従来の目視による交通量調査は、多大な人件費と時間の確保が大きな負担となっていました。AIを活用した自動計測の導入は、これらの課題を解決し、データの精度向上と効率化を実現します。本記事では、開発事例と開発の流れを解説します。
従来の交通量調査は、膨大な人件費に加え、夜間の精度低下が課題でした。また、一般的なAIを導入しても、軽自動車とトラックのような「形状が似た車両」の誤認識や、混雑時の検知漏れが頻発。実務で求められる24時間安定した計測を行うには、標準的な物体検知技術だけでは対応しきれないという技術的限界がありました。
車両を全体だけでなく「タイヤや窓など8つの部位」で捉える独自技術により、車種判別の精度が飛躍的に向上しました。夜間や混雑時でも安定した計測が可能になり、24時間の自動調査を実現。今後は蓄積データと天候等を紐付けた、高度な渋滞予測への活用も期待されています。
従来の交通量調査は5年に1度の人手による観測が主流であり、膨大なコストと時間がかかる点が大きな負担でした。また、映像解析AIの導入を検討しても、アルゴリズムの開発だけでなく、カメラ等のハードウェア調達やネットワーク環境の整備といった周辺システムの構築に多大な労力が必要となります。ICTを活用した常時観測(機械観測)への転換が急務とされる中で、迅速かつ低コストに導入できる柔軟な仕組み作りが大きな課題となっていました。
Safie APIとの連携により、既設のクラウドカメラ映像を直接AI解析に活用することが可能になりました。これにより、実証実験で99.1%という極めて高い計測精度を実現。現地へ赴くことなく遠隔から画角調整ができるなど、設置から解析まで一気通貫のフローを構築し、運用工数を劇的に削減しました。行政の施策に資する「早く・安く・簡単な」機械観測体制が確立され、自治体の調査や新規出店分析など、多方面での活用が加速しています。
交通量調査は都市計画の要ですが、従来の手法には大きな課題がありました。現地に人員を配置する目視計測では、長時間の拘束による人的コストが膨らむだけでなく、夜間や悪天候時の精度維持が極めて困難でした。また、車種や進行方向などの詳細データをリアルタイムに集計することも難しく、データの鮮度と精度の両面で限界に直面。人手頼りの運用から脱却し、いかに効率的かつ高度な解析を実現するかが、行政やインフラ現場での切実な願いでした。
共同開発されたAI解析システムは、昼夜を問わず97%以上の識別精度を達成し、調査の質を劇的に進化させました。24時間の自動計測により、人手では不可能だった長期間のデータ蓄積が可能に。上り・下り別の交通流や時間帯別データをCSVで即座に出力できるため、分析業務のスピードも向上しました。この技術は富山県での人流解析など「スマートシティ化」にも応用され、エビデンスに基づく迅速な政策立案を支える強力なインフラとなっています。
交通量調査は、夜間や悪天候下でも24時間正確な計測が求められます。日中は可視光カメラで車種を詳細に判別し、夜間はヘッドライトの白飛びや暗所に対応するため、高感度センサや赤外線照明を活用します。これにより、時間帯を問わず車両の輪郭を確実に捉えることが可能です。さらにステレオカメラ構成を採用すれば、車間距離や速度の算出も可能になり、単なるカウント以上の高度な分析データを取得できます。
AIが対象物を正しく認識するためには、膨大な量の学習用データが必要不可欠です。実際の交通状況を記録した映像から静止画を抽出し、車両や歩行者などの対象物を枠で囲ってタグ付けを行う「アノテーション」作業を丁寧に行います。この作業の精度がAIモデルの最終的な性能を左右するため、多種多様な角度や照明条件下での画像を集めることが重要です。地道な作業ではありますが、高品質な教師データを作成することが、実用性の高い交通量調査AIを実現するための鍵となります。
収集した学習用データを用いて、AIに特徴を学習させるフェーズへと移行します。交通量調査ではリアルタイム性が求められることが多いため、高速な処理が可能なYOLO(You Only Look Once)などの物体検知アルゴリズムが採用される傾向にあります。開発環境や運用コストに合わせて最適なアルゴリズムを選定し、モデルの学習を繰り返すことで認識精度を高めていきます。過学習を防ぎつつ、汎用性の高いモデルを構築するためには、データサイエンティストによる専門的な調整と検証が求められるプロセスです。
車両の重なりや路面の影による誤検知を防ぐため、物体検知だけでなく「多物体追跡(MOT)」技術を実装します。一時的な遮蔽があっても個体を識別し続けることで、カウントの重複や漏れを防止します。また、実環境での収集が難しい事故や猛吹雪などの特殊なデータは、3DシミュレーターによるCG映像で補完学習させる手法が有効です。これにより、現場特有の複雑な環境下でも高い検知精度を維持できるようになります。
ここでは、クラウドやオンプレミスなどのタイプ、料金、主な対応業界などの詳細情報を公式HPに掲載している画像解析AI開発ツール・プラットフォームをピックアップして比較します。
| Bind Vision (キヤノンITソリューションズ)
引用元:キヤノンITソリューションズ公式HP (https://www.canon-its.co.jp/solution/industry/cross-industry/image-integration/bindvision/brand) |
OPTiM AI Camera Enterprise (OPTiM)
引用元:OPTiM AI Cameraシリーズ公式HP (https://www.optim.co.jp/optim-ai-camera/) |
オールインワン AI画像解析パッケージ (大塚商会)
引用元:大塚商会公式HP (https://www.otsuka-shokai.co.jp/products/ai-iot/ai-camera-analysis/) |
|
|---|---|---|---|
| タイプ | クラウド | オンプレミス/クラウド (選択可) | オンプレミス |
| 基本料金 |
|
|
|
| 導入までの期間 | 即時 (契約後すぐに使用可能) | 最短約6週間 | ― (公式HPに記載なし) |
| トライアル | 有り (1か月無償で使用可能) | ― (公式HPに記載なし) | ― (公式HPに記載なし) |
| API | Web APIでプログラムを 問わず、連携可能 ※2 | APIで既存アプリ、 システムとの連携が可能 | ― (公式HPに記載なし) |
| 主な対応業界 | 製造業/防災事業者/自治体 | 小売業/交通機関/医療業界 | 建設業/小売業/製造業 |
交通量調査へのAI導入は、従来の手法で課題となっていたコストや精度の問題を解決する有効な手段です。自動化によって得られるデータの価値は、単なる省人化に留まらず、高度なマーケティングや安全管理にも大きく寄与します。自社の目的に合わせた適切な開発プロセスを踏むことで、信頼性の高い分析基盤を構築できるでしょう。
また、当メディアではシステム開発の業界・目的別におすすめの画像解析AIを紹介しています。製造業、医業、金融業など、開発システムを活用する業界・目的によって、選ぶべき画像解析AIは変わってくるもの。自社の開発システムに合った画像解析AIを導入したいと考えているSIer・AI事業者の皆様は参考にしてみてください。
各製品・サービスをじっくり比較・検討したい方のために、画像解析AIを利用できる開発ツール・ソリューションを一覧掲載しているページもご用意しています。機能や料金の違いを知りたい方は、こちらも併せてご確認ください。
様々な画像解析AIのなかで、DX化実現のため大規模なシステム構築が求められる製造業、高度な解析精度が医療業界、セキュリティが重視される金融業界と3つの業界で目的に合うツールをピックアップしました。
Bind Vision
(キヤノンITソリューションズ)
Aivia
(ライカマイクロシステムズ)
Azure AI Vision
(日本マイクロソフト)