No dia 23 de junho, o resumo
“Predicting Crew Absences for Railway Operations Using a Hybrid CNN–LSTM Model”*
será apresentado por Ricardo Saldanha, Optimisation Leader, no
TransitData 2026 – International Symposium on the Use of Public Transit Automated Data for Planning, Operations, and Management, que terá lugar em Toronto, Canadá, de 23 a 25 de junho.
O resumo apresenta um modelo de deep learning para prever ausências de tripulação, que pode ajudar os responsáveis pelo despacho a realizar um planeamento de capacidade mais rigoroso, alinhado com as necessidades operacionais.
Previsões mais fiáveis permitem:
- melhores decisões,
- ajudar a reduzir o recurso a horas extraordinárias,
- melhorar a alocação de recursos, e
- minimizar o risco de perturbações do serviço.
Testada com dados ferroviários reais, a abordagem supera modelos alternativos e apoia uma melhor tomada de decisão por parte dos planeadores e responsáveis pelo despacho.
Mais informações aqui.
* Da autoria de André Filipe Leitão, Miguel Salvado, Luís Albino, Rui Rodrigues e Ricardo Saldanha