![](https://nauto.co.jp/wp-content/uploads/2023/05/60f6208b2051bf6cc6f79a43_20210720_ec-scaled.jpg)
そのAIを利用した安全運行管理ソリューションはどのくらい優れているのか?
昨今では、ドライバーと車両の安全性を提供するどのソリューション=も、人工知能(AI)、機械学習、コンピュータビジョンを活用して、顧客にとっての優れたソリューションを実現していると主張しています。しかし、その「AI」とはどのくらい優れているのでしょうか?
ドラレコやデジタコがリスクを検出して衝突を減らせるかどうかは、車載機に組み込まれたAI技術モデルと、クラウド上の洗練されたAIおよびデータサイエンスとカメラの処理能力を組み合わせることにかかっています。したがって、AIを利用した安全運行管理システムを構築または選択する前に、必ず以下の5つのシンプルな問いを投げかけてください。
1. ニューラルネットワーク構築に利用される運転データの量はどれくらいか?
AIが交通安全指導者のように、ドライバーの行動、交通要素、車両の動きのリスクを理解できるようになったら、次は、ドライバーの特性、服装、車内の広さ、照明条件、道路状況、交通パターンなどを含めて、どのような運転環境下でも、同じ行動を認識できるように訓練する必要があります。
複雑な交通環境に含まれるパターンや傾向を的確に認識するためには、深層学習ニューラルネットワークを開発する必要があります。これは、人間の脳のような精度と速度でパターンを認識するように設計された一連のアルゴリズムですが、自動化された効率的な方法で構築する必要があります。人間の目や脳と同様に、AIも新しい実世界の運転データで継続的に学習させない限り、このような様々な環境下で同じ行動を捉えることができません。そういったソリューションを検討するときは、ドライバーの行動、交通要素、車両の動きをを正確に解釈できるように、どれくらいの長さの運転データが分析されているかを問う必要があります。
2. どのようなAI技術モデルを使っているか?
AIを実装する方法は、ネットワークエッジ(この場合は車両へ搭載された車載機)、クラウド、エッジツークラウドによるエンドツーエンドなど、多岐にわたります。現在の映像テレマティクスやドライブレコーダーのソリューションのほとんどは、危険挙動を特定する前に、ドライバーの映像をクラウドにアップロードし、分析(すなわちクラウド側で確認)する必要があります。この方法には、車両からクラウドへ、クラウドから再び車両へというデータ転送によるタイムラグ(レイテンシー)が生じるため、リアルタイムのアラートが遅れるという大きな欠点があります。クラウド内の遅延は、エッジで処理されるリクエストと比較して3倍長くなります。
エッジでのAI処理がリアルタイムの衝突防止システムとして設計される一方で、クラウドを活用するソフトウェアは迅速な反復によってモデルを改善し、優れた可用性、拡張性、信頼性などのメリットをもたらします。市販のハードウェアリソースを最大限に活用するには、AIベースのドライバー安全管理ソリューションをエッジとクラウドの両方にわたって実装し、それぞれがもたらす長所を最大限に活かす必要があります。そのようにしてこそ、非常に複雑な運転環境におけるハイリスクイベントの発生を事前に予測、予防、低減できるようになります。
3. そのAIは何をリアルタイムに検出し、予測できるか?
カメラの中には、AIを活用してあおり運転などの車両前方で起きているイベントを検知するものもあれば、携帯電話を手に取るなどの車両内でのドライバーの特定の行動を分析するものもあります。 しかし、ドライバーができるだけ多くの衝突を回避できるようにするには、車外と車内の両方で起きていることを同時にリアルタイムで分析し、AIモデルの出力を同期させて、タイムリーに警告を発するシステムが必要です。
例えば、わき見運転をしていたドライバーに、反応し衝突を回避するための時間的余裕を与えるには、より早く警告する必要があります。 車外のイベントだけを分析するAIシステムでは、タイムリーな警告を行うことはできません。 さらに、できるだけ多くの衝突を回避するためには、車両、歩行者、自転車、その他の物体に衝突する危険性があるかどうかに応じて、ドライバーに異なる警告を与える必要があります。
最後に、AIはドライバーの眠気や疲労など、最もリスクの高いイベントを検出しているか?また、イベントを分析する際には、数フレームを見ているのか、それとも数百フレームを処理して時間経過に伴う行動の変化を把握しているのか? ドライバーの目元が見えない場合はどうなるのか、それでも検出は機能するのか? 運転リスクをできる限り低減するために、AIが検知できる全範囲を必ず把握してください。 それは、人命を救い、数億円を失わずにすむことにつながります。
4. そのAIには、正確さ、明確さ、そしてリアルタイムの応答性があるか?
ケガを防ぎ、命を守るためには、車内外のイベントを最高精度で検知するAI搭載型安全運行管理システムを導入したいものです。60〜80%の確率でしか機能しない安全システムを誰が望むでしょうか?本当にリスクを低減し、人命を救うためには、AI 搭載型安全運行管理ソリューションは、90%以上の精度を実現し、広い視野(前方の車両だけでなく)で鮮明な映像を提供し、AIを活用してドライバーの行動、交通要素、車両の動き、重要なコンテキストデータからリアルタイムリスクを同時に評価できる必要があります。
5. そのAIアーキテクチャには、リスクを低減できる十分な処理能力が備わっているか?
リスクを低減し、イベントが発生する前にドライバーにリアルタイムで警告を行い十分な対応時間を確保させるために、AIアーキテクチャ(ハードウェアとソフトウェアの両方)は、複雑な映像シナリオをより正確に解釈するために、エッジ上で深層学習アルゴリズムを実行するための優れた画像処理能力、メモリ、および速度を備えていなければなりません。多くのADASや映像テレマティクスのソリューションは、リアルタイムのAIを提供するために開発されていないか、そういった意図がないため、真にリスクを低減し、ドライバーの行動を積極的に改善するための適切なAIアーキテクチャや処理能力を備えていません。
優れたAIを搭載した安全運行管理システムは、車両の運行がより安全で優れたものになること、ドライバーが路上で常に安全に運転できること、賠償請求を最小限に抑えることに目的を置いて構築されています。