航空ネットワークにおける遅延波及パターン解析

Research Project

Project/Area Number	22K14438
Research Category	Grant-in-Aid for Early-Career Scientists
Allocation Type	Multi-year Fund
Review Section	Basic Section 25010:Social systems engineering-related
Research Institution	Tokyo Institute of Technology
Principal Investigator	杉下佳辰東京工業大学, 環境・社会理工学院, 助教 (70845263)
Project Period (FY)	2022-04-01 – 2025-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000) Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000) Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000) Fiscal Year 2022: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Keywords	遅延波及 / 航空ネットワーク / ネットワーク科学 / テンポラル・ネットワーク / 航空遅延 / 航空システム
Outline of Research at the Start	航空システムにおいて、ある便で発生した遅延は、機材の連続的な使用等が要因となり後続の便へと伝播し、システム全体へと波及しうる。航空システムは、時々刻々とそのネットワーク構造が変化するダイナミックなシステムである。このため、システムレベルでの遅延波及プロセスは極めて複雑であり、十分に解明されていない。そこで本研究では、遅延の因果関係を表すネットワークを構築し、これをネットワーク科学におけるテンポラル・ネットワーク理論を応用して長期・短期スケールで時系列的に解析する新たなフレームワークを提案する。提案手法を北米、ヨーロッパ、アジアのフライトデータへと適用し、遅延波及パターンを定量的に明らかにする。
Outline of Annual Research Achievements	航空システムにおいて、ある便で発生した遅延は、機材の連続的な使用等が要因となり後続の便へと伝播し、システム全体へと波及しうる。航空システムは、時々刻々とそのネットワーク構造が変化するダイナミックなシステムである。このため、システムレベルでの遅延波及プロセスは極めて複雑であり、十分に解明されていない。そこで本研究では、遅延の因果関係を表すネットワークを構築し、これをネットワーク科学におけるテンポラル・ネットワーク理論を応用して定量的に解析する新たなフレームワークを提案する。提案手法を2019年の日本の国内航空ネットワークに適用し、日々の遅延波及パターンを定量的に明らかにした。また、航空会社ごとの遅延波及パターンも明らかにし、航空ネットワークがある程度類似している場合でも、遅延の波及パターンは航空会社ごとに大きく異なることを明らかにした。さらに、遅延因果ネットワークとランダムネットワークを比較し、遅延波及に特有のパターンを明らかにした。これらの研究成果を、航空に関する国際会議であるATRS 2023で発表した。また、論文を執筆・投稿し、現在査読中である。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 遅延因果ネットワークとテンポラル・ネットワーク解析を組み合わせた新たなフレームワークを提案することができた。また、2019年の日本国内航空網へと適用し、遅延波及を定量的に評価し、いくつかの新たな知見を得られており、当初の計画通りに進展していると考えている。
Strategy for Future Research Activity	これまでに構築した手法は、実際に発生した遅延の波及パターンを事後的に評価するものである。この手法は、現象理解に一定の有用性があると考えているが、遅延の予測へと直接応用することはできない。このため、遅延因果ネットワークと機械学習を組み合わせた新たな予測手法の構築を検討している。