本稿では、交通量予測における共有リザバーの有効性を実データに基づいて検証することを目的とした。従来のGNNやLSTM等を用いた交通量予測では、特徴量設計や地点ごとの個別学習が必要であり、モデル更新コストが大きい。一方、リザバーコンピューティングは内部状態が時系列の動的特徴を保持するため、読み出し層の線形回帰のみで学習が可能であり、軽量かつ再利用性に優れる。そこで本稿では、複数地点の交通量データを用いて汎用的な共通リザバーを構築し、新たな地点に対して読み出し層のみを再学習する転移的なアプローチの有効視について検証した。