ミッションクリティカルAI：トヨタ自動車との共同研究成果を国際会議で発表

ニュース

2025.09.30

ニュースの要約
概要
編集部の感想
編集部のまとめ
1. ミッションクリティカルAI：トヨタ自動車との共同研究成果を国際会議で発表についてまとめました

ニュースの要約

コーピーとトヨタ自動車の共同研究成果を、国際会議「STATPHYS29」と「ITS World Congress 2025」で発表
従来の解析手法に課題があった多変量時系列データの新しい解析手法「Reduced Auto-Regressive (RAR)モデル」を開発
本手法は軽量な計算コスト、高い解釈性・説明性、汎用性を持ち、交通管制官や都市計画担当者の意思決定を支援

概要

株式会社コーピーとトヨタ自動車株式会社は、共同で取り組んできた多変量時系列データの新しい解析手法に関する研究成果を発表しました。

本成果は、2025年7月に開催された第29回統計物理学国際会議「STATPHYS29」でのポスター発表に加え、8月末にアトランタで開催された第31回ITS世界会議「ITS World Congress 2025」においても発表が行われました。

近年、都市の交通システムは極めて動的なネットワークを形成しており、渋滞緩和や安全な交通環境の実現のためには、交通データから地点間相互の関係性を正確に読み解く必要があります。しかし、従来の解析手法では、計算コストが膨大になったり、結果の解釈が難しかったりといった課題がありました。

本共同研究では、「Reduced Auto-Regressive (RAR)モデル」に着目しました。RARモデルは、多数の過去データの中から未来の予測に本当に必要な変数だけを自動的に選択する能力に優れています。さらに、このRARモデルは多変数時系列間の関係性抽出も可能であることが示されています。この手法を交通量データに適用することで、複数の地点の交通量データから、地点間の影響度を示す本質的な関係性のみを効率的に抽出できることが明らかになりました。

本研究の意義は、交通解析の分野に、軽量かつ解釈性の高い新たな解析手法を提案した点にあります。このアプローチは、AIの説明性（Explainable AI）を重視する現代的な潮流にも合致するものです。本手法の利点は、軽量な計算コスト、高い解釈性・説明性、汎用性にあり、交通管制官や都市計画担当者が、データに基づいた的確な意思決定を行う上で強力な支援となることが期待されます。

今後の展開として、各地点の交通量に加え、個々の車の速度など、その他のデータとの関係性をより深く分析することで、渋滞発生のメカニズム解明などの複雑な都市交通データ解析に繋げていくことを目指します。

当社は、今後も先進的なデータ解析技術を通じて、より安全で快適な社会インフラの実現に貢献していきます。