渋滞長を予測する時空間AI「QTNN」を開発 ~東京都の1時間先の渋滞長予測で誤差40メートル以下を達成~

ad

2023-08-07 京都大学,住友電工システムソリューション株式会社,科学技術振興機構

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。

本研究の一部は、科学技術振興機構(JST) 戦略的創造研究推進事業 さきがけ「信頼されるAI領域(JPMJPR20C5)」の支援を受けたものです。また、東京都の構造改革の取り組み「シン・トセイ」において、警視庁による「AIとビッグデータを活用した交通管制システムの高度化プロジェクト」(https://shintosei.metro.tokyo.lg.jp/leading-project/leading-project-08/)に関連する研究として実施されました。

<プレスリリース資料>
  • 本文 PDF(1.74MB)
<論文タイトル>
“QTNet:Theory-based Queue Length Prediction for Urban Traffic”
DOI:10.1145/3580305.3599890
<お問い合わせ先>

<研究に関すること>
竹内 孝(タケウチ コウ)
京都大学 大学院情報学研究科 助教

<JST事業に関すること>
前田 さち子(マエダ サチコ)
科学技術振興機構 戦略研究推進部 ICTグループ

<報道担当>
京都大学 渉外部 広報課 国際広報室
住友電工システムソリューション株式会社 総務部 広報課
科学技術振興機構 広報課

1600情報工学一般
ad
ad
Follow
ad
タイトルとURLをコピーしました