2019年のFCDに基づくドイツの高速道路施設および区間におけるトラック走行時間

トラック走行時間が重要な理由

オンライン注文、スーパーの棚、工場の生産ラインはいずれもトラックが予定どおり到着することに依存しています。しかし、高速道路の渋滞に巻き込まれた経験がある人なら、走行時間が非常に予測しづらいことを知っています。特に速度が制限され、遅延を取り戻しにくい大型トラックではその傾向が顕著です。本研究はその日常的な問題を国家規模で扱い、接続車両から得られた何十億もの実際の移動データを用いて、どの時間帯・どの場所で貨物輸送に遅れが生じやすいかを明らかにする、詳細かつデータ駆動のトラック走行時間を構築します。

実際のトラックの動きを追う

まばらな路側センサーに頼る代わりに、研究者たちはいわゆるフローティングカー・データ—車載ナビやオンボードユニットから送られる位置・時刻・速度の信号—を利用します。2019年だけでも、ドイツの自動車クラブは高速道路を走行する車両から250億点以上のこうしたデータを収集しました。これらの生データはまずオープンマッピングデータから構築した道路網のデジタル地図に結び付けられます。専用のルーティングエンジンが各GPS点を車両の向きや路網の構造を考慮して最も可能性の高い道路区間にスナップすることで、匿名の点の集合が100メートル長の正確な走行経路へと変換されます。

トラックと乗用車の分離

信号はさまざまな種類の車両から送られてくるため、次の課題はどれが大型トラックかを特定することです。著者らは匿名の各車両が異なる道路種別で通常どのくらいの速度で走行するかを記述するデータベースを構築しました。速度をプロットすると、典型的なトラック速度をほとんど超えない遅い群と、乗用車に一致する比較的速い群という二つの明確なグループが現れます。単純に二群に分けるのではなく、研究チームは三つの速度ベースのクラスタを生成する手法を用います。中間のグループを設けることで、混合した状況や渋滞で速度が落ちた車両が誤ってトラックと識別されるのを防ぎ、サンプルサイズをやや犠牲にする代わりに、よりクリーンで信頼できるトラックデータを得ています。

散発的な観測から連続的な図へ

何百万もの観測があっても、データは全ての時間帯・全ての区間で全トラックをカバーしているわけではありません。サンプルの代表性を評価するために、研究者たちはこれを交通量や速度を記録する公式の計測局と比較します。その結果、データは平均でおおむね6%のトラックを代表していることがわかり、特に数分単位で速度を平均化すると全体状況を記述するには十分であることが示されました。残る空白を埋めるために、彼らは交通研究で広く用いられる平滑化手法を適用し、空間・時間的に近接する観測を混合します。これにより各高速道路に沿った速度の変化を連続的に表現でき、例えば昼間に長時間続く渋滞帯でトラック速度が急低下し、その後回復する様子などが明らかになります。

動的な走行時間表の構築

こうして得られた連続的な速度場をもとに、著者らは異なる出発時刻で各高速道路区間を走行するのにトラックがどれだけ時間を要するかを算出します。各施設を短い100メートル要素に分割し、トラックが要素から次の要素へ移動する様子をシミュレートし、最新の交通状況を反映するために想定速度を10分ごとに更新します。こうして、渋滞の前に出発した旅は該当区間を比較的速く通過できる一方で、後に出発した旅は遅延が累積していくといった違いが表現されます。算出した走行時間をデータ中の個別トラック走行から直接測定した値と比較すると、通常は数秒程度の差にとどまり、大きな誤差はごく一部の異常なケースに限られました。

日常の物流にとっての意義

この研究の成果は、ドイツの高速道路について、典型的な平日における各区間・各路線を10分刻みで分解した詳細なトラック走行時間のデータセットとして無償公開されることです。荷主、運送業者、プランナーにとって、これらのデータは曖昧な遅延リスクを具体的な数値に変え、スケジュールや経路設定、能力計画に組み込むことを可能にします。一般市民にとっては、既に道路上にある接続車両が静かに供給網をより確実に機能させるための情報を提供できるということを意味します—貨物の定時到着を助け、無駄な燃料消費を減らし、新たなセンサーを一台も設置することなく既存の高速道路インフラをより有効に活用する手助けとなります。

引用: Schlott, M., Abdul, L. & Leerkamp, B. Truck Travel times on freeway facilities and segments in Germany based on FCD from 2019. Sci Data 13, 588 (2026). https://doi.org/10.1038/s41597-026-07198-z

キーワード: トラック走行時間, 高速道路の渋滞, フローティングカー・データ, 貨物物流, 交通信頼性