文献

J-GLOBAL ID：202202296344088699   整理番号：22A0422208

鉄道軌道の乗心地品質に対する種々の軌道パラメータの影響を定量化するためのFleld測定と機械学習の組合せ手順【JST・京大機械翻訳】

Procedure for combining fleld measurements and machine learning to quantify impact of different track parameters on ride quality of railway tracks

著者 (3件)： Roghani Alireza (National Research Council Canada Automotive and Surface Transportation Research Centre, Ottawa, Canada) ,  Pall Raman (National Research Council Canada Digital Technology Research Centre, Ottawa, Canada) ,  Toma Elton (National Research Council Canada Automotive and Surface Transportation Research Centre, Ottawa, Canada)
資料名： Proceedings of the Institution of Mechanical Engineers. Part F. Journal of Rail and Rapid Transit  (Proceedings of the Institution of Mechanical Engineers. Part F. Journal of Rail and Rapid Transit)
巻： 236  号： 1  ページ： 58-69  発行年： 2022年 
JST資料番号： T0790A  ISSN： 0954-4097  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 振動の面でのライド品質は,乗客の満足に影響する基本的因子である。毎年,乗客キャリアは,鉄道品質を改善するために,トラックとインフラストラクチャを含む,それらのシステムの様々な側面において,著しく投資する。乗り品質の評価と,その大きさに対する異なるパラメータの影響の程度の理解は,鉄道オペレータにとって,資本支出に関するインフォームド決定を行うのに不可欠である。本論文では,様々なパラメータ(列車速度,気象条件,トラック特徴の存在,および鉄道車両に搭載された加速度計からの測定を用いて定量化された)の間の相関関係を見つけるために,機械学習技術を用いるための方法論を提示した。カナダのVIA Railのトラックの50km断面にわたって収集した現場測定を用いて統計モデルを開発した。本論文では,収集したフィールドデータ,統計モデルの開発,およびモデルの精度に関する各パラメータの重要性を論じた。Copyright IMechE 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 回帰分析 ,  設備投資 ,  鉄道車両 ,  オペレータ ,  *鉄道軌道 ,  *乗り心地 ,  加速度計 ,  カナダ ,  気象条件 ,  統計模型 ,  乗客 ,  インフラストラクチャー ,  *機械学習
準シソーラス用語： 現場測定 ,  列車速度 , 【Automatic Indexing@JST】

著者キーワード (6件)： ライド品質 ,  列車速度 ,  トラックの特徴 ,  機械学習 ,  統計モデル ,  回帰分析

分類 (2件)： 鉄道車両・鉄道車両工業一般  (QH01000S) ,  輸送と業務  (TC01030N)

タイトルに関連する用語 (8件)： 鉄道軌道 ,  乗心地 ,  軌道 ,  パラメータ ,  定量化 ,  機械学習 ,  組合せ ,  手順