Menurut data yang tersedia, jumlah penumpang yang bepergian dengan kereta api di Inggris dalam 20 tahun terakhir meningkat dua kali lipat menjadi 1,7 miliar setiap tahun.

Artinya, banyak orang-orang yang bergantung pada transportasi ini. Namun di sisi lain, entah berapa banyak orang yang tidak puas karena jadwal keterlambatan kereta.

Mengatasi hal itu, sebuah studi terbaru dari para peneliti menggunakan data Britis Railway dan kecerdasan buatan berguna untuk meningkatkan kemampuan memprediksi keterlambatan kereta.

Dikutip dari Eurekalert Rabu (16/12/2020), Huy Tran, peneliti di Faculty of Aerospace Engineering, University of Illinois Urbana-Champaign, mengatakan:

"Kami ingin mengeksplorasi masalah ini menggunakan pengalaman kami dengan grafik jaringan saraf (neural network)."

Tran akan bekerjasama dengan Simon Hu, pakar di bidang jaringan kereta api dalam mengembangkan penelitian ini. 

Hasil kerja sama mereka membuahkan cara baru untuk merepresentasikan jaringan kereta api dan menerapkannya ke data dunia nyata untuk memprediksi keterlambatan.

Nantinya, mereka akan menerapkan model Jaringan Konvolusional Grafik Spasial-Temporal (Spatial-Temporal Graph Convolutional Network) untuk memprediksi keterlambatan.

Model tersebut akan ditaruh pada sebagian jaringan rel kereta api Inggris di mana Didcot Parkway dan Long Paddington berfungsi sebagai stasiun gerbang.

Tran juga mengatakan, dibandingkan model statistis lainnya model ini akan lebih unggul dalam memprediksi keterlambatan hingga 60 menit ke depan.

Tantangan dalam penelitan ini yakni data hanya menangkap perjalanan kereta api secara utuh dari awal secara utuh dari awal hingga akhir.

Tapi sayangnya, tidak ada informasi di mana saja kereta api terlambat selama perjalanan.