向量的循环神经网络,构建了铁路集装箱运输RNN动态需求函数模型和LSTM动态需求函数模型。然后,在提出的铁路集装箱运输动态需求函数模型的基础上,考虑承运制清算内容,建立了基于承运制清算的铁路集装箱运输动态定价模型,并设计了神经神经网络模型训练与自适应遗传算法结合的分步求解模型的算法。最后,以广州铁路局集团有限公司的部分数据为背景进行案例分析。计算结果分表明:大朗-城厢的集装箱运输量取决于3个周期前的信息,并且RNN和LSTM动态需求函数模型在测试集上的表现优于线性和FNN动态需求函数模型;若承运企业采用原有定价策略,在承运制清算模式下将实现负收益,而在优化价格之后,企业利润实现大幅增加且由亏转盈。