直通運転の増加や、感染症拡大などの予想できない事態の進展によって、ダイヤの管理は複雑化を遂げています。これまでは人手で行っていましたが、人手不足などの影響もあり、業務を支援して効率化する技術が求められていました。運行最適化技術は、この問題を解決する技術です。詳細について研究者に話を聞きました。

AIで運行管理を支援

― 学運行最適化技術とは、一体どのようなものなのでしょうか？

鉄道においてですね運転整理っていうのがよくされていますというのは例えば事故が起きたりですね何か災害台風等の災害等が起きたときに、通常ではずっと運行してるわけですけども、まとめなくちゃいけない一定の区間だけ止めなくちゃいけないような場合があるとそういう場合に通れない区間は通れないでしょうがないんですけども、通れる間はできるだけ多くのお客さんを運びたいですとか、そういうニーズがあったりします。

あるいはその頃な最近急にお客さんの数がめちゃくちゃ減ったりして、そういう状況でも、今まで通り運行しているとリソースをすごい食うわけですよね例えば多くの列車を走らせながら列車を走らせなくちゃいけない。ガラガラ列車でも走るためには電気代もかかりますし、乗務員等も多くて走らなくちゃいけない。

そうなってくると非常に経営的にもその収入が入ってこないのにいっぱい列車を走らせなくてじゃないとそれを急にいろいろ変えられるかっていうとなかなか難しいですね運転計画っていうのは事前によくダイヤっていうとその列車のなんとか列車はどこ行き何時発でどこ行きなんで着陸みたいなのが計画されますけど。

実際にはその車両が動くだけではなくて乗務員がいないと動けないで乗務員の計画等いろいろやんなくちゃいけないわけですけど、また車両もいつでも潤沢に出せるかっていうと車庫にある分しか出せないわけですからなのでそういう大規模な計画問題を実はといって今まではその計画に沿って運行してるわけですけども、これをいろんな状況が変わるコロナが起きたりとか災害が起きたりとかそういうときに迅速に最適なものを立てられるか、計画を立てるかというと非常に難しい。

やっぱそれはその大規模な問題を解く方法がなかったからということになる。最近例えば囲碁でアルファ碁っていう囲碁AIプレイヤーが囲碁のプロのうちに勝つぐらいまでその性能が上がったということがあります。そういう中でね着後ってのはですねそもそも盤面の数が10の170乗個以上ある、要するに可能な局面の数っていうのが、なので囲碁で真面目に勝とうとするとものすごい膨大な今の盤面をから、将来どうどういうふうに展開していくかっていうのをすごい大量の数探索しないと勝てないかもしれないわけですねそういう大規模な実は計画問題なんでその一方で深層強化学習という技術を導入したことで、マクロ後に生かすことができたとそういう大規模な計画問題を生んようやく先になって得兆しが出てきたと。

シミュレーションとマニュアルを活用

― どのような仕組みで実現しているのでしょうか？

何か特別なって先ほどのルールを教えてそれと多分何か別の技術だとか、そういったものそうですねいろんな何か一つの何かすごい気になる技術があるというよりは、例えばいろんな多目的の最適化だから、それをもうちょっと間自動的に簡単にしてやる仕組みを作ってやったり、あるいはもうちょっと学習をそもそも効率化する高速化する方法を適用してやったりとか、個別の何だろうないろんな問題が実はあるんですね。

教科学習をやるっていっても、そのいわゆる目的関数というか報酬関数って言いますけど教科学習の場合は、その、その目的をどういうふうに設定すればいいかっていうのも課題ですし学習がそもそも遅いのをどうするかってのも課題ですし、ていう感じで。

うん、なんかちょっとうんいろいろんなもん出てきて、何ていうかその巨教科学習を南下し要するにあれば後囲碁に勝ったすごい強化学習のアルゴリズムがあるから、それをそのまま何かそのシミュレーターに繋げれば全部も問題が解決するってわけではないので、何か出てきた問題にいちいち都度対処していくみたいなことはやってます。

今、1メーターっていう話ありましたけれども、やっぱりそのこのときどうなるかっていうことをいろいろ試していきたい実際にその線路解像度が高く楽しめるようなコラボレーションする中で、同意できる。そうですね小田急さんのその線路の構造のデータっていうのをいただいて、その鉄道って閉塞っていう概念があって信号がいっぱい建ってますけどあの信号っていうのは1個のその区間の入り口に立ってるんですね。

1個の区間に列車が入ると、そこの後ろから見る信号ってのはすぐ赤になるんです。つまり、1個の区間には閉塞には1個の列車しか絶対に入れないような仕組みになっていてだから追突しないことになってるんですけど、それがすごい細かくいっぱいあるわけです。

例えば駅と駅の間でも都心部歩道やっぱりいっぱいです走らせたいで良い区間で1個の閉塞にしてしまうと、後続列車がもう入れなくなった要するに列車の間隔がその分延びちゃうんですね。なのですごい細かく区切られている。

それをその間瀬線路の設定情報を小田急さんから見せていただいて、我々それをそのまま再現するようなシミュレーターを作ってシミュレーターの仕組みっていうはい。そうですね。うん。それ結構エンジニアリング的なそうですねシミュレーター、そうですねやっぱり鉄道に特化して、あとやっぱり小田急さん以外にも使えないと困るっていうのがあるので、なるべくその日本の鉄道システムの一般的なものを再現するシミュレーターかつ精度が高いものを作ってきた。

あとその強化学習に房は適したある程度高速なシミュレーターを作っているということになります。そこにノウハウっていうのがNECからってそれが生きた方がいい。はなくてですね、私共もうゼロから作り始めたんですね。

人と協調し、支援するAIへ

― これからの展開を教えてください。

お客さんに迷惑をかけないっていう技術としてはいやない。先ほど申し上げた事象まで実際にできている。そうですね少なくともこの規模で実証実験やってますっていうプレスは出てないはずです。何か資料の中で東芝さんの多摩都市モノレールってのはちょっとちょっと規模が小さいと考えてます。

いや、別にあのようなキャラじゃないですけどもちろんはい。うん。そしたら今実証実験今後ですねまずやっぱり最終目標は既存の運行管理システムに接続して自動化、あるいは半自動化ですね要するにあと実際にはその列車っていつも遅れて動いてるのでどっかそれどっかしらの列車は多分1人遅れて動いているので、そういうシミュレーションするためには現在の列車の位置ってのはどこなのかっていうのを拾ってくる必要があってそれを起点にいろんな手配をしていくわけですよね、時間を進めている。

なので運行管理システムなりなんなりからまずはその列車の位置を自動的にシミュレーターに反映させてやって、何か事象が起きたらどの区間で動けなくなってるのかというのを入力してやると勝手にばあっと出てくるとそれが出てきたらあとは要するにどんなどの列車を何分派に発車させるとかそのダイヤと変えますよみたいなことが出てくるので、それを自動で反映させるか、指令の方が、確認した上で、採用通すと自動でその信号に反映させられたりとか、何か乗務員に通達がされたりとか、そういう指令の省力化自動化ただの自動化っていう言い方があんまりよくないんじゃないかっていう懸念もあってですねなので支援指令の支援ツールとしての導入を目指すということになります。

NECの最先端技術一覧へ戻る