自動運転、企業の垣根を越えて共有させるべきデータ群は?(深掘り!自動運転×データ 第25回)

重要性増すデータ共有への道



完全自動運転を実現するためには、企業の垣根を越え共有すべきデータが存在する。公的に整備し提供されるデータをはじめ、各社が協調してデータベース化に取り組むべきものもある。

各種センサーが常時データを収集し、サーバーや交通インフラ、周囲の車両とデータをやり取りしながら走行する自動運転車は、いわば「データの固まり」となり、事前に整備されたデータと生成し続けるデータを突合させながら精密な走行を実現するのだ。

さまざまな情報・データが行き交う自動運転において、共有すべきデータにはどのようなものがあるのか。その中身に触れてみよう。

■企業の垣根をこえて共有されるべきデータ
道路の3次元データ

自動運転における自車位置の特定や、起伏などを含む細かな道路情報、マップに紐づけられた各種交通情報によって予測に基づいた安全走行を可能にする高精度3次元地図やダイナミックマップは、共有されるべきデータの代表格と言える。

高精度3次元地図は、路面情報や車線情報、3次元構造物など静的情報で構成されており、準天頂衛星を活用したセンチメートルレベルの高精度測位情報と協調することで高度な位置特定を可能にする。自動運転のほか、防災や社会インフラの維持管理など多方面での活用が見込まれているデジタルインフラだ。

高精度3次元地図は「協調領域」としてダイナミックマップ基盤株式会社が中心となって整備を進めており、全国の高速道路・自動車専用道路2万9205キロのイニシャル整備を2019年3月に完了し、すでに提供を開始している。

この高精度3次元地図をベースに、交通規制予定情報や道路工事予定情報、広域気象予報情報などの準静的情報、事故や渋滞情報、道路工事情報などの準動的情報、周辺車両や歩行者、信号情報といった動的情報をレイヤーしたものがダイナミックマップだ。刻々と変化する道路交通上のあらゆる情報を網羅したデータの集合体となる。

【参考】ダイナミックマップについては「【最新版】ダイナミックマップとは? 自動運転とどう関係? 意味や機能は?」も参照。

準静的情報、準動的情報、動的情報は「競争領域」に位置付けられるが、各自動運転開発・運用企業が必要とするデータであり、共有されることが望ましい。これらのデータの主たる提供者は警察庁や国土交通省、気象庁など公的機関となるため、データの共有化がスムーズに行われる領域だ。

なお、一般道における高精度3次元地図は、人口密集地域など地域性なども考慮した上で整備を開始する方針で、省庁や自治体、民間企業のデータを利活用することで整備費用を抑制すし、ユーザーの負担額の低減を図っていく。当初予定では2020年4月に事業化に着手し、作成したサンプルデータを各自治体の実証実験に提供し、MaaSサービス実現に向けた協業なども図っていくとしている。

交通事故の過去の発生データ・最新の発生データ

交通事故によって発生中の通行止め情報などリアルタイムな交通情報は準動的情報としてダイナミックマップに含まれ、基本的に共有されることになるが、交通事故が頻発する地点など、過去のデータをもとにした事故情報も有用だ。

交通事故頻発地点の情報はカーナビなどにも導入されているが、見通しが悪いために発生する出合い頭の事故をはじめ、右折時の事故、わき見運転、スピードの出し過ぎなど、事故形態も含めたデータを共有することで、手動運転におけるドライバーは事故形態に応じて特段の注意を払うことができるが、自動運転においても同様で、こうした情報をもとにAIが危険個所を把握し、ドライバーと同様に注意を払うことが可能になる。

道路工事や道路空間を使ったイベント開催などのデータ

道路工事や道路空間を使用したイベントによる交通規制情報は、準静的情報としてダイナミックマップに含まれており、共有が望まれるデータとなる。

合わせて、通行規制による周辺の渋滞予測情報も共有できるとなお有用だ。現在発生中の渋滞情報は準動的情報となるが、道路環境によっては、事前に周辺道路の混雑具合も推定可能だ。特にイベントによる交通規制時は、通行止めとなる個所以外に渋滞する周辺道路も出てきやすい。

警察による交通規制情報以外に、こうした個別の情報も事前に共有することで、より円滑な走行を実現することができる。

路車間通信(V2I)データ

車両と交通インフラ間でやり取りされる路車間通信(V2I)による情報も、必然的に共有されるデータとなる。現行のVICSを発展したイメージで、交差点における信号情報をはじめ周辺車両や自転車、歩行者の動態などのデータを逐次自動車とやり取りする。

基本的にダイナミックマップに含まれるデータとなりそうだが、マップに紐づけられない情報などさまざまなデータの派生も想定される。

【参考】関連記事としては「自動運転とデータ通信…V2IやV2V、5Gなどの基礎解説」も参照。

自動運転システムの誤検知データ

自動運転車特有の情報としては、誤検知や誤作動情報などの共有が重要性を増しそうだ。道路上の特定個所において、例えば白線を読み込めないケースや、街路樹がセンサーの邪魔をするケース、西日がきつい場所と時間帯、誤検知しやすい道路脇の構造物など、センサーが正確に作動しなかった場所や時間、内容に関するデータを共有することで、危険個所を共有するとともに自動運転システムの改善すべきポイントが浮き彫りになる。

各社の自動運転システムの改善・向上につなげるためにも、こうしたインシデントに関するデータも共有されてしかるべきだろう。

サイバーセキュリティ情報

パソコンにおけるコンピュータウイルス情報と同様、自動運転車におけるウイルス情報やセキュリティホール(脆弱性)などの情報も当然共有すべき情報となる。

安全確保に向け最低限満たすべき水準は国際的に標準化されることになるが、万が一自動運転車が乗っ取られた場合、人命に直結する事案も想定されるため、最高水準のセキュリティを各社が確保する必要がある。

最新のウイルス情報や新たに判明したセキュリティホールの情報などを各社が共有し、しっかりと対策していく必要があるだろう。

プローブ情報をはじめとした車両が収集するデータ

走行する車両から得られる位置情報や交通情報などのプローブ情報も、ビッグデータ化し共有することでよりスマートな道路交通環境の構築に役立てることができる。こうした取り組みは、VICSを担う道路交通情報通信システムセンターなどがすでに取り組んでおり、渋滞の解消やルート最適化などへの効果に期待が持たれるところだ。

より多くの情報を収集することができる自動運転車においては、こうした車両が収集するデータは非常に有益で、おいそれと第三者に手渡してはならないデータも当然含まれる。

代表的な例として、車載カメラやLiDARなどで収集した膨大な量に及ぶ画像データが挙げられる。開発各社が競うようにデータを収集し、道路情報の構築やAIの精度向上を図っているのだ。

こうしたデータは各社の武器となり得るものだが、近年では共有を図る動きも出ている。米グーグル系ウェイモは2019年8月、同社が公道走行で取得したデータセットを研究者向けに無料開放すると発表した。

【参考】ウェイモの取り組みについては「グーグル系ウェイモ、自動運転走行のデータセットを開放」も参照。

無料開放することによってプラットフォーマーとしての地位を確立し、将来的な覇権を念頭に置いている可能性もありそうだが、こうした取り組みが世界全体の自動運転開発の進展に寄与することは間違いない。

世界全体の道路交通を網羅し、かつ自動運転の精度を上げるためには無数とも言えるデータを生成し続ける必要がある。こうしたデータの共有が、将来的にスタンダードなものになる可能性は十分考えられるだろう。

■【まとめ】データ共有化の課題は仕組みづくりにあり

ダイナミックマップに象徴されるように、明確に共有すべきデータの整備・提供方法は確立されているが、自動運転の実現に向け共有すべきデータは多方面に及び、各社が単独で収集や整備を行っている領域もまだまだ多い。

データそのものに大きな価値があるため無償提供には抵抗があるかもしれないが、業界全体の最適化を考慮すれば共有化に向けた仕組みづくりを構築すべきなのは言うまでもないことだ。

ダイナミックマップのように有償形式でも共有化を図ることは可能なため、課題は仕組みづくりにありそうだ。国や業界団体らが音頭を取る形で標準化を進め、協力体制を構築することで、自動運転開発の速度を格段に引き上げることが可能になる。

競争領域のデータを協調領域に置き換え、業界全体の底上げをどのように図っていくか。こうした観点に重きを置いた取り組みが今後のスタンダードとなりそうだ。

>>特集目次

>>【特別対談】「大容量×信頼性」、車載業界屈指の半導体メーカーが見据える自動運転の未来

>>特集第1回:自動運転車のデータ生成「1日767TB」説 そのワケは?

>>特集第2回:桜前線も計測!”データ収集装置”としての自動運転車の有望性

>>特集第3回:自動運転車の最先端ストレージに求められる8つの性能

>>特集第4回:【対談】自動運転実現の鍵は「車載ストレージ」の進化にあり!

>>特集第5回:自動運転車と「情報銀行」の意外な関係性

>>特集第6回:自動運転の安全安心の鍵は「乗員のリアルタイムデータ」にあり

>>特集第7回:【対談】車載ストレージ、タクシーのデータビジネス下支え!

>>特集第8回:自動運転、車載機器の最重要5パーツをピックアップ!

>>特集第9回:AI自動運転用地図データ、どこまで作製は進んでいる?

>>特集第10回:自動運転車、ハッカーからどう守る?

>>特集第11回:改ざん阻止!自動運転業界がブロックチェーン導入を歓迎すべき理由

>>特集第12回:自動運転時代はクラウドサービス企業の成長期

>>特集第13回:自動運転、画像データ解析の主力企業は?

>>特集第14回:自動運転、音声データ解析の主力企業は?

>>特集第15回:日本、自動運転レベル4はいつから?ODD拡大ではデータの網羅性も鍵

>>特集第16回:日本、自動運転タクシーはいつ実現?リアルタイムデータ解析で安全走行

>>特集第17回:【対談】自動運転、ODM企業向け「リファレンス」の確立が鍵

>>特集第18回:パートナーとしての自動運転車 様々な「データ」を教えてくれる?

>>特集第19回:自動運転車の各活用方法とデータ解析による進化の方向性

>>特集第20回:自律航行ドローン、安全飛行のために検知すべきデータや技術は?

>>特集第21回:自動運転車、AIの「性格」も選べるように?人の運転データを学習

>>特集第22回:【対談】2020年代は「タクシー×データ」で革新が起きる!

>>自動運転白書第1弾:自動運転領域に参入している日本企業など一覧

>>特集第23回:自動運転に必須の3Dマップ、どんなデータが集積されている?

>>特集第24回:解禁されたレベル3、自動運行装置の作動データの保存ルールは?

>>自動運転白書第2弾:自動運転関連の実証実験等に参加している日本企業一覧

>>特集第25回:自動運転、企業の垣根を越えて共有させるべきデータ群は?

>>自動運転白書第3弾:自動運転業界における国内の主要人物一覧

>>特集第26回:コロナで早期実現!?自動運転宅配サービスに必要なデータは?

>>特集第27回:自動運転業界、「データセット公開」に乗り出す企業たち

>>特集第28回:自動運転と「データ通信」の実証実験、過去の事例まとめ

>>特集第29回:自動車ビッグデータの活用に取り組む「AECC」とは?

>>特集第30回:「次世代タイヤ」から得られるデータとは?

>>特集第31回:自動運転におけるデータ処理は「クラウド側」「エッジ側」の2パターン

>>特集第32回:自動車×ビッグデータ、自動運転領域を含めた活用事例まとめ

>>特集第33回:自動運転の「脳」には、車両周辺はどうデータ化されて見えている?

>>特集第34回:自動バレーパーキングの仕組みや、やり取りされるデータは?

>>特集第35回:検証用に車載用フラッシュストレージを提供!Western Digitalがキャンペーンプログラム

>>特集第36回:自動運転、「心臓部」であるストレージに信頼性・堅牢性が必要な理由は?

>>特集第37回:自動運転レベル3の「罠」、解決の鍵はドラレコにあり?

>>特集第38回:自動運転時代、ドラレコが進化!求められる性能は?

関連記事