【本学研究者情報】

〇材料科学高等研究所　数理科学オープンイノベーションセンター　教授　安東弘泰
研究室ウェブサイト

【発表のポイント】

• 道路交通の複雑な流れそのものを計算資源として利用する新しいAI手法、環境物理リザバーコンピューティング（Harvested Reservoir Computing, HRC）を提案しました。
• 1/27スケールの自律走行ミニチュアカーによる交通実験と道路交通網シミュレーションにより、渋滞が始まる「直前」の状態で予測性能が最大になることを明らかにしました。
• 新規の専用ハードウェアを用いず、既存の交通観測データを再利用するだけで高精度な交通予測や信号制御に応用できる可能性を示し、省エネルギーなAI基盤技術への発展が期待されます。

【概要】

近年、交通予測や需要予測などに機械学習?深層学習が広く使われていますが、その計算には大量の電力と高性能計算機が必要であることから、リザバーコンピューティング（RC）^（注1）や、それを実世界の物理系に拡張した物理リザバーコンピューティング（PRC）^（注2）が注目されています。

東北大学材料科学高等研究所（WPI-AIMR）の安東弘泰教授らの研究チームは、現実世界の複雑なダイナミクスをそのまま計算に利用する新しい機械学習フレームワーク環境物理リザバーコンピューティング（Harvested Reservoir Computing, HRC）を提案し、その実証例として道路交通流を用いた道路交通リザバーコンピューティング（Road Traffic Reservoir Computing, RTRC）^（注3）の計算性能を系統的に評価しました。

1/27スケールの自律走行ミニチュアカーが走行するジオラマ交通実験と、格子状道路網の数値シミュレーションを組み合わせて解析した結果、交通密度が低すぎても高すぎても予測精度は低く、渋滞が発生する臨界点の少し手前（中密度領域）で、将来の交通状態の予測性能が最も高くなることが分かりました。

本研究成果は、道路交通のような社会インフラを「動き続ける巨大コンピュータ」として再解釈する新しい視点を与えるとともに、既存センサーやデータを活用した省エネルギーなAI計算手法として、今後のスマートモビリティ?交通管制?エネルギーマネジメントなどへの応用が期待されます。

本研究成果は、2025年11月27日（現地時間）に英国の科学誌Scientific Reportsのオンライン版で公開されました。

図1. 道路そのものがAIになる（RTRC vs 従来RC）

【用語解説】

注1. リザバーコンピューティング（Reservoir Computing, RC）：
時系列予測やパターン認識に適した機械学習の枠組み。複雑なダイナミクスを持つネットワーク（リザバー）に入力信号を流し、その出力を線形モデルで学習することで、高い表現力と低い学習コストを両立する。

注2. 物理リザバーコンピューティング（Physical Reservoir Computing, PRC）：
電子回路、光学系、流体、機械振動など、現実の物理システムをリザバーとして利用するリザバー計算の一種。デジタル計算機上のシミュレーションではなく、物理現象そのものが計算を担うため、省エネルギーで高速な情報処理が期待される。

注3. 道路交通リザバーコンピューティング（Road Traffic Reservoir Computing, RTRC）：
道路上の車両の動き（車両密度、速度、通過台数など）の時系列をリザバー状態として利用し、将来の交通状態や関連量（速度、電力消費など）を予測する手法。道路交通を「動き続ける計算機」とみなすアプローチ。

【論文情報】

タイトル：Harvested reservoir computing from road traffic dynamics
著者：Ryunosuke Fukuzaki, Takahiro Noguchi, Hiroyasu Ando*
*責任著者：東北大学材料科学高等研究所　教授　安東弘泰
掲載誌：Scientific Reports
DOI：10.1038/s41598-025-30016-2

詳細（プレスリリース本文）

問い合わせ先

（研究に関すること）
東北大学材料科学高等研究所（WPI-AIMR）
教授　安東 弘泰
TEL: 022-217-6163
Email: hiroyasu.ando.d1*tohoku.ac.jp（*を@に置き換えてください）

（報道に関すること）
東北大学　材料科学高等研究所（WPI-AIMR）
広報戦略室
TEL: 022-217-6146
Email: aimr-outreach*grp.tohoku.ac.jp（*を@に置き換えてください）