Kystbane prædiktion med neuralt netværk ved brug af geodata

Session

Machine Learning

Abstract

Banedanmark indsamler løbende georefererede data i ”realtid” indeholdende informationer om de enkelte togs geografiske position til et givent tidspunkt og andre fysiske forhold. Der kører mandag til fredag mere end 4000 tog dagligt på Banedanmarks jernbanenet og omkring 2300 dagligt i weekenden.

Med udgangspunkt i den omfattende datamængde, der er til rådighed, er der opbygget et neuralt netværk, som er trænet til prædiktion af togforsinkelser.

Grundprincipperne i maskinlæring præsenteres og de algoritmer og metoder, der er brugt i overstående træningsscenarie. "Supervised learning" algoritmer benyttes på togenes ankomst- og afgangstider i forhold til den oprindelige køreplan. Til prædiktion af, om toget er forsinket, benyttes klassifikation, som kan hjælpe med at forudsige hvor meget, det enkelte tog er forsinket. Resultaterne visualiseres på et kort, hvor man dynamisk kan følge med i status af de enkelte tog.

Målgruppe

Målgruppen for foredraget er deltagere fra transportsektoren, data scientists, deltagere, der arbejder med Smart City, eller medarbejdere i offentlige styrelser.

Yderligere uddybning af abstract

Kystbane prædiktion med neuralt netværk ved brug af geodata
Atkins