随着互联网技术的高速发展和我国综合实力的大幅提升,人民生活方式逐渐向智能化转型,依托大数据技术调度资源配置的共享经济模式应运而生且发展蓬勃。尤其是共享出行,已经成为现代旅游交通业中发展最快速的行业之一。类似于航空业和酒店业,共享出行行业也具备执行需求预测和收益管理的所有特征和条件。然而,在过去的十几年中,有关于航空业和酒店业的需求预测与收益管理问题在理论和实践上得到了充分的发展印证,却少有文献针对出行业展开研究。因此,本文借鉴酒店业的收益管理经验和机器学习算法,结合国内共享出行业发展现状和研究现状,以理论推导和实证分析相结合的方式对其需求预测和收益管理问题作出了研究。首先,本文对出行行业相关的需求预测和收益管理问题涉及的理论与实践进行综述,主要包括基于时间序列、机器学习以及神经网络的需求预测算法和基于动态定价与库存调度实现收益管理的经典模型;其次,以国内多家出行公司的实际数据为背景,深入分析影响需求预测的主客观因素,在经过数据预处理和特征工程后,利用不同预测方法在不同分类层次上预测未来出行需求,作出比较后选择最佳预测模型和最优参数;最后,考虑关于价格的时间序列模型模拟决策者可接受的定价范围,同时针对需求预测情况和企业当前目标定制个性化损失函数以得到最终建议价格,结合不同目标考量下的评估指标得到决策者采纳建议或拒绝建议的对比结果。研究表明,相比于经典回归算法和差异化定价策略,本文充分考虑了机器学习算法等工具的适用性和真实共享出行业务数据的特异性,所提需求预测模型具有更好的预测效果,所制定的价格优化方案在不同需求强度上具有更灵活的表达和更优秀的泛化能力,在一定程度上为共享出行收益管理相关从业者在不同市场需求水平下制定价格和收益任务提供了科学的理论依据。