New FI-TW Dataset Links Finnish Train Delays to Weather Data

研究人员推出了 FI-TW，一个旨在分析天气对芬兰火车延误影响的新型开放数据集。该数据集整合了来自 Digitraffic 铁路交通服务（Digitraffic Railway Traffic Service）的运营数据以及 2018 年至 2024 年同步的气象观测数据，覆盖了芬兰铁路网上约 3850 万条观测记录。该数据集包含 28 个工程特征，并已进行预处理以处理缺失数据和异常值。使用 XGBoost 回归进行的初步分析通过在预测车站特定延误时达到 2.73 分钟的平均绝对误差，证明了该数据集的实用性，突显了其在铁路运营中机器学习应用的潜力。 AI

影响 支持用于预测火车延误和评估天气对铁路基础设施影响的新的机器学习应用。

排序理由 该集群描述了一个新的研究数据集及其在科学论文中的应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Digitraffic Railway Traffic Service
• Finland
• FI-TW
• Gotit.pub
• Hugging Face
• Vinicius Pozzobon Borin
• XGBoost

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →