本研究では、地方道路の年間平均日交通量（AADT）の正確なデータが交通計画やインフラ管理において重要であるとし、特に自動交通検出器が主要道路に偏りがちである問題を指摘しています。この問題を解決するために、予測の不確実性を明示的に定量化する区間予測アプローチを提案しています。具体的には、量子ランダムフォレストモデルと主成分分析を組み合わせ、2,000以上の英国内のマイナー道路から得たデータを利用して、AADTの予測区間を生成します。この手法により、予測の最小値と最大値を用いて信頼できる交通量を示すことができ、評価指標においては区間カバレッジ確率が88.22%、平均幅が0.23、ウィンクラースコアが7,468.47という結果を得ています。これにより、交通計画の精度と解釈可能性が向上し、より堅実で情報に基づいた意思決定が可能になることが期待されます。