自動運転（AD）とは？仕組み、レベル0〜5の違い、先進運転支援システム（ADAS）との違いをわかりやすく解説します。

自動運転とは、ドライバーに代わってシステムが「認知・予測・判断・操作」を一連で行い、車両を自律的に走行させる技術を指します。
自動運転技術を搭載した車両には GPS、カメラ、各種センサー、レーダーなどが搭載され、車線、周囲の車両や歩行者、建物といった周辺環境をリアルタイムで把握しながら、最適な運転操作を自動で制御します。
すでに市販車の一部には自動運転技術が採用されており、政府と民間企業の連携によって実用化に向けた取り組みはますます加速しています。

自動運転のレベル分け

現在、自動運転の進化段階は、搭載される技術の内容に応じて「レベル0〜レベル5」の6段階に分類されています。

自動運転のレベル分け（出典：国土交通省「自動運転のレベル分けについて」）

レベルによる自動運転（AD）と先進運転支援システム（ADAS）との違い

自動運転を行っている車が事故を起こした場合、誰が責任を負うのかという点は大きな関心事です。自動運転のレベル2とレベル3の間で明確に区分されています。
自動運転レベル2までは運転支援と位置づけられ、責任の主体は「運転者（ドライバー）」です。
一方、レベル3以上は自動車が主体として運転を行う自動運転として扱われ、事故が発生した場合は自動車に責任が発生することになっています。
現在、日本国内で市販されている車両に搭載されている自動運転技術の大半はレベル2までの運転支援技術（ADAS）にあたります。

そのため、現状のADASはあくまでも運転者を補助する機能であり、事故時の最終的な責任はドライバーにあります。
ジオテクノロジーズではADAS開発のための高精度地図を保有しADAS分野で活用可能なデータ整備に力を入れていきます。ADASにおけるデジタル地図の重要性について興味のある方はこちらの資料をご覧ください。

自動運転の初歩はレベル3、レベル4以上はドライバー不在運転が可能に

レベル3は「条件付き運転自動化」に分類され、特定の条件下でシステムがすべての動的運転タスクを継続的に実行します。システム作動中はドライバーに車両周辺の監視義務がなく、いわゆるアイズオフでの運転が可能となり、車内である程度くつろぐことができます。ただし、システムが作動を継続できない状況になった場合には、ドライバーが速やかに運転を引き継ぐ必要があるため、睡眠や飲酒など運転操作ができない状態になる行為は認められていません。

レベル4は高度運転自動化に分類され、特定エリアや特定条件（ODD：運行設計領域）において、システムがすべての動的運転タスクに加え、作動継続が困難な場合の対応まで継続的に実行します。レベル4ではドライバー不在での自動運転が可能なレベルとなります。

レベル5は完全運転自動化に分類され、走行エリアや速度、天候などに制約されず、あらゆる条件下でシステムが自律的に走行するレベルです。2030年代の実現を目指した取り組みが進められていますが、依然として技術的なハードルが高く、実現時期は現段階では明確になっていません。

ジオテクノロジーズでは自動運転に利用可能な高精度地図や人流データを保有しています。詳細に知りたい方はこちらからお問い合わせください。

自動運転に欠かせない先端技術は現在8つと言われており、大きくは【周辺情報や車の位置を認識する技術】【人間に代わって判断する技術】【運転手を監視する技術】と3つのジャンルに分類できます。
自動運転の目的の１つは安全性の向上です。自動車の安心安全を支援するデータ活用事例に興味がある方はこちらの資料をご覧ください。

【周辺情報や車の位置を認識する技術】

位置特定技術
位置特定技術とは、車両が「いまどこにいるのか」を高い精度で把握するための技術です。
現在のカーナビなどではGPSを利用して位置を特定していますが、数メートル程度の誤差が生じることがあります。
自動運転では、わずかな位置ずれでも事故につながる可能性があるため、より高精度な位置特定が求められています。

認識技術
自動運転車が公道を走行する際には、周囲の状況を正確に把握し、その情報をもとに次の行動を判断する必要があります。そのために不可欠なのが、周辺環境を把握するための「認識技術」です。
自動運転車には、カメラやレーダー、さらに「LiDAR（ライダー）」など複数のセンサーが搭載されており、障害物や歩行者、道路標識や白線の位置、路面状況といった情報をリアルタイムに把握・認識しています。

通信技術
通信技術は、信号や道路工事、渋滞といった各種インフラ情報を受信したり、自車の動きを周囲の車両へ共有したりする際に活用されます。
自動運転車は、走行中に膨大な量のデータを送受信するため、高度な通信技術が欠かせません。その中でも現在すでに導入が進み、普及しつつある通信技術が「5G」です。
5Gには「大容量・高速通信」「低遅延」「多数同時接続」という特長があり、今後の自動運転の通信基盤として重要な役割を担うと期待されています。

【人間に代わって判断する技術】

【運転手を監視する技術】

自動運転は、認知・判断・制御のプロセスをコンピュータ化することで成り立っています。カメラなどのセンサーが車両周囲の状況を把握し、他の車両や歩行者、道路標識など、さまざまなオブジェクト（物体）を認知します。
その情報をもとに、AIが自車を安全に走行させるためにどのような制御を行うべきかを判断し、その指示に従ってコンピュータがどのような動きをすべきか自動車へ伝達します。AI開発についてはルールベースとE2Eベースという考え方があります。2つの考え方を見ていきましょう。

ルールベース
ルールベースのAI開発では、「赤信号は止まる」「センターラインを越えない」など、交通ルールをエンジニアが一つずつ定義し、AIに教え込んでいきます。AIはその指示に基づいて状況を判断します。
しかし実際の道路にはイレギュラーな場面が多く、軽微な違反を黙認して柔軟に走行したほうが良い場合や、横断歩道で歩行者が渡る気配を見せないとき、自転車とのやり取りなど、人間でも迷う状況が多くあります。
ルールベースでは、こうした細かい判断材料をすべて指示しないとAIが対応できないことが弱点です。試験走行で得た情報を反映しながら、レアケースまで含めて膨大なシナリオを定義し、学習を重ねる必要があります。
新たなエリアで自動運転を行う際にも、その地域特有のポイントを一つずつ確認する工程が必要となり、エンジニアの負担は大きくなります。一方で、行動の根拠が明確なため、トラブル発生時の原因究明や改善は比較的行いやすいという利点もあります。

E2Eベース
E2Eベースは、認知から制御までの一連の工程をひとつのモデルで処理する点が特徴です。センサーから取得した周囲情報をモデル内でまとめて解析し、直接制御指示を出力するため、人間の運転行動に近いプロセスになるといわれています。その名の通り「端から端まで（End to End）」を一体的に扱う仕組みです。
大規模なニューラルネットワークがセンサー情報をもとに一括で計算・判断し、即座に制御出力を行うため、システム構成がシンプルになり、高速処理が可能になります。
学習方法も特徴的で、細かな定義付けを行わなくても、大量の学習データを通じてAIが運転に必要な技能を自律的に習得します。レアケースなどの複雑な状況への対応力も高く、拡張性・汎用性に優れています。

結果として、E2Eモデルはイレギュラーな状況にも対応できる可能性を持ち、人間の判断能力を超えることも期待されています。これは、環境や走行エリアを問わず自動運転が可能となるレベル5の実現に向けた有力なアプローチといえます。

ルールベースとE2Eベースにはそれぞれ強みがあり、どちらが優れているという単純な構図ではありません。現状は安全性・実用性の観点からルールベースが主流ですが、将来的には徐々にE2Eへシフトしていくと考えられています。
開発初期段階では、E2Eモデルは学習が浅いため精度を高めにくく、定義付けにより一定の品質を担保できるルールベースのほうが実用化しやすいという側面があります。しかし、E2Eモデルは学習が進むにつれて一気に性能を伸ばす可能性が高く、将来的にはルールベースを大きく上回ることが期待されています。

自動運転において本当に難しいのは、通常走行ではなくイレギュラーな状況への対応です。その対応範囲は膨大で、あらゆるケースをルール化することは現実的ではありません。現在はルールベースによって走行エリアやシナリオを限定し、ハードルを下げた状態でレベル4サービスが成立していますが、E2Eモデルがこの課題を根本的に解決する可能性を秘めています。

ただし、将来的にE2Eへ移行する場合でも、カメラをはじめとしたセンサー情報だけで判断するのではなく、高精度地図や道路インフラ情報と突き合わせながら判断する仕組みが必要だと我々ジオテクノロジーズは考えています。複数種類の情報を相互に補完させることで、より安全で信頼性の高い自動運転が実現されていくと考えられます。