| 研究課題/領域番号 |
21K04554
|
|---|
| 研究機関 | 日本大学 |
|---|
研究代表者 |
富井 規雄 日本大学, 生産工学部, 研究所教授 (50426029)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 混雑率配信 / 機械学習 / シミュレーション / 鉄道 |
|---|
| 研究実績の概要 |
列車の号車ごとの混雑率を蓄積したデータを鉄道会社から受領した。そのデータは，応荷重装置を利用して，1分刻みで，各号車の空気バネの圧力から推定した値を蓄積するものである。予備的な分析から，列車が走行中にも混雑率が変動するなどの問題があることが判明した。
そこで，機械学習を適用する準備として，列車の混雑率の状況を概観するための可視化システムを作成した。具体的には，1分刻みで取得され，駅間で変動する混雑率データから当該駅間の混雑率を特定する手法として，次駅到着タイミングを特定する方法を考案し，その直前の値を当該駅間混雑率として確定する手法を考案した。また，それをもとに，列車の号車ごとの混雑率の駅ごとの変化，駅におけるある時間帯の列車の号車ごとの混雑率などを可視化した。また，列車ダイヤ図上に，混雑率と列車の遅延を同時に可視化する手法を考案し，実装した。
上記の可視化で得た知見をもとに，時間帯，区間等を特定し，混雑率が変化する要因を特定するために，散布図等を作成するとともに，回帰分析を行なった。具体的には，列車の混雑率の偏りと停車時間の関係，列車の最大混雑率と停車時間の関係などの分析を行なった。その結果，最大混雑率が一定値を超えると，停車時間が急激に大きくなることが判明した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
今年度は，鉄道会社から，ほぼすべての列車に対する，号車ごと・駅間ごとの混雑率のデータの提供をうけることができ，研究を大きく進めることができた。また，コロナウィルスの収束にともない，打ち合わせを進めることもできた。
鉄道会社との打ち合わせにもとづき，データの可視化手法について，大きな進捗があった。
|
| 今後の研究の推進方策 |
今年度は，機械学習を適用する上でのデータの可視化に基づく予備的検討が主になったが，次年度は，今年度得た知見をもとに，機械学習のいくつかの手法を適用し，混雑率の予測アルゴリズムを確立する。
|
| 次年度使用額が生じた理由 |
コロナウィルスの影響により，予定した出張ができなかったため。次年度においては，国内での事業者との打ち合わせ，国外での研究成果公表のための学会発表等の旅費に使用する。
|
