Train dispatcher

SINTEF Optimization har de siste ti årene vært ledende i utviklingen av AI-teknologier som skal omforme jernbanens fremtid. Vi har samarbeidet med flere industrielle partnere og akademiske organisasjoner for å optimalisere jernbanedriften ved å kombinere state-of-the-art matematisk modellering og maskinlæringsteknikker. Dette prosjektet representerer det første skrittet mot kommersialisering av et intelligent og automatisk beslutningsstøttesystem for sanntids togdrift, som gjør kontinuerlige, optimale justeringer av togplaner som svar på trafikkforstyrrelser. Sammenlignet med eksisterende manuelle prosedyrer kan dette systemet øke nettverksutnyttelsen betydelig, samtidig som det forbedrer punktligheten, med estimerte samfunnsbesparelser på millioner av dollar per år for Norge alene. Hovedutfordringen for å oppnå optimal jernbanedrift er beregningskompleksiteten som oppstår av den underliggende beslutningsprosessens kombinatoriske karakter. Å finne riktig sekvens av tog innenfor en stasjon for å overhold alle begrensninger og samtidig minimere forsinkelser, kan være komplisert. Dertil vil beslutninger tatt for en stasjon kunne påvirke mange andre stasjoner, og skape en kaskadeeffekt som fører til et eksponentielt antall mulige løsninger. Som i et sjakkspill kan man umulig utforske alle løsninger for å finne den beste. I stedet kombinerer vi forskjellige AI-metoder for å utforske bare de mest lovende. Dette lar oss finne nær optimale løsninger i sanntid (dvs. innen noen få sekunder). Innenfor dette prosjektet jobber vi sammen med SINTEF TTO for å identifisere forretningsmuligheter og go-to-market strategier. Vi etablerer også et samarbeid med en verdensledende leverandør av systemer for togledelse for å validere teknologien vår på virkelige scenarier.