ランキングに参加しています！クリックで応援をお願いします！
長崎県での実証事業と「AI駆動型アセスメント」
本実証は、長崎県の「自動運転車の社会実装に向けた長崎版AI診断手法の検証事業」をDNPが受託し、長崎県内の大学を含む産官学連携のもとで進められています。DNPは「AI駆動型アセスメント」を活用し、長崎市などで収集された実走行データから、地域の危険場面や交通環境の特徴を分析します。この分析結果に基づき、2027年3月31日までに「長崎版AI診断手法」の検証が行われる予定です。
AI駆動型アセスメントの目的
自動運転技術は車両内のAI活用が進んでいますが、地域での社会実装には、道路の形状、交通量、歩行者や自転車の動きなどを詳細に把握し、最適な走行ルート、時間帯、運行・監視方法などを検討する必要があります。DNPは、この導入条件の検討プロセスにもAIを活用できると考え、「AI駆動型アセスメント」を開発しました。
このアセスメントでは、実世界から得られるデータをAIが利用可能な形に整理し、AIによる分析結果と人の確認を組み合わせることで、導入検討に必要な情報を客観的に整理します。DNPは自動運転車そのものの開発ではなく、データ分析と情報整理を通じて、その社会実装を支援する立場です。
DNPの構造化AI技術の活用
1. 実走行データのAI-Ready Data化
DNPは、文書や画像といった非構造化データをAIが利用しやすい「AI-Ready Data」へ変換する技術とノウハウを培ってきました。この技術を走行映像や位置情報などの実世界データに応用し、走行映像から道路環境や歩行者・自転車の状況を読み取り、AIが危険要因を検索・比較・分析できるデータへと変換します。
2. 分析結果の導入条件への活用
実走行データから得られた道路・周辺環境の情報や危険場面は、既存の交通事故・危険シナリオ等の知識データと照合されます。これにより、地域や地点ごとの危険場面の特徴、道路環境、時間帯、天候などによる違いが分析され、想定される事故リスクのパターンや地域特性が把握されます。
この分析結果は、自動運転車の導入時に確認すべき道路環境、交通状況、運用・監視方法などを整理するために活用されます。なお、AIが地域の安全性や自動運転車の導入可否を自動的に判断するものではなく、AIによる分析結果と人による確認を組み合わせることで、より精度の高い情報提供を目指しています。
3. 長崎県での基礎技術展開
DNPは2026年3月から、アマゾン ウェブ サービス ジャパン合同会社の「フィジカルAI開発支援プログラム」の支援を受け、「AI駆動型アセスメント」のプロトタイプを開発しました。先行検証では、走行映像から事故リスクを抽出する処理時間が、人が同様の作業を行った場合と比べて約79％短縮されたと報告されています。
長崎市などでは、タクシー等の既存車両10台以上から実走行データが収集され、危険場面や地域・地点ごとの特徴が分析されます。この分析結果をもとに、自動運転車の導入時に確認すべき条件が整理され、「長崎版AI診断手法」の検証が進められます。
今後の展開
DNPは、長崎県での「AI駆動型アセスメント」の有効性を検証し、他の自治体や地域への展開を目指しています。また、自動車メーカー、自動運転開発企業、交通事業者等との連携も強化していく方針です。
DNPは、独自の「P&I」（印刷と情報）の強みを基盤に培ってきた情報処理やデータ構造化の技術・ノウハウを生かし、実世界データを整備・活用する「AI駆動型アセスメント」をはじめとする取り組みを通じて、フィジカルAIの社会実装を支援していくとのことです。
詳細については、以下のDNPのウェブサイトをご覧ください。
