AIRT AI-baserad Realtidsprognostisering av Trafikinformation

Projekt:

AIRT (AI-baserad Realtidsprognostisering av Trafikinformation)

Sammanfattning:
AIRT projektet etablerades för ta vidare den forskning från Projekt AI resultat och utveckla forskningsområden
för att främja järnvägssystemets trafikinformation. Detta med syfte att förbättra trafikinformation som man idag
operativt levererar till slutkund, våra resenärer inom järnvägssystemet. Forskningen planerades för att fokusera
på att skapa prediktioner av tidsåtgång för trafikstörande händelser, prediktioner av ankomsttid/avgångstid för tåg
till station , Vädrets påverkan på järnvägssystemet och Visualisering av data och 3D. Forskningen har gjorts tillsammans med akademi (LIU), näringsliv (ATEA) och offentligförvaltning (Trafikverket). Projektet startade med en
godkänd projekt specifikation 2020-05-01 och nådde slutet på utförande fasen 2022-12-31. Genom inkrementell
forsknings modell med stöd av olika metoder har vi utvecklat resultaten som presenteras i denna rapport. De framtagna prediktiva AI modellerna demonstreras ge en förbättrad prognostiserat jämfört med de prognoser som görs
idag. Prediktiva analyser hjälper här att avgöra vad som sannolikt händer i en framtid. Det visar potentialen att
i framtida samarbete med de operativa rollerna avsevärt förbättra kvaliteten på trafikinformation inom järnväg.
För Trafikstörandehändelser har den iterativa modell utvecklingen resulterat till i snitt ca 7 minuter (11%) bättre än manuella prognoser fig 3:15 som representerar den manuella förmågan till prognos. Det finns potential till
långsiktig förbättring och största steg framåt kan förmodligen göras genom att förbättra kvalitén av inputdata som
kommer från den operativa processen, exempelvis skapa, klassificera och stänga en trafikstörande händelse. Ett
annat problem är att det finns inte mycket data för flera av orsakskoderna. Tågs ankomst till station bygger på
maskingenererat data vilket är stabilare då det kommer från järnvägssystemets signalsystem för tåg passager och
den fastlagda tidtabellen. Det visar också att resultaten är mycket bättre i den prediktiva analysen. Forskningsområdet Vädrets påverkan i Järnvägs systemet har identifierat att antalet händelser öka vid definierat dåligt väder
som innefattar en mängd väder parametrars kombinationer. Inom fokusområdet Visualisering av Data och 3D har
en rapport skrivits och ett samarbete skapade vi en 3D värld med fokus på tågstäcka Stockholm - Göteborg med
visualisering av prognoser från Trafikstörande Händelser och tågs ankomst och avgång från station. Det har varit
fantastisk att i detta forskning projektet sett resultat växa fram som kan komma att betyda en hel verksamhetsförändring som kommer både våra operativa delar och resenärerna till nytta för en utvecklad trafikinformations
tjänst

Länk till publikation i fulltext (pdf-fil, 24 546,8 kB. Öppnas i nytt fönster)

Författare: Daniel Jakobsson, Peter Lenaers, Henrik Runeskog, Katarina Elevant, Mattias Tiger, Daniel Jönsson
Utgivare: Daniel Jakobsson Evd
Utgivningsdatum: 2023-03-09
Diarienummer: TRV 2020/5711
Antal sidor: 68
Språk: Svenska
Kontaktperson: Daniel Jakobsson, IKTea och Thomas Ludvigsson, IKTivv
Beställ från: DIVA