Stochastic prediction of train delays in real-time using Bayesian networks

در این مقاله، یک مدل تصادفی برای پیش بینی انتشار تاخیر قطار بر اساس شبکه های بیزی ارائه شده است. این روش می تواند به طور موثر ارائه و محاسبه استنتاج تصادفی پیچیده بین متغیرهای تصادفی. علاوه بر این، اجازه می دهد به روز رسانی توزیع احتمالی و کاهش عدم قطعیت از تاخیر های قطار آینده در زمان واقعی بر اساس این فرض که اطلاعات بیشتر به طور مداوم در دسترس از سیستم نظارت. پویایی یک تاخیر قطار در طول زمان و فضا به عنوان یک فرآیند تصادفی ارائه شده است که تکامل متغیر تصادفی وابسته به زمان را توصیف می کند. این رویکرد به وسیله مدل سازی وابستگی متقابل بین قطارهایی که زیرساخت های مشابهی دارند و یا انتقال مسافری برنامه ریزی شده، گسترش یافته است. این مدل بر روی مجموعه ای از داده های تحقق ترافیک تاریخی از بخشی از یک راهرو مشغول در سوئد استفاده می شود. ما نتایج را ارائه می دهیم و دقت پیش بینی ها و همچنین تکامل توزیع احتمالی تاخیر های رویداد را در طول زمان تحلیل می کنیم. روش ارائه شده برای پیش بینی های بهتر برای ترافیک قطار مهم است که نه تنها بر اساس داده های استاتیک و آفلاین جمع آوری شده بلکه قادر است به طور مثبت شامل ویژگی های پویا از تاخیرهای مداوم در حال تغییر باشد.