Çok hatlı demiryolu istasyonundaki tren gecikmelerinin makine öğrenmesi ile tahmini

Demiryolu taşımacılığına yönelik artan talep, çok hatlı istasyonlarda rota çatışmalarını artırarak tren gecikmelerini öngörmeyi zorlaştırmakta ve operasyonel güvenilirliği azaltmaktadır. Bu çalışmada, Prag Ana Tren İstasyonu'ndan bir hafta boyunca toplanan gerçek zamanlı veriler kullanılarak tren varış gecikmelerinin tahmini amaçlanmıştır. Tren tipi, hat yoğunluğu ve haftanın günü gibi etkenler göz önünde bulundurularak makine öğrenmesi temelli tahmin modelleri geliştirilmiştir. Lojistik Regresyon (LR), Destek Vektör Makineleri (SVM), Rastgele Orman (RF) ve Aşırı Gradyan Artırma (XGBoost) algoritmaları karşılaştırmalı olarak değerlendirilmiştir. Hiperparametre optimizasyonu sonrası en yüksek başarıyı XGBoost algoritması göstermiş; test verisinde %64 doğruluk ve %68 F1-skoru elde edilmiştir. Elde edilen sonuçlar, tren gecikmelerinin tahmininde makine öğrenmesi yaklaşımlarının etkinliğini ortaya koymaktadır.