Forecasting the Estimated Time of Arrival for a Cargo Dispatch Delivered by a Freight Train Along a Railway Section
| dc.contributor.author | Prokhorchenko, Andrii V. | en |
| dc.contributor.author | Panchenko, Artem | en |
| dc.contributor.author | Parkhomenko, Larysa | en |
| dc.contributor.author | Nesterenko, Halyna I. | en |
| dc.contributor.author | Muzykin, Mykhailo I. | en |
| dc.contributor.author | Prokhorchenko, Halyna | en |
| dc.contributor.author | Kolisnyk, Alina | en |
| dc.date.accessioned | 2019-10-17T12:04:05Z | |
| dc.date.available | 2019-10-17T12:04:05Z | |
| dc.date.issued | 2019 | |
| dc.description | H. Nesterenko: ORCID 0000-0003-1629-0201; M. Muzykin: ORCID 0000-0003-2938-7061 | en |
| dc.description.abstract | ENG: This paper reports a method for predicting the expected time of arrival (ETA) of a cargo dispatch taking into consideration determining the duration at which a freight train travels along a railroad section where trains move not complying with a departure schedule. A characteristic feature of railroads with such a traffic system is the difficulty in predicting the stages of a transportation process, which necessitates the development of effective methods of forecasting. Based on correlation analysis, we have determined the dependence of the general macro-characteristics of train flow and individual parameters of a freight train on the duration of its movement along a section. It has been proposed to represent the dependence of predicted duration of train movement along a railroad section on the following factors: traffic intensity and density along a section, the proportion of passenger trains in total train flows, the length of a train and its gross weight. All experimental studies are based on actual data on the operation of the distance Osnova-Lyubotyn at the railroad network AO Ukrzaliznytsya. Based on a comparative analysis, using the indicators for accuracy and adequacy of several regression methods to predict ETA of cargo dispatch, we have chosen the regression model based on an artificial neural network MLP. To derive the MLP structure, a cross-validation method has been applied, which implies the validation of a mathematical model reliability based on the criteria of accuracy MAE and adequacy ‒ F-test. The structure of MLP has been obtained, which consists of five hidden layers. We predicted the time that it would take for a train to travel in facing direction along the Osnova-Lyubotyn section. For a given projection, the value for MAE was 0.0845, which is a rather high accuracy for this type of problems, and confirms the effectiveness of MLP application to solve the task on predicting a cargo dispatch ETA. The current study provides a possibility to design in the future an automated system for predicting a cargo dispatch ETA for a mixed-traffic railroad system in which freight trains depart not complying with a regulatory schedule. | en |
| dc.description.abstract | UKR: Запропоновано метод прогнозування очікуваного часу прибуття (ЕТА) вантажної відправки з урахуванням визначення тривалості руху вантажного поїзда дільницею для залізниць з системою руху поїздів без дотримання розкладу відправлення. Характерною особливістю залізниць з такою системою руху є складність передбачення стадій перевізного процесу, що вимагає розробки дієвих методів прогнозування. На основі кореляційного аналізу визначено залежність загальних макрохарактеристик поїздотоку та індивідуальних параметрів вантажного поїзда на його тривалість руху на дільниці. Запропоновано представити залежність прогнозної тривалості руху поїзда залізничною дільницею від наступних факторів: інтенсивність, щільність руху поїздопотоку на дільниці, частка пасажирських поїздів в межах загального поїздопотоку, довжина поїзда та його маса брутто. На основі порівняльного аналізу за показниками точності та адекватності декількох методів регресії для прогнозування ЕТА вантажної відправки вибрано регресійну модель на основі штучної нейронної мережі – MLP. Для пошуку структури MLP застосовано метод перехресної перевірки, який передбачає оцінювання достовірності математичної моделі за критерієм точності – MAE та адекватності – F-тестом. Знайдено структуру MLP, яка складається з пятьох скритих шарів. Проведено прогнозування тривалості руху поїзда в парному напрямку руху на дільниці Основа-Люботин. Для даного прогнозу значення MAE склало 0,0845, що є достатньо високою точністю для задач такого типу та підтверджує ефективність застосування MLP для рішення задачі прогнозування ЕТА вантажної відправки. Дані дослідження дозволяють в перспективі розробити автоматизовану систему прогнозування ЕТА вантажної відправки для залізничної системи зі змішаним рухом та відправленням вантажних поїздів без дотримання нормативного розкладу. | uk_UA |
| dc.description.abstract | RUS: Предложен метод прогнозирования ожидаемого времени прибытия (ЭТА) грузовой отправки с учетом определения продолжительности движения грузового поезда участка для железных дорог с системой поездов без соблюдения расписания отправления. Характерной особенностью железных дорог с такой системой движения является сложность предсказания стадий перевозочного процесса, требует разработки действенных методов прогнозирования. На основе корреляционного анализа определена зависимость общих макрохарактеристик поиздотоку и индивидуальных параметров грузового поезда на его продолжительность движения на участке. Предложено представить зависимость прогнозной продолжительности движения поезда железнодорожным участком от следующих факторов: интенсивность, плотность движения поездопотоков на участке, доля пассажирских поездов в пределах общего поездопотоков, длина поезда и его масса брутто. На основе сравнительного анализа по показателям точности и адекватности нескольких методов регрессии для прогнозирования ЭТА грузовой отправки выбрано регрессионную модель на основе искусственной нейронной сети - MLP. Для поиска структуры MLP применен метод перекрестной проверки, предусматривающий оценки достоверности математической модели по критерию точности - MAE и адекватности - F-тестом. Найдено структуру MLP, которая состоит из пятерых скрытых слоев. Проведено прогнозирование продолжительности движения поезда в четном направлении движения на участке Основа-Люботин. Для данного прогноза значение MAE составило 0,0845, что является достаточно высокой точностью для задач такого типа и подтверждает эффективность применения MLP для решения задачи прогнозирования ЭТА грузовой отправки. Данные исследования позволяют в перспективе разработать автоматизированную систему прогнозирования ЭТА грузовой отправки для железнодорожной системы со смешанным движением и отправлением грузовых поездов без соблюдения нормативного расписания. | ru_RU |
| dc.identifier | DOI: 10.15587/1729-4061.2019.170174 | |
| dc.identifier.citation | Forecasting the Estimated Time of Arrival for a Cargo Dispatch Delivered by a Freight Train Along a Railway Section / A. Prokhorchenko, A. Panchenko, L. Parkhomenko, H. Nesterenko, M. Muzykin [et al.] // Eastern-European Journal of Enterprise Technologies. – 2019. – Vol. 3, Iss. 3 (99). – P. 30–38. – DOI: 10.15587/1729-4061.2019.170174. | en |
| dc.identifier.issn | 1729-3774 (Print) | |
| dc.identifier.issn | 1729-4061 (Online) | |
| dc.identifier.uri | http://eadnurt.diit.edu.ua/jspui/handle/123456789/11531 | en |
| dc.identifier.uri | http://journals.uran.ua/eejet/article/view/170174 | en |
| dc.identifier.uri | http://journals.uran.ua/eejet/article/view/170174/172379 | en |
| dc.language.iso | en | |
| dc.publisher | НВП ПП «Технологічний Центр», Харьків | uk_UA |
| dc.subject | railroad network | en |
| dc.subject | expected time of arrival | en |
| dc.subject | artificial neural network | en |
| dc.subject | залізнична мережа | uk_UA |
| dc.subject | логістика | uk_UA |
| dc.subject | машинне навчання | uk_UA |
| dc.subject | очікуваний час прибуття | uk_UA |
| dc.subject | штучна нейронна мережа | uk_UA |
| dc.subject | железнодорожная сеть | ru_RU |
| dc.subject | логистика | ru_RU |
| dc.subject | машинное обучение | ru_RU |
| dc.subject | ожидаемое время прибытия | ru_RU |
| dc.subject | искусственная нейронная сеть | ru_RU |
| dc.subject | КУЕР | uk_UA |
| dc.subject | КБЖД | uk_UA |
| dc.subject | КІТ | uk_UA |
| dc.title | Forecasting the Estimated Time of Arrival for a Cargo Dispatch Delivered by a Freight Train Along a Railway Section | en |
| dc.title.alternative | Прогнозування очікуваного часу прибуття вантажної відправки при слідуванні у поїзді залізничною дільницею | uk_UA |
| dc.title.alternative | Прогнозирование ожидаемого времени прибытия грузовой отправки при следовании в поезде железнодорожным участком | ru_RU |
| dc.type | Article | en |