AIが都市の交通管理を改善する方法

交通分野における人工知能 (AI) の応用は、車両とインフラのより効果的で的を絞った使用に向けたイノベーションを促進しています。これにより、ネットワーク パフォーマンスが最適化され、トラフィックの監視と管理がサポートされ、特に都市における将来のモビリティへの道を開くソリューションの基盤が形成されます。

[[350651]]

スマートフォンや車載測位センサーなどのデバイスの普及により、ユーザーとサービスプロバイダー間の情報処理、収集、交換、監視、検出に使用できる機会が生まれ、インフラ管理と車両設計が進化しています。車両の性能と人間の行動。

これらを組み合わせることで膨大な量のデータ（ビッグデータ）が生成され、これが交通における AI の利用の主要な情報源となり、コンピューターが運転などの人間の活動を実行できるようになります。

自動化レベル

今日の輸送分野における、より高度で革新的な AI アプリケーションの 1 つは、車両の自動化です。自動車技術協会 (SAE) 規格では、自動化の程度を表すために最も一般的に使用される分類が定義されています。これにより、6 つのレベルの自動化 (自動化なしを意味するレベル 0 を含む) が提供され、アクションを実行した人物 (人間のドライバーまたはシステム) と時間に基づいて識別できます。

今日の自動車には、駐車支援、クルーズ コントロール、アダプティブ ヘッドライト、車線維持支援など、先進運転支援システム (ADAS) と呼ばれる SAE レベル 1 およびレベル 2 の機能が搭載されていることがよくあります。これらのデバイスは、運転中にドライバーに代わるものではなく、ドライバーに支援、警告、ヘルプを提供することでドライバーをサポートします。

さらに、一部の自動車メーカーは、一定の条件下での自動運転や自動バレーパーキングなど、部分的に自動化された機能を搭載したモデルを提供することができますが、ドライバーが常に車を制御している必要があります（SAE レベル 3）。

今後は、大手自動車メーカーだけでなく、Google などの自動車業界の新規参入企業も、インテリジェント エージェントとして機能し、収集したデータを活用して環境に適応できる完全自律走行車 (AV) を商品化することが期待されています。カメラ、光検出および測距 (LiDAR) システム、測位センサー、デジタル マップからリアルタイムで取得されます。

インフラの適応

自動運転車はどんな外部環境でも動作できると考えられる一方で、AI は安全性の向上や交通状況のリアルタイム制御のために、交通インフラの設計および管理方法にも影響を与える可能性があります。

未来のモビリティは、運転環境に適応するためにシステムの他の要素（車両、歩行者、自転車、インフラ）と常に対話する必要がある車両、つまりコネクテッドカーや自律走行車（CAV）と、それらに対応する適切な設備を備えた「スマート道路」の普及によって特徴付けられます。スマート信号機は、交差点に近づく実際の交通の流れに合わせて青/赤サイクルを適応させ、データ、音、画像を処理して緊急事態を認識し、救急車などの優先順位を付けることで、車両とインフラが連携して全体的な交通状況を改善する方法の一例です。

車両やインフラにおけるこのような技術的進歩には、シームレスなマルチモーダルソリューションの利用を促進する革新的な輸送サービスの開発も伴うでしょう。 CAV は、適切に計画され、既存の大量高速輸送機関と統合されれば、環境、社会、経済の持続可能性の面で大きな利益をもたらし、より効率的で良心的な資源の使用を促進することができます。

例えば、自動運転車は主に「フィーダーサービス」として利用することができ、需要レベルが低いために交通機関が通常の駅を運営できない地方や低密度の都市部に住む人々を地下鉄や電車に接続し、サービスエリアを拡大し、公共交通機関への支援を増やし、自動車を所有する必要性を減らすことができます。

また、能力が限られている、または運転免許を持たないユーザー（高齢者や若者など）の潜在的な移動能力を高め、車内での移動中に読書や電話での会話など他の活動を行うこともできるようになります。

自動運転の小型商用車や都市部でのファーストマイルまたはラストマイルの配達のための「ハイウェイドローン」など、自動化システムは貨物輸送分野でも重要な役割を果たすと予想されています。

今後の道

実際、都市交通は近い将来に根本的な変化を経験するかもしれません。旅行者は、車両を所有する必要はなく、レンタルしてコミュニティの他のメンバーと共有する（ライドシェアリングなど）ことをベースとした旅行のためのモビリティソリューションを利用できるようになります。しかし、都市部での車両の普及は、道路渋滞、エネルギー消費量の増加、汚染物質の排出、景観への影響、土地利用費の増加につながる可能性があります。利用できる車両が増えるだけでなく、道路上に空の車両が存在すれば、無人車両の停止や派遣を回避できるため、より多くの移動が実現される可能性があります。

要約すると、AI アプリケーションが交通システムにもたらす変化を評価するには、土地利用、社会的包摂などへの影響も考慮しながら、AI アプリケーションが交通システムに及ぼす潜在的な影響の幅広い範囲を慎重に検討する必要があります。

都市はこれらの変化に対応するために 2 つのアプローチを取る必要があります。短期的には、市場で入手可能な技術革新に投資し、それを既存のシステムに統合することができます。たとえば、スマート信号機ではすでにこれが実現されています。これらの装置は交差点に近づく交通量に基づいて赤と緑のサイクルを自動調整することができ、時刻、週、月に基づいて自動プログラムすることができます。

同時に、都市は、インフラと車両が相互に通信し（車両対インフラ/V2I）、他の車両と通信し（車両対人/V2P）、自らを監視し、外部の状況に自律的に反応するといった、私たちを待ち受けるイノベーションの度合いを捉えるために、先見性を持って将来の長期的なモビリティを計画する必要があります。

都市は、経済的に持続可能であるだけでなく、包括的であらゆる種類のデジタル格差を回避する、未来へのスムーズな移行を計画する必要があります。これは、公共交通サービス、インフラ整備、物流、運賃、規制を含むモビリティ システムを再考することを意味します。これはまた、上級交通アナリストがこれらの新しいプロセスを管理および統制できるように、教育および標準の設定を行うための能力構築とトレーニングへの投資も意味します。