渋滞長を予測する時空間ＡＩ「ＱＴＮＮ」を開発

交通渋滞は、私たちに日々のストレスを与えるだけでなく、日本国内に年間約１０兆円の損失をもたらし、さらには温室効果ガス排出量にも影響を及ぼす深刻な問題となっています。この問題を解決すべく、渋滞がいつ・どこで発生するかを予測するＡＩに世界中から注目が集まっています。京都大学 大学院情報学研究科 竹内 孝 助教、鹿島 久嗣 教授、住友電工システムソリューション株式会社のグループは、これから起きる渋滞の場所と長さを予測する新たな時空間ＡＩ技術「ＱＴＮＮ」（Ｑｕｅｕｅｉｎｇ－Ｔｈｅｏｒｙ－ｂａｓｅｄ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を開発しました。

ＱＴＮＮ最大の特徴は、交通工学の知見に基づいて、混雑の変化と道路網の関係を学習する機能です。警視庁から提供されたデータを用いた、東京都内１０９８箇所の道路における「１時間先の渋滞長を予測する実験」で、ＱＴＮＮは平均して誤差４０メートル以下という高精度な予測を達成しました。この結果は、現時点で最先端とされる深層学習手法よりも予測誤差を１２．６パーセントも削減することに成功しています。今後は、実環境での本格的な運用に向けて、一部の道路において評価試験を実施し、本ＡＩ技術の信頼性の検証を進める予定です。

本成果は、アメリカ西部夏時間２０２３年８月６日にＡＩ分野（機械学習とデータマイニング）の国際会議「Ｔｈｅ ２９ｔｈ ＡＣＭ ＳＩＧＫＤＤ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ａｎｄ Ｄａｔａ Ｍｉｎｉｎｇ」にて発表されます。