ASTGCNに基づく混雑集中駅における列車の遅延予測の検討

カテゴリ：部門大会

論文No：PS10-2

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Attention-Based Spatio-Temporal Graph Convolutional Network for Train Delay Prediction at Congested Stations

著者名：北 陵汰（日本大学）,福田 卓海（日本大学）,高橋 聖（日本大学）,中村 英夫（日本大学）

著者名(英語)： Ryota Kita (College of Science and Technology, NIHON UNIVERSITY),Takumi Fukuda (College of Science and Technology, NIHON UNIVERSITY),sei Takahashi (College of Science and Technology, NIHON UNIVERSITY),Hideo Nakamura (College of Science and Technology, NIHON UNIVERSITY)

キーワード：電気鉄道,機械学習,遅延予測,注意機構,時空間データ,urban Railway,machine learning,delay prediction,attention mechanism,spatio-temporal data

要約(日本語)：首都圏の鉄道は、輸送需要の高さや過密なダイヤ編成により、日常的に遅延が発生している。特に朝夕のピーク時間帯には乗客が集中し、わずかな遅延が駅間や路線全体に波及しやすい構造となっている。なかでも混雑駅では、接続列車の遅れやホーム滞留の影響により、遅延が連鎖的に拡大する傾向が強く、輸送の安定性確保において大きな課題となっている。こうした状況を踏まえ、列車の遅延を事前に予測する技術は、運行管理の高度化やリアルタイムな情報提供の観点から極めて重要である。本研究では、時間的・空間的な遅延の伝播構造を捉えるために、Attention-Based Spatio-Temporal Graph Convolutional Network（ASTGCN）に基づく予測モデルを構築し、混雑集中駅における遅延発生の高精度な予測を目指す。

本誌掲載ページ：1714-1716p

原稿種別：日本語

PDFファイルサイズ：361Kバイト