深層学習モデルを用いたトラフィック予測では、モデルの黒箱性により結果の解釈が困難である。本研究では、反事実的説明を用いることで、入力変数とその予測結果の関係を明らかにし、深層学習モデルの透明性を高めることを目的とする。