東京大学 塚田研究室 ― 評価プラットフォーム・サブチーム 塚田 学 准教授、Ehsan Javanmardi 特任講師、2026年3月
クルマと道路が対話する未来へ ― 5年間の挑戦
CooL4 プロジェクトが2021年に始まった当時、日本の公道におけるレベル4自動運転はまだ遠い未来の話でした。2026年3月にプロジェクトが終了する頃には、柏の葉の交通量の多い交差点を右折する無人運転バスが現実となっており、その走行は、信号機の上に取り付けられたセンサからの情報によって部分的に支援されていました。
CooL4 ― 日本の国家プロジェクト 「RoAD to the L4」 のテーマ4「協調型レベル4自動運転（Cooperative Level 4）」活動 ― が取り組んだのは、ある具体的で困難な問いでした。自動運転バスが歩行者・自転車・人の運転する車両と狭い道を共有する真の意味での 混在環境 において、路側インフラは車載センサだけでは成しえないことを実現できるのか、という問いです。
その答えにたどり着くまでに、5年の歳月と、6機関（東京大学、名古屋大学、産業技術総合研究所、三菱総合研究所、日本自動車研究所、先進モビリティ株式会社）からなるコンソーシアム、そして実際のバスによる実際の路線での運行が必要でした。 2026年1月13日、柏の葉の自動運転サービスはレベル4特定自動運行を正式に開始しました。これは、開放された混在環境を持つ日本の公道におけるレベル4運行としては国内最初期のものです。
本記事は、その見出しの裏で何が起こっていたかについてのものです。協調が実際に機能しているかを 測定 することを可能にしたオープンソースのシミュレータ、解析ツール、評価手法を、塚田研究室の評価プラットフォーム・サブチームがいかに構築したかをご紹介します。
私たちの役割 ― 協調は測定できなければ信頼されない
CooL4 において、私たちの担当範囲は限定的かつ具体的でした。すなわち、評価プラットフォームの構築です。他チームが路側機（RSU）、自動運転スタック、データ連携基盤を設計するなか、私たちの仕事はそれらすべてを 見える化 することでした。V2X 通信品質の定量化、コンクリートが流し込まれる前にセンサ設置位置を検討するモデリング、そして実車両を実環境に投入する前にシミュレーションで協調の効果を評価すること ― これらが含まれます。
プロジェクト最終年において、この活動は3つの具体的な成果に結実しました。そのうち2つは現在オープンソースとして公開されており、自分の街で協調型自動運転を評価したい人なら誰でも利用できる状態になっています。
成果1 ― AVVV：パケットロスを可視化する
V2X ネットワークを改善するには、まずそれを「見る」ことが必要です。 AVVV（Autonomous Vehicle V2X Visualiser） は、ROS にカプセル化された生の V2X トラフィックを、人が実際に読める形の遅延・ジッタ・RSSI・パケットロス指標に変換する、解析器・レポータ・可視化器からなるツールチェーンです。
AVVV は自動運転車両がすでに生成している ROS メッセージを取り込み、それらを車載器（OBU）と路側機（RSU）の間で UDP パケットとして送受信し、何が、いつ、無事に届いたかを測定します。本ツールは ETSI CPM （Collective Perception Message）規格に準拠しているため、同じ規格を用いる他のサイトやプロジェクトとも結果を比較できます。
本年度、研究ツールとして最も重要なことを完了しました。それは オープン化 です。AVVV は、インストールガイド、設定手順、API リファレンス、プロトコル仕様、データセットへのアクセス方法、トラブルシューティングを含む、十分にドキュメント化されたオープンソースとしてリリースされました。別の都市の第三者チームが独自に導入できる水準のドキュメントが揃っています。
AVVV のリンク：
AVVV ETSI ドキュメントのトップページ。
なぜオープンソース化が重要か
V2X 評価は、各プロジェクトが同じホイールを別々に作り直し、しかも不完全に作ってしまうという、静かなボトルネックの一つです。実在する規格に準拠したリファレンス実装を公開することで、次に取り組む人々の重複作業を数エンジニア月分削減でき、業界全体を職人的な数値ではなく比較可能な数値へと前進させることができます。
成果2 ― がん研交差点における定量的なセンサ配置検討
木の陰にいる自転車に気づけない路側 LiDAR は、ただの高価なオブジェに過ぎません。本年度、私たちは3Dセンサ配置評価手法を、もともと科学警察研究所（科警研）西交差点向けに構築したものから、もう1か所のサイト、柏の葉自動運転バス路線上のもう一つの重要地点である、がん研究会（がん研）交差点へと拡張しました。
本手法は実用的です。交差点の実測点群データから（建物・樹木・縁石・信号機など、すべてを含む）高精細な3Dシーンを構築し、候補位置に仮想 LiDAR を配置し、シーン内を移動する歩行者・自転車・車両に対するレイトレースによる検出を計算します。出力されるのはヒートマップです。交差点の1平方メートルごとに、そこに立っている物体がセンサに見える確率を示します。
がん研交差点における3Dシミュレーションモデルと実測点群データの比較。左列：シミュレーションモデル。右列：同じ視点を実測点群に重ね合わせたもの。
がん研では4つの設置候補パターンを評価しました。既設の南西角センサと、歩行者島および東側歩道の代替3位置を含みます。4つとも基準モデルとして Cepton P60（測定距離200 m、水平60°×垂直22°視野、88チャネル、10 Hz で距離誤差約3 cm）を使用しました。
4つの LiDAR 候補位置それぞれからの視点。
ヒートマップが語る物語
単一のセンサで全てを賄うことはできません。パターン1（既設）はバスが実際に走行する東西方向には強いものの、南端の樹木が視野の一部を遮ります。東側歩道に設置されるパターン4はこれを巧みに補完します。4つのセンサを統合すると、歩行者ヒートマップ上の赤い「死角」領域がほぼ消失し、歩行範囲全体で 80～100% の検出カバレッジ が得られます。
全4センサを統合した場合の、歩行者・自転車・車両の検出ヒートマップ。
各パターンの模擬 LiDAR 点群出力（色分け）と、全4つの組み合わせ。
プロジェクトへの具体的な提案：がん研では、パターン1を維持し、東側位置（パターン4）にセンサを追加することです。本検討は、実際の RSU 設置計画（高さ・角度・取付位置）に、目分量ではなく測定可能なカバレッジで直接活用されます。
成果3 ― V2XSim × Simple_AV：協調は本当に交通を円滑にするのか？
これが最も重要な問いであり、誠実に答えるのが最も難しい問いでした。本年度、私たちはこの問いに答えるためのツールを構築・拡張し、オープンソース化しました： V2XSim、Unity ベースの協調シミュレーション環境、そして Simple_AV、CooL4 の速度プロファイルに合わせた ROS 2 自動運転スタックです。
V2XSim（左）が仮想世界を駆動し、Simple_AV（右）が実バスと同じ ROS 2 メッセージを使って自動運転スタックを実行する。
シナリオ
一つの動作に焦点を当てました：科警研西交差点でのバスの右折で、対象エリアを横断する可能性のある交通弱者（VRU）が存在する状況です。インフラの支援がなければ、バスは安全のために 3 km/h でゆっくり通過します。RSU からの物体情報により、危険ゾーンが空いていれば 12 km/h で通過します。これが「協調」です。問いは、それが何を犠牲にし、何を得るかです。
シナリオの構造：自車バス、周辺車両、VRU、検出ボックス、信号位相、ADS の二段階速度判断。
本年度、シミュレータに追加した3つの機能
シミュレータは、その前提が現実と一致していてこそ役に立ちます。昨年度の V2XSim はすでに車両や横断歩道を描画できましたが、欠けていたのは「統計的なリアリズム」でした。私たちは3つの機能を追加し、これによりアニメーションツールから評価機器へと進化させました。
1. 実データに基づく NPC 出現。 これまで歩行者と自転車は一様乱数で出現していました。視覚的には問題ありませんが、評価には不適切です。現在は科警研西交差点での実12時間観測データに基づき、14個のウェイポイントパスにマッピングして出現させます。出現間隔はポアソン過程に従い、実トラフィックの集中と空白を保ちます。
2. 歩行者／自転車のデッドロック回避。 ウェイポイント型群衆シミュレーションには古典的な失敗モードがあります。2つのエージェントが同じ狭い隙間を同時に通過しようとして、永遠に振動する現象です。私たちは反発力に基づく局所回避層と、病理的なケース向けの「凍結ボディ」フォールバックを追加しました。
3. 信号サイクルに同期したテレポート反復実験。 試行間にシミュレータ全体を再起動するのは遅く、信号状態を失います。私たちは物理的に安定したテレポートを実装し、各交差点到達が 90 秒の信号サイクルを一様にサンプルするよう逆算した位置にバスをリセットします。1回の実行で何百回もの試行を、クリーンな統計とともに行えます。
柏の葉での実観測に基づく検証
シミュレータの結論が現実にも転移することを確認するため、対象交差点周辺の VRU と車両の実数を3日間にわたって観測しました。
4つのシナリオ、1,133回のシミュレーション
現実的な NPC トラフィックを構築した上で、4つの VRU 条件 ― VRUなし・常時VRU・柏の葉通常・柏の葉低密度 ― それぞれで RSU 協調あり／なしの両方を含む 1,133 回のシミュレーション試行を行いました。その後、後続交通効果のストレステスト用に、車両交通量2倍の5番目のシナリオを追加しました。
視覚的な直感：同時刻の二台のバス
最も明快なデモは数字ではなく、1枚のフレームです。同じシード、同じトラフィックでの2回のシミュレーション ― 一方は RSU 協調あり、もう一方はなし。協調なしのバスが 3 km/h で横断歩道を半分通過した時点で、協調ありのバスはすでに交差点を通り抜けて 29 km/h に戻っています。
同時刻における並列比較。左：インフラなしのバスで、VRU 検出のため 3 km/h に減速。右：協調ありのバスで、すでに交差点を通過済み。
危険ゾーン論理を一枚に
v2xHandler ノードが RSU からの物体ストリームに対して評価する危険ゾーン・ポリゴン（SW1, SW2, SW3, CW1, CW2）。進入時に SW ゾーンが非空の場合、速度目標が 12 km/h から 3 km/h に切り替わる。
定量的な評価結果
全4つの VRU 条件において、協調 なし の場合、交差点通過時間は約 26秒 の一定値に収束します ― 3 km/h がボトルネックとなり、実際に誰かが横断しているかどうかに関わらずこの値になります。協調 あり の場合、通過時間は次のようになります：
- 12秒（VRU が存在しない場合）
- 18秒（柏の葉低密度条件）
- 21.5秒（柏の葉通常条件）
- 約26秒（VRU が常時危険ゾーンを占有する場合のみ ― 最悪ケース、かつ誠実な値）
4つのシナリオ × インフラ off／on にわたる交差点通過時間（紺）と走行時間（水色）の比較。
インフラ off／on にわたる4つのシナリオでの走行時間の結果。
動画 ― 科警研西交差点での協調右折の結果。
時空間ダイアグラム：誠実な顕微鏡
平均値は1つの物語を語り、個別の試行は別の物語を語ります。時空間ダイアグラムは、交差点を通過するバスと各後続車両の時間と距離をプロットします。緑線はバスと同じ青信号サイクルで通過した後続車両、赤線は通過できなかった車両（遅いバスに阻まれて次のサイクルを待たねばならなかった車両）です。
40回のバス右折を時空間ダイアグラムで示したもの。4つのパネルに分割。青＝バス、緑＝通過した後続車両、赤＝阻まれた車両。
後続交通のシミュレータ視点。上：インフラ off ― バスは約 4 km/h で這うように進み、最初の後続車は通過するが、2番目は通過できない。下：インフラ on ― 12 km/h での通過により、3〜4台の後続車が同じ信号位相で右折を完了できる。
後続交通の主要数値
インフラ協調により、バスの後ろで阻まれた後続車両数は次のように減少しました：
- 85%（VRU なしの理想ケース）
- 51%（柏の葉低密度条件）
- 38%（柏の葉通常条件）
- 23%（高交通量シナリオ＝3.88台／分、ただし注目すべきは 絶対値 での削減が最大）
協調はその真価を、危険ゾーンが実際に空いている時間にちょうど比例して発揮します。これがアプローチの強みであると同時に、その誠実な限界でもあります。歩行者が本当に常時存在するなら、いかなる V2X もバスを速くすることはできません。インフラの価値は、バスに 「道は安全である」 と告げられる頻度に直接比例して拡大します。
オープンソース公開 ― 仕事を残して去る
クローズドなバイナリで終わる研究プロジェクトは、そこで終わってしまうプロジェクトです。本年度、私たちは両方のプラットフォームをオープンソースとして公開しました。これは、別の場所で次の協調型自動運転システムを構築する人々への私たちの最も意義ある貢献は、自分たちのツールを渡すことだ、という考えに基づくものです。
AVVV ― Autonomous Vehicle V2X Visualiser
- ETSI CPM 準拠の V2X 通信解析器・レポータ・可視化器
- RSU と車載 OBU 間の遅延・パケットロス・ジッタ・RSSI を計測
- ドキュメント、チュートリアル、API 仕様、柏の葉のサンプルデータセットを同梱
- ドキュメント: https://tlab-wide.github.io/avvv_etsi/
- GitHub: https://github.com/tlab-wide/avvv_etsi
V2X E2E Simulator (V2XSim) ― 協調型自動運転シミュレーション環境
- 柏の葉シーンを同梱した Unity + ROS 2 協調型自動運転シミュレータ
- Autoware／AWSIM 互換。疑似センサ、自転車・歩行者モデルを搭載
- 実データに基づく NPC 出現と反復実験基盤
- ドキュメント: https://tlab-wide.github.io/V2X_E2E_Simulator/
- GitHub: https://github.com/tlab-wide/V2X_E2E_Simulator
結び
5年前、私たちは「インフラはバスの右折を助けられるか」と問いました。今日、バスは右折します。そして、どれだけ助けられたかを正確にお伝えできるツールが、私たちの手にあります。
乗車してくださった皆様、構築してくださった皆様、レビューしてくださった皆様、ありがとうございました。
参考文献とリンク
- プロジェクトページ： テーマ4 ― RoAD to the L4
- チーム： 東京大学 塚田研究室 ― 塚田 学 教授、Ehsan Javanmardi 准教授
- コンソーシアム： 東京大学、東海国立大学機構（名古屋大学）、産業技術総合研究所、三菱総合研究所、日本自動車研究所、先進モビリティ株式会社
- 資金提供： 経済産業省（METI）& 国土交通省（MLIT）
- 公開仕様書：
