近年来,随着我国高速铁路路网规模迅速扩大,高速铁路成为人们出行的重要交通方式之一,为我国的经济发展、资源配置作出了重大贡献。然而,高速铁路在空前繁荣的发展下也存在一些问题。从宏观整体上来看,高速铁路与普速铁路相比,其基础建设与日常运营都需要投入更多的资金,这给铁路运输企业造成了巨大的负担;从日常运营上来看,由于客流需求在时间与空间上的分布存在不均衡性以及运输业产品具有生产与消费同时进行、不可储存的特性,使得高速铁路在全年全国范围内同时存在运能不足和运能虚靡这两种矛盾现象,而目前高速铁路票价结构单一,无法起到调节客流、最大化客票收益的作用。基于此,本文以高速铁路客票收益管理为研究对象,结合我国高速铁路运输组织的特点,从客流特征分析、短期客流预测、票额分配与动态定价四个方面对高速铁路客票应用收益管理理论开展研究,研究出一套以大数据作为驱动的高速铁路客票应用收益管理的理论方法,以增强高速铁路运输在运输领域的竞争力,增加高速铁路客票收益。具体的内容包括:（1）研究了大数据下的高速铁路客流波动特征分析方法。通过分析高速铁路客流波动的特征及其影响因素,针对客流波动特点提出了基于Prophet模型的客流时间波动特征提取方法以及基于XGboost算法的客流波动影响因素分析方法。前者可以从时间序列中分解出各个时间分布类型下的时间特征,后者可以从特征属性矩阵中量化出各个特征对于客流波动的影响大小。最后,以一个OD区间近15个月的历史客流需求数据为对象进行了案例分析,验证了模型的可行性与有效性。（2）研究了基于神经网络组合模型的高速铁路短期客流预测方法。使用深度学习的模型算法,将卷积神经网络与循环神经网络在时间序列预测上的改进模型组合起来,并引入注意力机制,构建基于TCN-LSTM-Attention的高速铁路短期客流预测模型,同时通过客流特征分析得到的结果创建合理有效的客流特征矩阵进行模型的训练与预测。最后,以一个OD区间近15个月的历史客流需求数据为对象进行了客流预测与评价,并与其他方法进行了对比,结果表明本文提出的预测模型具有更好的预测效果。（3）研究了考虑旅客需求导向的多列车动态票额分配方法。首先通过分析对旅客需求进行细分,提出旅客对于高速铁路的需求主要分为运输需求和偏好需求两个部分。接着以最大满足旅客运输需求的同时尽可能满足旅客对于产品偏好需求为目标,以各列车在各区段的席位能力为约束,构建考虑旅客需求导向的随机需求下多列车动态票额分配模型,并结合分支定界法与模拟退火算法对模型进行求解。最后,以一条线路区段上的几十辆列车为对象进行案例分析,验证了模型算法的有效性。（4）研究了基于强化学习的高速铁路客票动态定价策略。首先对高速铁路在客票预售期内每日的定价行为特点进行分析,然后针对其特点以调节运输需求、最大化客票收益为目标构建马尔可夫决策过程模型,并设计强化学习算法进行各阶段最优策略的求解。最后,通过大小两个案例分别在客运需求的淡、旺季对比验证了模型有效性,结果表明通过动态定价策略可以有效调节供求平衡,在合理优化资源配置的同时达到提升客票收益的目的。