ナレッジセンター
目次

スマート信号機向けAI制御ハードウェア

スマート信号機向けAI制御ハードウェアは、固定周期の制御からリアルタイムの知覚と推論に基づく判断へと移行しており、その中核的な変化は、AI演算を交差点のキャビネットや電柱に直接置き、信号機が自ら交通を読み取れるようにすることである。

1. 中核概念と技術原理

スマート信号機のAI制御ハードウェアとは、交差点のエッジに配備され、交通流の知覚と信号周期の最適化に特化した計算装置を指す。通常3つの部分からなる。AI知覚ユニット、推論演算ユニット、信号制御出力ユニットである。知覚ユニットはカメラ、ミリ波レーダー、AIセンサーで構成され、車両、歩行者、二輪車のリアルタイムの位置と速度を捉える。推論演算ユニットが中核で、軽量な物体検出と軌跡予測のモデルを実行し、各流入路の待ち行列長、待ち時間、到来交通量を出力する。制御出力ユニットは、その判断を信号制御機が実行できる現示切り替えの指令に変換する。

従来設計との最大の違いはローカルでの閉ループである。以前は交差点のカメラが映像を中央の機械室に送り返し、そこで解析していたため、ネットワーク遅延と帯域コストが大きかった。現在はエッジAIボックスやNPUを統合したスマートカメラが交差点そのもので推論を完結し、応答時間をミリ秒級まで短縮している。NVIDIAのRubinアーキテクチャのチップやAMD MI400シリーズのGPUといった超大規模学習用ハードウェアは、クラウドの交通ブレインでモデルを学習する用途が中心であり、Intelの後継Lunar Lakeチップや強化されたNPUは低消費電力の端末側推論を狙い、電柱への設置に適する。

2. 主流製品とソリューションの比較

現在市場で見られるソリューションは、おおむね3つの類型に分かれる。

第一は汎用のエッジAIボックスと一般的なカメラの組み合わせである。ボックスにはNPUまたは低消費電力GPUが内蔵され、演算性能は数TOPSから数十TOPSの範囲で、多ストリームの映像デコードとローカル推論に対応する。利点は柔軟性で、交差点の規模に応じてボックスを選べる。欠点はカメラ側で処理を行わないため、すべての映像ストリームをボックスに引き込む必要があり、デコード能力への要求が高いことである。

第二はスマートカメラとエッジコントローラの組み合わせである。カメラにAI処理チップが内蔵され、各車両の位置や速度といった構造化データを直接出力し、エッジコントローラは周期のアルゴリズムだけを実行する。この設計は帯域の使用量が少なく、配線も簡単で、既存の交差点の改修に適する。

第三は知覚、推論、制御を1つの筐体にまとめた統合型AI信号制御機である。導入は最も簡単だが、拡張性はベンダーの閉じたアーキテクチャに制約される。

ピーク演算性能だけで判断してはならない。交通モデルは通常小さく、長期にわたって安定して動作する必要があり、冷却、防塵、広温度域への要求がある。産業グレードのAIボックスのほうが、コンシューマ向けAI PCよりも交差点の環境に適する。

3. スマート交通AIハードウェアの典型的な応用シーン

市街地の幹線道路に8つの交差点が連続し、それぞれにエッジAI制御装置が1台あるとする。朝のピーク時に西から東への流れが急増すると、最初の交差点が待ち行列長の閾値超過を検出し、ローカル推論を経て青信号を延長し、交通流の予測を下流に送る。下流の交差点はオフセットを事前に調整し、グリーンウェーブを形成する。この過程は中央プラットフォームの関与を必要とせず、ネットワークが落ちても緩やかに機能を維持する。

もう一つのシーンは横断歩道である。従来の押しボタン式信号はボタンが押されたことには反応するが、何人が待っているか、どのくらいの速さで歩くかを知らない。AIセンサーを統合した信号は、待機エリアの歩行者の人数と方向を識別し、横断時間を自動で延長でき、高齢者や子どもにとってより優しい。

潮汐車線や可変方向車線もある。AI制御ハードウェアはリアルタイムの交通流からどの流入路が最も圧力を受けているかを判断し、車線の機能を動的に調整する。固定の時間帯で切り替えるよりも精密である。

4. 選定基準と展開の推奨事項

第一に、知覚の融合能力を見ること。映像だけの設計は夜間や雨霧の環境で検出漏れが起きやすく、ミリ波レーダーと映像の融合のほうが信頼性が高い。AIセンサーがイベントドリブン型の出力に対応し、目標が区域に入った事象だけをアップロードできれば、帯域と電力をさらに削減できる。

第二に、推論遅延と同時ストリーム数を見ること。交差点は通常4本から8本の映像ストリームを同時に処理する必要があり、遅延が200ミリ秒を超えると周期制御の効果が損なわれる。ベンダーには実験室の単一ストリームの数値ではなく、実際の交差点での同時処理の試験データを求めるべきである。

第三に、制御インターフェースの互換性を見ること。信号制御機のプロトコルは都市ごとに異なるため、エッジAIハードウェアは一般的なNTCIPや地域独自プロトコルの統合に対応する必要がある。導入前に既存の信号制御機と通信できるかを確認する。

第四に、遠隔運用の能力を見ること。交差点は機器が多く、現場でのデバッグを頻繁に行うことはできないため、リモートでのモデル更新、ログのアップロード、障害の警報は基本要件である。ある電子機器工場は構内道路で同様の設計を導入し、エッジAIボックスで3つの交差点の信号を制御してピーク時間帯の通過量を明らかに改善した。自動車部品企業が複数の工場間を結ぶシャトル道路を持つ場合も、この軽量な導入方式は検討に値する。

この方式は15以上の業界で120社を超える顧客のさまざまなシーンで検証され、3,200台を超える端末がオンラインで稼働しており、エッジAI制御ハードウェアが初期の安定性試験を通過したことを示している。

5. 技術動向と展望

短期的には、AIセンサーはイベントドリブン型とブレインインスパイアードコンピューティングへと進化する。SonyやSamsungなどのスマートイメージセンサーは推論タスクの一部をセンサー内部に置き、車両あり、歩行者ありといった意味情報だけを出力してバックエンドの演算負荷を下げる。これは太陽光発電で動く電柱の装置にとって特に価値がある。

中期的には、エッジAIハードウェアはより大きなローカルモデルを載せるようになる。現在の交差点のボックスは主に小型モデルを動かしているが、将来は映像、レーダー、気象データをまとめて理解する軽量なマルチモーダル大規模モデルをエッジで動かし、周期戦略を人間の交通指導員の判断に近づける可能性がある。

長期的には、車路協調が信号制御のあり方を変える。コネクテッドカーが十分な普及率に達すれば、信号は路側の知覚だけに頼らず、車両の位置と意図を直接受け取るようになる。AI制御ハードウェアの役割は知覚と判断から融合判断へ移り、演算需要の構造もそれに応じて変わる。NVIDIAのRubinアーキテクチャやAMD MI400シリーズのGPUに代表される超大規模学習能力は、蒸留や枝刈りを通じて最終的に交差点の装置にも届く。Intelが低消費電力NPUへの投資を続けることで、電柱上での大規模モデル推論が現実的になる。スマート交通AIハードウェアは、見ることから理解することへと進んでいる。

分野: AIハードウェア百科