エージェント型AIシステムが、3つの確立された交通法則を自律的に再発見し、都市運転行動におけるこれまで報告されていなかったパターンを特定した。これは、AIによる科学的発見が制御された実験室環境を超えて、複雑な実世界システムに拡張できることを実証している。
TrafficSciと呼ばれるこのシステムは、Xingyuan Dai氏とFei-Yue Wang氏を含む研究者らによって開発された。交通法則の発見を、証拠のスコーピング、批評家・審判による仮説帰納、観察・介入による検証を統合した反復的で監査可能なワークフローとして定式化しており、再現可能かつ説明可能な結果を生み出す構造化されたプロセスを実現している。
TrafficSciは、人口、ネットワーク、制御、軌跡の各スケールにわたる4つのケーススタディで評価された。渋滞、移動性、運転行動における反復パターンである3つの既知の交通法則を再発見することに成功した。これらの法則は交通計画の科学的基盤を形成するものである。さらに重要なことに、都市運転行動における新規の内在的時間的記憶スケールを特定した。このパターンは8都市と2つの軌跡データセットにわたって統計的に一貫していることが証明された。
時間的記憶スケールの発見は、運転行動が特定の測定可能な時間枠にわたって過去の交通状況からの影響を保持することを示唆している。これは交通管理、自律走行車制御、インフラ計画に応用できる可能性がある発見である。単純な平均や減衰関数とは異なり、この内在的スケールは文献で正式に特徴づけられていなかった都市交通力学の基本的特性を表している。
この研究は、AI主導の科学的発見の frontier を拡張するものである。これまでのシステムは、変数を厳密に制御できる数学や分子生物学などの分野で成功を収めてきた。交通は、無数の相互作用するエージェント、気象条件、インフラ制約のある混乱した確率的環境で動作する。自律型AIがこのノイズから堅牢で都市横断的な法則を抽出できることは、都市科学、経済学、疫学におけるエージェント型発見システムのより広範な応用可能性を示唆している。
出典: Autonomous discovery of traffic laws with AI traffic scientists (arXiv, 2026年7月2日)
雅子 訳