2019 Fiscal Year Annual Research Report
Development and evaluation of a track condition monitoring system using a machine learning technique
| Project/Area Number |
17K06240
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
綱島 均 日本大学, 生産工学部, 教授 (30287594)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 鉄道 / 状態監視 / 軌道 / 機械学習 / サポートベクターマシン / マハラノビス距離 |
|---|
| Outline of Annual Research Achievements |
鉄道を安全かつ快適に走行させるためには，軌道状態を監視，保守することが重要である．現在，軌道の監視には保線係員の巡回や軌道検測車が用いられているが，このような軌道検査には多くの費用，人員や時間を要するため地方鉄道などでは十分な検査を行えない事業者も多い．そのため，先行研究では車両に設置したセンサ類，GPSなどで構成された車体動揺計測装置を用いることで，安価かつ常時軌道状態の診断ができる軌道状態診断システムが開発されている．車体動揺と軌道の歪みである軌道不整には相関性があるため，このシステムでは車体の上下加速度，左右加速度，ロール角速度から，軌道状態に関する評価値であるRMS値を算出することで，軌道不整の診断を行っている．しかし，営業列車から取得できる大量のデータを効率よく計算処理するためは，軌道状態の診断・予測の自動化が必要となる．
本研究では，車体の上下加速度，左右加速度，ロール角速度のRMS値から構成される特徴空間から，機械学習の手法であるサポートベクターマシン（以下，SVMと記す）を用いて軌道の状態を判別するアルゴリズムを構築し，軌道の上下方向の歪みである高低不整，左右方向の歪みである通り不整，左右レールの高低差である水準不整を自動化に診断する手法を提案した． さらに，SVMによる判定に加えて，軌道異常の程度の診断を行うための新しい評価指標を開発し，軌道異常の発生位置，種別，異常の程度を判定する方法を提案した．その結果，軌道の状態を定量的に評価し，異常の要因（高低不整，通り不整，水準不整）についても，判定できることを示した．
|
Research Products
(8 results)
