2026-09-01 JR西日本
JR西日本とTRAILBLAZERは、幹線鉄道の需要予測業務にAI・データ分析技術を導入し、機械学習モデルを用いた需要予測手法を構築した。業務担当者が蓄積してきた鉄道輸送の知見と機械学習を組み合わせ、臨時列車の設定判断への適用可能性を評価した点が特徴である。需要動向をより精度高く把握することで、輸送計画や列車設定業務の高度化、安全性・利便性の向上につなげることを目指す。研究成果は2026年度人工知能学会全国大会で発表された。AIによる予測を実際の鉄道業務に組み込み、輸送サービスの意思決定を高度化する実装型の取り組みとして位置付けられる。
＜関連情報＞
- https://www.westjr.co.jp/press/article/2026/09/01/page_30969.html
- https://pub.confit.atlas.jp/ja/event/jsai2026/presentation/4N5-GS-10g-03
機械学習モデルを用いた幹線鉄道の需要予測手法の構築と臨時列車設定判断への適用評価
丸石 理起、繁田 智弘、高木 要、但馬 智之、笛田 薫
2026年度人口知能学会全国大会（第40回）
本研究では, 勾配ブースティング決定木 (GBDT) を用いて, 西日本旅客鉄道株式会社の代表線区における優等列車の需要予測手法を構築し, 当該線区に適した特徴量と分析条件を整理した. 特徴量には, 予約推移, 過去の需要実績, 曜日配列を含むカレンダー要素, 列車の運行情報等を用いた. 予測時点で未観測となる将来の予約推移データは, GBDTの補助モデルで推定することにより予測精度の向上を図った. さらに, 構築したモデルを用いて臨時列車追加の要否判断を想定した評価を行い, その適用可能性を検討した. 本研究で設定した条件下において, 提案モデルは80%の判断一致率を示した. 需給調整の適切性の評価では, モデルに基づく臨時列車設定により一定の日数において需要充足に寄与した可能性が示された. これにより, 本研究の条件下では需要想定モデル適用の有用性が確認された. 今後は, 繁忙期における精度向上および中長期的な需要予測への拡張に向けた検証を進める. 本研究の特徴は, 未観測の予約推移の補完を含む需要予測モデルを構築し, 運用想定上の判断プロセスを踏まえた評価手法を検討した点にある.
