地下交通基盤施設監視用多変量時間シリーズモデリング

シンガポール地下鉄は毎日数百万人の乗客を運んでおり、その信頼性は舞台裏の維持管理に左右されています。線路の状態は時間とともに劣化しますが、従来の点検は人手による現地巡視に依存しており、労働集約的かつ受動的です。ネットワーク規模が大きく、毎晩の保守時間帯は限定されています。

NTU は LTA および SBS Transit と協力し、AI を用いて保守を予測的なものへ転換しています。システムは線路周辺にカスタマイズされたスマートセンサーを装備し、振動パターンと音響信号を継続的に収集します。AI は、ファスナーの緩み、車輪フランジの磨耗、線路欠陥の初期兆候を識別し、潜在的な故障を予測します。データは 4G/5G を通じてリアルタイムで送信・分析され、保守チームは故障がサービス中断を招く前に対応することができます。チームはこのシステムをさらに多くの MRT 区間に拡大する計画です。

字幕言語： ja · 取得日： 2026-05-02

[音楽] シンガポール地下鉄システムは毎日数百万人の乗客にサービスを提供し、輸送の円滑性と安全性を確保しています。しかし、その信頼性を保証する舞台裏の保守作業はどのように行われているのでしょうか。レールの状態は時間とともに悪化し、安全性と効率性のリスクをもたらします。従来の検査方法は労働集約的で受動的な性質を持っています。主な課題には、広大なネットワークの管理、毎晩の限定的なメンテナンスタイムウィンドウ、および現地検査プロトコルへの高い依存性が含まれます。南洋理工大学は陸路交通局およびSPS Transitと協力して、人工知能技術を活用したレール監視の革新に取り組んでいます。人工知能は保守を定期的な計画から予測的アプローチへ転換することにより、実際のインフラストラクチャ監視能力を強化しました。

人工知能は毎日、レール状態に関する洞察を提供し、緩んだファスナー、フランジ磨耗、レール欠陥などの異常を早期に検出することができます。この人工知能モデルは、レールインフラストラクチャの周囲に設置されたカスタム知能センサーシステムによって収集されたデータの継続的な分析を通じて機能します。振動パターンおよび音響信号などのリアルタイム入力を処理して、輪軌欠陥の初期兆候を検出します。機械学習アルゴリズムを活用して、モデルはパターンを識別し、潜在的な障害を予測し、能動的保守を促進します。この人工知能ソリューションは、シンガポール地下鉄システムに広く展開され、レール欠陥のリアルタイム検出を実現することが期待されています。4Gおよび5G接続を活用して、データはリアルタイムで転送され、分析のために処理されます。これにより、タイムリーな介入が可能になります。

この技術は運営効率と安全性の向上を通じて、シンガポールの計算機体験を強化しています。早期異常検出は、問題がサービス中断につながる前に潜在的なリスクと問題を識別するのに役立ち、乗客の旅がより円滑で信頼できるものであることを確保します。我々はシステムのスキャンを期待しており、そのデプロイメント範囲を拡大してシンガポール地下鉄ネットワークのより多くの領域をカバーして、交通システム全体の効率と安全性をさらに向上させることを望んでいます。人工知能駆動のレール監視を活用して、我々はより賢く、より安全で、より効率的な交通の未来を形成しています。南洋理工大学のイノベーションは、毎日数百万人のシームレスな移動を確保しています。