تستمر أهمية العمليات السكك الحديدية المستدامة في الازدياد، حيث تعتمد بشكل متزايد على ذكاء بيئي لحظي يتم تسليمه من خلال بنى تحتية للسينسورات اللاسلكية. وبفضل تطور تكنولوجيا الاتصالات من الجيل السادس (6G)، ستُعزز هذه القدرة بشكل كبير من خلال الدمج بين الاستشعار والحوسبة على الحافة. يعود السبب في تأخيرات القطارات بالأساس إلى الظروف الجوية القاسية، خاصة في المناطق القطبية حيث درجات الحرارة المنخفضة والأمطار الغزيرة.

تكشف الدراسة الجديدة التي أجريت في فنلندا عن آليات جديدة لتوقع تأخيرات القطارات باستخدام مجموعة بيانات متكاملة تُعرف باسم مجموعة بيانات القطارات-الطقس الفنلندية (FI-TW). دمجت هذه المجموعة بين سجلات التشغيل للسكك الحديدية وملاحظات مستمرة من شبكة السينسورات الوطنية التابعة للمعهد الفنلندي للأرصاد الجوية، والتي تضم حوالي 200 محطة تعمل عبر الروابط اللاسلكية.

استُخدمت ثلاثة تكوينات ميزات لتقييم منهجيات التنبؤ، باستخدام نموذج XGBoost في محطة أولو المركزية. هذه الأنماط تشمل ميزات الطقس الكاملة وملاحظات الطقس اللحظية فقط، بالإضافة إلى سيناريوهات تصنيف الطقس المستمدة. وقد أظهرت الفئة المستندة على التصنيف الهرمي، التي تشمل تصنيفات مثل العواصف الثلجية، الثلوج الغزيرة والبرودة الشديدة، نتائج مدهشة بحيث حققت معامل تحديد (R^2) يبلغ 0.78، مع خطأ الجذر التربيعي 8.5 دقائق ومتوسط خطأ مطلق 3.7 دقائق.

يمثل هذا التحسن بمقدار 11% في معامل R^2 وانخفاض بنسبة 10% في الخطأ مقارنة بالتكوينات البديلة، مما يثبت أن الميزات المستندة إلى المعرفة الدقيقة من مجاري السينسرات تتفوق على الملاحظات البيئية الخام، وتقدم تمثيلات فعالة من حيث عرض النطاق المناسب للنشر في البنية التحتية اللاسلكية الحالية والمستقبلية.