渋滞発生状況の推移
高速道路における渋滞損失時間※1は、1997年をピークに減少傾向が続き、2008年にはピーク時の5割程度まで減少しました。
その後、2009年以降の休日特別割引（地方部5割引・上限1,000円等）による増加、2011年以降の東日本大震災からの復興需要等による増加を経て、2014年以降は各種渋滞対策効果の発現により減少傾向が続いていました。
しかし、2017年以降は首都圏近郊のネットワーク整備に伴い当社管内の交通量が増加し、渋滞は再び増加傾向に転じています。
※1：渋滞の度合いを表す指標。渋滞によるロス時間と影響を受けた台数の積により算出します。
渋滞の発生原因
一年間に管内で発生する渋滞のうち約7割が交通集中によるものです。（2018年）
このうち渋滞発生箇所の内訳として、上り坂およびサグ部※2が約7割と大部分を占めています。
※2：下り坂から上り坂にさしかかる凹部をサグ部といいます。渋滞発生メカニズムや渋滞対策について、詳しくはこちら
渋滞の発生要因
交通集中の発生箇所
渋滞緩和対策
お客さまに安全で円滑な道路交通を確保するため、ハード・ソフト両面の対策を実施し、渋滞緩和に努めてまいります。
ハード面の対策
ソフト面の対策
ETC普及前は料金所部が渋滞発生箇所のワースト1位でしたが、現在はほぼ解消されました。
光が進行方向に移動するように点滅させることで、速度低下抑制・速度回復支援に効果を発揮しています。
アクアライン（上り）アクアトンネル付近のPML運用状況
主要な渋滞発生箇所に標識を設置し、意識的な速度回復を促しています。
渋滞ポイント標識の運用状況
速度回復表示板の運用状況
交通状況の変化に応じ、最適な車線運用へと改良を行っています。
関越道（上り）大泉JCTの車線運用変更状況
AIを活用した渋滞予測等の技術開発を推進しており、さらなる予測精度・利便性の向上に取り組んでいます。
長期渋滞予測
NEXCO東日本と株式会社グリッドは、AIを活用し、これまで渋滞予報士が行ってきた数か月先の渋滞予測を可能とする技術を開発しました。AIによる渋滞予測モデルは、渋滞発生に大きく影響しそうな過去の要因データを学習させ、将来のある日時、場所における渋滞発生の有無を予想させるものです。
AI渋滞予知
株式会社NTTドコモ（以下、ドコモ）が携帯電話ネットワークの仕組みを利用して作成するリアルタイム人口統計と、NEXCO東日本が保有する過去の渋滞実績や交通流に関する技術的知見等をかけ合わせ、ドコモが人工知能（AI）技術を用いて開発した「AI渋滞予知」により、一部路線において帰宅時間帯の渋滞を予測する実証実験を行っています。実験では、30分ごとの通過所要時間などの情報をNEXCO東日本のお客さま向けWEBサイト「ドラぷら」で配信しています。
