道路が車両を制御することが自動運転の新たな方向性となるのでしょうか?

道路が車両を制御することが自動運転の新たな方向性となるのでしょうか?

自動運転技術は、人工知能、ビジュアルコンピューティング、レーダー、監視デバイス、全地球測位システムを利用して、自動運転車を実現します。

現在の自動運転の特徴は、車が道路に適応し、複雑な道路状況に対処できるようにすることです。では、別の可能性はあるのでしょうか? 巨大な「スマート道路」を敷設して道路を車に適応させ、自動運転の技術的難易度を下げ、L5レベルの自動運転をできるだけ早く実現するのでしょうか?

現在の自動運転技術の発展方向から見ると、L3レベル以上の自動運転を実現するためには、車にLIDARを搭載するか、高解像度のカメラと極めて強力な計算能力を持つチップを搭載する必要がある。これでは間違いなく自動車の生産コストが増加し、自動運転の普及にはつながらないだろう。

しかし、「スマート道路」の構築に成功し、車と道路の連携が実現すれば、車は高精度の地図測位を実現し、位置や速度などの情報をクラウドに送信するだけで済みます。クラウドは各車両にディスパッチして指示を送信します。

[[418466]]

エッジコンピューティングがクラウドコンピューティングになると、自動運転車のコストは大幅に削減され、その人気は確実に高まります。

「スマート道路」のもう一つの利点は、自動運転の開発のボトルネックを打破できることです。

現在の自動運転技術は、複雑な交通環境に対応するには不十分です。車や歩行者がどこにいるか、どこを歩いてよいかを車両に伝える「インテリジェント道路」があれば、自動運転車両の判断能力は大幅に向上します。

「車が道路を制御する」よりも「道路が車を制御する」の方が信頼できるようです。しかし、実際には前者も達成するのが難しいのです。

料金

「スマート道路」が新たな方向性となり得るかどうかは、最終的にはコストが大きな問題となる。

1960 年、米国ニュージャージー州プリンストン市政府は、「電子ハイウェイ」の技術を説明する刺激的なプレスリリースを発行し、電子ハイウェイ建設の波が始まりました。

[[418467]]

しかし、敷設コストが高かったため、このアイデアはすぐに失敗しました。コンピューターとセンサーをベースに建設された高速道路1マイルあたりの総投資コストは2万~20万ドルで、当時の技術レベルではここでのビジョンを実現するのは困難でした。

現在の技術レベルは 1960 年代をはるかに上回っていますが、コストは依然として大きな問題です。

「スマート道路」を実現するには、次のことが必要です。

  • すべての信号機、カメラ、その他のインフラは 5G ネットワークでカバーされる必要があります。そうでないと、遅延が大きくなりすぎて、データ転送の適時性が保証されなくなります。
  • 一定の間隔で、路面と周囲の環境を監視するための関連機器が必要です。そうしないと、突然の状況に対処することが難しくなります。

[[418468]]

  • 膨大な交通量でも正常な動作を確保するには、あらゆる交通エリアにスーパーコンピューティング能力を備えたデータ処理センターを設置する必要があります。

2019年末現在、中国の高速道路の総走行距離は500万キロを超えており、すべてを「スマート道路」にするプロジェクトを完了するのはほぼ不可能だ。

実行

車と道路は一体化していなければなりません。クラウドシステムから指示を受けた後、車両はシステムとの正常な通信を維持し、障害が発生してもシステムから発行された指示を厳密に実行する必要があります。そうしないと、システム全体の正常な動作に影響を及ぼします。

2010年のポーランド大統領専用機墜落事故を例に挙げてみましょう。この墜落事故ではポーランド大統領を含む96人が死亡しました。乗務員が管制塔の指示に従わなかったことが事故の大きな原因でした。

[[418469]]

ターミナル実行がいかに重要であるかがわかります。

信頼性

「スマート道路」は、数百台、あるいは数万台の車両が同時に通行する公共施設です。その設計には極めて高い信頼性と冗長性が求められ、難易度とコストが飛躍的に高まります。

簡単な例を挙げると、自動車のファラデーケージ構造は落雷を防ぐことができますが、「スマート道路」のすべての設備は落雷や自然災害に耐えることができなければなりません。これを実現するには、コストも大幅に増加します。

「スマート道路」はまさに未来に向けた開発発見であり、現時点では実現が難しいが、先駆者たちは不足していない。

スウェーデンの欧州E4高速道路、日本のスマート高速道路、英国のスマート高速道路、オランダのスマート高速道路はすべて「スマート道路」の実用化の例です。わが国の江西寧都から定南高速道路までのスマート高速道路プロジェクトは2017年9月に試験運用が開始され、良いスタートを切りました。

[[418470]]

これからは「スマート道路」の時代がやってきます!

<<:  マスク氏はAIデーでテスラに関する難しい技術的質問に答える予定

>>:  ディープラーニングの3つの主なステップ!

ブログ    

推薦する

今日の AI 開発者にとって必須のローコード ツール 22 選

翻訳者 |陳俊レビュー | Chonglou今日、人工知能ツール (AI) は非常に強力です。開発チ...

...

...

...

音声認識を開発する方法

ディープラーニング技術を用いた自然言語の深い理解は、常に注目されてきました。自分で音楽を調べる必要が...

剪定法を使用してより良い決定木を設計する方法

決定木 (DT) は、分類および回帰の問題を解決するために使用される教師あり機械学習アルゴリズムです...

近年の人工知能の発展を理解する

近年、AIの波が押し寄せ、各界ではAIが人間の仕事に取って代わるドラマが相次いで上演されています。A...

LRU (Least Recently Used) キャッシュアルゴリズムの実装

[[349478]] LRU は Least Recently Used の略で、よく使われるページ...

AI、VR、ブロックチェーンにより、新しい時代は貧しい人々にとっての楽園となるのでしょうか?

今日の社会では貧困がまだ存在しています。 [[275832]]国連開発計画(UNDP)のデータによる...

2021年から2030年までのドローン産業のトップ10の発展トレンド

民間ドローン産業は2010年頃から勢いを増し始め、特に2014年から2017年にかけて民生用ドローン...

2021年に自動運転は私たちをどこへ連れて行くのでしょうか?

[[361430]]文/Quiu Yueye 編集/Tan Lu新年、自動運転は私たちをどこへ連れ...

機械学習のトレーニングをより安価かつ効率的にする方法

さまざまなタスクに人工知能を導入する企業が増えるにつれ、AI モデルのトレーニングは費用がかかり、困...

HiLM-D: 自動運転のためのマルチモーダル大規模言語モデル

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

10億ピクセル画像のマルチスケール特性評価のためのスタンフォード大学の新しいニューラルシーン表現方法がSIGGRAPHに選出されました

現在、ニューラル表現は、レンダリング、イメージング、幾何学モデリング、シミュレーション アプリケーシ...