AI 新技術讓火車排程更聰明！省時 50% 的「智慧排程法」
科技
04-21
當通勤列車抵達終點站時，往往需要轉換軌道才能調頭出發。傳統上，工程師會用「演演算法求解器」來規劃這些複雜的移動路線，但面對每週數千班次的進出站排程，傳統方法往往力不從心。
MIT 研究團隊最近開發出一套結合機器學習的創新系統，不僅能將求解時間縮短 54%，還能更精準達成排程目標（例如確保列車準點發車）。這項技術也能應用在醫院排班、航空組員調派或工廠機臺任務分配等複雜的物流問題。
傳統作法是將大問題拆解成多個重疊的子問題來個別求解，但重疊部分會導致大量重複運算。新方法透過 AI 自動識別哪些變數可以「凍結」不做重複計算，再由傳統求解器處理其餘部分，大幅提升效率。
「過去團隊可能要花數年設計單一組合問題的解法，」MIT 土木環境工程學系 Cathy Wu 教授解釋：「現在我們能用深度學習來加速演演算法設計，把已知有效的做法透過 AI 進一步最佳化。」
這項研究的靈感來自一位碩士生 Devin Camille Wilkins 在波士頓北站發現的實際問題：如何在有限的月臺空間快速排程大量列車。這類「彈性工作車間排程」問題若用傳統的「滾動時域最佳化」拆解，仍會因時段重疊產生效率瓶頸。
團隊開發的「學習導向滾動時域最佳化」(L-RHO) 技術，先透過傳統求解器產生訓練資料，讓 AI 學會預測哪些操作不需重新計算。實驗顯示，新方法不僅求解更快，在機器故障或車流壅塞等突發狀況下，表現也比專門設計的對照組優異 21%。
更厲害的是，當排程目標改變時，L-RHO 只需更新訓練資料就能自動調整演演算法。研究團隊下一步計劃探究 AI 選擇凍結變數的邏輯，並將技術擴充套件到庫存管理、車輛路線規劃等領域。
[end]
