何も起こらないときは「自動運転」、何か起こったときは「運転支援」？

近年、スマートカーの事故が多発しており、事故の原因は主にいわゆる「自動運転」機能に関連しており、必然的に人々は「自動運転」の発展の見通しについて不安を抱いている。

実際、「自動運転」に対する一般の理解は公式の定義とは異なる可能性があります。世界的に認められている標準は、一般的にSAEインターナショナル（米国自動車技術会）が発行するJ3016自動運転レベルであり、自動車の運転レベルを非自動化（L0）から完全自動化（L5）まで6段階に定義しています。

これに応じて、中国工業情報化部も2021年8月20日に「自動車運転自動化分類」標準を発行し、2022年3月1日に施行される予定です。詳細な分類は図1に示されています。

図1 国家標準「自動車運転自動化分類」

これら 2 つの基準によれば、一般の人が想像する「車に座って何も心配する必要がない」というシナリオは、レベル L5 でのみ実現できます。しかし、現在、業界の先駆者であるテスラのオートパイロット（自動運転支援）機能でさえ、L2レベルにとどまっている。国内では、威来のNOP（パイロット支援運転）、理想のAD（高度支援運転）、小鵬のNGP（自動ナビゲーション支援運転）はいずれもL2レベルである。このレベルでは、運転支援機能を使用するときは常に運転者がハンドルを握り、状況を常に観察する必要があります。実はこれが、現在量産車に搭載できる技術の上限でもあるのです。

では、現在の技術を基に、どのようにインテリジェント運転をさらに反復・アップグレードして、真の「車両と道路の連携」を実現し、安全性をさらに確保できるのでしょうか?

1. シナリオに基づくデジタル交通の特徴

交通問題は複雑な体系的問題であるというのは業界の共通認識です。急速に発展するインテリジェント交通事業、現在急成長している自動車のインターネット、デジタル交通を含む車と道路の連携など、どれも単一の製品や単一の技術でカバーしたり解決したりすることはできません。では、複雑な交通問題には単一の解決策はないのでしょうか?インテリジェント交通の分野でプロジェクトを実施してきた 10 年以上の経験に基づき、万能の製品や技術は存在しないものの、本質的には同じ分析方法、つまりシナリオベースの分析を抽出することができます。

まず、ビデオは交通シーン認識を構築するための重要な技術と方法ですが、すべての環境に適応できるカメラ製品は存在せず、すべてのターゲットの行動を認識できる汎知能も存在しません。ただし、セグメント化されたシナリオに合わせてビジネス目標と環境モデルを改良することは完全に可能です。適切な製品とインテリジェントなモデリングの助けを借りれば、期待される目標を達成できますが、同時に、ターゲット以外のインテリジェンスやビジネスは放棄する必要があります。

第二に、交通の複雑さは、環境の複雑さと、交通参加者および予測可能な交通行動の不確実性にあります。交通シナリオのマルチレベルのセグメンテーションと分類により、環境が比較的確実で、交通参加者と予想される動作を固めることができるモデルをうまく抽象化できます。

現在デジタル化待ちの交通シナリオを、都市道路、都市駐車場、橋梁・トンネル、高速道路の4大カテゴリー（暫定）に分け、13カテゴリー45モデル（不完全セット）に分割しました。各シナリオモデルでは、全時間、全エリア、全要素の認識を建設目標とし、必要性、有効性、集約性を建設原則とし、対応するシナリオモデルの下で交通問題を分析し、交通評価指標システムを構築します（図2参照）。

図2 デジタル交通システムアーキテクチャ

2. 「路側状況」認識と多次元認識がデジタル交通基盤を構築

車道協調システムの構成要素には、インテリジェント車両、高精度マップ、路側認識が含まれ、V2X 通信、エッジ コンピューティング、クラウド コンピューティングの意思決定が連携してビジネスの実装を完了します。私はそれを「車-道路状況-情報-戦略」という 5 つの単語の式に抽象化します。

• 車両：インテリジェント車両自体に電力制御システムと環境認識システムが搭載されています。運転中の車両の位置、速度、電力パラメータなどは「車両状態」と呼ばれ、車載センサーとAIが車両環境の整理と構築を完了します。たとえば、前後の車両の位置、障害物、交通標識、信号灯の状態灯などは「車両シナリオ」と呼ばれ、「車両シーン」と呼ばれます。
• 道路：簡単に言えば、高精度の地図であり、日常のコミュニケーションにおける道路に相当し、一定期間にわたって固められた交通の流れの基礎であり、デジタル道路は車両と道路の協調システムの提示と意思決定の基礎です。
• 状況: 路側認識システムによって特定の瞬間とシーンで取得された交通参加者の情報と全体的な交通状況の説明は、実際の交通プロセスにおける瞬間的な状況をデジタル マッピングしたものです。さまざまな空域シナリオの状況を全体的に包括的に記述することで、エリア全体の交通リソースの利用レベルが同時に構成されます。同じシナリオで、連続時間領域における一連の状況のサイクル内での交通効率を動的に表示できます。
• Xin: V2V、V2I、V2X間で必要なデータの伝送を完了するための通信技術。
• 政策：クラウドシステムは、あらゆる地域と時間であらゆる種類の情報を収集し、交通状況の評価のために総合的に整理することができます。エッジシステムは、半リアルタイムで決定を下し、交通指示をプッシュすることができます。

状況認識は、車両道路協調システムの最初の入力であり、唯一のリアルタイム動的データです。データのリアルタイム性、完全性、正確性は、車両道路協調システムの最終的な意思決定出力の正確性に影響を与えます。したがって、状況認識システムをデジタル交通の基礎と呼んでいます。

多次元統合によってのみ、システム運用の有効性を向上させることができます。

デジタル交通システムの有効性を最大限に高めるためには、路側状況認識システムの構築原則として「すべての要素、すべての空域、すべての期間」を考慮する必要があります。

あらゆる現場地点における路側状況認識システムの構成には、ビデオ、マイクロ波、ミリ波、レーザー、RFID、気象環境などの複数のセンサーが含まれる場合があります。その中で、ビデオカメラ、ミリ波レーダー、ライダーは交通状況を構築するための主な認識デバイスとなるはずです。ビデオは交通参加者の特性、特に色情報の認識を識別および判断できますが、ビデオの範囲は限られており、光の状態の影響を受けやすいです。ミリ波レーダーは主な交通参加者を識別でき、より広いエリアで速度と距離を測定して交通行動を判断できます。ライダーはより正確な（センチメートルレベルの）ターゲットの認識を実現できますが、コストが高くなります。

ミリ波レーダーとライダー技術はどちらも、車両の識別特性を認識できません。さまざまなセンシング技術は、ターゲット検出、動作追跡、識別認識、キャリブレーションの点で補完的または矛盾しています。空域内の隣接するシーンポイントにある複数の路側状況認識システムの場合、交通物体の追跡が失われないようにするために、構築中にある程度の重複した認識カバレッジが必要です。

可能な限り広い範囲でより正確な交通状況認識を実現することによってのみ、車両道路協調システムのためのより正確なデジタルツインデータを構築することができます。さまざまなシナリオにおける交通参加者の交通行動の目的の違いを完全に理解することによってのみ、自動運転車両に対してより合理的な補助的な決定を提供することができます。