FI-TW: An Open Train-Weather Dataset for Railway Delay Analysis in Finland

ロードトリップにどれくらいの時間がかかるかを予測しようとしている場面を想像してみてください。距離、制限速度、車の状態はわかっています。では、もし天気をチェックし忘れていたらどうなるでしょうか？科学の世界において、これは「地図を見る」ことと、「地図に加えてライブのストームレーダー（嵐のレーダー）を見る」ことの違いに相当します。この論文は、データサイエンス（コンピュータを使って膨大な数字の山からパターンを見つけ出すこと）と、交通工学（列車をスムーズに運行させること）の交差点に位置しています。核心となるアイデアは単純です。列車はただ線路の上を走るのではなく、空気の中を走っており、その空気は変化するということです。空気が穏やかなこともあれば、吹雪になることもあります。長い間、列車の遅延を研究する科学者たちは、2つの別々のノートを持っていました。一つは列車のダイヤに関するもので、もう一つは気象レポートに関するものです。彼らはこれらを一緒に見ることは滅多にありませんでした。なぜなら、列車がなぜ遅れているのかを知りたいのであれば、それが雪に埋まっているのか、それとも単に信号待ちをしているのかを知る必要があるからです。この論文の著者たちは、これら2つのノートを糊で貼り合わせ、天気が遅延の背後に潜む「秘密の悪役」ではないかを確認することに決めたのです。

フィンランドの研究者たちは、FI-TW（フィンランド統合列車・気象データ）と呼ばれる、巨大な新しいデジタルライブラリを構築しました。これは、巨大な7年間にわたる日記のようなものです。そこには、すべての長距離列車が何を行っていたかと、その瞬間に近くの気象観測所が風、雪、気温をどのように測定していたかが、全く同じタイミングで記録されています。彼らは単に推測したわけではありません。フィンランドの鉄道システムとフィンランド気象研究所から実際のデータを取得し、それらをパッチワークキルトのように縫い合わせたのです。

彼らが発見したこと、そしてどのように行ったのかという物語は以下の通りです：

偉大なるデータの縫い合わせ
フィンランドは、海岸線から北極圏へと伸びる、細長い国です。約5,915キロメートルの鉄道網を持ち、年間9,000万回以上の旅客輸送が行われています。ここでの天気は決して冗談では済みません。穏やかな夏の日のように変化することもあれば、金属製のドアが凍りついて閉まらなくなるような、骨身に凍えるマイナス40度の冬の夜になることもあります。この天気が列車にどのように影響するかを理解するために、チームは2つの巨大なデータセットを手に取りました。第一に、すべての列車のスケジュール、実際の到着時刻、および何分遅れたかを追跡している「列車のダイアリー」であるDigitrafficサービスからデータを取得しました。第二に、国内に点在する209の気象観測所からの「天気のダイアリー」を手に取りました。

難しいのは、それらを一致させることでした。列車は移動しますが、気象観測所は静止しています。これを解決するために、チームはハバサイン距離（地球のような球体における2点間の最短距離を計算する、少し凝った方法です）という数学的ツールを使用し、列車が行ったすべての停車地点に最も近い気象観測所を見つけ出しました。もし最も近い観測所に特定の測定値（例えば積雪量など）がない場合は、バックアッププランを用意していました。つまり、半径50キロメートル以内にある次の最寄りの観測所を探すという方法です。これは、もし地元のパン屋にシナモンロールがなかったとしても、諦めるのではなく、通り沿いの別のパン屋をチェックするようなものです。この「ラジアル・フォールバック（半径方向の代替策）」戦略により、一つのセンサーにパズルのピースが欠けていたとしても、データを失うことなく確実にすることができました。

結果：冬こそがヴィラン（悪役）である
この膨大なデータセット（約3,850万件の観測データと138の異なる特徴量を含む）を手に入れた後、彼らはパターンを探し始めました。その結果は、冬の日の出のように明白でした。列車は冬に遅れる可能性が非常に高いことがわかりました。12月、1月、2月の寒い月には、遅延率は**25%を超えます。夏には20%**を下回ります。

彼らはまた、遅延が均等に発生しているわけではないことにも気づきました。遅延は、天候が最も過酷なフィンランドの中部および北部で集中する傾向があります。チームは、コンピュータがこれらの危険な状況を即座に認識できるように、「吹雪」や「ブラックアイス（路面凍結）」といった特別な「気象シナリオ」フラグを作成しました。

テスト：未来を予測できるか？
この新しいデータセットが実際に役立つかどうかを確認するために、著者たちは簡単なテストを行いました。彼らはXGBoost（パターンの発見に非常に優れた機械学習の一種）と呼ばれるコンピュータモデルを使用し、オウル（Oulu）の特定の駅における列車の遅延を予測しました。彼らは、列車のスケジュール、時刻、そして天気を考慮するようにモデルを学習させました。

結果はどうだったでしょうか？モデルは平均誤差わずか2.73分で遅延を予測することができました。これはかなり素晴らしいことです！これは、列車スケジュールと天気予報の両方をコンピュータに与えれば、スケジュールのみを持っている場合よりも、遅延をはるかに上手く把握できることを示唆しています。このモデルは、旅の途中で積み重なってきた遅延ではなく、その「特定の駅」で発生した遅延を予測することに特に優れていました。

これが何を意味するか
この論文は、列車の遅延問題を永遠に解決したと主張しているわけではありません。これは、研究者に強力な懐中電灯を手渡すようなものです。これまでは、北極圏における天気が列車にどのように影響するかを研究することは、パズルのピースが半分欠けている状態で解こうとするようなものでした。しかし今、FI-TWデータセットによって、科学者たちはすべてのピースを手にしています。彼らはこのデータを使用して、より優れた予測システムを構築したり、鉄道会社が吹雪に備えて計画を立てたり、どの線路区間が天候に対して最も脆弱であるかを判断したりすることができます。

著者たちは、これはまだ始まりに過ぎないということに注意を払っています。彼らはデータセットを構築し、それが機能することを示しましたが、究極の「完璧な」予測システムを構築したわけではありません。それは次世代の科学者たちの役割です。しかし、天気と列車のデータは同じ部屋に属しているのだということを示すことで、彼らは、北極の風が吹き荒れている時でも、列車を定刻通りに走らせるためのより良いチャンスを皆に提供したのです。