将来の旅行に関する最初の質問：自動運転による交通渋滞の解決策は本当に実現可能でしょうか？

交通渋滞問題は北京、上海、広州の都市脳血栓症となっている。我々の巧妙な統治の下では、都市部の道路渋滞の緩和の程度が限られているだけでなく、巧妙な形の渋滞も生じている。例えば、休日に高速道路が無料になると高速道路の渋滞が発生し、年末年始には帰省する人が増えるため地方の道路が混雑します。

経済発展によって急増する渋滞レベルに、渋滞の解決策が追いつくことは決してできないようです。

想像と現実の渋滞管理

こういう時こそ、私たちは技術の進歩に希望を託します。

私たちは交通渋滞に対する多くの技術的な解決策を「想像」してきました。

たとえば、モバイル マップ ナビゲーション ソフトウェアが AI アルゴリズムを使用して交通渋滞を予測し、ドライバーがルートを計画するのに役立つことを期待しています。

例えば、私たちはスマートハイウェイや自動車ネットワークに期待をかけ、車と車、車と道路のつながりを強化し、より多くのデータを収集してドライバーを調整し、将来の道路計画に役立てようとしています。

しかし、現実にはスマート道路やスマート車両ネットワークの普及はまだ始まったばかりであり、実際に役割を果たすことは難しい。携帯電話の地図ナビゲーションソフトウェアは、真の意味で普及することはできず、十分に包括的で信頼性の高い道路車両情報を収集することができず、渋滞管理における補助的な誘導の役割を強調することしかできません。

その結果、交通渋滞に対する想像上の技術的解決策は、交通規制、ナンバープレート規制、購入規制など、道路上の交通量全体を制限することで渋滞を是正するという「交通渋滞に対する政策的解決策」という現実に変わりました。この管理方法は多くの人々に不便をもたらしましたが、運転スペースは変わらないのに運転需要は絶えず増加し、供給が需要を満たすのに不十分であるという状況では、一部の車を道路から遠ざけることが最善の解決策かもしれません。

混雑は本質的には需要と供給の問題であるようです。需要と供給の問題を解決する方法は価格調整を利用することではないでしょうか?

例えば、朝9時のピーク時間帯に走行すると燃料税の負担が増加し、混雑した道路に入ることを選択すると関連する税負担も増加します。

これまで、運転コストを通じて運転スペースの需要と供給を調整することは困難でした。

道路区間の渋滞であろうと、特定の時間帯の渋滞であろうと、それは本質的に非常に動的です。ある時間は渋滞していても、次の 1 時間は交通がスムーズな場合があり、その場合は料金設定が実行不可能になります。

現在、ほとんどの国では燃料税と高速道路通行料を組み合わせた画一的な課金モデルを採用しており、調整能力があまりにも限られています。

実際、燃料税の課税モデル自体も多くの人々の不満を招いている。ウォールストリートジャーナルが報じた「テクノロジーで交通渋滞を解消する方法」という記事では、燃料購入に基づく単一の税金は、新車を購入する経済力のない人々に対する罰であると考える人が多いと述べられている。

Ore Go のモデルは燃料税を走行距離料金に置き換えるのに実現可能でしょうか?

しかし今日では、混雑料金はテクノロジーの助けを借りて現実のものになりつつあります。

米国のオレゴン州では、走行距離記録を利用して燃料税に代わる「Ore Go」というプログラムが実施されている。自動車に IoT デバイスを設定することで、オハイオ州での自動車の走行距離が記録され、走行距離に基づいて料金が請求されます。

簡単に言えば、米国では州によって燃料税の価格は異なりますが、燃料税自体は、自動車の運転によって引き起こされる渋滞や汚染排出などの問題を解決するはずです。したがって、車両がエリア A で汚染を排出し、エリア B で燃料税を支払うことは可能です。

Ore Go のソリューションは、税制を改善するだけでなく、ドライバーのコスト削減にも役立ちます。 Ore Go のホームページには計算機が用意されており、ドライバーはどの方法のコスト効率が高いかを計算し、Ore Go を使用するか、燃料税を支払い続けるかを選択できる。

それだけでなく、オレゴン州は道路建設に関する自治体の決定を支援するために、この方法で運転データも収集しています。

税金や手数料を低く抑えてドライバーに機器の設置を促し、普遍的なデータ収集を実現するという政府主導のアプローチは、カリフォルニア、コロラド、ミネソタなど、ますます多くの都市に導入されつつあります...

将来のモビリティの課題

しかし、Ore Go モデルは、現在の税金や手数料を変えるだけではありません。その真の目的は、将来の旅行で発生する可能性のあるさまざまな問題に対処することです。

現状、今後の自動運転の普及には以下のような課題が考えられます。

1. 車両の所有権

将来的にすべての車両がリースされる場合、車両は個々のドライバーの所有物ではなくなります。そうなると、駐車スペースや車の利用者を探すために使用される自動運転車には、意味のないアイドル運転時間が大量に発生することになります。交通渋滞に悪影響を与えるだけでなく、さらなる汚染を引き起こす可能性もあります。

2. 運転費用の支払い

車両が個人の所有物でない場合、走行中の燃料費などの費用はカーシェアリング会社を通じて個人ユーザーに転嫁するしかなく、これには多くの複雑なプロセスが伴い、コストが増大します。

3. 異なるブランドの自動運転車のデータインターフェースが接続される

現在、運転データの統合はボトルネックになっている可能性があります。しかし、自動運転、特に自動運転タイムシェアリングの青写真に基づく将来の旅行にとっては、欠かせない部分であると言えます。特に自動運転が普及していく過程では、自動運転と手動運転が共存する厄介な時期が必ず訪れるでしょう。現時点で運転データを集約する簡単で便利な方法がなければ、大きな不便が生じることになります。

アメリカでは、将来の運転問題に対処するために設計された、Ore Go をベースにした ClearRoad という将来の移動実験計画がいくつかある。

ClearRoad はまた、小型の車載 IoT デバイスを使用してデータを収集し、燃料価格ではなく走行距離に応じて課金することを推進しています。 ClearRoad は、自動運転モードで水道料金や電気料金に似た「段階的課金モデル」の使用を提唱しています。個人または家族として、ユーザーは毎月一定の走行距離を持ちます。走行距離が制限を超えると、車の価格が上がります。これにより、将来のレンタカーモデルにおける自動車使用コストの計算の難しさが解消されます。

さらに重要なのは、ClearRoadが軽量モードで自動運転車、一般車、さらには貨物トラックからデータを収集することを目指していることです。強制的なインストールを通じてメーカー間のデータ保護を突破し、前述の道路渋滞の動的価格設定を実現し、価格を利用して道路の使用を調整し、渋滞を緩和することができます。

しかし、ClearRoad はまだテスト段階です。自動運転アプリケーションが普及するまでには、まだ長い道のりがあります。膨大な量のデータのアップロードとダウンロード、道路の渋滞とコストの相互計算には、非常に強力なコンピューティング能力とデータ転送機能が必要です。残念ながら5Gは必須です。

しかし、ウォール・ストリート・ジャーナルのClearRoadに関する記事では、多くの人がこのアプローチを受け入れていないとも述べられている。これは税制優遇措置を利用して個人のプライバシー情報を「購入」しているのではないかという見方もある。少しの減税のために、自分の居場所が常に無数の目に晒されることになる。恐ろしい光景だ。

技術の開発には、倫理、政策規範、インフラストラクチャなど、数え切れないほどの詳細の調整が必要であることがわかります。想像される AI による交通渋滞制御は、これらすべてが成熟した後にのみ実現するかもしれません。