ADASによりヒューマンエラーが最小化され、交通環境がより安全になります。例えば、レーン変更を行う際、死角に他車両がいるシーンなど危険なシナリオを事前にドライバーに警告することで、より安全な運転を行うようにドライバーを支援できます。また、衝突を回避するために自動緊急ブレーキを備えた車両もあり、交通事故低減を目的としてドライバーの振る舞いを自動化し、負担を軽減するようなシステムが数多く登場しています。

実際、ボストンコンサルティンググループの調査によると、米国ではADASによって交通事故数が28%減少しており、年間9,900人の命が救われているという結果が出ています。

その実安全性能への寄与に裏付けられ、ADASに関する各国の法規やアセスメントも設定されてきています。アセスメントで高い評価を取得することで予防安全性能への一つの裏付けとなり、メーカーは車両性能をアピールすることができます。また、法規によりADASが義務付けられることにより、2021年11月以降に発売する国産車ではADASを搭載が義務化されています。

New Car Assessment Program（アセスメント）

New Car Assessment Program（NCAP）は、自動車の安全性能を評価するためのプロトコルです。これらプロトコルは実際の事故統計データに基づき各策定されるため、高い評価を取得することで交通事故の実安全寄与が期待できます。また、各国の自動車メーカーにとって自社製品の安全性能を競う場としても機能しているため、重要な評価指標です。NCAPで高い評価を取得することでその車両の安全性能が高いことを示し、客観的な商品力の訴求が可能となります。世界中には各国の交通事情に合わせたNCAPが存在します。代表例は以下の通りです。

• Euro NCAP：欧州で販売されている新型車に対して評価されているアセスメント。各シナリオの達成可否に基づいて点数が与えられ、その点数に従って0～5の星(five-start safety rating system)が与えられる。
  
• JNCAP：日本で販売されている新型車に対して評価されているアセスメント。Euro NCAPと同様に各評価シナリオ可否に基づき点数が与えられ、点数に従い１～５の5段階で星が与えられる。
  
• NHTSA NCAP (U.S. NCAP)：米国道路交通安全局にて評価されているアセスメント。新車の安全性能評価を行い、消費者向けにその評価結果を公表している。
  
• IIHS HLDI：米国保険業者協会高速道路安全性能評価にて評価されているアセスメント。各評価シナリオに基づき取得した点数が高ければTOP SAFETY PICK+/TOP SAFETY PICKに選ばれ、IIHS HLDIのウェブサイトで公開される。
  
• C-NCAP：中国国内向けの新型車のに対し、評価されているアセスメント。
  

これらアセスメントにおいても常に新しい事故形態や新機能に関する評価シナリオが追加されているため、ADAS開発者は網羅的、かつ、膨大な評価シナリオを要求されます。そのため、要求性能の整理とシナリオ検証の効率化が重要です。

法規

ADASは、自動車の安全性能を向上させるために開発された技術です。その性能に裏付けられ、日本では2021年11月以降に発売する国産車（輸入車は2024年7月以降）には、ADAS装備が義務付けられています。一方で、ドライバーが運転操作を行わなくても自動的に車両が制御されることがあるため、不要な作動や危険な挙動が引き起こされないように法規上の規制についても非常に厳しくなってきています。自動車メーカーは、ADASを搭載する場合には、法規に基づいた規制を遵守する必要があります。日本を含め多くの国では国連欧州経済委員会自動車基準調和世界フォーラム(WP29)にて定められた国際的な規格であるUN-R 79（自動操舵関連）やUN-R 152（自動ブレーキ関連）を法規として定めています。例えば、UN-R79では緊急操舵システムを作動させる場合、①衝突リスクが検出された場合にのみ制御介入する、②制御介入によってレーンマーキングを超える誘導を行わない、他の道路ユーザーと衝突する誘導を行わない、といった条件を満たす必要があります。

以上のように、アセスメント、法規共にADASに関する評価項目、評価シナリオが増えてきています。これらに対応するため、仮想環境（3Dシミュレーション）による評価の効率化に加え、設計時に要件と検証方法を正しく設定することが重要です。次に設計方法について見てみましょう。

ここではADASの機能がどのように設計されるのかを理解するため、まずは代表的なADAS機能をいくつか挙げてみます。

アダプティブクルーズコントロール(ACC)

先行車両との車間距離が適切に保たれるように車速を制御するシステムです。高速道路や自動車専用道路での使用を前提とし、先行車両との距離が接近している場合には減速され、距離が十分空いている場合には車両を加速させて航行速度を上げます。先行車両がいない場合には設定した速度での航行を維持します。

自動緊急ブレーキ(AEB)

車両前方の障害物や他車両との衝突しそうな場合に、ドライバーに代わり自動的に減速をかけるシステムです。前方衝突警告機能(FCW)と併用され、前方にある物体や車両の距離や速度に応じてまずは警告を出し、より衝突の可能性が高まった場合には自動でブレーキをかけることで衝突の回避・軽減を行います。国内でも2021年11月以降に発売する国産新型車には、AEB搭載が義務付けられています。

レーンキープアシスト(LKA/LKAS/LKS/LKAS)

レーンキープアシストは走行車線の維持をアシストするADAS機能です。カメラで車線を認識し、自車両が車線を逸脱しそうになった場合、または車線中央を継続して走行するためにステアリングを支援します。アダプティブクルーズコントロール(ACC)と合わせて使用されます。

ブラインドスポットモニター（BSM）

隣接車線の後方から接近する車両を検知し、ドライバーに注意喚起を行うシステムです。死角領域に存在する車両や障害物に気付かずに車線変更を行うことで生じる事故を防ぐ効果があります。

道路標識認識（TSR）

カメラなどのセンサーで道路標識を読み取り、表示された速度制限や禁止標識などの情報を運転手に知らせるシステムです。運転する地域で遵守すべき速度制限や規制事項を、モニターを通して確認することができます。

アダプティブフロントライティング（AFS）

ハンドル操舵角や車両速度に応じてヘッドランプを照射角や範囲を自動制御するシステムです。カーブシーンではステアリング角に応じてヘッドランプの向きを変更することで、夜間など視界が悪い条件下での視認性を向上させます。

ドライバー異常時対応システム(DEA)

ドライバーが異常な状態に陥った場合に自動的に車両を安全な停止状態にするシステムです。ドライバーの無反応状態を検知すると自動的に制御を取り車両を停止させます。路肩などへの車線変更までを行うものもあります。

これらのADAS機能には共通のワークフローが存在します。最初のステップは車両に搭載されたセンサーからのデータを収集することです。一般的にはカメラやレーダーといったセンサーが必要となります。カメラによって周辺の物体・環境(他車両、歩行者、白線、標識、ガードレール等の障害物)が認識され、レーダーによってそれらの物体までの正確な距離が算出されます。物体検出と距離算出にはステレオカメラやLiDAR（Light Detection and Ranging）が利用されるケースもあります。また、GPSや高精度地図(MDマップ)が使われる場合もあります。

次に、これらセンサーから収集したデータを使い、上記に挙げたADAS機能が動作します。ADAS機能の設計は以下の３つのアルゴリズム開発に大別することができます:

• 物体検出 — カメラ、レーダー等の複数のセンサーデータから、先行車両を検出する認識アルゴリズム。
• センサーフュージョンとトラッキング - 複数のセンサーからの情報を統合し、複数のフレームにわたって検出された車両の位置や速度を推定するアルゴリズム。
• 判断・制御 — 自車両の速度と周辺車両の位置・速度から速度やステアリングの制御、またはドライバーに注意喚起するアルゴリズム。

例えばアダプティブクルーズコントロールやレーンキープアシストでは、搭載したカメラ、レーダーから周辺車両や白線の検出を行います。次にそれらの検出結果を統合し、トラッキングアルゴリズムによって前方車両の状態(位置・速度)、また自車両が航行する車線の曲率などを推定します。最後にこれらの情報から自車両速度とステアリングを自動制御し、ドライバーの運転を支援します。

シミュレーションを活用したADASアルゴリズムの開発

現実世界のハードウェアを利用したテストはコストが掛かるため、エンジニアはまず仮想環境を利用してADASソリューションをテストします。シミュレーション環境は2次元の場合、3次元の場合とありますが、目的によって使い分けられます。

2次元のシミュレーション環境はカメラやレーダー向けADASアルゴリズム開発・テストに活用することができます。この場合、道路や歩行者、自転車、車両等の交通参加者を含む仮想のシーンを作成するところから開始します。その後、自車両を仮想シーンに配置し、さらに仮想のカメラ・レーダーセンサを自車両に設定します。自車両の動きをプログラムして仮想シーンを走らせることで、ADASのアルゴリズム開発やテストに活用できる合成センサーデータを生成することが出来ます。

3次元のシミュレーション環境は2次元のシミュレーション環境をベースに構築できます。3次元環境の場合、カメラやレーダーに加えてLidarのテストも可能となります。3次元環境は2次元環境に比べて相対的に複雑になるため、実行するためにはより計算コストが掛かります。

シミュレーション環境でADASアルゴリズムを開発したら、次の開発ステージはハードウェアインザループ(HIL)テストです。これには実際のハードウェアを利用したADASアルゴリズムのテストが含まれ、シミュレーション環境を実際のハードウェア - ブレーキシステム等実車両 - と接続してアルゴリズムのテストを実施します。HILテストは車両に搭載されたADASコンポーネントが実世界でどのように振舞うかについて感触を得るのに役立ちます。

ドライバーインザループのような他のADASテストもあります。このようなテストは全てのモジュールが統合された際に車両がどのように機能するかを理解するための車載テストへと繋がっていきます。ドライバーインザループは最もコストを要するタイプのADASテストではありますが、振る舞いは実車両に最も近く、量産へ移行する前に要求されるテストの一つです。

関連製品: Automated Driving Toolbox, Computer Vision Toolbox, Lidar Toolbox, Radar Toolbox, RoadRunner, RoadRunner Scenario, GPU Coder, Simulink Test, ROS Toolbox