Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Analysis and Optimization of Urban Energy Systems Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Data Analytics in Railway Operations: Using Machine Learning to Predict Train Delays

verfasst von : Florian Hauck, Natalia Kliewer

Erschienen in: Operations Research Proceedings 2019

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The accurate prediction of train delays can help to limit the negative effects of delays for passengers and railway operators. The aim of this paper is to develop an approach for training a supervised machine learning model that can be used as an online train delay prediction tool. We show how historical train delay data can be transformed and used to build a multivariate prediction model which is trained using real data from Deutsche Bahn. The results show that the neural network approach can achieve promising results.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Heuristic Solution Approach for the Optimization of Dynamic Ridesharing Systems
Nächstes Kapitel Optimization of Rolling Stock Rostering Under Mutual Direct Operation
Literatur
1.
2.
Marković, N., Milinković, S., Tikhonov, K., Schonfeld, P.: Analyzing passenger train arrival delays with support vector regression. Transp. Res. C Emerg. Technol. 56, 251–262 (2015)
3.
Corman, F., Kecman, P.: Stochastic prediction of train delays in real-time using Bayesian networks. Transp. Res. C Emerg. Technol. 95, 599–615 (2018)
4.
Gorman, M.: Statistical estimation of railroad congestion delay. Transp. Res. E Logist. Transp. Rev. 45, 446–456 (2009)
5.
Goverde, R.: Punctuality of railway operations and timetable stability analysis. Dissertation, Delft University of Technology (2005)
6.
Berger, A., Gebhardt, A., Müller-Hannemann, M., Ostrowski, M.: Stochastic delay prediction in large train networks. In: 11th Workshop on Algorithmic Approaches for Transportation Modelling, Optimization, and Systems. OASIcs-OpenAccess Series in Informatics, vol. 20, pp. 100–111 (2011)
7.
Yaghini, M., Khoshraftar, M., Seyedabadi, M.: Railway passenger train delay prediction via neural network model. J. Adv. Trans. 47, 355–368 (2013) .
8.
Oneto, L., Fumeo, E., Clerico, G., Canepa, R., Papa, F., Dambra, C., Mazzino, N., Anguita, D.: Train delay prediction systems: a big data analytics perspective. Big Data Res. 11, 54–64 (2018)
9.
Riedmiller, M., Braun, H.: A direct adaptive method for faster backpropagation learning: the RPROP algorithm. In: IEEE International Conference on Neural Networks (1993)
Metadaten
Titel
Data Analytics in Railway Operations: Using Machine Learning to Predict Train Delays
verfasst von
Florian Hauck
Natalia Kliewer
Copyright-Jahr
2020
Buch
Operations Research Proceedings 2019

Print ISBN: 978-3-030-48438-5

Electronic ISBN: 978-3-030-48439-2

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-48439-2_90

Premium Partner

    Bildnachweise