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）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）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）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。