MIT の研究者がブロック内のトラフィック排出量をリアルタイムで測定 |マサチューセッツ工科大学ニュース

MITの研究者らは、ニューヨーク市に焦点を当てた研究で、既存のセンサーとモバイルデータを使用して、ほぼリアルタイムの高解像度の自動車排出ガス画像を生成でき、それを地域の交通政策や脱炭素化政策の策定に利用できる可能性があることを示した。

新しい方法は、車両排出ガスの断続的なサンプルを使用する他の一般的なアプローチよりもはるかに詳細なデータを生成します。研究者らは、これは一度に少数の自動車からの非常に詳細な排出ガスデータを対象としたいくつかの研究よりも実用的であり、スケールアップも優れていると述べている。この研究は、あまり詳細ではない都市全体の排出量インベントリと個々の車両に基づく非常に詳細な分析との間のギャップを埋めるのに役立ちます。

「私たちのモデルは、リアルタイムの交通カメラと複数のデータソースを組み合わせることで、1 つの道路と 1 日の時間帯に至るまで、非常に詳細な排出量マップを推定することができます」と、MIT Senseable City Lab の主任研究員であり、新しい論文の共著者であるパオロ サンティ氏は述べています。 プロジェクトの結果を詳しく説明した論文。 「このような詳細な情報は、意思決定をサポートし、交通やモビリティ介入の影響を理解するのに非常に役立ちます。」

MIT Senseable City Lab 所長の Carlo Ratti 氏は、この研究は「大気質やその他の環境要因の超局所的な測定に関する当研究室の継続的な探求の一環です。複数のデータストリームを統合することで、わずか数年前には考えられなかった精度のレベルに達することができ、政策立案者に人間の健康を理解し保護するための強力な新しいツールを提供します。」と述べています。

この新しい方法では、コンピューター ビジョン技術を使用して車両の種類を認識しますが、ナンバー プレート番号を編集する必要がないため、プライバシーも保護されます。この研究では、交差点にすでに設置されている技術を含むテクノロジーを活用して、車両の動きと汚染に関するより豊富なデータを取得しています。

「非常に基本的なアイデアは、既存のデータ ソースを使用してコスト効率の高い方法でトラフィック排出量を推定することです」と、Senseable City Lab の元博士研究員で、現在は香港城市大学の助教授である Songhua Hu 氏は言います。

紙は、「交通排出量の推定と政策評価のためのユビキタスなデータ駆動型フレームワーク』に掲載されています。 自然の持続可能性。

著者は胡氏です。サンティ;トム・ベンソン、Senseable City Labの研究者。アリゾナ州立大学の輸送工学教授、Xuesong Zhou 氏。アン・ワン氏、香港理工大学助教授。 Ashutosh Kumar 氏、Senseable City Lab の客員博士課程学生。そしてラッティ。 MIT Senseable City Lab は、MIT の都市研究および計画学部の一部です。

マンハッタンの測定

この研究を実施するために、研究者らはマンハッタンの交差点ですでに使用されている331台のカメラからの画像と、175万台以上の携帯電話からの匿名化された位置記録を使用した。車両認識プログラムを適用し、12 の広範な自動車カテゴリを定義したところ、学者らは車両の 93% を適切なカテゴリに正しく分類できることを発見しました。この画像からは、信号機が交通流にどのような影響を与えるかについての重要な情報も得られました。信号機はストップアンドゴーの運転パターンの主な原因であり、都市部の排出量に大きな影響を与えるにもかかわらず、従来のインベントリでは省略されることが多いため、これは重要です。

携帯電話のデータは、市内全体の交通の全体的なパターンと個々の車両の動きに関する豊富な情報を提供しました。学者らはカメラと電話のデータを排出率に関する既知の情報と組み合わせて、ニューヨーク市の独自の排出量推定値を導き出した。

「既存の都市データソースに基づいて排出関連情報をすべて入力するだけで、交通排出量を推定できます」と胡氏は言う。

さらに、研究者らは、交通パターンや車両の種類が変化した場合に、さまざまなシナリオで発生する可能性のある排出量の変化を評価しました。

まず、旅行需要の一定割合が自家用車からバスに移行した場合に排出量に何が起こるかをモデル化しました。別のシナリオでは、朝と夕方のラッシュアワーの時間がもう少し長く分散され、一度に道路を走る車両の数が少なくなった場合に何が起こるかを検討しました。彼らはまた、詳細な排出量入力値を都市全体の平均値に置き換えた場合の影響をモデル化し、より大まかな排出量推定値は、より詳細に調整された結果の -49 パーセントから 25 パーセントまで大きく変動する可能性があることを発見しました。このことは、一見小さな単純化が排出量推定値に大きな誤差をもたらす可能性があることを浮き彫りにしている。

大幅な排出量の減少

あるレベルでは、この作業には、モデルへの入力を変更し、何が現れるかを確認することが含まれていました。しかし、研究者らが研究したシナリオの 1 つは、現実世界の変化に基づいています。2025 年 1 月、ニューヨーク市はマンハッタンの 60 番街以南で渋滞料金を導入しました。

それを研究するために、研究者らはプログラム開始後2週間、4週間、6週間、8週間の間隔で車両交通に何が起こったかを調査した。全体として、渋滞料金設定により交通量は約 10% 減少しましたが、それに対応して排出量は 16 ～ 22% 減少しました。

この発見は、価格帯内の粒子状物質（PM2.5）レベルが22パーセント減少したと報告したコーネル大学の研究者らによる以前の研究と一致している。 MIT チームはまた、これらの削減がネットワーク全体に均等に分散されておらず、一部の主要道路ではより大きな削減があり、価格設定ゾーンの外ではさらに複合的な影響があることも発見しました。

「混雑料金設定が始まってから、このような大きな変化が見られました。これは、政府が新しい政策が現実世界に影響を与えるかどうかを本当に知りたい場合に、私たちのモデルが非常に役立つことを示していると思います。」とフー氏は言います。

研究者の新しい手法に入力できるデータの形式は他にもあります。たとえば、アムステルダムでの関連作業では、チームは車両のダッシュボードカメラを活用して、車両の動きに関する豊富な情報を取得しました。

「私たちのモデルを使えば、数百台の交通カメラから数千台のドライブレコーダーまで、都市で使用されるあらゆるカメラを、リアルタイムで交通排出量を推定する強力なデバイスにすることができます」と、MIT Senseable City Lab の研究設計担当アソシエート ディレクターであり、複数の関連研究に取り組んできたファビオ ドゥアルテ氏は述べています。

この研究は、アトラス大学、ラヴァル市、リオデジャネイロ市、Consiglio per la Ricerca in Agricoltura e l’Analisi dell’Economia Agraria、Dubai Future Foundation、FAE Technology、KAIST Center for Advanced Urban Systems、Sondotecnica、トヨタ、Volkswagen Group Americaで構成されるMIT Senseable City Consortiumの支援を受けた。