鉄道用テレメータシステムにおける機械学習を用いた踏切遮断桿破損の検出

カテゴリ: 研究会(論文単位)

論文No: IIC21007

グループ名: 【D】産業応用部門 産業計測制御研究会

発行日: 2021/03/13

タイトル(英語): A Crossing-gate Rod Breakage Detection Based on Machine Learning in a Railway-telemeter System

著者名: 田上 裕也(近畿大学),柏尾 知明(近畿大学),三﨑 友樹(四国旅客鉄道),安藤 公志(四国旅客鉄道),田中 大介(新居浜工業高等専門学校),池田 建司(徳島大学)

著者名(英語): Hiroya Tanoue(Kindai University),Tomoaki Kashiwao(Kindai University),Yuki Misaki(Shikoku Railway Company),Takashi Ando(Shikoku Railway Company),Daisuke Tanaka(National Institute of Technology, Niihama College),Kenji Ikeda(Tokushima University)

キーワード: テレメータ―システム|ビッグデータ|機械学習|状態基準保全|Telemeter system|Big data|Machine learning|Condition based maintenance

要約(日本語): 現在，四国旅客鉄道（JR四国）が開発しているテレメータシステムは，四国地方の鉄道網の各地で測定された各種設備の電流，電圧，リレー信号などのデータをリアルタイムで収集することができる．本研究では，テレメータシステムで収集したビッグデータから，機械学習を用いて踏切の遮断桿破損の検出を行う．代表的な機械学習手法であるランダムフォレストとサポートベクターマシンを用いて，ビッグデータを遮断桿の破損状態に応じた正常状態と異常状態に分類する．

要約(英語): The telemeter system which Shikoku Railway Company (JR Shikoku) has been installing can collect real-time big data such as current, voltage, and relay signal of facilities, which are measured in remote places of a railway network of Shikoku Area. In this study, breakage of a crossing-gate rod is detected from the big data using machine learning techniques. We apply the representative machine learning techniques which are random forest (RF) and support vector machine (SVM) for classifying the big data into two types of normal and abnormal conditions according to the breakage conditions of the crossing-gate rods.

本誌: 2021年3月16日産業計測制御研究会

本誌掲載ページ: 19-22 p

原稿種別: 日本語

PDFファイルサイズ: 1,201 Kバイト