Анализ и прогнозирование работы железнодорожных узлов: сравнение аналитических и машинно-обучаемых подходов

Abstract

В данной работе рассматривается проблема оценки пропускной способности и эффективности функционирования сложных железнодорожных узлов. Для решения этой задачи проводится сравнительный анализ двух ключевых подходов: классического аналитического моделирования на основе теории массового обслуживания (ТМО) и современных методов машинного обучения (ML). Основной вывод исследования заключается в том, что выбор оптимального метода напрямую зависит от горизонта планирования: аналитические модели незаменимы для стратегического анализа инфраструктуры, тогда как методы машинного обучения показывают высокую эффективность в задачах операционного прогнозирования.