🤖 machine learning

RIDE: An Open Dataset and Benchmark for Train Delay Prediction

L'article présente RIDE, un ensemble de données ouvert à grande échelle et un benchmark standardisé pour la prédiction des retards de trains sur le réseau ferroviaire belge, ce qui facilite la première évaluation comparative complète montrant que les réseaux de neurones sur graphes surpassent les modèles non apprenants tout en permettant une analyse détaillée à travers divers régimes de prévision.

Auteurs originaux : Clément Elliker, Mathis Le Bail, Clément Mantoux, Jesse Read, Sonia Vanier

Publié 2026-06-04

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Clément Elliker, Mathis Le Bail, Clément Mantoux, Jesse Read, Sonia Vanier

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez le réseau ferroviaire belge comme un immense et complexe jeu de « Suivez le guide », où des milliers de trains se déplacent, s'arrêtent et attendent constamment les uns les autres. Parfois, un seul train reste coincé, et ce retard se propage comme une onde, provoquant un effet domino qui fait que d'autres trains sont également en retard.

Le document présente RIDE (TRaIn DElay Prediction Dataset and Benchmark), qui est essentiellement une immense « salle de sport » open-source pour que les ordinateurs apprennent à prédire ces retards avant qu'ils ne surviennent.

Voici une décomposition de ce que les auteurs ont fait, en utilisant des analogies simples :

1. Le Problème : Tout le monde jouait à un jeu différent

Avant ce document, les chercheurs essayant de prédire les retards de trains étaient comme des chefs tentant de comparer des recettes, mais chacun utilisait des ingrédients, des fours et des cuillères de dégustation différents. Certains regardaient une seule ligne de train, d'autres regardaient tout le pays ; certains prédisaient le retard pour l'arrêt suivant, d'autres pour l'heure suivante. Comme les règles étaient si différentes, personne ne pouvait dire quel programme informatique était réellement le meilleur chef.

2. La Solution : Un « Camp d'Entraînement » Standardisé

Les auteurs ont construit RIDE, qui agit comme un camp d'entraînement standardisé composé de deux parties principales :

Les Ingrédients Bruts (Le Jeu de Données) : Ils ont rassemblé une quantité massive de données de 2023 à 2025. Imaginez une bibliothèque contenant :
- 94,5 millions d'enregistrements de mouvements de trains (chaque fois qu'un train arrivait, partait ou passait par une gare).
- 3,6 millions de trajets complets de trains.
- 35,7 millions de rapports météorologiques (car la pluie ou la neige peuvent ralentir les choses).
- Ils ont organisé cela en couches, comme un sandwich :
  - Bronze : Les données brutes et désordonnées provenant directement de la source.
  - Argent : Une version nettoyée et organisée où les pièces manquantes sont complétées et la carte des voies est reconstruite.
  - Or : Le repas final, prêt à être consommé, spécifiquement préparé pour que différents types de modèles informatiques puissent le « manger ».
Les Règles du Jeu (Le Benchmark) : Ils ont établi des règles strictes pour que chaque modèle informatique joue exactement au même jeu.
- L'Objectif : Regarder le réseau à un moment précis (un « instantané ») et prédire de combien de temps un train sera en retard lors de ses 15 prochains arrêts.
- Le Test : Ils ont entraîné les modèles sur les données de 2023–2024 et les ont testés sur les données de 2025. C'est comme enseigner à un élève les problèmes de mathématiques de l'année dernière et le tester sur l'examen de cette année pour voir s'il a réellement appris, et non s'il a simplement mémorisé.

3. Le Concours : Qui gagne ?

Les auteurs ont invité différents types d'« élèves » (modèles informatiques) à concourir :

Les Traditionnels (Modèles non-apprenants) : Ce sont des systèmes simples, basés sur des règles.
- Le Traducteur : Suppose simplement que le train aura autant de retard qu'il l'est actuellement. (Comme deviner que vous serez en retard au travail parce que vous êtes déjà en retard).
- Le Graph-Event : Un système basé sur des règles légèrement plus intelligent qui simule la façon dont les trains interagissent sur les voies.
Les Statisticiens (Apprentissage Statistique) : Des modèles comme XGBoost, qui sont doués pour trouver des motifs dans des tableaux de chiffres.
Les Apprentis du Deep Learning (Apprentissage Profond) : Des réseaux de neurones complexes comme MLP, LSTM (bon pour les séquences), Transformer (bon pour l'attention) et GNN (Réseaux de Neurones sur Graphes, qui comprennent comment tout le réseau est connecté).

4. Les Résultats : Les Gagnants

Après avoir lancé la compétition, voici ce qui s'est passé :

L'Apprentissage bat les Règles : Les étudiants en « Deep Learning » et en « Statistique » ont nettement surpassé les « Traditionnels ». Les modèles complexes ont appris des schémas que les règles simples ont manqués.
Le Champion : Le Réseau de Neurones sur Graphes (GNN) a pris la première place. Voyez ce modèle comme un étudiant qui comprend non seulement le train, mais aussi toute la carte du réseau ferroviaire et la façon dont chaque train affecte tous les autres.
Les Dauphins : Les modèles Transformer et LSTM étaient très proches du GNN. Ils étaient presque aussi performants, ce qui suggère que différentes façons d'analyser les données peuvent mener à un succès similaire.
La Surprise : Même le modèle « Traducteur » le plus simple (qui suppose simplement que le retard actuel va persister) était étonnamment difficile à battre par une grande marge. C'est une base de référence coriace.

5. Les Détails Importants : Cela dépend de la situation

Le document a également examiné quand les modèles réussissaient, pas seulement leur score moyen :

Court terme vs Long terme : Si vous voulez savoir ce qui se passe dans les 5 prochaines minutes, les modèles simples sont excellents. Si vous voulez savoir ce qui se passera dans 40 minutes, le modèle complexe GNN est le meilleur.
Petits vs Grands Retards : Si un train est juste légèrement en retard, les modèles simples s'en sortent bien. Mais si un train est vraiment très en retard et que le retard s'accumule (comme un embouteillage), les modèles qui comprennent l'interaction entre les trains (comme le GNN) sont bien meilleurs pour prédire le chaos.

Résumé

Le document dit : « Nous avons construit un immense terrain de jeu équitable (RIDE) avec des données propres et des règles strictes. Nous avons laissé différents modèles informatiques jouer. Ceux qui peuvent comprendre le réseau complexe de connexions entre les trains (les Réseaux de Neurones sur Graphes) sont actuellement les meilleurs pour prédire les retards, mais l'écart entre les meilleurs modèles est faible. Cela nous donne une base solide pour continuer à améliorer la manière dont nous maintenons les trains à l'heure. »

Résumé technique : RIDE – Un ensemble de données ouvert et un benchmark pour la prédiction des retards de trains

Énoncé du problème
La prédiction des retards de trains est cruciale pour les exploitants ferroviaires et les passagers afin de gérer les perturbations, d'améliorer les systèmes d'information et d'optimiser la gestion du trafic. Cependant, les progrès dans ce domaine ont été entravés par un manque de standardisation. Les recherches existantes reposent sur des ensembles de données disparates, des cibles de prédiction variables (par exemple, la prochaine station par rapport à des intervalles de temps fixes) et des protocols d'évaluation incohérents. Cette fragmentation rend difficile la comparaison des modèles entre les études ou la formulation de conclusions générales sur l'efficacité relative de différentes approches de modélisation, particulièrement entre les méthodes non apprenantes, statistiques et de deep learning.

Méthodologie : Le cadre RIDE
Pour combler ces lacunes, les auteurs introduisent RIDE (TRaIn DElay Prediction Dataset and Benchmark), une ressource complète et ouverte construite sur le réseau ferroviaire national belge couvrant la période 2023–2025. Le cadre est structuré comme un pipeline de données par couches et un protocole de benchmark unifié.

Pipeline de données (Diffusion par couches) :
- Raw & Bronze (Brut et Bronze) : Ingeste les données brutes d'Infrabel (opérations ferroviaires, infrastructure) et d'Open-Meteo (météo). La couche Bronze standardise les schémas et effectue des vérifications d'intégrité légères.
- Silver (Ensemble relationnel intermédiaire) : Un ensemble de données relationnel réutilisable et nettoyé contenant 94,5 millions d'événements de train, 3,6 millions de trajets et 35,7 millions d'enregistrements météorologiques. Il reconstruit la topologie du réseau, infère les trajectoires exactes des trains et aligne les données météorologiques sur les points opérationnels. Cette couche permet aux utilisateurs de construire des ensembles de données personnalisés sans répéter les étapes de nettoyage de base.
- Gold (Ensembles de données de benchmark) : Artefacts prêts pour la modélisation dérivés de la couche Silver. Il définit un snapshot (instantané) comme l'unité fondamentale : une vue temporellement marquée du réseau contenant les trains actifs, leur historique et leurs horaires futurs. La version Gold propose deux échelles (Lite et Standard) et quatre formats d'ensembles de données spécifiques adaptés à différentes familles de modèles : Tabulaire (pour MLP/XGBoost/Transformer), Séquentiel (pour LSTM), Graphe (pour GNN) et Graphe-Événement (pour la simulation basée sur des règles).
Tâche de prédiction :
- Cible : Pour chaque train actif dans un instantané, prédire le retard (en secondes) aux $n=15$ prochains événements programmés (arrivées, départs ou passages).
- Horizon : Cela correspond à un horizon de prédiction moyen d'environ 40 minutes.
- Reparamétrage : Les modèles prédisent le retard résiduel (retard futur moins le dernier retard connu) pour améliorer les performances, en ajoutant le dernier retard connu lors de l'inférence.
Protocole d'évaluation :
- Métriques : Les métriques primaires sont l'erreur absolue moyenne (MAE) et l'erreur quadratique moyenne (RMSE).
- Décompositions : Pour analyser le comportement des modèles au-delà des scores agrégés, le protocole inclut des décompositions par horizon de prédiction (temps restant avant l'événement) et par intervalles de delta de retard (changement de retard par rapport au dernier état connu).
- Séparations (Splits) : Les données d'entraînement sont tirées de 2023–2024, et les données de test de 2025, garantissant une évaluation réaliste vers l'avenir. Une table d'évaluation de test unique et fixe garantit que tous les modèles sont évalués sur des instances identiques.
Modèles évalués :
Le benchmark compare trois familles d'approches :
- Non-apprentissage (Non-Learning) : Une base de traduction (prédire le dernier retard connu) et un modèle Graphe-Événement (simulation déterministe utilisant des temps de parcours empiriques et des contraintes de priorité).
- Apprentissage statistique : XGBoost (entraîné comme des régresseurs indépendants pour chaque créneau d'événement futur).
- Apprentissage profond (Deep Learning) : Perceptron multicouche (MLP), Long Short-Term Memory (LSTM), Transformer et Réseau de neurones graphiques (GNN).

Résultats clés
Les expériences menées sur le niveau Standard du benchmark révèlent les points suivants :

Apprentissage vs Non-apprentissage : Les méthodes basées sur l'apprentissage surpassent nettement les modèles non apprenants. Le modèle Graphe-Événement (88,41 MAE) améliore significativement la base de traduction (96,65 MAE) mais reste derrière toutes les approches basées sur l'apprentissage.
Meilleur performeur : Le Réseau de neurones graphiques (GNN) a obtenu la meilleure performance moyenne avec une MAE de 73,62 et une RMSE de 194,56.
Compétitivité des architectures : Les modèles d'apprentissage les plus performants (GNN, Transformer, LSTM, XGBoost) restent relativement proches en termes de performance absolue. Le Transformer (74,54 MAE) et le LSTM (74,62 MAE) suivent de près le GNN. XGBoost (76,58 MAE) a surpassé le MLP (77,20 MAE).
Forces selon le régime :
- Horizons courts (0–5 min) : XGBoost est le plus performant, probablement grâce à sa capacité à gérer des changements de retard faibles et stables.
- Horizons moyens (5–15 min) : Le LSTM montre une forte performance, suggérant que la modélisation séquentielle capture la dynamique des trains rattrapant leurs retards.
- Horizons longs (>15 min) & Retards importants : Le GNN excelle dans les horizons longs et les scénarios d'accumulation de retard importante, indiquant que la modélisation explicite des interactions du réseau est cruciale pour capturer les effets de propagation.
- Récupération de retard : Le modèle Graphe-Événement est le plus performant sur les grands deltas de retard négatifs (forte récupération), ce qui est cohérent avec sa tendance à prédire des temps de parcours plus rapides que prévu.

Signification et revendications
L'article présente RIDE comme la première ressource fournissant à la fois un ensemble de données intermédiaire réutilisable et un benchmark standardisé pour la prédiction des retards de trains à l'échelle nationale. Sa signification réside dans :

Standardisation : Établir un protocole unifié pour les cibles, les séparations temporelles et les métriques d'évaluation, permettant une comparaison directe entre diverses familles de modèles.
Baseline complète : Fournir la première évaluation comparative des modèles non apprenants, statistiques et de deep learning sur un ensemble de données partagé et à grande échelle.
Analyse nuancée : Aller au-delà de la précision agrégée pour révéler que les différentes architectures possèdent des forces distinctes selon le régime de prévision (ex: court terme vs long terme, accumulation de retard vs récupération).
Directions futures : Les auteurs suggèrent que, bien que les changements architecturaux seuls ne produisent pas de gains spectaculaires parmi les meilleurs performeurs, les progrès futurs pourraient dépendre d'une meilleure conception de caractéristiques (features) et de choix de modélisation spécifiques au problème. Ils postulent que RIDE sert de fondation pour les recherches futures sur la propagation des retards et l'apprentissage sur des systèmes de transport à grande échelle.