テスラですら理解できない、車両と道路の連携が自動運転の究極のソリューションなのか？

[[434381]]

最初は1兆円、次に1.2兆円と、テスラの時価総額は新たな高値を更新し続けました。

周りを見渡すと、自動車業界全体が自動運転車を積極的に導入しています。

テスラの時価総額が1兆ドルに達したことで、従来の自動車会社が昔に対して抱いていた懐かしさが全て打ち砕かれたと言えるだろう。

[[434382]]

しかし現実には、テスラやウェイモを含む自動運転企業は、安全性と高度な自動運転技術の推進において繰り返し挫折に直面している。

テスラの複数の致命的な事故はさておき、ウェイモの自動運転車は壁にぶつかるまで走り続ける決意のままだ。

たとえば、最近ロサンゼルスの袋小路では、毎日最大 50 台の Waymo 自動運転車を「受け入れる」必要があり、この状態が 8 週間続いていました。

こうして、ユニークな風景が生まれました。Waymo が「5 分ごとに」方向転換する様子を見ることができます。

テスラにしろウェイモにしろ、これらは単一車両知能の典型的な代表例であり、車両自体の知能レベルを向上させることで自動運転を実現しており、それはインテリジェントに見えても必ずしもそうではない。

「白いトラック」を認識できないことと、10年間で3,000万キロメートル以上の道路テストデータしか蓄積されていないことは、現在、単一車両インテリジェンスでは解決できないボトルネックです。

もし、クルマと道路を融合し、クルマ側の知能と道路側の知能を融合することができれば、高度な自動運転への新たな道が開けるのではないでしょうか。

車両と道路の連携 VS 単一バイクの知能

Waymo の行き詰まりの例を見てみましょう。

子供の頃と同じように地図上の線を単純につなげば、この道は確かに通行可能です。

もちろん、道の終わりに下のような標識がないことが前提です。

明らかに行き止まりなのに、なぜ無人運転車はこの道路に入り続けるのでしょうか?

実はとても簡単です。Waymo の車載マップでは…

その結果、いわゆる自動運転車は、近づいて初めて「ああ、この道は通行止めになっている」と気付くので、方向転換して戻らなければなりません。

これは、車両単体の知能化では避けられない限界であり、車両を中心とした周囲の局所的な認識しかできず、車両がそれを認識できた場合にのみ、それに応じた調整や動作を行うことができる。

では、それが「車と道路の連携」によって実現されるとしたらどうなるでしょうか?

（出典：デロイト分析）

名前が示すように、車両と道路の連携は、車両側と道路側という 2 つの主要な部分で構成されます。実際には、これら 2 つの目に見える部分に加えて、車両と道路の調整をバックグラウンドでサポートする目に見えない「クラウド」もあります。

• 車両側：インターネットに接続でき、一定の自動運転機能を備えた車両。

• 路側：インテリジェントセンシング設備（カメラ、ミリ波レーダー、ライダーなど）、路側通信設備、コンピューティングおよび制御設備（エッジコンピューティングノードなど）、およびその他のサポート機器が含まれます。

• クラウド：車両と道路に関する情報をリアルタイムで収集、計算、処理し、車両と道路の連携機能を最適な状態に調整できるコンピューティングプラットフォームやクラウド制御プラットフォームなどのバックエンドプラットフォームを含みます。

車両のみに依存して外界を認識する単一車両インテリジェンスとは異なり、「スマートカー」+「スマート道路」+「強力なクラウド」の相乗効果により、車両と道路の連携により、高い位置、安定した着座、優れたデータ、高速計算などの技術的利点が得られます。

目隠しされた車

「高く」立って遠くを見る「神の視点」

まずは、高い位置に立つことについて話しましょう。

車道連携ソリューションでは、「高所」の路側設備が「神の視点」で道路状況情報をリアルタイムで取得できます。LIDARは物体の3次元座標を検出する役割を担い、ミリ波レーダー、カメラ、5G伝送設備と組み合わせることで、高精度のローカル地図のリアルタイム描画と道路状況のリアルタイム動的追跡を実現します。

この「神の視点」で収集された情報が車両側に通信されると、「車両側」は通常通り環境を認識し、複数のセンサーを通じてデータを統合するだけでなく、路側から提供される情報を遅延なくリアルタイムで受け取ることができるようになります。

「路側」が交通参加者の位置、速度、軌跡などの情報を「車両側」に継続的に送信することで、車両自体が死角のない無限遠の全領域認識を持つことになり、道路の実際の状況を事前に把握し、タイムリーに対応できるようになります。

したがって、車両の運転中、複雑なシナリオにおける予測精度と交通効率の両方を向上させることができます。車と道路の協調の真髄は、車がより高く「立つ」こと、より遠くを「見る」ことにあるといえます。

「高い位置に立つ」路側感知装置

では、元の質問に戻りますが、車両と道路が連携した場合、Waymo はやはり行き止まりに陥ってしまうのでしょうか?さて、それはとても良い答えです。

車と道路の連携により、車は前方の道路が走行可能かどうかを「知る」だけでなく、前方の道路上の歩行者や車両のリアルタイムの状況を事前に把握することもできます。当然、「壁にぶつかるまで決して引き返さない」ことはなくなります。

もちろん、この高い位置は物理的な位置だけでなく、全体的な調整も意味します。システムが前方の道路が工事中であるか変更されていることを検出すると、すぐに車両を誘導してルートを調整し、交通の最適化を実現できます。

関連データの計算によると、車両と道路の協調に基づき、無人車両と有人車両が道路上に同時に存在する場合、道路渋滞は30％から40％削減できます。すべての車両が無人であれば、道路渋滞の問題は基本的に解決できます。

大量かつ高品質のデータ収集

自動運転では、システムのデータ収集効率と品質がアプリケーションの実装を解決する上で最も重要な要素です。分析と学習のために大量かつ高品質のデータを収集することによってのみ、システムをより正確に最適化できます。

これは、ランド研究所が2016年に早くも「レベル4の無人運転車の量産には、達成までに177億キロメートル（110億マイル）以上のテストが必要だ」と提案した理由でもある。結局のところ、運転行動は「生死」に関わる問題である。たとえ運転行動の取り扱いに問題が発生する確率が0.1％であっても、車の破壊や人の死を伴う大事故を引き起こす可能性がある。

（出典：ランド）

しかし、単一車両インテリジェントソリューションにおいて、Waymoを例にとると、Googleという大きな後援を受け、巨額の資金を投入しているにもかかわらず、10年間で3,500万キロメートルの実路テストデータを蓄積したに過ぎず、応用や実装を実現できていない。

これは実際には自転車のインテリジェント ソリューションに共通する問題です。データ収集機能が遅いと学習機能が遅くなり、学習機能が遅いとシステムの最適化と改善も遅くなり、システムの最適化が遅いとソリューションの実装も遅くなります。

例えば、2021年5月、人間のドライバーなら簡単に対処できる状況に直面したにもかかわらず、ウェイモの自動運転車は「三角錐問題」に陥り、自ら何度も道路を塞いでしまった。この状況の根本的な問題は、これまで一度も遭遇したことがなく、解決策もなかったことです。

対照的に、車両と道路の連携ソリューションは、データ収集機能において破壊的な進歩を遂げました。つまり、「車両」に関するデータ収集に加えて、「道路」単位のデータも収集し、無人車両の運転データに加えて、人間の運転手のデータも収集します。

蘇州を例に挙げましょう。路側改造が完了した後、データの「量」の面から見ると、市内の道路走行距離は1万2000キロメートルに達しました。450万台の車両の実際の走行距離に基づき、毎日1億2000万キロメートルの実際の車両走行データを収集できます。データの「質」の面から見ると、「路側」で収集されたデータは、全景と連続性があるだけでなく、実際のコーナーケースの原因と結果を記録することもできます。

ビッグデータ処理

高い計算能力と高速な計算速度を持つ「隠れたヒーロー」

もちろん、このような膨大な量のデータは良いことではなく、システム全体の「計算能力」に非常に高い要件をもたらします。しかし、スペースと消費電力の制限により、自転車に搭載されるチップの計算能力は最大でも 1000+TOPS にしか達しません。

コンセプトは何ですか？

（出典：Future Auto Daily）

レベル3の条件付き自動運転からは、車両自身のステアリングや加減速の制御に加え、運転中の環境の監視も必要になります。

この時点で、車載チップの計算能力の出発点は、L2の2TopsからL3の24Topsに向上しました。

L4 および L5 段階に入ると、緊急イベントトリガー引き継ぎメカニズムを追加する必要があります。このとき、コンピューティング能力の要件はほぼ「指数関数的に」増加し、320TOPS および 4000TOPS に達します。

少なくとも今のところ、このような膨大な量のデータに直面した場合、自転車の知能は「横たわる」ことしか選択できません。

（出典：東興証券研究所）

対照的に、車両と道路の連携における計算では、エッジ コンピューティングとクラウド コンピューティングのテクノロジを使用でき、単一の車両の計算能力に制限されることなく、これらの複雑な計算を完了するために膨大な計算能力を必要とします。

それだけでなく、車両と道路の共同コンピューティング機器の導入はより安定しており、運転規則に制約されません。光ファイバー通信は、膨大なコンピューティング能力をリアルタイムで呼び出すことができ、車両側と道路側のアルゴリズムを相互にテストして結果を検証することができます。これらは、計算能力の点では単一車両の知能にはない利点でもあります。

安全性に加えて、安全性

前述のように、車両と道路の連携の最も強力な特徴は、自動車が「道路を認識」できるようにするだけでなく、自動運転が直面する最大の課題である安全性の問題を解決できることです。

特に自動運転の概念が普及しつつある現在、運転支援による事故も増加しています。

2020年6月、テスラ モデル3が高速道路で横転したトラックに直撃した。

視界は明瞭で照明も良好であったにもかかわらず、オートパイロットは前方の静止した障害物を正常に識別できませんでした。

これは実際に、安全性の問題に関して自転車インテリジェンスが遭遇するボトルネックです。

たとえば、ブロックされた「STOP」標識は、基本的に人間の運転手によって簡単に識別でき、迅速に対応できます。

しかし、自転車の知能化にとって、十分なデータと情報があり、システムが十分に最適化されるまでは、これらの記号を認識することは困難です。結局のところ、自転車の知能化で認識されるのは、具体的な「STOP」ではなく、意味のないデジタルコードの集まりなのです。

車道連携による情報収集・分析の利点により、安全性確保に「冗長性」の概念を導入することが可能になります。

冗長性という用語は、同じ情報を受信するために複数の同一の機能ユニットとモジュールを使用する航空機の設計に由来します。メインユニットが故障した場合は、バックアップユニットに切り替わり、航空機の安全な運航を確保します。

車両と道路の連携において、冗長性とは、道路交通に関わるすべての参加者を活用して、多次元の認識、追跡、予測、学習を行うことを意味します。

路側知覚と車両と道路間の情報共有により、車両側知覚の限られた視線と死角を補うだけでなく、他の交通参加者の行動の予測と判断も実現できます。

例えば、頭を出す歩行者、交差点に突然現れる車両、同じ道路上の他の車両の不規則な走行、さらには信号のない交差点で交通整理をする交通警察官の指示など、すべてを「道路側」で感知して事前に予測し、車両側に遅滞なく信号を送信することができます。

これは、全天候型、全シナリオ型、360度の「千里眼」と、全体の状況を調整する「スマートブレイン」を備えた単一点インテリジェントカーを搭載し、車両、道路、人、インフラ間のあらゆるものの相互接続と相互制御を実現するようなものです。

将来的には、すべての車が情報の受信側、転送側、処理側、送信側となり、都市のスマートネットワーク上でグローバルな調整が行われ、情報の多重収集と判断が実現され、自動運転の安全性が飛躍的に向上します。

死角警告

中国は独自の自動運転車の道をいかに発展させていくのか？

2019年は、中国と米国がインテリジェント運転の発展において異なる方向性を選択したため、転換点となる年と言えるでしょう。

米国は「自転車インテリジェンス」に向けて動き続けている。中国では、車両と道路の連携が自動運転を実現するためのより信頼性の高い方法になりつつあります。

まず、地理的な観点から見ると、米国は広大で人口もまばらで、交通環境も比較的単純です。精度の低い単一車両インテリジェンスでも、運転支援の目的を達成できます。

一方、中国では人口密度が高く集中しており、交通環境が複雑で、自動運転に対する要求が比較的高く、単一車両の知能に頼って高度な自動運転を実現することは困難ですが、車両と道路の連携は優れた解決策を提供します。

第二に、インフラ建設への投資も非常に重要です。 5G は、高帯域幅、低遅延、広範囲な接続という特徴を備えており、道路と車両の連携の発展をサポートするのに十分です。

最新のデータによると、中国は91万6000以上の5G基地局を建設しており、これは世界全体の約70％を占めている。

中国と米国の車道連携インフラの比較（出典：デロイト分析）

最後に、中国は車両の連携を実現する上で大きな規模の優位性を持っています。各車両に複雑で高価なセンサーやコンピューティングユニット機器への巨額の投資が必要となる単一車両のインテリジェントソリューションと比較すると、車両と道路の連携では、高度な自動運転を実現するために、I4レベルの道路とL2レベルの車両のみが必要です。

中国の自動車保有率と巨大な道路網から判断すると、大規模開発により変革コストは継続的に削減されるだろう。中国では、車両と道路の連携技術を使用してレベル 4 レベルの自動運転ソリューションを実装すると、総投資コストは単一の車両の場合の半分以下になります。

（出典：デロイト分析）

まさにこの利点こそが、「車路協調が中国の無人運転の成否を左右する」という考えを、産業政策立案者を含む業界関係者の間で基本的にコンセンサスにした。一部の先駆者たちは、すでに車路協調と無人運転の道で画期的な成果を上げている。

2021年「新型4スパン」デモ車両

CIRI 車両と道路の連携

蘇州市襄城区には高水準の車道連携試験区間があり、この区間では車道とクラウドの連携による高水準の無人運転路上試験で大きな進歩を遂げている。

この画期的な成果を達成した中国智能運転科技有限公司は、車と道路の連携に注力する企業です。同社は2021年9月に中国電信、蘇州市政府と共同で中国における車道連携の実現を推進するため、天一交通という会社を設立したばかりだ。

車両と道路の協調型無人車両の試験が行われている

これは実は、中国が道路と車の連携において優位に立っていることを具体的に表している。中国電信は5Gインフラと情報処理能力を持ち、蘇州市政府はインフラ面での優位性と政策支援を持ち、CIDRAPは中国で唯一、車、道路、クラウドのフルスタック技術アーキテクチャを実現しており、無人運転の中核技術指標において世界の最先端を走っている。

コア技術のブレークスルーを達成した後、車道連携の次の方向は都市レベルの応用です。まだやるべきことはたくさん残っていますが、「0から1」の開始段階はすでに過ぎています。

中国インテリジェントドライビングカンパニーの創設者、王金氏

CIRIの創設者である王金氏は、中国初（そして世界第2位）のレベル4完全自動運転チームを創設した。車両道路連携の都市レベルの応用について、同氏は次のように認識している。「車両道路連携の発展の必然的な道は、まず小規模な実験を行い、成功した後に大規模実験を行い、さらに拡大していくことだ。」

実際、全国の都市でスマート道路の建設が進み続けています。蘇州に加え、中国インテリジェントドライビングは多くの場所で政府と協力して、車両と道路の連携を実現しています。

計画によれば、中国インテリジェントドライビングは2025年までに2つの2級都市と5つの3級都市でスマート道路の敷設を完了する予定だ。

継続的な技術革新とインフラ基準の明確化により、都市レベルのアプリケーションの推進はますます加速することが予想されます。

車両と道路の完全な連携は、将来の交通開発にとって有望な選択肢となるかもしれません。