🤖 machine learning

RIDE: An Open Dataset and Benchmark for Train Delay Prediction

O artigo apresenta o RIDE, um conjunto de dados aberto de grande escala e um benchmark padronizado para a previsão de atrasos de trens na rede ferroviária belga, o qual facilita a primeira avaliação comparativa abrangente mostrando que redes neurais de grafos superam modelos não baseados em aprendizagem, ao mesmo tempo em que permite uma análise detalhada através de vários regimes de previsão.

Autores originais: Clément Elliker, Mathis Le Bail, Clément Mantoux, Jesse Read, Sonia Vanier

Publicado 2026-06-04

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Clément Elliker, Mathis Le Bail, Clément Mantoux, Jesse Read, Sonia Vanier

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine a rede ferroviária belga como um enorme e intrincado jogo de "Siga o Líder", onde milhares de comboios estão constantemente a mover-se, a parar e a esperar uns pelos outros. Às vezes, um único comboio fica retido e esse atraso espalha-se como uma onda, causando um efeito dominó que faz com que outros comboios também se atrasem.

O artigo apresenta o RIDE (TRaIn DElay Prediction Dataset and Benchmark), que é essencialmente um gigantesco "ginásio de treino" de código aberto para computadores aprenderem a prever estes atrasos antes que eles aconteçam.

Aqui está uma análise do que os autores fizeram, utilizando analogias simples:

1. O Problema: Todos Estavam a Jogar um Jogo Diferente

Antes deste artigo, os investigadores que tentavam prever atrasos de comboios eram como chefs a tentar comparar receitas, mas todos usavam ingredientes, fornos e colheres de prova diferentes. Alguns olhavam para uma única linha de comboio, outros para o país inteiro; alguns previam o atraso para a próxima paragem, outros para a próxima hora. Como as regras eram tão diferentes, ninguém conseguia dizer qual era o programa de computador que era, de facto, o melhor chef.

2. A Solução: Um "Campo de Treino" Padronizado

Os autores construíram o RIDE, que funciona como um campo de treino padronizado com duas partes principais:

Os Ingredientes Brutos (O Conjunto de Dados): Eles reuniram uma quantidade massiva de dados de 2023 a 2025. Imagine uma biblioteca contendo:
- 94,5 milhões de registos de movimento de comboios (cada vez que um comboio chegava, partia ou passava por uma estação).
- 3,6 milhões de viagens completas de comboios.
- 35,7 milhões de relatórios meteorológicos (porque a chuva ou a neve podem atrasar as coisas).
- Eles organizaram isto em camadas, como um sanduíche:
  - Bronze: Os dados brutos e desorganizados diretamente da fonte.
  - Prata: Uma versão limpa e organizada onde as peças em falta são preenchidas e o mapa das linhas é reconstruído.
  - Ouro: A refeição final, pronta para ser consumida, preparada especificamente para diferentes tipos de modelos de computador "comerem".
As Regras do Jogo (O Benchmark): Eles estabeleceram regras estritas para que cada modelo de computador tenha de jogar exatamente o mesmo jogo.
- O Objetivo: Observar a rede num momento específico (um "snapshot") e prever o atraso de um comboio nas suas próximas 15 paragens.
- O Teste: Eles treinaram os modelos com dados de 2023–2024 e testaram-nos com dados de 2025. Isto é como ensinar um aluno os problemas de matemática do ano passado e testá-lo com o exame deste ano para ver se ele consegue realmente aprender, e não apenas memorizar.

3. O Concurso: Quem Ganha?

Os autores convidaram diferentes tipos de "alunos" (modelos de computador) para competir:

Os da Velha Escola (Modelos Não-Aprendíveis): Estes são sistemas simples, baseados em regras.
- O Tradutor: Apenas assume que o comboio estará tão atrasado como está agora. (Como adivinhar que chegará atrasado ao trabalho porque já está atrasado).
- O Graph-Event: Um sistema baseado em regras ligeiramente mais inteligente que simula como os comboios interagem nas linhas.
Os Estatísticos (Aprendizagem Estatística): Modelos como o XGBoost, que são bons a encontrar padrões em tabelas de números.
Os Especialistas em Deep Learning (Aprendizagem Profunda): Redes neuronais complexas como MLP, LSTM (boa para sequências), Transformer (boa para atenção) e GNN (Redes Neurais de Grafos, que entendem como toda a rede se conecta).

4. Os Resultados: Os Vencedores

Após correr o concurso, eis o que aconteceu:

A Aprendizagem Vence as Regras: Os alunos de "Deep Learning" e "Estatística" superaram claramente os da "Velha Escola". Os modelos complexos aprenderam padrões que os modelos de regras simples perderam.
O Campeão: A Rede Neural de Grafos (GNN) ficou no topo. Pense neste modelo como um aluno que entende não apenas o comboio, mas todo o mapa ferroviário e como cada comboio afeta todos os outros comboios.
Os Vice-Campeões: Os modelos Transformer e LSTM ficaram muito próximos da GNN. Foram quase tão bons, sugerindo que diferentes formas de olhar para os dados podem levar a sucessos semelhantes.
A Surpresa: Mesmo o modelo "Tradutor" mais simples (que apenas adivinha que o atraso atual continuará) foi surpreendentemente difícil de bater por uma grande margem. É uma base de comparação muito forte.

5. A Letra Miúda: Depende da Situação

O artigo também analisou quando os modelos foram bem, não apenas a pontuação média:

Curto Prazo vs. Longo Prazo: Se quiser saber o que acontece nos próximos 5 minutos, os modelos simples funcionam muito bem. Se quiser saber o que acontece daqui a 40 minutos, o modelo complexo GNN é o melhor.
Pequenos vs. Grandes Atrasos: Se um comboio estiver apenas ligeiramente atrasado, os modelos simples lidam bem com isso. Mas se um comboio estiver a ficar muito atrasado e o atraso estiver a acumular-se (como um engarrafamento), os modelos que entendem a interação entre os comboios (como a GNN) são muito melhores a prever o caos.

Resumo

O artigo diz: "Construímos um parque de diversões gigante e justo (RIDE) com dados limpos e regras estritas. Deixamos diferentes modelos de computador jogarem. Aqueles que conseguem compreender a complexa teia de ligações entre os comboios (Redes Neurais de Grafos) são atualmente os melhores a prever atrasos, mas a diferença entre os principais modelos é pequena. Isto dá-nos uma base sólida para continuar a melhorar a forma como mantemos os comboios a andar no horário."

Resumo Técnico: RIDE – Um Conjunto de Dados Aberto e Benchmark para Predição de Atrasos de Trens

Declaração do Problema
A predição de atrasos de trens é crítica para operadores ferroviários e passageiros para gerir interrupções, melhorar sistemas de informação e otimizar a gestão de tráfego. No entanto, o progresso nesta área tem sido dificultado pela falta de padronização. As pesquisas existentes dependem de conjuntos de dados díspares, alvos de predição variados (ex: próxima estação vs. intervalos de tempo fixos) e protocolos de avaliação inconsistentes. Esta fragmentação torna difícil comparar modelos entre estudos ou tirar conclusões amplas sobre a eficácia relativa de diferentes abordagens de modelagem, particularmente entre métodos não aprendizes, estatísticos e de aprendizagem profunda.

Metodologia: O Framework RIDE
Para abordar estas lacunas, os autores introduzem o RIDE (TRaIn DElay Prediction Dataset and Benchmark), um recurso abrangente e aberto construído sobre a rede ferroviária nacional belga cobrindo 2023–2025. O framework é estruturado como um pipeline de dados em camadas e um protocolo de benchmark unificado.

Pipeline de Dados (Lançamento em Camadas):
- Raw & Bronze (Bruto & Bronze): Ingestão de dados brutos da Infrabel (operações ferroviárias, infraestrutura) e Open-Meteo (clima). A camada Bronze padroniza esquemas e realiza verificações leves de integridade.
- Silver (Conjunto de Dados Relacional Intermediário): Um conjunto de dados relacional limpo e reutilizável contendo 94,5 milhões de eventos de trem, 3,6 milhões de jornadas e 35,7 milhões de registros climáticos. Esta camada reconstrói a topologia da rede, infere caminhos exatos de trens e alinha os dados climáticos a pontos operacionais. Esta camada permite que os usuários construam conjuntos de dados personalizados sem repetir etapas essais de limpeza.
- Gold (Conjuntos de Dados de Benchmark): Artefatos prontos para modelos derivados da camada Silver. Define um snapshot (instantâneo) como a unidade fundamental: uma visão da rede com marcação temporal contendo trens ativos, seu histórico e horários futuros. O lançamento Gold oferece duas escalas (Lite e Standard) e quatro formatos específicos de conjuntos de dados adaptados a diferentes famílias de modelos: Tabular (para MLP/XGBoost/Transformer), Sequencial (para LSTM), Grafo (para GNN) e Grafo-Evento (para simulação baseada em regras).
Tarefa de Predição:
- Alvo: Para cada trem ativo em um snapshot, prever o atraso (em segundos) nos próximos $n=15$ eventos agendados (chegadas, partidas ou passagens).
- Horizonte: Isto corresponde a um horizonte de predição médio de aproximadamente 40 minutos.
- Reparametrização: Os modelos predizem o atraso residual (atraso futuro menos o último atraso conhecido) para melhorar o desempenho, adicionando o último atraso conhecido durante a inferência.
Protocolo de Avaliação:
- Métricas: As métricas primárias são o Erro Médio Absoluto (MAE) e a Raiz do Erro Quadrático Médio (RMSE).
- Detalhamentos: Para analisar o comportamento dos modelos além das pontuações agregadas, o protocolo inclui detalhamentos por horizonte de predição (tempo até o evento) e bins de delta de atraso (mudança no atraso em relação ao último estado conhecido).
- Divisões (Splits): Os dados de treinamento são extraídos de 2023–2024, e os de teste de 2025, garantindo uma avaliação realista de tempo à frente. Uma tabela de avaliação de teste única e fixa garante que todos os modelos sejam avaliados em instâncias idênticas.
Modelos Avaliados:
O benchmark compara três famílias de abordagens:
- Não-Aprendizado (Non-Learning): Uma baseline de Tradução (predizendo o último atraso conhecido) e um modelo de Grafo-Evento (simulação determinística usando tempos de viagem empíricos e restrições de precedência).
- Aprendizado Estatístico: XGBoost (treinado como regressores independentes para cada slot de evento futuro).
- Aprendizado Profundo (Deep Learning): Perceptron Multicamadas (MLP), Long Short-Term Memory (LSTM), Transformer e Redes Neurais de Grafos (GNN).

Principais Resultados
Experimentos conduzidos no nível Standard do benchmark revelam o seguinte:

Aprendizado vs. Não-Aprendizado: Métodos baseados em aprendizado superam claramente os modelos de não-aprendizado. O modelo de Grafo-Evento (88,41 MAE) melhora significativamente a baseline de Tradução (96,65 MAE), mas permanece atrás de todas as abordagens baseadas em aprendizado.
Melhor Desempenho: A Rede Neural de Grafos (GNN) alcançou o melhor desempenho médio com um MAE de 73,62 e RMSE de 194,56.
Competitividade das Arquiteturas: Os modelos de aprendizado mais fortes (GNN, Transformer, LSTM, XGBoost) permanecem relativamente próximos em desempenho absoluto. O Transformer (74,54 MAE) e o LSTM (74,62 MAE) seguem de perto a GNN. O XGBoost (76,58 MAE) superou o MLP (77,20 MAE).
Forças por Regime:
- Horizontes Curtos (0–5 min): O XGBoost apresenta o melhor desempenho, provavelmente devido à sua força em lidar com mudanças de atraso pequenas e estáveis.
- Horizontes Médios (5–15 min): O LSTM mostra um forte desempenho, sugerindo que a modelagem sequencial captura a dinâmica de trens alcançando atrasos.
- Horizontes Longos (>15 min) & Grandes Atrasos: A GNN destaca-se em horizontes mais longos e cenários com acumulação significativa de atrasos, indicando que modelar explicitamente as interações da rede é crucial para capturar efeitos de propagação.
- Recuperação de Atraso: O modelo de Grafo-Evento apresenta o melhor desempenho em grandes deltas negativos de atraso (forte recuperação), consistente com sua tendência de predizer tempos de viagem mais rápidos do que o programado.

Significância e Alegações
O artigo alega que o RIDE é o primeiro recurso a fornecer tanto um conjunto de dados intermediário reutilizável quanto um benchmark padronizado para a predição de atrasos de trens em escala nacional. Sua significância reside em:

Padronização: Estabelecer um protocolo unificado para alvos, divisões temporais e métricas de avaliação, permitindo a comparação direta entre diversas famílias de modelos.
Baseline Abrangente: Fornecer a primeira avaliação comparativa de modelos de não-aprendizado, estatísticos e de aprendizagem profunda em um conjunto de dados compartilhado e de grande escala.
Análise Matizada: Ir além da precisão agregada para revelar que diferentes arquiteturas possuem forças distintas dependendo do regime de previsão (ex: curto prazo vs. longo prazo, acumulação de atraso vs. recuperação).
Direções Futuras: Os autores sugerem que, embora mudanças arquiteturais sozinhas não gerem ganhos dramáticos entre os principais competidores, o progresso futuro pode depender de um melhor design de características (features) e escolhas de modelagem específicas do problema. Eles postulam que o RIDE serve como uma fundação para pesquisas futuras sobre propagação de atrasos e aprendizado em sistemas de transporte de grande escala.