生成AIは交通計画に使えるか： 交通系データベースと連携したデータ分析の可能性を探る

2025年11月22日 福井工業大学 第72回土木計画学研究発表会・秋大会 企画セッション「IT・AIの活⽤と総合交通政策」 生成AIは交通計画に使えるか: 交通系データベースと連携したデータ分析の可能性を探る 東京大学 大学院情報理工学系研究科 附属ソーシャルICT研究センター 伊藤昌毅

2022年頃から生成AIの普及・発展 • x ChatGPT (OpenAI) 2022年11月〜 Gemini (Google) 2023年3月〜 Claude (Anthropic) 2023年3月〜 DeepSeek 2023年11月〜 Grok (xAI) 2023年11月〜

AIの長期的なインパクトが確実に • 生成AIの登場・普及でAI開発が単なる道具ではなく、科学研究 の在り方そのものを変えるインパクトを発揮し始めている – 研究の高度化、高速化、自律的AIによる研究推進

交通計画分野における生成AIの応用領域 • • • • データ融合と分析のための記述的タスク – – 交通関連データの収集、処理、統合、分析し実行可能な知見を抽出するタスク 交通システムの現状の把握やパターンの特定、異常の検知など – – 交通流、到着時刻推定、移動需要、インフラ性能などの交通トレンドを、過去データとリアルタイムデータを⽤いて予測 従来の、回帰モデルやルールベースのシミュレーション以上の、動的かつ多次元的な特性を捉えられる可能性 – – データが限定されるシナリオにおける疑似データセットの作成、仮説シナリオによるシミュレーションなど データ収集コスト、プライバシー問題、低頻度な事象など – 複雑で精度の高い交通シミュレーションの実現 交通計画における予測タスク データ合成やシナリオ生成といった生成タスク 有人運転と自動運転の混合まで想定した交通シミュレーションタスク • • 生成AIベースの交通システムにおける信頼性 – • 人間が運転する車両（HV）と自動運転車両（AV）が共存する状態の再現など AIを導入した際のプライバシー、セキュリティ、公平性、責任、説明可能性、信頼性という6つの主要な課題への対応 出典: Da, L., Chen, T., Li, Z., Bachiraju, S., Yao, H., Li, L., Dong, Y.,Hu, X., Tu, Z., Wang, D., et al.: Generative AI in Transportation Planning: A Survey, arXiv preprint arXiv:2503.07158, 2025.

合意形成・意志決定へのAI応用 • 狭義: 計画策定の方法論の開発 • 広義: 合意形成や実践まで含んだ方法論 実験 検証 評価 課題の 共有 結果の 評価 計画の 方法論 地域で の実践 関係者 の合意 予算の 獲得 仮説 方法 論

AIエージェントという方向性 • 目的を与えると、自ら具体的な計画を立て、試行錯誤しながら 目標を遂行する自律的なソフトウェア – スケジュール調整・予約管理 – 顧客の問い合わせ対応 – コーディング・プログラミング – データ分析 • 多くのLLMがAIエージェントを目指して進化している 「AIが地域の課題を発見・整理し交通計画を立てる」世界？

そもそもなぜ AIエージェントなのか？

大規模言語モデル（LLM, Large Language Model） • Transformer: – 2017年にGoogleの研究者らが発表したディープラーニングによる言語モデル。 – 翻訳、音声の生成、画像生成などに利⽤可能 – 現在のAI研究開発の中心的技術 • 大規模言語モデル – Transformerに大量の文章を学習させ、自然な文章を生成出来るようにしたモデル – 学習データが大量であるほど確度の高い文章の生成が可能に – 異なる言語も同時に学習し能力を高められる • それっぽい次の言葉を確率的に予測（生成）するシステム

https://youtu.be/KlZ-QmPteqM?si=6bi9N5bfyIeLqpMt

• https://youtu.be/KlZ-QmPteqM?si=6bi9N5bfyIeLqpMt

青空文庫を学習させたLLMの出力例 • もっともらしい言葉をつなげることで意味のある 文章が出力される（学習量が少なすぎる・数々の ノウハウが反映されていない等々の課題） https://youtu.be/KlZ-QmPteqM?si=C8nsyxXm0KjDh3oL&t=71 https://note.com/rk611/n/n4dfffbbed408

• https://youtu.be/KlZ-QmPteqM?si=C8nsyxXm0KjDh3oL&t=71
• https://note.com/rk611/n/n4dfffbbed408

システムプロンプトによって「チャット」に • 本来LLMは「次の言葉を予測する」技術 • ユーザからの入力の前に適切な指示文章を加えることで、LLM の出力を制御。通常は利⽤者は編集出来ない これはとても優秀なAIと人間との会 話です。 これは赤ちゃんとお母さんとの会話 です。 これはミステリー小説です。 地域公共交通の課題とは？ いい質問ですね。地域公共交通にお いては、近年、交通空白が大きな問 題になっています。国土交通省では、 〜〜 バブバブ− そんな謎のメッセージを残して、一郎 は消息を絶った。財布やスマートフォ ン、毎日のように読み込んでいた時 刻表まで部屋に残したままだった。 〜〜

プロンプト（コンテクスト）エンジニアリング • • プロンプトの工夫でより精度の高い解を得られる Chain-of-Thought (CoT). 2022 – Let’s think step by step. • 問いに直接答えるのではなく、タスクを実行するために細かいステップを書きだして、各段階を順番 に実行することで、同じモデルを利⽤した際でも回答の精度が高まる • • 例 前提 • • • – A駅→B駅は40分。9:00にA駅を出発。乗り換えには5分必要。B→Cのバスは毎時15分発で所要30分。 – C駅の到着時刻は？ – – – – A→B：9:00発 → 9:40着 乗り換え準備：9:40 + 5分 = 9:45 以降に乗れる B→Cの発車は毎時15分 → 9:15は過ぎているので次は 10:15発 所要30分 → 10:15発 → 10:45着 問い CoT（段階） 最終回答：10:45着

LLMは交通計画分野の問いにどれくらい答えられる か？ • GPT-4とPhi-3-miniを以下の領 域で評価 1. 地理空間処理能力 2. 交通分野固有の知識 3. 渋滞料金シナリオにおける現実の交通 問題解決 • GPT-4は全評価レベルでPhi-3miniを上回り、GISタスクで 86%、MATSim理解で81%、実 世界交通意思決定支援で91%の 精度を達成 “Beyond Words: Evaluating Large Language Models in Transportation Planning”, Ying, Shaowei, Zhenlong Li, and Manzhu Yu, Geo-Spatial Information Science 1, 23 (2025).

外部情報を参照し考えながら問題を解く自律性を獲得 • LLMが事実やデータを扱うのは不得意 • 学習にコストが掛かるので最新情報が反映されない • Web検索など外部ツールを含めた推論を行う • ReAct (Reasoning and Acting)フレームワーク – Thought→Action→Observationを繰り返して最終的な回答を得る – まずLLMに「どのツールにどのような問い合わせをすると答えに近づけるか」を出力さ せ（Thought）、次に実際にそのツールで問い合わせを行う（Action）。最後に、得ら れた結果をLLMに入力して観察する（Observation） – Thoughtは、最初は全体の状況を把握するようなところから始め、徐々に具体的な段階 に進んでいく – 思考と行動のループにより、LLMが自ら考えながら行動するように振る舞う

ReActでデータベース問い合わせを実現 • 問い合わせ： 2024年の月別売上を部門別に集計して、各月の上位3部門を教えて。 • サイクル1: – T: まずは使えるテーブル名を把握しよう。注文や売上に関するデータが当てはまりそう – A: list_tables – O: ["orders", "order_items", "products", "departments", "customers"] • サイクル2: – T: 関連しそうな4つの表の具体的な形式を確認しよう。 A: get_schema("orders")…. – O: orders(order_id PK, customer_id, order_date timestamp, …) • サイクル3： – T: 4種類のデータを結合すれば求められそう。ウィンドウ関数で上位3部門を抽出するSQLを実行しよ う。 – A: run (SELECT date_trunc('month', o.order_date)::date AS month,…. – O: 結果のテーブルが出力される

RAG/MCPでLLMに外部情報を与える • RAG (Retrieval-Augmented Generation) – 外部のデータベースから関連情報を検索し、その情報を参照して回答を作成する 技術 – LLMの学習データにない最新情報や専門知識、企業固有のデータなどを反映させ ることが可能に • MCP (Model Context Protocol) – AIと外部ツールやデータを接続するための共通規格 – 個別のシステム・ツールのAPIに対応する必要が無くなる

交通計画分野におけるAIエージェント • 外部ツールとしてデータや交通分析ソフトウェアの操作を実施 • データ： 圧倒的大量の事実データをAIからアクセス可能に – 地図・路線・道路データ – ダイヤデータ・GTFS – 人流データベース – パーソントリップ調査データ • 交通分析ツール： データの基礎的な理解や分析 – GIS – 交通シミュレーション – 経路検索エンジン

AIエージェントに 交通データを与える

パーソントリップ調査データをMCPサーバに • 東京都市圏交通計 画協議会 第6回 （平成30年）デー タをダウンロード – 様々な観点でクロス集 計されたデータが公開 中 • 配布されたExcelを PostgreSQLに格納、 さらにMCPサーバ としてアクセス可 能に https://www.tokyo-pt.jp/data

• https://www.tokyo-pt.jp/data

データ変換はPT2Postgresとして形式知に • AI-ready なデータ形式に – 可読のExcelデータ→縦持ちデータ に変換 – 集計行を排除 – 表記のズレなどを統一 • 変換プログラムのコーディン グ自体もChatGPTにほぼや らせて、自分ではほとんど コードを書いていない https://github.com/niyalist/PT2Postgres

• https://github.com/niyalist/PT2Postgres

交通データ分析例 • データベース全体の理 解から始まり必要な データを探して解釈す るところから – 問いに対して数分〜10分 以上自走して分析する • SQL、Pythonなどを 駆使してデータ取得や グラフ作成を実施 • 数字の可視化だけで無 く、得られる知見を文 章などでも提示 10倍速再生

AIエージェントに 交通分析ツールを与える

交通データをより深く解釈するための分析ツール • 可視化や予測のような分析を行い、データをより深く解釈する – ビジュアルで得られる「結果」を更に解釈する必要 GIS: 地理的関係性の理解 到達圏： サービス水準の理解 シミュレーション： 容量や円滑性の理解

QGIS制御の例 • 新幹線路線 図を作図す るよう指示 • 最初は主要 駅、指示を することで 全駅を作図 • なぜか途中 でデータが 破壊された 25倍速再生

現時点での所感 • 明確な指示に従ってコードを書かせる⽤途においては大幅な生産性 の向上が確実（非エージェント的な使い方） – データベースのテーブル構造を指定した上でSQLを指示 – 入出力の形式を指定した上でPythonによるデータ処理プログラムを作成 • エージェントの動作は指示次第だが不安定 – データ分析は結果を完成させてしまうため、素材としては使いづらい – 更なるコンテクスト（プロンプト）エンジニアリングが必要か • ビジュアルのフィードバックはまだ足りない – 地図表示の結果などはAIに反映されない • セキュリティ的な不安も残る – 自由にPC内のファイルを編集、プログラムを実行 – 意図しないデータ漏洩や破壊が起こりかねない

国土交通データプラット フォームがMCPに対応 • データの検索や分析が曖昧な知識 や指示でも可能に • 検索例 – 新宿駅近くの避難所を5件教えてください。 – 多摩川に関する地質データのファイルをダ ウンロードしたい。 – 国土交通データプラットフォームには災害 に関するデータはどのようなものがありま すか。 – 都庁付近で最も交通量の多い道路は。 https://www.mlit-data.jp/#/Page?id=news25110402

• https://www.mlit-data.jp/#/Page?id=news25110402

まとめ： 生成AIは交通計画に使えるか • 生成AIそのものが持つ知識だけでは不十分 • RAG/MCPで外部データを⽤いることで、正確なデータに基づ く分析が可能に – 望ましい分析をするための指示の与え方はまだ研究が必要 • GISやシミュレータなどの分析ツールを組み合わせることで、 より深くて直感に近いデータ解釈が進む可能性 – ツールの連携がそもそも容易ではない – ビジュアルのフィードバックでも機能出来るかは今後次第 • 自動的に「交通計画」が立案される世界が来るか？ – むしろ合意形成を支援するような方向に進めないか

• 質疑