2023 제1회 철도 인공지능 경진대회

🚩 대회 정보

• 주제 : 열차의 주행 안정성 진단에 사용되는 ‘탈선계수’를 보다 높은 정확도로 예측할 수 있는 인공지능 모델 개발
• 기간 : 23.08.01 ~ 23.09.21
• 팀명 : 한국철도999 (총 4명)
• 결과 : 5위 / 68팀 (78.681525점)
• 수상 : 장려상🥉

📑 데이터

📁 dataset.zip
 ├--- 📁 data_c                     --- 곡선(curve) 선로 주행 데이터
 ├--- 📁 data_s                     --- 직선(straight) 선로 주행 데이터
 ├--- 📁 data_columns               --- 선로 주행 데이터 컬럼 설명
 ├--- 📁 lane_data                  --- 선로 센서 데이터
 ├--- 📁 lane_data_columns          --- 선로 센서 데이터 컬럼 설명
 └--- 📃 answer_sample.csv          --- 정답 양식 파일

• data_c: 곡선 선로를 주행할 때 기차의 센서 데이터입니다. 'yaw damper'에 따라 30, 40, 50, 70, 100, 5개의 데이터로 구성됩니다.
• data_s: 직선 선로를 주행할 때 기차의 센서 데이터입니다. 'yaw damper'에 따라 30, 40, 50, 70, 100, 5개의 데이터로 구성됩니다.
• data_columns: data_c, data_s의 컬럼에 대한 설명 데이터입니다.
• lane_data: 주행한 선로의 데이터입니다. 직선 선로, 곡선 선로로 나뉘어 있습니다.
• lane_data_columns: 선로 데이터 칼럼에 대한 설명 데이터입니다.
• answer_sample: 각 데이터의 탈선 계수 예측값을 입력하는 양식입니다.

📈 AI 모델링

1. 사용 모델

2. 고려 사항

주제	내용
예측 모델 분리 여부	곡선 선로 모델, 직선 선로 모델 2개의 모델 제작
변수 추가	yaw damper, 가속도, 수직하중, 편향력 관련 변수 생성
validation split	10000개 중 500개 행
CNN 학습 범위	3m, 5m, 7m(선정), 10m
activation	relu, swish, selu(선정)
optimizer	SGD, Adam, Nadam(선정)

💻 기술 스택

언어

라이브러리

프로그래밍 인터페이스