【三菱地所とグルーヴノーツ】AIや量子コンピュータを活用した廃棄物収集の運搬業務・経路の最適化検証で、CO2排出量削減の可能性を確認

丸の内エリアのビル26棟での「廃棄物収集ルート最適化」検証結果｜SDGsや人手不足解消、業務効率化等、よりサスティナブルな街をめざして

株式会社グルーヴノーツと三菱地所株式会社は、AIや量子コンピュータ〔※1〕を搭載した世界唯一のクラウドプラットフォーム「MAGELLAN BLOCKS（マゼランブロックス）〔※2〕」を活用して、東京・丸の内エリアにおいて廃棄物を効率的に収集運搬するルートを導き出す「廃棄物収集ルート最適化」検証を実施し、その効果を確認しましたのでお知らせします。尚、街全体の廃棄物収集の課題解決に向け、AIやアニーリング方式〔※3〕の量子コンピュータを活用して収集ルート最適化検証に取り組むのは日本初〔※4〕となります。



[画像1: https://prtimes.jp/i/42403/27/resize/d42403-27-430424-0.png ]



検証サマリー

◇検証名：「廃棄物収集ルート最適化」検証
◇検証主体：株式会社グルーヴノーツ、三菱地所株式会社
◇解析対象：東京・丸の内エリアで三菱地所が所有または運営管理する26棟のビル
◇検証方法：
　1．可視化…検証に必要なデータの収集
　2．予測…「MAGELLAN BLOCKS」のAI（機械学習/深層学習）で、ごみの発生量を予測
　3．最適化…「MAGELLAN BLOCKS」の量子コンピュータで、最適な収集ルートを検証
◇検証結果：一日あたりの廃棄物収集作業に関わるコストの比較結果は以下の通り。
[画像2: https://prtimes.jp/i/42403/27/resize/d42403-27-869094-1.png ]

[画像3: https://prtimes.jp/i/42403/27/resize/d42403-27-243874-2.png ]


グルーヴノーツと三菱地所は、「快適で豊かな人間性にあふれた街づくり」を目指す「City as a Service（シティ・アズ・ア・サービス、CaaS）」を推進すべく業務提携契約を締結し、グルーヴノーツが2020年2月に実施した第三者割当増資を三菱地所が引き受けたことにより、今後さらに両社で街を舞台に様々な実証実験や本番展開を行いながら、スマートシティの実現に向けて取り組んでいきます。



1．検証経緯

三菱地所はグルーヴノーツの先進技術に対する高い技術力や深い知見を評価し、2019年9月に設立した「丸の内データコンソーシアム〔※5〕」において、両社でデータ活用を通じた街・社会への新たな価値や事業の創出を目指した取り組みを進めており、今回の検証はその活動の一環として実施したものです。


2．検証方法について

【1．可視化：検証に必要なデータの収集】
検証にあたっては、三菱地所が保有する、ビルごとの入居企業数や在勤者数、廃棄物の収集ルール等のデータに加え、廃棄物収集業務にかかる現地視察も行いながら、それぞれの廃棄物処理事業者から廃棄物の種類に応じた運搬車両の仕様、ビル／廃棄物種類ごとの回収の頻度・量・ルート・作業時間等のデータを収集・整形し、現状の可視化を行いました。

◇収集・可視化したデータについて

[表1: https://prtimes.jp/data/corp/42403/table/27_1.jpg ]



【2．予測：「MAGELLAN BLOCKS」のAI（機械学習/深層学習）で、ごみの発生量を予測】
収集したデータや「MAGELLAN BLOCKS」が提供する気温・湿度・降水量などの気象データ、地区イベント情報など、予測に影響する要因となるデータ（予測因子）をもとに、ビル／廃棄物種類ごとのごみ発生量をAIで予測するモデルを構築・評価し、実際に数か月後のごみ発生量の予測・シミュレーションを行いました。


【3．最適化：「MAGELLAN BLOCKS」の量子コンピュータで、最適な収集ルートを検証】

[画像4: https://prtimes.jp/i/42403/27/resize/d42403-27-759406-3.png ]

AIによるごみ発生量の予測結果に基づき、車両の積載可能量やビル・処分場の搬出入の形態・位置、収集作業時間等の制約条件を考慮して、廃棄物が発生するすべてのビルを経由して確実にごみを回収するとともに、車両台数が最も少なく、かつ移動距離が最短となるルートの組み合わせを、量子アニーリングを活用してシミュレーションしました。



3．検証結果

「MAGELLAN BLOCKS」の機械学習/深層学習と量子コンピューティング技術を活用することで、約94％の高精度でごみ発生量の予測を実現し、その予測結果に基づき、膨大な組み合わせ〔※6〕の中から最適なルートを瞬時に求めることができました。丸の内エリアにおいて廃棄物の収集運搬業務の効率化、移動距離の最小化が実現することで、CO2排出量は約57%削減が期待できます。

[画像5: https://prtimes.jp/i/42403/27/resize/d42403-27-872747-4.png ]


AIによるごみ発生量の予測では、特に可燃や生ごみ、ダンボール等においては日ごとの傾向も微細にとらえた予測を実現するなど、90%を超える高精度な結果を算出し、実運用への容易な移行を可能にしました。ビルだけではなく地区のイベント情報や廃棄物の発生要因を細分化してデータ化する等して学習を重ねることで、さらなる精度向上も見込めます。

量子アニーリングを活用した最適解として、現状の総走行距離約2,300kmに対して約1,000kmでごみを収集する最適ルートが導き出されました。これにより、CO2の排出量は約57％削減、車両台数は約59%削減される試算となり、SDGs・脱炭素化への寄与が期待されます。



4．今後の取り組みについて


[画像6: https://prtimes.jp/i/42403/27/resize/d42403-27-222692-5.png ]

グルーヴノーツと三菱地所は、「廃棄物収集ルート最適化」の検証から生まれたデータをもとに、具体的な運用に向けたPoV（Proof Of Value：導入前検証）を行っています。さらに、ビルごとに異なる様々な廃棄物処理業者との共創を図ることで、収集業務の効率化による長時間労働の削減や人手不足の解消にも貢献していきます。

今後も、グルーヴノーツと三菱地所は、未来の都市のあり方を提案すべく「City as a Service」を推進し、AIや量子コンピュータなど先進テクノロジーを活用した導入前検証やサービス開発に取り組むことで、都市サービスのさらなる向上を目指します。



各社の取り組みについて


【株式会社グルーヴノーツ】

[画像7: https://prtimes.jp/i/42403/27/resize/d42403-27-876291-6.png ]

グルーヴノーツは、プログラミングや専門知識がなくても誰もが手軽に最新テクノロジーを利用できる「MAGELLAN BLOCKS」の提供を通じて、機械学習・量子コンピュータの民主化を推進しています。これまで、3,800社以上／12,500超のAIモデルを構築し、さらには世界で初めて量子コンピューティング技術の商用サービス化に成功するなど、国内有数の実績を積み重ねています。

◇グルーヴノーツが実現するスマートシティ：「City as a Service」

[画像8: https://prtimes.jp/i/42403/27/resize/d42403-27-222692-5.png ]

技術の発展や実用化が企業活動や都市経済の効率や機能性を高めていく一方で、人手不足や価値観の多様化・個性化といった社会情勢の変化に伴い、一人ひとりの情感に寄り添う都市環境への変容が求められています。
そこで、グルーヴノーツは、都市全体を一つのサービス空間として捉えて企業連携を推進し、培ってきたAIや量子コンピュータ等の先進技術を駆使しながら都市機能の高度化だけでなく、快適で豊かな人間性にあふれた街づくりを目指す「City as a Service」（シティ・アズ・ア・サービス、CaaS）の取り組みを進めています。


【三菱地所株式会社】


[画像9: https://prtimes.jp/i/42403/27/resize/d42403-27-613300-10.png ]

「Marunouchi UrbanTech Voyager(R)」は、先端技術・テクノロジーのまちづくりにおける有用性等について調査・研究を行うプロジェクトです。今回もその一環として、国際都市・東京のさらなる機能向上を目指します。

◇丸の内エリアのまちづくりコンセプト：「丸の内Reデザイン」

[画像10: https://prtimes.jp/i/42403/27/resize/d42403-27-586568-8.png ]

三菱地所は、2020年以降の丸の内エリア（大手町・丸の内・有楽町）におけるまちづくりを「丸の内NEXTステージ※」と位置付け、“人・企業が集まり交わることで新たな「価値」を生み出す舞台”を創造していきます。「丸の内Reデザイン」はその実現に向け、まちづくりのあり方から変えていくコンセプトワードです。
※始動リリース： https://www.mec.co.jp/j/news/archives/mec200124_marunouchinext.pdf


（注釈）
[表2: https://prtimes.jp/data/corp/42403/table/27_2.jpg ]


企業プレスリリース詳細へ
PR TIMESトップへ