فرحان ثاقب ملکی - دانش آموخته مهندسی صنایع دانشگاه تربیت مدرس، دانشکده صنایع و سیستم ها تهران ایران
سیدحسام الدین ذگردی - استاد دانشکده صنایع و سیستم ها دانشگاه تربیت مدرس تهران ایران
الهام آخوند زاده - استادیار ایران، تهران، دانشگاه تربیت مدرس، دانشکده صنایع و سیستم ها

هدف از این مقاله، پیش بینی تاخیرات قطارهای مسافری در نواحی ریلی راه آهن جمهوری اسلامی ایران با استفاده از داده های تاریخی حرکتقطارهای مسافری و داده های آب و هوایی با روش های یادگیری ماشین است. پیش بینی تاخیرات در نواحی ریلی با شرایط آب و هوایی در آنناحیه در فصل زمستان می تواند برای تصمیم گیری و اقدامات پیشگیرانه موثر واقع شود. داده های بکار گرفته شده در این مطالعه شامل دادههای تاخیرات قطارهای مسافری از سال ۱۳۹۶ تا ۱۴۰۰ و داده های آب و هوایی ایستگاه های سینوپتیک از سال ۱۳۹۶ تا ۱۴۰۰ است. که دربردارنده ۴۶۵۹۶ رکورد است. متغیرهای مستقل شامل سال، ماه، روز ماه، روز هفته، محور حرکت، نوع قطار، ناحیه ریلی، حداکثر سرعت باد،حداقل دید افقی، دمای کمینه، دمای بیشینه، تعداد گزارش های یخ زدگی در سطح زمین و بارش ۲۴ ساعته باران و برف هستند. روش پیشنهادیبرای حل مسئله موجود مبتنی بر DM-CRISP یک متدولوژی برتر در زمینه پیاده سازی تکنیک های یادگیری ماشین و داده کاوی در حوزهتحقیقاتی و اجرایی است. مدل سازی پیش بینی به صورت طبقه بندی انجام شده است. جهت پیشبینی طبقهبندی متغیر وابسته تاخیر به دو طبقهبه موقع و با تاخیر تقسیم شده اند. از روش های یادگیری نظارت شده از نوع طبقه بندی برای پیش بینی تاثیر عوامل آب و هوایی در به وجودآمدن تاخیر در نواحی ریلی استفاده شده است. برای ارزیابی نتایج پیش بینی از اعتبارسنجی متقابل برای بررسی صحت مدل استفاده شده است.نتایج نشان می دهد که تاثیر عوامل آب و هوایی در فصل زمستان در طی دوره ۵ ساله در بررسی های سال به سال در به وجود آمدن تاخیر درنواحی ریلی تاثیر مثبت، منفی یا خنثی داشته است. در انتهای مقاله برای انطباق صنعت ریلی با تهدیدات اقلیمی در آینده اقدامات پیشگیرانه ایارائه شده است.

آب و هوا، پیش بینی، تاخیرات، راه آهن، قطارهای مسافری، یادگیری ماشین