使用人工智能预测英国铁路延误

在过去的20年中，通过英国火车网络旅行的乘客数量几乎翻了一番，达到每年17亿。有了这样的数字，很明显在英国有多少人依赖铁路服务，并且在发生延误时会有多少不满的顾客。伊利诺伊大学厄本那-香槟分校的一项最新研究使用了真实的英国铁路数据和人工智能模型来提高预测铁路网络延误的能力。

UIUC的航空工程学系教授Huy Tran说：“我们想利用我们在图神经网络方面的经验来探讨这个问题。” “这些是一类特定的人工智能模型，专注于建模为图形的数据，其中一组节点通过边连接。”

“这是与浙江大学-伊利诺伊大学厄本那-香槟分校的铁路网络专家西蒙·胡(Simon Hu)的合作。” “我们共同开发了一种表示铁路网络的新方法，并将其应用于实际数据以预测延误。”

他们应用了时空图卷积网络模型来预测英国铁路网中以迪特科特·帕克韦和朗·帕丁顿为门户的部分站点的延误。

Tran说：“与其他统计模型相比，该模型在预测未来60分钟之内的延迟方面要优于其他统计模型。”

他补充说，其他人已经为社交网络开发了类似的模型，但是他想将其应用于工程问题。

将此类公式与此类AI模型一起使用可以很好地与现实网络一起预测行为。”

Tran说，他们正在解决一些限制。

“很多时候，使用AI模型时，我们并不真正理解该模型为何说明其作用。我们只是试图预测延迟会是什么，但是我们对延迟的原因或原因一无所知。 ”，Tran说。“因此，我们感兴趣的事情之一就是使这些模型具有更多的可解释性，因此我们可以更好地理解为什么它提出了这样的建议或预测。

“我们也想在某个时候闭环，说，鉴于这些信息，这就是您可能想对这种延迟做出反应的方式。”

Jacob SW Heglund，Panukorn Taleongpong，Simon Hu和Huy T.Tran撰写的研究“使用时空图卷积网络进行铁路时延预测”已在IEEE 2020国际智能交通系统会议上发表。