Japan
サイト内の現在位置
交通業 AIによるデータ分析ユースケース
交通業のさまざまな業務で活用が進む「AI・データ活用」のユースケースをご紹介
交通業界を取り巻く課題
人々の生活を支える重要なインフラである交通業の経営の根幹である運輸事業は、少子高齢化に伴う人口減少により、過疎地域における公共交通の維持やインバウンドの増加に伴うオーバーツーリズム問題など、さまざまな社会課題を抱えています。そのため、コスト削減や収益の拡大への取り組みが必要不可欠となっています。
そのため、運賃の価格改定や運行スケジュールの見直し、駅の無人化、ワンマン・自動運転の拡大や保全業務の見直しなど根本的な構造改革に取り組み、コスト削減が必要不可欠になります。また、収益の拡大に向けて、沿線施設の需要喚起や観光需要拡大などの新たな需要の創出も欠かせません。これらの課題解決に有効なのが、デジタルトランスフォーメーション(DX)への取り組みです。
豊富なデータを活かし、交通業界の課題解決に挑む
交通業は移動に関する大量のデータを集めやすいという特色があります。輸送用機器や設備などの稼働ログや IoTデータはもちろん、交通系ICカードの普及により、利用者の個人データや移動データ、キャッシュレス決済の利用データなども収集できるようになりました。また、GPSデータ、MaaS Mobility as a Serviceのデータもあり、このように大量かつ多様なデータを所有している点は、交通業界ならではの大きなアドバンテージです。
そこで、AI・データ活用により、生産性の向上や業務改善、新たな需要を創出するユースケースをご紹介します。
交通業界におけるAI・データ活用のユースケース
①輸送用機器・設備の予知保全におけるコスト削減で収益力を向上
センサーなどのIoT機器から収集されたデータを用いて、稼働中の機械や設備に生じる不具合の予兆を把握し、事前のメンテナンスや部品交換を実施して故障を未然に防ぐ「CBM（Condition Based Maintenance：状態基準保全）」に取り組むことで、コスト削減が見込まれます。
課題
- 輸送機器や設備に故障が生じてからメンテナンスを行うBDM（事後保全）や機械の状態を考慮せずに一定期間ごとにメンテナンスを実施するTBM（時間基準保全）では、人件費や部品交換のコストがかかる
AI・データ活用後の姿
- AI・機械学習で不具合が起きやすい要因や基準となる閾値の定義することで、故障発生確率の予測が可能
- 不具合の予兆を事前に把握できるので、メンテナンス効率の向上とトラブルの発生確率を低減
②電力使用量の需要予測で追加コストを抑制
契約電力量内に収めるために、需要予測が有効です。各設備での電力消費が大きい要因と時期の予測がわかれば、さまざまな施策を打つことができるため、電力使用量の効果的なコスト削減につながります。
課題
- 法人では年間使用電力量が決まっており、上限を超えると割高の超過料金を支払う必要がある
- 使用電力の予測には設備の導入や天候・気温などの考慮事項が多く、複雑で難しい
AI・データ活用後の姿
- AI・機械学習で多様なデ―タをもとに、電力消費の要因探索と予測が可能
- データ分析で得られた知見をもとに、電力使用量の追加コストを抑制する対策を打つことが可能
③沿線施設・観光地への送客を強化して利用客増を実現
交通業界は、人々の生活を支えるインフラであるため、収益が見込めない路線であっても簡単に廃止・縮小はできません。沿線施設や観光地に送客できれば、交通機関の利用客数の増加はもちろん、施設や観光地での消費拡大、さらには沿線価値の向上にもつながります。
課題
- 通勤や通学などで使う駅しか利用しない沿線生活者が少なくない
- 収益が見込めない路線であっても、簡単に廃止・縮小はできない
AI・データ活用後の姿
- ICカードの個人データや移動データなどをAI・機械学習を用いて分析し、利用者の特徴や消費傾向を把握
- キャンペーンやイベント、クーポンなどの送客施策に落とし込み、沿線施設や観光地への送客・誘客を促進
④インバウンド客増加に伴う公共交通機関の最適化
交通業界が抱える課題にインバウンド客急増にともなうオーバーツーリズム問題があります。データ分析によりインバウンド客が急増している場所や施設、その要因に気づくことができれば、車両の運行計画や配車数の見直しなど交通機関の最適化を図ることが可能です。
課題
- 訪日客急増に伴う交通渋滞の激化し、地元住民の通勤や買い物など日常的な移動が困難
AIデータ活用後の姿
- 移動データや位置データ、MaaSアプリなどで得られたデータをもとにAI・機械学習により予測モデルを作成
- 訪日客が急増している場所やその要因把握と予測により、対策を立てる
AI・データ活用の障壁を突破するAI分析プラットフォーム「dotData」
「施設や車両の不具合を事前に予兆したい」「インバウンド客の増加によって生じる観光地の公共交通機関への影響を把握したい」「乗降客のデータを活用して多角的な経営に活かしたい」。消費者の価値観や行動の多様化により、複雑化した状況を的確にビジネスに反映するには、経験や勘ではなく、収集したデータをもとに意思決定や課題解決が必要です。
dotDataは、企業のデータ活用において、最も重要かつ難易度が高い「特徴量設計」を自動化するAI・データ分析プラットフォームです。企業の抱えるさまざまな課題に対して、dotDataはデータに隠された特徴量を自動的に探索し、人力では気が付かなかったインサイト（洞察）を導き出します。また、導出した特徴量と機械学習を組み合わせることで、高度な予測モデルを作成することも可能です。
データ分析において最も難易度が高い特徴量設計を自動化できるので、専門的なスキルを備えていない、現場の実務担当者でもデータが活用できるようになります。そのため、分析結果と現場業務とのギャップ解消や、AI・データ活用を扱う人材不足の課題解消も期待できます。
交通業 AIによるデータ分析ユースケース
交通業向け AI・データ活用ユースケース集
AI・データ活用によって課題解消を実現する交通業のユースケースを紹介するとともに、AI・データ活用を促進する方法を解説します。