機械学習で持続可能な交通の利用を促進

機械学習は、データからパターンを学び、分類や予測に利用するAIの一分野です。交通分野では、持続可能な移動手段の計画や利用促進を支援する用途が研究されています。効果はデータの質や目的に応じた設計によって変わります。

機械学習アルゴリズム

機械学習には人工ニューラルネットワーク、決定木、サポートベクターマシンなど多くの手法があります。用途やデータに応じて適切な方法を選ぶ必要があります。
Netflix (NFLX )のおすすめ、SNSの表示、企業のチャットボット、自動運転などにも機械学習が使われます。ただし、すべてのシステムが高速、低コスト、高精度とは限りません。交通計画への応用でも費用と性能を検証する必要があります。

持続可能な交通の目標

大気汚染や環境問題への関心が高まる中、より持続可能な交通手段への需要が増えています。電気自動車、自転車、公共交通など選択肢はさまざまです。環境負荷は車両だけでなく、電力供給や製造、移動方法全体によって異なります。

出典：MarketWatch — 米国における持続可能な交通手段の利用率

重要な変化が必要

都市の交通渋滞は、移動の不便さと環境負荷を生みます。機械学習は交通の分析や計画に役立つ可能性がありますが、化石燃料への依存を減らすにはインフラ、政策、利用者の行動なども重要です。
持続可能な交通を支えるモデルには多様な要因を組み込む必要があります。自動運転車の省エネルギー化だけでなく、徒歩、自転車、公共交通などを選びやすい都市づくりも対象になります。

環境に配慮した移動の推進

多くの都市で自転車道や専用レーンの整備が進んでいます。適切な設計は安全性や健康、地域の活動を支える可能性がありますが、効果は配置、接続性、利用しやすさなどによって変わります。
トロントなどでは、市内をつなぐ自転車レーンや経路が整備されています。利用促進や安全性の改善を目指した取り組みですが、事故や電動自転車利用への影響は地域や期間ごとのデータで評価する必要があります。

機械学習が支援できる都市計画の課題

都市計画では、必要なインフラ情報が不足することがあります。自転車レーンを設ける際も、道路交通や地域の移動への影響を調べる必要があります。孤立した経路を増やすだけでなく、使いやすくつながったネットワークを設計することが重要です。
機械学習は大量のデータを都市の配置などと組み合わせ、需要や交通への影響を推定するのに役立ちます。類似地域のデータやシミュレーションを使う場合も、地域差と予測の不確実性を考慮する必要があります。経路が物理的に収まるかだけでなく、重要な目的地へのアクセスも検討します。

全体の便益と公平性

ある研究では、市全体の総便益、地域単位の総便益、公平性を重視する3種類の自転車ネットワーク計画を比較しました。ある地域の整備が別の地域にも便益をもたらすため、計画は単純ではありません。この研究自体を機械学習システムと同一視することはできませんが、将来のモデル設計に有用な視点を提供します。

持続可能な交通へのインセンティブ不足

機械学習は、持続可能な交通手段を使う動機や障壁の分析にも役立つ可能性があります。EVの普及には、燃料価格に加えて車両価格、充電環境、政策など多くの要因が関わります。

インフラ投資の優先順位を定量的に検討する方法は以前から存在します。近年は、機械学習による分析とブロックチェーンを使った報酬制度を組み合わせ、持続可能な移動を促す構想も検討されています。

ブロックチェーンは活動記録やトークン報酬の管理に使えますが、それだけで大量データのリアルタイム処理や記録の正確性が保証されるわけではありません。歩数や自転車での移動に報酬を与えるMove-to-Earn型アプリでも、活動の検証や不正防止、報酬の持続性が課題です。

AIは持続可能な交通の計画をどう支援するか

機械学習は、過去のデータと現在の情報を組み合わせて予測を支援します。都市計画担当者は結果を使って交通手段の配置や運用を検討し、案を比較できます。モデルが建設や政策判断を自動的に代行するわけではありません。
交通流の予測には、履歴、環境、土地利用などの情報を利用できます。予測の精度はデータとモデルに左右されるため、実際の利用状況と照合しながら見直す必要があります。

経路の選択肢を増やすと利用は進むか

便利で安全な経路を増やせば、徒歩や自転車などの利用を後押しできる可能性があります。健康、騒音、燃料への依存などへの効果は移動手段や地域によって異なります。機械学習は所要時間や主要な目的地へのアクセスを考慮した経路の検討にも役立ちます。

充電インフラ

機械学習はEV充電設備の配置計画を支援できます。需要や移動経路、電力網の制約を分析し、利用しやすい場所を検討する方法です。設備の不足する地域では、投資と運用計画も重要になります。

充電の制御や需要予測にも機械学習を利用できます。ただし、充電速度を上げながら常に電池寿命も延ばせるわけではありません。電池の仕様、温度、安全性、劣化の関係を考慮する必要があります。

大気汚染の削減

大気汚染は健康に影響し、交通量の多い道路沿いでは汚染物質への曝露が問題になります。中国のEV普及にも環境政策が関わっていますが、それだけで市場の成長を説明することはできません。

バッテリーEVは走行時に排気管から汚染物質を出しません。ただし、発電や製造、タイヤなどに由来する環境負荷は残ります。EVの割合が増えたときの大気質の改善は、単純に比例するとは限りません。

EVコミュニティへの支援

機械学習を使うチャットボットなどは、購入時や利用中の問い合わせ対応に活用されています。電動スクーターなどの利用者同士をつなぐ情報サービスも考えられますが、情報の正確性や個人情報の扱いに配慮が必要です。

持続可能な交通の利用促進に関わる企業

電気自動車から電動自転車まで、多くのメーカーが製品を展開しています。こうした企業が機械学習を活用する余地はありますが、採用による売上増が保証されるわけではありません。

Vista Outdoor

Vista Outdoorは2015年に独立企業として発足した米国のアウトドア用品企業です。複数のブランドを傘下に持ち、2021年には電動自転車ブランドQuietKatを買収しました。

QuietKatはオフロード用途の電動自転車を展開しています。記事で扱うモデルには750～1,000W級のモーターがあり、仕様は製品によって異なります。VPO技術は出力区分を切り替えるための機能で、単にペダルを監視して補助を加える機能という説明は正確ではありません。

パンデミック期以降、電動自転車の需要やアウトドア市場は変化しました。ただし、旅行制限がQuietKatに巨額の損失をもたらしたことや、その後の需要増がVista Outdoorの業績を直接押し上げたことは、ここで示された情報だけでは確認できません。

2024年10月、Vista Outdoorは事業を分ける2件の取引を発表し、その合計企業価値は負債を含め約33億5,000万ドルとされました。これは1件の売却がすでに完了したという意味ではありません。記事にある時価総額約25億8,000万ドルは別の指標であり、取引価値と同一ではありません。こうした発表だけでVSTOが買いだと判断することはできず、再編条件と事業リスクの確認が必要です。

持続可能な交通の新時代

持続可能な交通を広げるには、都市計画担当者、メーカー、利用者が協力し、使いやすい選択肢を整える必要があります。機械学習はその分析と運用を支援できますが、安全性や環境改善の成果は実際の導入と検証にかかっています。
ほかのAIプロジェクトについてもご覧ください。