大日本印刷（DNP）は、車両の走行映像や位置情報などの実走行データをAIで分析し、自動運転車の導入検討に必要な情報を提供する「AI駆動型アセスメント」の取り組みを始めた。その第一弾として、9月から長崎県で実施している実証に活用している。

産官学連携で「長崎版AI診断手法」を検証

同実証は、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が受託して実施するものだ。長崎県とDNPに加え、県内の大学も含めた産官学連携のもと、「AI駆動型アセスメント」を活用し、長崎市などで収集する実走行データをもとに危険場面や地域ごとの特徴を分析。2027年3月31日までに「長崎版AI診断手法」を検証する。

自動運転車を地域で社会実装するためには、道路の形状や交通量、歩行者・自転車の動きなどを把握し、走行ルートや時間帯、運行・監視方法などの条件を検討する必要がある。DNPは自動運転車そのものを開発するのではなく、実世界から得られるデータをAIが利用できる形に整え、AIによる分析結果と人による確認を組み合わせて、導入検討に必要な情報を整理する。

実走行データを構造化し、危険場面を分析

DNPはこれまで、文書・画像などの非構造化データをAIが利用しやすい「AI-Ready Data」へ変換する技術・ノウハウを培ってきた。今回、この技術を走行映像や位置情報などの実世界データにも応用し、道路環境や歩行者・自転車などの状況を、AIが検索・比較・分析できるデータに変換する。

得られた情報を既存の交通事故・危険シナリオなどの知識データと照合し、地域・地点ごとの危険場面の特徴や、道路環境・時間帯・天候による違いを分析する。これにより、想定される事故リスクのパターンを把握し、自動運転車の導入時に確認すべき道路環境や交通状況、運用・監視方法などを整理する。ただし、AIが地域の安全性や導入可否を自動的に判断するものではなく、AIの分析結果と人による確認を組み合わせる。

事故リスク抽出の作業時間を約79%短縮

DNPは2026年3月から、アマゾン ウェブ サービス ジャパンの「フィジカルAI開発支援プログラム」の支援を受け、ドライブレコーダー映像と位置情報をAIで解析・構造化する「AI駆動型アセスメント」のプロトタイプを開発した。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を、人が同様の作業を行った場合と比べて約79%短縮した。

今回、長崎市などでタクシーなどの既存車両10台以上から実走行データを収集し、分析結果をもとに導入時に確認すべき条件を整理する。DNPは長崎県で有効性を検証したうえで、他の自治体や地域への展開を目指すとともに、自動車メーカーや自動運転開発企業、交通事業者などとの連携を進める。独自の「P&I」（印刷と情報）の強みを基盤に、実世界データの整備・活用を通じてフィジカルAIの社会実装を支援していく。