スマート交通信号のAI制御ハードウェアの中核は、交差点を「固定周期の開放」から「オンデマンドで開放する」エッジ演算ノードへ変えることにある。通常は信号制御機の内部または路側キャビネットにNPUを備えた推論チップを配備し、映像ストリーム、レーダーの点群、ループ式車両検知器のデータを取り込み、車両の待ち行列長、歩行者の待ち、右左折需要のリアルタイム認識をローカルで完了してから、信号灯群へ配時計画を出力する。映像をセンターへ戻して計算する方式と比べ、ローカル推論は応答遅延を百ミリ秒級に圧縮し、ネットワークが切れるたびに交差点が「盲目」になるリスクも避けられる。
1. スマート交通信号のAI制御ハードウェアは実際にどのような問題を解決するのか
従来の信号制御機はあらかじめ設定された周期で現示を回しており、潮汐交通、突発事故、雨の日の歩行者の遅れが生じても配時は自ら調整しない。AI制御ハードウェアはこの隙間を埋める。知覚と判断を交差点の現場に置き、エッジNPUで軽量な検出モデルを動かして各流入路の待ち行列長、車頭間隔、歩行者の滞留を識別し、飽和度に応じて青信号を動的に延長または打ち切る。ハードウェア形態としては、「AI推論モジュールと信号制御機インターフェースボードの組み合わせ」が一般的な構成である。モジュールが視覚推論を担い、インターフェースボードがRS485やEthernetで信号制御機本体と通信し、信号灯を直接駆動するのではなく現示要求を出力するため、制御機の元の安全論理が保たれる。この分離が重要で、AIが誤っても制御機は固定配時に戻せばよく、交差点が制御不能になることはない。
2. 主流の技術ルートはどう比較され、どこが違うのか
演算の担体で見ると、現在3つのルートが動いている。一つは汎用GPUのエッジボックスで、単精度演算に余裕があり複数チャネルの映像とレーダー・視覚融合モデルを同時に動かせるが、電力と冷却の要求が高く、キャビネットにファンや空調が必要になる。もう一つは専用NPUモジュールで、通常は数ワットから十数ワットの消費電力で、単一交差点の2〜4チャネルの映像に対する軽量推論に適し、コストも電源への優しさも優れる。第三はSoC統合方式で、ISPとNPUを1チップに組み込みカメラを直接接続して独立ボックスを不要にし、新設交差点での一体導入に適する。どれを選ぶかはピーク演算ではなく、その交差点が実際に何本のストリームを流し、モデルがどれだけ大きく、キャビネットに冷却の余裕があるかで決まる。業界の傾向は推論ワークロードが低消費電力NPUへ移ることであり、QualcommやMediaTekがこのラウンドで推し進める高演算・低消費電力NPUも、ローカル推論を電力の壁の内側で動かすという同じ考え方に従っており、路側でもこの論理は成り立つ。メモリ帯域も注目に値し、複数チャネルの映像を同時に扱う場合、HBMや高帯域LPDDRの差はフレームレートとモデル切り替え速度に直接現れる。
3. どの交差点シーンがAI制御ハードウェアに適するか
都市の幹線道路と側道が交わる交差点を想定しよう。朝のピークには幹線側の待ち行列が溢れ、側道は空いている。このような不均衡な流れのシーンがAI配時のもっとも典型的な適用先である。別の例は学校や病院の門前の横断歩道で、歩行者の到着はランダム性が高く、固定の青時間は無駄になったり不足したりしやすい。AIが歩行者の滞留を認識してオンデマンドで横断現示を起動すると、体験の差は明白である。潮汐車線や可変方向車線のように流向別の動的調整が必要なシーンもあり、AIハードウェアは方向別の待ち行列データを提供して判断を支えられる。逆に、郊外で交通量が非常に少なく終日流れが安定した交差点では、AIハードウェアの限界的な効果は限られ、固定配時に時間帯別の計画を加えるだけで足りる。園区の交通を管理する企業を想定すると、園区の交差点は流量が少ないがトラックの右左折が多いため、必要としているのは動的配時よりも右左折の衝突警告であり、こうした需要は別途評価すべきである。
4. 導入選定ではどの点に注目すべきか
第一はインターフェースの互換性である。AIモジュールは現示要求を出力するため、対象の信号制御機がどのプロトコルで接続に対応するか、オープンなNTCIP系のプロトコルかベンダー独自のインターフェースかを確認する。独自インターフェースは追加のプロトコル変換が必要になることが多く、導入サイクルが長くなる。第二は知覚のカバレッジである。映像とミリ波レーダーの融合方案は、雨や霧の中で映像単独より安定するが、レーダー点群と映像の時空間的な整合には校正が必要で、校正精度が待ち行列長の推定誤差を直接左右し、通常は1メートル以内が要求される。第三は環境適応性である。路側キャビネット内の温度は夏に摂氏55度を容易に超えるため、モジュールの産業用温度範囲と冷却設計は、データシートの常温での演算能力ではなく実際のキャビネット温度に合わせて選ぶべきである。第四は実施手順である。妥当なリズムは、まず単一交差点で実証し、2週間以上の配時比較データを取ってから幹線の協調制御を検討することであり、最初から全市に展開するのはリスクが高い。第五はコスト構造である。ハードウェア本体のほか、支柱の改修、電源、ネットワークのバックホール、その後のモデル反復の運用投資を計上する必要があり、これらを合計するとボックス本体の価格を上回ることが多い。
5. このハードウェアが適する場合と適さない場合
適するシーンは、流れの不均衡が明確な幹線交差点、歩行者の横断需要のランダム性が高い区間、可変車線を支えるために方向別の待ち行列データが必要なノード、ネットワークが不安定でローカルで閉ループを完結させる必要がある交差点である。適さないシーンは、終日低飽和で流れが安定した交差点、信号制御機のインターフェースが閉鎖的で短期に適合できない旧設備、キャビネットの冷却が悪く改修の意向もない拠点である。もう一点注意を促すと、AI配時は信号制御機の安全論理を置き換えるものではなく、安全制約の上に重ねる最適化層であり、どの方案も制御機の既存の競合インターロックを迂回してはならない。エッジ推論への業界の投資は依然として増えており、NVIDIAのBlackwell UltraとRubinのロードマップが推論性能とHBM4帯域を押し上げ、AMDのMIシリーズがHBM3Eとオープンなエコシステムで追随している。こうしたデータセンター級の進歩は徐々にエッジへ波及するが、今日の路側での選定は依然として実際の交差点負荷と冷却条件に基づくべきで、決して使わない演算能力に費用を払ってはならない。