چکیده: مدیریت مؤثر سیستمهای ریلی برای تضمین قابلیت اطمینان و رضایت مسافران حیاتی است. تاخیر قطارها یکی از چالشهای اصلی است که بر کارآیی عملیاتی و اعتماد مسافران تأثیر میگذارد. این پژوهش با هدف توسعه مدل پیشبینی تاخیر قطارها در راهآهن جمهوری اسلامی ایران، با استفاده از تکنیکهای پیشرفته یادگیری ماشین انجام شده است. دادههای تاریخی مربوط به عملکرد قطارهای مسافری از خرداد ۱۳۹۵ تا مهر ۱۴۰۳ شامل ۷۹۲,۹۴۴ مورد ثبت شده از سیستم آمار و اطلاعات راهآهن جمعآوری شد. این دادهها شامل زمانهای ورود و خروج، مدت توقف، دلایل تأخیر، شرایط آبوهوایی و اطلاعات جغرافیایی ایستگاهها است. مدلهای مختلف یادگیری ماشین مانند رگرسیون خطی، SVM، جنگل تصادفی و LSTM و یک مدل ترکیبی دو مرحلهای با حضور نقش متغیر 'دلایل تأخیر' جهت برازش و پیش بینی تأخیر قطار ها ارزیابی شدند. پیش بینی تأخیر کل واگن های مسافری در مدل ارزیابی دو مرحله ای پیشنهاد شده با استفاده از الگوریتم شبکههای عصبی LSTM به دلیل توانایی در مدلسازی وابستگیهای بلندمدت، بهترین عملکرد را در پیشبینی تاخیرها نشان داد. نتایج نشان میدهد که این مدلها ابزاری قدرتمند برای بهبود مدیریت عملیات ریلی و افزایش رضایت مسافران هستند.
