高速道路は、何千人もの個々のドライバーの行動が組み合わさって交通の流れを作り出す、複雑なシステムです。一度にあまりに多くの車が道路を利用しようとすると、システムが停滞し、数マイル後方まで波及する遅延を引き起こします。数十年にわたり、交通機関は、全ドライバーが失った総時間数を数えたり、ピーク時の交通速度の低下を測定したりといった、単純な指標を用いて、これらの渋滞がいかに深刻であるかを判断してきました。これらの数値は過去の状態を物語っています。つまり、昨日あるいは昨年、その道路がどれほど混雑していたかを示しているのです。しかし、それらは未来への指針をほとんど提供してくれません。失われた時間の数が多いことは、単に道路が多すぎる車両によって圧倒されていることを意味する場合があり、その場合はいくら微調整をしても解決できない状況です。あるいは、同じ高い数値であっても、それはドライバー同士の反応が悪いために渋滞が発生していることを意味する場合もあり、その場合は適切な管理によって解消できる可能性があります。どちらのシナリオが真実であるかを知らなければ、都市計画家は、新しい車線を増設するような高価なプロジェクトに資金を投じるリスクを負うことになります。たとえ、より安価でスマートな解決策が同様に効果的であったとしてもです。

この不確実性は、マサチューセッツ工科大学（MIT）とノッティンガム大学の研究者による新しい研究が取り組んでいる中心的な課題です。研究チームは、単に状況がいかに悪いかを測定するだけでなく、交通を捉える新しい方法を構築することを目指しました。彼らは「どれほどの遅延があるのか？」と問う代わりに、「この遅延のうち、実際に修正できるものはどれくらいか？」という異なる問いを投げかけました。これに応えるため、彼らは「制御可能な混雑（controllable congestion）」と呼ぶ概念を開発しました。これは現在の交通状況を測るものではなく、ポテンシャル（潜在能力）を測るものです。これは、インテリジェントなシステムが速度制限を完璧に管理した場合に、理論的に取り除くことができる遅延の最大量を算出します。交通の流れを模倣する高度なコンピュータ・シミュレーションを用いて、研究者たちは合成された高速道路のシナリオと、テネシー州インターステート24号線の実データを用いて、このアイデアを検証しました。彼らの研究は、道路が被る遅延の量と、その遅延のうちどれだけが修正可能であるかは、しばしば無関係であることを明らかにしています。あるケースでは、交通量の多い道路を改善することはほぼ不可能ですが、別のケースでは、同様の交通レベルの道路であっても、適切に管理されれば遅延を半分以上に削減できる可能性があるのです。

研究者たちは、METANETとして知られる、交通流に関する定評のあるコンピュータモデルに基づいて分析を構築しました。このモデルは高速道路を小さなセグメントに分割し、車両の密度と速度が時間の経過とともにどのように変化するかを追跡します。また、車両が道路に入り、出ていく様子や、車同士が接近したときにどのように減速するか、そして車線減少などのボトルネックがどのようにバックアップ（渋滞）を引き起こすかを考慮に入れています。チームはこのモデルを使用して、大規模な最適化演習を実行しました。彼らはコンピュータに対し、特定の期間における各セグメントの最適な速度制限のシーケンスを見つけ出すよう命じました。目標は、すべての車両が道路上で費やす総時間を最小化することです。コンピュータは、道路の物理的な限界範囲内であれば、どれほど頻繁にでも速度制限を変更することが許され、最高の成果がどのようなものになるかを確認しました。観測されたデータにおける実際の遅延と、この理論上のベストケース・シナリオとの差が、研究者たちが「制御可能な混雑」と定義するものです。

チームがボトルネックのある合成高速道路にこの手法を適用したところ、驚くべきパターンを発見しました。道路に入る車両数を増やしていくにつれ、総遅延は予想通り着実に増加しました。しかし、速度制限を制御することで取り除くことができる遅延の量は、着実に増えるわけではありませんでした。代わりに、最初は急速に上昇し、遅延の約56パーセントを排除できるピークに達した後、道路がさらに混雑するにつれて急激に低下しました。これは、交通が極端なレベルに達すると、速度制限によって車を減速させることが効果的ではなくなることを意味しています。システムが飽和状態になると、いかなつ速度管理をもってしても渋滞を防ぐことはできません。この発見は、交通量が増えれば常に改善の機会が増えるという仮定に異を唱えるものです。これは、速度制限だけで管理するには道路が満杯になりすぎる「ティッピング・ポイント（転換点）」が存在することを示唆しており、そこでは新しい車線の追加のような物理的な容量拡大が唯一の解決策となる可能性があります。

研究者たちは次に、センサーと可変速度制限標識を備えたテネシー州のI-24 SMARTコリドーという5.6キロメートルの高速道路区間の実データを用いて、彼らの手法をテストしました。彼らは、休日を含む10日間の連続した平日を分析し、改善のポテンシャルが日ごとにどのように変化するかを確認しました。結果は衝撃的でした。2つの異なる朝において、総移動時間と車両あたりの平均遅延はほぼ同一でした。従来の指標によれば、これら2つの日は全く同じに見えました。しかし、研究者が制御可能な混雑を計算したところ、その差は膨大でした。ある日、システムは非常に反応性が高く、最適な速度制限戦略によって遅延の80パーセントを取り除くことができました。一方、同じ交通量であったもう一日のシステムは、反応性がはるかに低く、最善の戦略を用いても遅延の31パーセントしか取り除くことができませんでした。この違いの理由は、交通渋滞の性質にありました。ポテンシャルの高かった日は、渋滞が一時的なものであり、バックアップが発生するのを防ぐために車を十分に減速させることで解消できるものでした。ポテンシャルの低かった日は、渋滞が持続的かつ構造的なものであり、完璧な管理を行っても迅速に解消することはできなかったのです。

この「総遅延」と「制御可能な混雑」の間の乖離こそが、本研究の最も重要な発見です。これは、原因を知らずに患者の熱だけを見ているようなものです。高熱は、すぐに過ぎ去る軽微な感染症かもしれませんし、抜本的な治療を必要とする深刻な病気の兆候かもしれません。同様に、高速道路における高い遅延は、道路が単に忙しすぎてどのような管理戦略も役に立たないサインである可能性もあれば、管理が不十分であり、適切なツールを使えば大幅に改善できるサインである可能性もあります。この研究は、2つの道路が同じレベルの混雑度であっても、改善のポテンシャルは全く異なる可能性があることを証明しています。これは、交通機関が新しい技術への投資を決定する際、遅延統計だけに頼ることはできないことを意味します。彼らは単に交通がいかに悪いかだけでなく、その悪い交通のうち、実際に修正可能なものはどれくらいであるかを知る必要があるのです。

研究者たちはまた、実用的な制約がこのポテンシャルにどのように影響するかについても調査しました。現実の世界では、速度制限を瞬時に変更したり、任意の値に設定したりすることはできません。ドライバーには反応するための時間が必要ですし、掲示できる最低速度の法的制限もあります。チームは、これらの制約が結果をどのように変えるかをテストしました。その結果、更新の頻度が極めて重要であることがわかりました。もし速度制限を2分に一度しか変更できない場合、数秒ごとに更新できるシステムと比較して、取り除ける遅延の量は大幅に減少しました。しかし、最低速度制限はほとんど影響を与えないこともわかりました。たとえ速度制限を時速90キロメートル未満に設定できないとしても、システムは依然として遅延の半分近くを取り除くことができます。これは、小さな調整を頻繁に行う能力が、交通をほぼ停止状態に追い込む能力よりもはるかに重要であることを示唆しています。また、標識の間隔も重要であり、標識が近くにある方が、離れている場合よりも優れた制御が可能になることも浮き彫りにしました。

本研究は、「制御可能な混雑」が意思決定のための不可欠な新しいツールであると結論付けています。これにより、計画立案者は、構造的に避けられない混雑と、管理に対して高い反応性を持つ混雑を区別することができます。改善のポテンシャルが低い高速道路に対して、可変速度制限標識に数百万ドルを投じることは資源の無駄となります。そのような場合、解決策は道路を拡張するか、あるいはその混雑をインフラの限界として受け入れることかもしれません。一方で、ポテンシャルが高い高速道路であれば、同じ投資によって移動時間を短縮し、排出ガスを大幅に削減するなど、多大な利益を得ることができます。このポテンシャルを定量化することで、機関は推測することをやめ、投資が実際に効果を発揮する場所に資金を投入できるようになります。このフレームワークは単に遅延を測定するだけでなく、より良い管理によってどれほどの汚染や事故を防げるかを測定するためにも応用可能です。現在の研究はコンピュータ・シミュレーションと特定の回廊のデータに基づいたものですが、核心となる洞察は明確です。システムをどれだけ改善できるかを知ることは、システムがいかに現在壊れているかを知ることと同じくらい重要なのです。