移動を予測するとはどういうこと?
予測とは、過去の事実をもとにした、未来についての注意深い推測です。移動の場合は、道路がどれくらい混むかと、どれくらい時間がかかるかの2つを推測したいのです。
AI(人工知能)は、人間よりずっと多くのデータを読み、私たちが見逃す小さなパターンにも気づくことができます。
データ:AIが学ぶ元になる事実
データとは、事実の記録です。交通なら、たとえば次のようなものです。
- カウンターを1時間ごとに通過した車の数
- 道路を動く携帯電話の速さ
- 曜日、休日、天気、登校の時間
- 事故や道路工事
たくさんの日のデータがあるほど、全体がよく見えます。まちがったデータや偏ったデータからは、まちがった予測しか出ません。
パターンを見つけて予測する
パターンとは、くり返し起こることです。交通は毎日くり返します。午前8時と午後6時ごろは混み、昼間は空いています。
いちばん簡単な予測は、過去の同じ時刻の平均です。たとえば、過去3日間の午前8時の車が90台、96台、94台なら、明日の予測は (90 + 96 + 94) ÷ 3 = 93台です。
本物のAIは、天気や休日、事故などもっと多くの手がかりを使い、それぞれがどれくらい大事かを学びます。これが機械学習です。
予測から、よりよい移動へ
予測は、誰かが行動に移して初めて役に立ちます。
- 早めや遅めに出発して、ラッシュのピークをさける。
- 別の道を選ぶ、または電車に乗る。
- スマート信号は、混みそうな道に青の時間を長く与える。
- バスは、大きなイベントの前に臨時便を増やす。
覚えておきましょう。事故や急な雨で、予測がはずれることもあります。よいアプリは、リアルタイムのデータで更新し続けます。また、あなたの許可なく、どこへ移動したかを他人に教えてはいけません。
重要な公式と用語
- 予測(簡単な方法) = 過去の同じ時刻の平均
- 平均 = 値の合計 ÷ 値の個数
- 移動時間(3Dの中) = 20 × (1 + 1時間あたりの車の数 ÷ 50) 分
- データ → パターン → 予測 → 決定
例題
1. 過去3日間の午前8時に数えた車は90台、96台、94台でした。明日の午前8時の台数を予測しなさい。
平均 = (90 + 96 + 94) ÷ 3 = 280 ÷ 3 = 93.3。したがって、約93台と予測します。
2. 移動時間 = 20 × (1 + 車の数 ÷ 50) を使って、1時間に100台の車が予想されるときの移動時間を求めなさい。
車の数 ÷ 50 = 100 ÷ 50 = 2。次に 1 + 2 = 3。移動時間 = 20 × 3 = 60分。
3. 午前8時の予測は100台(60分)です。午前10時は25台です。10時に出発すると何分短くなりますか。
午前10時: 25 ÷ 50 = 0.5、20 × 1.5 = 30分。短縮 = 60 − 30 = 30分。
よくある間違い
- 予測はいつも当たると思うこと。予測は過去のパターンにもとづくよい推測で、はずれることもあります。
- 1日分のデータだけを使うこと。その日が特別(休日や雨)かもしれないので、たくさんの日を使います。
- データとパターンを混ぜてしまうこと。データは生の数字で、パターンはその中でくり返されるものです。
- プライバシーを忘れること。移動のデータは人がどこへ行くかを表すので、守らなければいけません。