コラボレーションの力：交通渋滞を減らす方法
Google Researchが米国10都市で実施した大規模な実世界研究により、ナビゲーションアプリを使ってごく一部のトリップ（2％未満）をわずかに迂回させることで、交通渋滞と排出量を測定可能なほど削減できることが示されました。Nature Citiesに掲載されたこの研究では、対象区間の走行速度が中央値で約2％向上し、都市あたり年間数千トンのCO2e削減が可能であることがわかりました。
自動車交通は現代生活の根幹を支えていますが、ドライバーは平均して人生の2.6年を道路上で過ごし、自家用車とバンは世界のCO2排出量の約10%を占めています。そのため、交通ネットワークの効率的な利用は極めて重要です。Google Researchは、Project Green LightによるAIを活用した信号機最適化など、インフラレベルでの介入の可能性をすでに示しています。しかし、車両ネットワーク全体の最適化は依然として困難な課題です。ネットワーク最適化の理論モデルは存在するものの、大規模な実証は限られており、進展が妨げられています。
今回、Google Researchチームは『Nature Cities』に掲載された論文「Urban congestion relief experiments through routing-app interventions」において、ナビゲーションプラットフォームを交通改善に活用する初の大規模実世界研究を発表しました。この研究では、ごく一部のトリップ（2%未満）を調整して交通を分散させることで、都市全体の走行速度を測定可能なほど向上させ、排出量を削減できることが示されました。また、個々のトリップ最適化からネットワーク全体の効率を高める協調ルーティングパラダイムへの進化のための実験フレームワークを確立しました。
実験は米国10の主要都市で6か月間にわたって実施されました。Googleマップのアルゴリズムを変更し、移動時間と道路タイプが類似した代替ルートを優先することで、事前に選択された混雑区間からトリップを誘導しました。都市全体のスイッチバック実験デザイン（クロスオーバーデザイン）を採用し、連続する日で治療（変更アルゴリズム）と対照（通常アルゴリズム）を交互に適用しました。治療日には、事前に選択された混雑区間に遭遇するすべてのトリップが代替ルートに誘導されました。結果として、観測されたトリップの2%未満が変更されました。各都市では、歴史的な混雑パターンに基づいて約100の区間が選択されました。これらの区間は、繰り返し発生するボトルネックやピーク時の高交通密度が特徴です。
介入効果を定量化するために、階層ベイズ結果モデリングフレームワークが使用されました。このアプローチは、都市全体のレベルと局所的な時間レベルのパラメータを同時にモデル化し、厳格な制約を課さずに共有変動を捉える柔軟な方法を提供します。また、都市間や時間帯間での情報共有を可能にし、特定の都市や時間の推定が他のサブグループの効果推定から強度を借用できます。
その結果、この小さな介入でも測定可能で統計的に有意な交通改善がもたらされることがわかりました。全都市の平均で、対象区間の走行速度中央値は約2%向上し、燃料消費率中央値は0.5%から1.0%減少しました。影響を受けたより広い範囲の区間（交通が分流された区間と受け入れた区間を含む）では、走行速度中央値が約0.35%向上し、朝と午後のピーク時には0.5%向上しました。研究対象都市の規模とエネルギー需要を考慮すると、これは都市あたり年間数千トンのCO2e削減の可能性に相当します。
これらの改善は、主要なボトルネックから車両を戦略的に迂回させることによって達成されました。交通を効率的に分散させることで、周辺道路はより多くの車両を吸収しながらも、高い平均速度と低い総排出量を維持しました。例えば、アトランタでの実験では、都市を貫く中央高速道路（青）から、より空間的に分散した周辺区間（緑）へと車両が誘導され、少数の高流量区間に集中していた車両がより多くの区間に分散され、各区間の流量増加は少なく、システム全体に正味の利益をもたらしました。
研究の結論として、ネットワーク化されたナビゲーション技術は、交通流を積極的に形成し社会に利益をもたらす強力なツールであることが明確に示されました。ごく一部のトリップを調整することで、特定のアプリのユーザーだけでなく、すべての道路利用者に利益をもたらすシステム全体の利益を達成できます。ナビゲーションユーザーと非ユーザーの両方が、対象区間の混雑緩和の恩恵を共有し、ネットワーク全体の移動時間の改善とCO2e排出の削減につながります。
渋滞緩和の直接的な効果に加えて、この研究は、厳格で実験ベースの交通管理アプローチの青写真を提供します。スマートシティインフラが成熟するにつれて、ここで実証された実験的な道筋（接続性を利用してシステムレベルの変化を測定し促進する）は、動的信号制御や複雑な都市環境でのリアルタイムネットワーク最適化など、より広範な課題に適用できます。これらの結果は比較的単純な経路変更の可能性を示していますが、車両、インフラ、ネットワーク認識型ルーティングが協調して、コミュニティ全体の移動効率と持続可能性を最適化する未来の基盤を提供します。