スマート交通はこの数年で急速に変わった。交差点は違反を撮るためのカメラを数台設置するだけでは済まず、映像ストリームをリアルタイムに構造化データへ解析しなければならない。ナンバープレート、車種、軌跡、渋滞指数、事象検出をすべて同時にバックエンドへ送る。一方でカメラの解像度は200万画素から800万画素へ移りつつあり、1ストリーム当たりに必要な解析演算は倍以上になっている。CPUによるソフトウェアデコードに頼る従来設計はもはや追いつかず、専用のAIアクセラレータカードを載せた映像解析サーバーが不可欠になった。
1. 中核概念と技術原理
交通AI映像解析サーバーは、本質的にGPUまたはNPUアクセラレータカードを統合した産業グレードの計算装置である。その処理の流れは3つの段階からなる。映像のデコード、AI推論、結果のエンコードと返送である。
デコードには、主流の設計はNVDECやIntel Quick Syncによるハードウェアデコードを用い、H.264やH.265のストリームをフレームに分割する。推論が本題で、YOLO系などの物体検出モデルをGPUまたはNPUで実行し、車両、歩行者、二輪車のバウンディングボックスと属性を出力する。エンコードの段階では、構造化データを元の映像に重ねて注記付きのプレビューストリームを生成する。
重要な指標は、1枚のカードで何本の映像ストリームを解析できるかである。それはチップのINT8演算性能、メモリ帯域、映像デコーダの数に依存する。たとえばNVIDIA T4はINT8で70 TOPSの演算性能を持ち、1080Pのストリームを約16本同時にリアルタイム解析できる。新しいH100や今後のRubinアーキテクチャのチップに移れば1枚当たり数十本に増えるが、電力とコストもそれに応じて上がる。
2. 主流製品とソリューションの比較
交通AI映像解析サーバーは現在、3つの階層に分かれる。
第一の階層はデータセンター級のGPUサーバーである。NVIDIAのA100やH100、AMDのMI300シリーズはいずれもPCIeまたはSXMインターフェースを用い、演算性能は数百から1000 TOPS超に及ぶ。省レベルの交通指令センターでの全量の映像集約と解析に適する。欠点は消費電力が高く、1枚当たり300ワットから700ワットで、専用の機械室の冷却を必要とすることである。NVIDIAが新たに発表したRubinアーキテクチャはHBM4メモリと3nmプロセスを用いて学習と推論を統合するが、交通のシーンに届くまでには時間がかかる。AMDのMI400シリーズはCDNA 5アーキテクチャに基づき、学習性能はフラッグシップ製品と同等で、推論のエネルギー効率も改善している。
第二の階層はエッジAIサーバーである。Intelの後継Lunar Lakeチップは強化されたNPUを統合し、電力を15ワットから45ワットに抑えて、交差点のキャビネット内でのローカル推論に適する。NVIDIA Jetson Orinに基づく設計もあり、演算性能は20 TOPSから275 TOPSで、4本から16本の映像ストリームを同時に処理できる。最近は産業用AIボックスが普及し、専用NPUを統合して映像の意味理解のための軽量なローカル大規模モデルに対応する。ある電子機器工場はこうしたボックスを周辺侵入の検出に使い、従来設計より誤警報率がはるかに低いと報告している。
第三の階層は構造化データを直接出力するAIセンサーである。SonyやSamsungのスマートイメージセンサーはAI処理ユニットをセンサー端に統合し、イベントドリブン型アーキテクチャで変化したフレームだけをアップロードする。これによりバックエンドサーバーの負荷が大幅に下がり、車路協調の路側知覚に適する。
3. スマート交通の典型的な応用シーン
交差点の取締りと検問システムは最も成熟した応用である。1台のエッジAIサーバーに8本から16本のカメラを接続し、違反の捕捉、ナンバープレートの認識、交通流の解析をリアルタイムに行う。演算の要件は低遅延で、1ストリーム当たりの推論を50ミリ秒未満に保つ。
高速道路のガントリーとトンネルはより複雑である。ガントリーはナンバープレート認識と車種分類が必要で、トンネルは停車車両、逆走、落下物の検出が求められる。こうしたシーンはカメラのストリームが多く、ストリームをまたぐ軌跡の接続が必要なため、データセンター級のGPUサーバーで集中的に処理することが多い。
車路協調の路側装置は新たな方向である。路側のAIサーバーはレーダーの点群と映像を融合し、知覚結果を車載器へ出力しなければならない。時刻同期と演算密度への要求が極めて高いため、通常はJetson Orinなどのエッジチップが用いられる。
自動車部品企業が構内で物流車両を調整する必要があり、入口と荷役エリアに十数台のカメラを設置し、1台のエッジAIサーバーでナンバープレート認識と待ち時間の分析を行うとする。これは軽量な交通AIの応用であり、100 TOPS前後の装置で足りる。
4. 選定基準と展開の推奨事項
まずストリーム数を計算する。1080Pの1ストリームに対する基本的な物体検出には、概ね4から6 TOPSのINT8演算が必要である。属性認識と軌跡解析でその2倍、800万画素のカメラではさらに2倍になる。チップの公称演算性能だけを見ず、実際のデコード能力とメモリ帯域を見る。
次にインターフェースを見る。交通用カメラは主にRTSPのストリームを配信するため、サーバーにはギガビットポート、できれば冗長化のためのデュアルポートが必要である。レーダーや信号制御機を接続する場合はRS485やCANのインターフェースが要る。産業グレードの装置は動作温度にも注意が必要で、交差点のキャビネットは夏に60度に達し、商用グレードのサーバーでは耐えられない。
電力と冷却が装置をどこに設置できるかを決める。エッジAIボックスは消費電力が小さくポール上への設置も可能である。GPUサーバーは精密空調のある機械室に入れなければならない。ある地級市の交通警察隊は一部の中央サーバーをエッジ設計に置き換え、ラックスペースを半分にした。
ソフトウェアエコシステムを軽視してはならない。NVIDIAのCUDAエコシステムは最も成熟し、ほぼすべての交通アルゴリズムベンダーが対応している。国内系のNPUやAMDのROCmも追い上げているが、アルゴリズムの移行コストを考慮する必要がある。選定時には、アルゴリズムベンダーがどのプラットフォームに対応しているかを明確に確認する。そうでなければモデルを動かせないハードウェアを買ってしまう。
5. 技術動向と展望
エッジAIデバイスは広く行き渡りつつある。専用NPUを備えた産業グレードのAIボックスやAI PCは、すべての映像を中央に戻すことなくローカルでリアルタイム推論を実行でき、帯域とプライバシーの課題を解決する。
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進化している。SonyやSamsungのスマートイメージセンサーは目標を検出したときだけデータを出力し、電力はミリワット級まで下がる。スパイキングニューラルネットワークを用いたブレインインスパイアードチップは、動きの検出において従来設計より2桁優れたエネルギー効率を実現する。
エッジでの大規模モデルが次の爆発点である。交通のシーンは映像の意味理解を必要とする。たとえば、白いセダンが交差点で5秒間ためらった、という内容は従来の検出モデルでは記述できない。エッジNPUで動く軽量なマルチモーダル大規模モデルは、映像解析を見ることから理解することへ進める。
交通AI映像解析サーバーの選定に万能の答えはない。交差点のレベルではエッジボックスを、地域のレベルではGPUサーバーを、車路協調では融合知覚の装置を用いる。ストリーム数、インターフェース、電力を正しく押さえれば、落とし穴の大部分は避けられる。