東武鉄道の特急需要を機械学習で予測、車両増結で600名超の利用を生んだ実証実験

列車ごとの需要を30分単位で出すという粒度の設定が、この取り組みの起点になっています。運行計画で問われるのは「来月の利用者が何人か」ではなく「どの列車を何両にするか」であり、日単位や路線単位の予測では判断材料になりません。1日50〜60本という対象の取り方も、実際のダイヤの構造にそのまま重なります。予測を分析結果として示すのではなく、現場が手を動かせる単位に合わせて出した設計こそが、そのまま判断に使える情報へと変えた要因ではないでしょうか。

予測の対象期間を2〜14週間先に置いた点にも、同じ発想が働いています。増便や増結は運行日の一定期間前に決めておく必要があるため、直前になってから精度の高い数字が出ても使いどころがありません。精度を抽象的に追うのではなく、判断が必要になる時点で実用に足る水準へ到達することを要件に据えた割り切りが、この実証実験を実運用の検証として成立させています。

天候・気温、感染症の重症者数、地域イベントといった外部データを社内の発売実績と組み合わせるやり方は、社内データだけでは説明のつかない変動要因を外側から補う手立てです。観光利用の比重が大きい特急では、天気や催しの有無が乗る・乗らないの分かれ目になりやすく、その関係を機械学習に学ばせる余地が大きい領域だといえます。どの外部データをどのアルゴリズムで扱うかという問いに東武鉄道側が答えを持てずにいたところを、DATAFLUCTが予測モデルの構築役として引き受け、鉄道側は運行計画への反映を担うという分業が組まれました。