我院管理科学系刘少轩教授与合作者 Zhu, Feng; Wang, Rowan; Wang, Zizhuo 于2023年5月在运营管理类国际顶级期刊《M&SOM-MANUFACTURING & SERVICE OPERATIONS MANAGEMENT》上发表学术论文“Assign-to-Seat: Dynamic Capacity Control for Selling High-Speed Train Tickets”（2023, Vol.25 (3), p. 921–938）。

论文摘要

网络高速、票价亲民，中国的高铁已经成为旅客出行的首选。然而，高昂的建设及运营成本使中国高铁行业盈利前景堪忧。尽管提供了极大便利，但该行业仍在努力偿还债务实现盈利。高铁行业收益管理问题面临一个独特的挑战，即座位分配的限制约束。乘客必须在整个行程中“对号入座”，不允许后续更改。因为这个约束，现有的收益管理模型无法给出最优解。为应对这一挑战，我们构建了一种改进的网络收益管理模型。

首先，我们从考虑静态需求问题入手，即所有乘客的需求都是提前已知。通过研究静态问题有助于理解问题的结构及动态情况下的座位分配规则。我们证明了一般容量矩阵下的静态问题是NP-hard问题。但是，如果初始容量矩阵满足NSE结构，我们找到了多项式时间算法来解决静态问题的最优座位分配。对于一般情况，我们提出了有效的逼近算法。同时，我们还证明了如果容量矩阵满足强NSE结构，那么无论是否有座位分配的约束，从静态的角度来看，我们都可以获得相同的收入。此外，我们揭示了高铁售票问题与传统网络收益管理问题之间的联系。

接着，我们转向动态模型，从出价控制策略的角度分析。我们提出了两种计算动态出价的方法：一种是基于静态模型的对偶问题（BPC-S）；另一种是基于最大序列准则的出价控制策略（BPC-M）。两种方法都可以通过使用近似动态规划（ADP）方法生成，但后者允许使用非线性出价，从而产生了更准确的值函数近似。

然而，出价控制策略是基于对偶问题，可能丢失原问题中包含的某些信息。因此，我们提出了重解动态原问题策略（RDP）。该策略在每个时间周期内基于最大序列重解原问题，然后使用该解来指导座位分配。我们证明了RDP方法可以在较弱的假设（NEE）下实现渐近一致有界的收入损失。

我们使用中国高铁的真实数据进行了数值实验。数值实验验证一下几点：1、RDP实现渐近一致有界的收入损失；2、两种基于最大序列的策略（BPC-M和RDP）都可以实现渐近最优的收入；3、采用我们的算法，座位分配约束对高铁行业的收益影响有限；4、在实际应用中，对于具有粗略参数估计的中型问题，我们提倡将BPC-M作为首选策略，而对于具有精确需求预测的大型问题，RDP更为合适。我们是第一个考虑座位分配限制约束条件下的高铁行业收益管理，我们分析揭示了这类问题的结构，并提出可行的算法，这些算法有助于提高高铁行业的产能利用效率并提高该行业的收益水平。

作者简介

上海交通大学教授、博士生导师，上海交通大学中银科技金融学院执行院长，上海交通大学安泰经济与管理学院副院长。美国加州大学管理学博士，研究方向为企业供应链管理、运营战略、数据驱动的运营管理与创新、科技金融、数字化转型与创新和交通政策等。

研究成果发表在多个国际一流学术期刊，主持多项国家自然科学基金、教育部等国家部委项目以及地方政府和企业委托项目。中国首个技术转移硕士项目负责人。担任多门本科、MBA、EMBA和EE课程教学工作，获得国家级教学成果二等奖，上海市教学成果一等奖，上海交通大学教学成果一等奖等。