Вышла статья «Прогнозирование загруженности трамваев методами машинного обучения» в Институте прикладной математики им. М.В. Келдыша Российской академии наук.

Написали статью разработчик и автор проекта Дмитрий Балабанов и его научный сотрудник Владимир Судаков.

В статье рассказывается о том, как мы разработали модель машинного обучения для прогнозирования загруженности вагонов трамваев в Коломне. Мы собрали и обработали данные за период с сентября 2024 по июнь 2025 года: GPS-треки трамваев, погоду, расписание пригородных поездов, количество остановок и мест притяжения (ТЦ, школы, вокзалы). Особенность нашего подхода — адаптация моделей к условиям малого города с ограниченным объёмом данных и упор на интерпретируемость результатов для пассажиров.

Мы сравнили три модели: линейную регрессию, случайный лес и градиентный бустинг. Лучший результат показал случайный лес (R² = 0,87, MAPE = 31%). Модель обучили без привязки к номеру маршрута, чтобы она могла работать с любыми маршрутами, ориентируясь на расстояния до остановок. Готовую модель внедрили в веб-сервис, где загруженность показывается не числом людей, а понятными значками.

Подробнее о проекте можно узнать здесь в блоге по тегу «прогнозирование загруженности».

Почитать о статье можно здесь.
https://library.keldysh.ru/preprint.asp?id=2026-12

А саму статью (бесплатно) — здесь.
https://keldysh.ru/papers/2026/prep2026_12.pdf