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.
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