ニューラルネットワークを用いた列車遅延・乗車率予測手法

中挾, 晃介, 辰井, 大祐, 國松, 武俊

大都市圏の朝ラッシュ時における小規模な列車遅延発生時（小乱れ時）には，鉄道事業者は運行管理業務の一環として，前後の列車との間隔を調整する，列車の順序を変更する等のダイヤ変更を行い，旅客の利便性確保と，遅延の早期回復を図る．これら一連の変更業務を運転整理と呼ぶ．各列車の現在の遅延が，今後拡大するか，縮小するかを迅速かつ精度良く予測することは，運行管理を担う指令員が運転整理を適切に実施するために重要である．従来，短時間先の列車遅延の予測は，指令員の経験に依存することが多かったが，近年ではコンピュータによる支援も検討され，運行管理システムへの導入も始まっている．しかし，それらは現時点での遅延がそのまま続いていくという前提を置いていたり，過去の遅延や乗車率の傾向を考慮した予測手法とはなっていない等の課題がある．本研究では，将来的には大規模なダイヤ乱れへの展開を念頭に，まずは数分程度の小規模遅延の予測を目的として，時系列予測における非線形モデルの1つであるニューラルネットワークを用い，短時間先の列車遅延および乗車率を予測する手法を考案した．評価実験では，大都市圏における通勤路線の朝ラッシュ時間帯を対象として列車遅延と乗車率を予測した．小乱れ時においては，90%以上の予測対象データに対して遅延の予測誤差が25秒以内に収まることを確認した．

For commuter lines in metropolitan areas, when a small disturbance occurs during peak hours, train dispatchers reschedule the train diagram by adjusting the interval of trains or changing the order of trains to keep the convenience of passengers and to recovery the diagram. To control train traffic and command operation arrangements properly, it is important to predict changes in train delay several tens of minutes later quickly and precisely. Train dispatchers predict the train delay by their experience, but nowadays, train delay prediction algorithm is installed in operation control systems. However, these prediction algorithms have some problems in terms of its simplicity and non-consideration of past delay and the congestion rate data. In this study, we developed a prediction method of train delay and the congestion rate at the time of a small disturbance using a neural network, which is one of the nonlinear models to be used for time series data prediction. We applied our method to an actual commuter line in the peak hour, and verified that the difference between the predicted delay and the actual delay is less than 25 seconds for 90% of the target predicted delay data.

ニューラルネットワークを用いた列車遅延・乗車率予測手法

書誌事項

この論文をさがす

抄録

収録刊行物

キーワード

詳細情報詳細情報について

書き出し

問題の指摘

ニューラルネットワークを用いた列車遅延・乗車率予測手法

書誌事項

この論文をさがす

抄録

収録刊行物

キーワード

詳細情報 詳細情報について

書き出し

問題の指摘

参加プロジェクトリスト

詳細情報詳細情報について