Biblioteca122.739 documentos en línea

Artículo

The Application of Tree-Based Algorithms on Classifying Shunting Yard Departure StatusAplicación de algoritmos basados en árboles para clasificar el estado de las salidas de las estaciones de maniobras

Resumen

Las estaciones de maniobras son una de las principales áreas que afectan a la fiabilidad de las redes ferroviarias de mercancías, y los retrasos en las salidas de las estaciones de maniobras pueden afectar también a la puntualidad de las redes de tráfico mixto. Por ello, los métodos de detección automática de las salidas que pueden sufrir retrasos pueden contribuir a aumentar la fiabilidad y la puntualidad de los servicios tanto de mercancías como de pasajeros. En este artículo, comparamos el rendimiento de métodos basados en árboles (árboles de decisión y bosques aleatorios), que han tenido mucho éxito en una amplia gama de aplicaciones genéricas, a la hora de clasificar el estado (retrasado, adelantado y puntual) de los trenes que salen de las estaciones de maniobras, centrándonos en las salidas retrasadas como clase minoritaria. Utilizamos un total de 6.243 conexiones de trenes (que representan más de 21.000 conexiones de vagones individuales) para un período de un mes desde el patio de Hallsberg en Suecia, que es el patio de maniobras más grande de Escandinavia. Considerando nuestro conjunto de datos, nuestros resultados muestran una ligera diferencia entre la aplicación de árboles de decisión y bosques aleatorios en la detección de salidas retrasadas como clase minoritaria. Para remediar esto, se aplica un muestreo mejorado para clases minoritarias mediante la técnica de sobremuestreo sintético de minorías (SMOTE) para mejorar la detección y asignación de salidas retrasadas. La aplicación de SMOTE mejoró la sensibilidad, la precisión y la medida F de las salidas retrasadas en 20 para los árboles de decisión y en 30 para los bosques aleatorios. En general, los bosques aleatorios muestran un rendimiento relativamente mejor en la detección de las tres clases de salidas antes y después de aplicar SMOTE. Aunque los resultados preliminares presentados en este artículo son alentadores, se necesitan estudios futuros para investigar el rendimiento computacional de los algoritmos basados en árboles utilizando conjuntos de datos más amplios y considerando predictores adicionales.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento