Автор: 
Учёные из Иллинойсского университета в Урбане-Шампейне (UIUC) использовали реальные данные Британских железных дорог и модель искусственного интеллекта, чтобы лучше прогнозировать задержки в железнодорожных сетях. Результаты исследования представлены на Международной конференции IEEE 2020 по интеллектуальным транспортным системам.
За последние 20 лет количество пассажиров, путешествующих по британской железнодорожной сети, почти удвоилось и составило 1,7 миллиарда ежегодно. Очевидно, жители Великобритании полагаются на железнодорожное сообщение и задержки в движении могут нарушить планы многих.
«Мы хотели изучить эту проблему, используя наш опыт работы с графовыми нейронными сетями. Это особый класс моделей искусственного интеллекта, которые фокусируются на данных, представленных в графовых областях», — объясняет Хай Тран, член факультета аэрокосмической инженерии UIUC.
Графовая нейронная сеть (англ. Graph Neural Network, GNN) — тип нейронной сети, которая напрямую работает со структурой графа. Типичным применением GNN является классификация узлов. Концепция графовой нейронной сети была впервые предложена в 2009 году в работе, которая расширила существующие нейронные сети для обработки данных, представленных в графовых областях.
Граф — это структура данных, состоящая из двух компонентов: вершин и рёбер. Граф G описывается множеством вершин (узлов) V и рёбер E. Использование GNN позволяет работать с данными графов, без предварительной обработки. Такой подход позволяет сохранить топологические отношения между узлами графа.
Учёные применили модель свёрточной сети с пространственно-временным графом для прогнозирования задержек в пределах одной из самых нагруженных частей британской железнодорожной сети.
«По сравнению с другими статистическими моделями, эта модель превосходит всех в плане прогнозирования задержек до 60 минут», — подчеркивает Тран.
На Международной конференции IEEE 2020 по интеллектуальным транспортным системам было представлено исследование «Прогнозирование задержек на железных дорогах с помощью свёрточных сетей с пространственно-временным графом», написанное Джейкобом С.В. Хеглундом, Панукорном Талеонгпонгом, Саймоном Ху и Хай Т. Траном.
