Édition
  • 2e édition

Session
  • Hiver 2021

Thématique
  • Données ouvertes et infrastructures urbaines

Prévision des incidents de métro

Résumé

Nous avons développé un modèle d'apprentissage supervisé pour prédire la cause principale des perturbations dans le réseau du métro de Montréal et le temps de retard après une perturbation. Notre modèle prédictif aide les autorités et les opérateurs de transport public à prioriser le type de perturbation et l'endroit sur lesquels ils doivent se concentrer pour obtenir la réduction la plus significative de l'exposition aux perturbations.


Voulez-vous en savoir plus?


Consulter la fiche du projet

Une collaboration entre :

Ville de Montréal

Direction, technologies, architecture, innovation et sécurité

Experts municipaux

Marie-Odette St-Hilaire

Université

CIVI 691 – Big Data Analytics for Smart City Infrastructure (Building, Civil and Environmental Engineering), Concordia University

Professeur

Mazdak Nik-Bakht

Équipe étudiante

Farbod Lotfalian
Mohammad Vaseghi
Maryam Faham