Predicting the estimated time of cargo dispatch from a marshaling yard

A method has been proposed to predict the expected departure time for a cargo dispatch at the marshaling yard in a railroad system without complying with a freight trains departure schedule. The impact of various factors on the time over which a wagon dispatch stays within a marshaling system has been studied using a correlation analysis. The macro parameters of a transportation process that affect most the time over which a wagon dispatch stays within a marshaling system have been determined. To improve the input data informativeness, it has been proposed to use a data partitioning method that makes it possible to properly take into consideration the impact of different factors on the duration of downtime of dispatches at a station. A method has been developed to forecast the expected cargo dispatch time at a marshaling yard, which is based on the random forest machine learning method; the prediction accuracy has been tested. A mathematical forecasting model is represented in the form of solving the problem of multiclassification employing the processing of data with a large number of attributes and classes. A classification method with a trainer has been used. The random forest optimization was performed by selecting hyperparameters for the mathematical prediction model based on a random search. The undertaken experimental study involved data on the operation of an out-of-class marshaling yard in the railroad network of Ukraine. The forecasting accuracy of classification for dispatching from the wagon flow "transit without processing" is 86 % of the correct answers; for dispatching from the wagon flow "transit with processing" is 54 %.The approach applied to predict the expected time of a cargo dispatch makes it possible to considerably improve the accuracy of obtained forecasts taking into consideration the actual operational situation at a marshaling yard. That would provide for a reasonable approach to the development of an automated system to predict the durat

Предложен метод прогнозирования ожидаемого времени отправления для грузовой отправки на сортировочной станции в железнодорожной системе без соблюдения расписания отправления грузовых поездов. Проведено исследование влияния различных факторов на продолжительность нахождения вагонных отправок в сортировочной системе с использованием корреляционного анализа. Определены макропараметры перевозочного процесса, которые больше всего влияют на продолжительность нахождения вагонных отправок в сортировочной системе. Для увеличения информативности исходных данных предложено применить метод разбиения данных, что позволяет более детально учесть влияние различных факторов на продолжительность простоя отправок на станции. Разработан метод прогнозирования ожидаемого времени отправления грузовой отправки на сортировочной станции на основе метода машинного обучения – случайный лес и проверена точность прогноза. Математическая модель прогнозирования представлена в виде решения задачи мультикласификации с обработкой данных с большим числом признаков и классов. Использован метод классификации с учителем. Оптимизация случайного леса проведена путем подбора гиперпараметров математической модели прогнозирования на основе случайного поиска. Проведенные экспериментальные исследования на данных эксплуатационной работы внеклассной сортировочной станции на железнодорожной сети Украины. Точность прогноза классификации по показателю accuracy для отправки с вагонопотоков «транзит без переработки» составляет 86 % правильных ответов; отправки с вагонопотоков «транзит с переработкой» составляет 54 %. Примененный подход к прогнозированию ожидаемого времени отправления грузовой отправки позволяет значительно повысить точность полученных прогнозов с учетом реальной эксплуатационной ситуации на сортировочной станции. Это позволит обоснованно подойти к разработке автоматизированной системы прогнозирования продолжительности операций с грузовыми отправками в железнодорожной системе

Запропоновано метод прогнозування очікуваного часу відправлення для вантажної відправки на сортувальній станції в залізничній системі без дотримання розкладу відправлення вантажних поїздів. Проведено дослідження впливу різних факторів на тривалість знаходження вагонних відправок в сортувальній системі з використання кореляційного аналізу. Визначено макропараметри перевізного процесу, які найбільше впливають на тривалість знаходження вагонних відправок в сортувальній системі. Для збільшення інформативності вхідних даних запропоновано застосувати метод розбиття даних, що дозволяє більш детально врахувати вплив різних факторів на тривалість простою відправок на станції. Розроблено метод прогнозування очікуваного часу відправлення вантажної відправки на сортувальній станції на основі методу машинного навчання – випадковий ліс та перевірена точність прогнозу. Математичну модель прогнозування представлено у вигляді розв’язанння задачі мультикласифікації з обробкою даних з великим числом ознак і класів. Використано метод класифікації з вчителем. Оптимізацію випадкового лісу проведено через підбір гіперпараметрів математичної моделі прогнозування на основі випадкового пошуку. Проведені експериментальні дослідження на даних експлуатаційної роботи позакласної сортувальної станції на залізничній мережі України. Точність прогнозу класифікації за показником accuracy для відправки з вагонопотоку «транзит без переробки» складає 86 % правильних відповідей; відправки з вагонопотоку «транзит з переробкою» складає 54 %.Застосований підхід до прогнозування очікуваного часу відправлення вантажної відправки дозволяє значно підвищити точність отриманих прогнозів з урахуванням реальної експлуатаційної ситуації на сортувальній станції. Це дозволить обґрунтовано підійти до розробки автоматизованої системи прогнозування тривалості операцій з вантажними відправками в залізничній системі