تحلیل آثار کاربرد الگوریتمهای هوش مصنوعی در ناوگان ریلی

با گسترش شبکه های حمل و نقل ریلی و افزایش پیچیدگی مدیریت، ناوگان فناوری کلان داده به عنوان راه حلی تحول ساز مطرح شده است. این پژوهش به بررسی کاربردهای کلان داده در مدیریت حمل و نقل ریلی با تمرکز بر دو حوزه کلیدی می پردازد: (۱) پیش بینی تقاضای سفر با استفاده از داده های تاریخی و بلادرنگ و (۲) بهینه سازی زمان بندی حرکت قطارها از طریق تحلیل الگوهای ترافیکی. مطالعه حاضر با روش ترکیبی تحلیل داده های واقعی شبکه ریلی شمال شرق چین در بازه ۲۰۱۸-۲۰۲۲ و شبیه سازی مبتنی بر مدل های پیش بینانه انجام شده است. یافته ها نشان می دهد سیستم پیشنهادی می تواند دقت پیش بینی تقاضا را تا ۸۹% افزایش دهد و تاخیرها را به میزان ۵۵% کاهش دهد. با استفاده از تکنیک های پیشرفته ای مانند مدل سازی پیش بینانه و سیستم های پشتیبان تصمیم گیری می توان به بهبود ۱۵ تا ۳۰ درصدی در دقت زمان بندی ها دست یافت. مطالعه حاضر با مرور تجربیات موفق بین المللی و تحلیل چارچوب های نظری و همچنین روش تحلیل مقایسه ای سیستم های مختلف و ارزیابی شاخص های کلیدی عملکرد انجام شده است. راهکارهای عملی برای پیاده سازی این فناوری در شبکه های ریلی ارائه می دهد.

کلیدواژه ها:

داده کاوی ، حمل و نقل ، مهندسی داده ، مدیریت حمل و نقل ریلی ، بهینه سازی زمان بندی قطار