| 講演名 | 2020-12-11 運行実績データを用いた畳み込みニューラルネットワークによる列車の駅発生遅延予測 髙橋 司(日大), 福田 卓海(日大), 高橋 聖(日大), 中村 英夫(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 首都圏の鉄道はラッシュ時に高い混雑率で運行している．混雑が引き起こす問題として遅延があり，遅延緩和に対する研究や対策が行われている．遅延対策の効果を検証するにはシミュレータを用いて，対策前後の遅延を評価する必要がある．既存のシミュレータでは，駅間走行のシミュレートは行えるが混雑に伴う駅で発生する遅延まではシミュレートできないため，駅発生遅延を予測する必要がある．そこで本稿では，運行実績データをもとに畳み込みニューラルネットワークを用いて遅延が伝搬する特徴を学習し、駅発生遅延を予測した。結果最高予測精度67.1％が得られた． |
| 抄録(英) | Trains in the metropolitan area have high congestion rates during rush hours. Congestion causes delays, and there is a lot of research and countermeasures to mitigate the delays. In order to evaluate the effect of the countermeasure against delay, we need to evaluate the delays before and after the countermeasures. When the evaluation is done by simulation, it is necessary to predict the delays according to the driving conditions. We defined a series to facilitate the extraction of features from the actual operation data, and used a convolutional neural network to learn the features, and obtained the highest prediction accuracy of 67.1% for Station I. |
| キーワード(和) | 遅延解消 / 遅延改善 / 列車遅延 / 運行管理 / 機械学習 / 畳み込みニューラルネットワーク |
| キーワード(英) | Delay resolution / Delay improvement / Train delay / Operation management / Machine learning / Convolutional neural network |
| 資料番号 | DC2020-63 |
| 発行日 | 2020-12-04 (DC) |
| 研究会情報 | |
| 研究会 | DC |
|---|---|
| 開催期間 | 2020/12/11(から1日開催) |
| 開催地（和） | 洲本市文化体育館 （淡路島） |
| 開催地（英） | |
| テーマ（和） | (第5回） Winter Workshop on Safety（安全性に関する冬のワークショップ） - （共催：日本信頼性学会） |
| テーマ（英） | |
| 委員長氏名（和） | 高橋 寛(愛媛大) |
| 委員長氏名（英） | Hiroshi Takahashi(Ehime Univ.) |
| 副委員長氏名（和） | 土屋 達弘(阪大) |
| 副委員長氏名（英） | Tatsuhiro Tsuchiya(Osaka Univ.) |
| 幹事氏名（和） | 新井 雅之(日大) / 難波 一輝(千葉大) |
| 幹事氏名（英） | Masayuki Arai(Nihon Univ.) / Kazuteru Namba(Chiba Univ.) |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Dependable Computing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 運行実績データを用いた畳み込みニューラルネットワークによる列車の駅発生遅延予測 |
| サブタイトル（和） | |
| タイトル（英） | Prediction of Train Delays at Stations Using Convolutional Neural Networks with Actual Operation Data |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 遅延解消 / Delay resolution |
| キーワード(2)（和/英） | 遅延改善 / Delay improvement |
| キーワード(3)（和/英） | 列車遅延 / Train delay |
| キーワード(4)（和/英） | 運行管理 / Operation management |
| キーワード(5)（和/英） | 機械学習 / Machine learning |
| キーワード(6)（和/英） | 畳み込みニューラルネットワーク / Convolutional neural network |
| 第 1 著者 氏名（和/英） | 髙橋 司 / Tsukasa Takahashi |
| 第 1 著者 所属（和/英） | 日本大学(略称：日大) Nihon University(略称：Nihon Univ.) |
| 第 2 著者 氏名（和/英） | 福田 卓海 / Takumi Fukuda |
| 第 2 著者 所属（和/英） | 日本大学(略称：日大) Nihon University(略称：Nihon Univ.) |
| 第 3 著者 氏名（和/英） | 高橋 聖 / Sei Takahashi |
| 第 3 著者 所属（和/英） | 日本大学(略称：日大) Nihon University(略称：Nihon Univ.) |
| 第 4 著者 氏名（和/英） | 中村 英夫 / Hideo Nakamura |
| 第 4 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：The Univ. of Tokyo) |
| 発表年月日 | 2020-12-11 |
| 資料番号 | DC2020-63 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | DC-288 |
| ページ範囲 | pp.23-26(DC), |
| ページ数 | 4 |
| 発行日 | 2020-12-04 (DC) |