問題提起・現状認識
自動運転の議論では「AIがどれだけ正確に障害物を検知できるか」に注目が集まりがちです。しかし、実用化のボトルネックは別のところにあります。横断歩道という、一見シンプルな白線の認識。ここに自動運転の"現在地"が凝縮されています。
横断歩道認識が突きつける現実
自動運転車が横断歩道を正しく認識するには、カメラ映像だけでは不十分です。白線のかすれ、逆光、雨天時の路面反射、夜間の照度不足。こうした現実の道路環境は、研究室のデータセットとはまるで異なります。国土交通省が2024年度に実施した「道路施設の点検結果」によれば、全国の横断歩道のうち約3割が経年劣化による視認性低下の状態にあると報告されています（国土交通省「道路メンテナンス年報」2024年度版）。つまり、AIが学習した"きれいな横断歩道"は、日本の道路の現場では必ずしも存在しません。
この課題を補うために登場したのが、LiDAR（光を使った3D距離計測センサー）とカメラを組み合わせる「センサーフュージョン」という手法です。カメラが色や形状を捉え、LiDARが立体的な距離情報を取得する。2つのデータを統合することで、かすれた白線でも横断歩道の位置を高精度に推定できます。
ただし、ここに重要な転換点があります。
車両単体の限界とインフラ側の課題
センサーフュージョンの処理は計算負荷が非常に高く、車載エッジデバイス（車に搭載された小型コンピュータ）上でリアルタイムに実行するには、遅延・コスト・発熱という3つの壁が立ちはだかります。NVIDIA社のDRIVE Orinプラットフォームは254TOPSの処理性能を持ちますが、チップ単価やシステム全体の電力消費を考えると、量産車への標準搭載にはまだハードルが残ります。
実は、この問題を車両側だけで解決しようとすること自体が、議論の見落としです。道路側にセンサーを設置し、インフラ側で横断歩道周辺の状況を検知してV2I通信（Vehicle-to-Infrastructure、車とインフラ間の通信）で車両に伝える。この「協調型」のアプローチこそ、自動運転レベル4（特定条件下での完全自動運転）の社会実装に不可欠な要素として浮上しています。
国土交通省が推進する「インフラ分野のDXアクションプラン」は2025年に第二フェーズへ移行しました。道路インフラのデジタルツイン化（現実の道路を仮想空間上に再現する技術）が本格的に動き始めています。このロードマップの中で、横断歩道認識は単なる安全機能ではなく、都市全体の交通フロー最適化や信号制御の高度化と直結するテーマへと広がりつつあります。
本記事で検証する3つの論点
本記事では、横断歩道認識AIを起点に、以下の3つの視点から自動運転とインフラセンシングの現在地を分析します。
- センサーフュージョンの技術的・コスト的な実装難度
- V2I通信による車両・インフラ協調の進捗と課題
- 道路デジタルツインがもたらす新たな価値創出の可能性
「横断歩道を認識できるか」という問いは、「都市インフラをどうデジタル化するか」という問いと地続きです。この全体像を、データと各プレイヤーの動向をもとに読み解いていきます。
データに基づく現状分析
横断歩道認識AIを取り巻く市場は、自動運転とインフラDXという2つの潮流が交差する地点にあります。ここでは、公的機関や調査会社が公表しているデータをもとに、現状を3つの軸で整理します。
軸①：自動運転市場の規模と成長率
まず、全体の市場規模を押さえておきます。矢野経済研究所が2025年3月に公表した調査によれば、国内のADAS（先進運転支援システム）・自動運転関連市場は2024年時点で約1兆2,000億円規模に達しています（矢野経済研究所「ADAS/自動運転システム市場に関する調査」2025年）。2030年には約2兆5,000億円へと拡大する見通しです。年平均成長率（CAGR）はおよそ13%。成長は着実ですが、爆発的とは言えません。
この背景には、レベル4自動運転の社会実装が当初の予測ほど速く進んでいない事情があります。自動走行ビジネス検討会（2023年にモビリティDX検討会へ改組）がVersion6.0（2022年4月）等で示したロードマップでは、レベル4の商用サービスについて「2025年度目途に50か所程度での実現を目指す」という目標が掲げられていました。しかし、2025年6月時点でのレベル4走行実績は8件にとどまり、目標は大幅に未達の状況です。実装が進んでいる事例の大半は過疎地域のラストマイル輸送や特定ルートの巡回バスであり、都市部の一般道における展開は、まだ数えるほどしかありません。
軸②：センサーフュージョン関連のコスト推移
自動運転の普及速度を左右する最大の変数。それはセンサーコストです。
LiDARの価格低下は近年顕著です。米Hesai Technology社の2025年度決算資料によると、同社の主力ADAS向けLiDAR「ATシリーズ」の平均販売価格は2023年の約500ドルから2025年には約200ドル台まで下がっています（Hesai Technology 2025 Annual Report）。Velodyne（現Ouster）やLuminarなども同様の価格帯を目指しており、LiDAR単体のコストは急速に下がりつつあります。
しかし、実はコストの本丸はLiDAR単体ではありません。センサーフュージョンを処理するSoC（System on Chip、複数機能を一つにまとめた集積回路）とその周辺システムに大きな費用がかかります。NVIDIA DRIVE Orinの車載グレードモジュールは、システム構成によって1台あたり数百ドルから1,000ドル超の範囲。さらに冷却機構、電力供給、ソフトウェアライセンスを含めた総コストは、1台あたり2,000〜5,000ドル程度になるとの業界推計があります（McKinsey & Company「Autonomous driving's future: Convenient and connected」2023年）。量産効果による低減は進んでいるものの、大衆車への標準搭載にはまだ距離がある水準です。
軸③：インフラ側センシング投資の実態
車両側のコストが壁になるなら、インフラ側で補えばよい。この発想を裏づける数字が出てきています。
国土交通省の「インフラ分野のDXアクションプラン」第二フェーズ（2025年度〜）では、道路インフラへのセンシング機器設置に関する予算が前年度比で約1.5倍に拡充されました（国土交通省「インフラ分野のDXアクションプラン2.0」2025年4月改定版）。具体的には、交差点や横断歩道周辺への路側カメラ・ミリ波レーダー設置を重点施策として位置づけています。
総務省の「ICTインフラ地域展開マスタープラン3.0」（2025年）も注目すべき動きです。V2I通信の基盤となる5G・ローカル5Gの道路沿線展開が、2027年度までに主要国道の約7割をカバーする目標として明記されています。通信インフラと道路センシングの同時整備。ここに国の投資が集中し始めています。
3つの軸が示す全体像
データを並べると、ある輪郭が浮かび上がります。
車両側のセンサーコストは下がっているが、フュージョン処理の総コストはまだ高い。一方、インフラ側への公的投資は明確に加速している。そして自動運転市場そのものは堅調に成長しつつも、レベル4の実装エリアは限定的。
つまり、「車が賢くなれば自動運転は実現する」という単純な図式ではなく、車とインフラの両輪でコスト・技術・通信環境を同時に整えなければ普及しないという現実が、数字の上からも明確に読み取れます。次のセクションでは、この"両輪"がなぜ噛み合いにくいのか、その要因を3つの視点から掘り下げます。
構造的な要因の分析
前セクションで確認したとおり、車両側のコストとインフラ側の投資がうまく噛み合っていない状況が浮かび上がりました。では、なぜこの"両輪"は同期しないのか。ここでは3つの視点から、その要因を掘り下げます。
視点①：エッジ処理の物理的制約——計算量と電力のトレードオフ
センサーフュージョンをリアルタイムで実行するには、膨大な計算を車載のエッジデバイス上でこなす必要があります。ここで問題になるのが、処理性能と消費電力の関係です。
NVIDIA DRIVE Orinは254TOPSの演算性能を備えていますが、消費電力は最大で約45Wに達します（NVIDIA公式製品仕様）。次世代のDRIVE Thorは2,000TOPSを目指すとされますが、電力消費もさらに増加が見込まれます。車両のバッテリー容量には限りがあり、特にEV（電気自動車）では走行距離への影響が無視できません。
実は、この電力問題は単なるハードウェアの課題にとどまりません。車載チップの発熱が増えれば冷却機構も大型化し、車両設計そのものに影響します。結果として、自動車メーカーは「どこまでの処理を車両に持たせるか」という判断を迫られます。全部を車に載せるのは物理的に難しい。この制約が、インフラ側との機能分担を必然にしています。
視点②：V2I通信の標準化と整備ギャップ——規格は決まっても道路がついてこない
車両とインフラの協調には、V2I通信の基盤が不可欠です。通信規格自体は整備が進んでいます。日本では、総務省が推進する700MHz帯ITS通信（ARIB STD-T109）に加え、5G NR-V2X（5G技術を活用した車両通信規格）の標準化が3GPP Release 17以降で進行中です（3GPP公式ロードマップ、2024年更新）。
ところが、規格があっても物理的な通信インフラが道路上に揃わなければ意味がありません。ここに大きなギャップがあります。
総務省の「情報通信白書」2025年版によれば、5G基地局の人口カバー率は2025年3月時点で約97%に達しています。しかし、これは人口ベースの数値です。道路延長ベースで見ると、主要国道の5Gカバー率はまだ5割程度にとどまるとの推計があります（総務省「ICTインフラ地域展開マスタープラン3.0」2025年）。つまり、都市部の駅周辺では5Gがつながるが、郊外の交差点ではつながらない。自動運転が最も求められる地方部ほど、通信基盤が薄いという矛盾です。
さらに、路側センシング機器の設置も進捗にばらつきがあります。国土交通省の「スマートシティ関連事業」の2025年度中間評価では、路側カメラやレーダーの設置が完了した交差点は、計画対象の約35%にとどまっていると報告されています。予算は拡充されたものの、用地確保・電源確保・自治体との調整といった現場レベルの障壁が積み重なっている状況です。
視点③：管轄の分断——縦割りが生む統合の遅れ
正直、技術やコストよりも根深い問題がここにあります。
自動運転に関わる行政管轄は、複数の省庁にまたがっています。車両の安全基準は国土交通省自動車局。道路インフラは同省道路局。通信規格は総務省。交通規制は警察庁。デジタルツインの推進はデジタル庁も関与します。
モビリティDX検討会（旧・自動走行ビジネス検討会）の報告書でも、省庁間連携の不足が実装スピードのボトルネックとして指摘されています。たとえば、路側センサーが検知した歩行者情報を車両に送信する場合、「誰がデータの管理責任を持つか」「信号制御との連動は警察庁の管轄か国交省か」といった権限の整理が追いついていません。
海外と比較すると、この差は明確です。中国では工業和信息化部（MIIT）が自動運転の通信・車両・インフラを横断的に管轄する体制を構築しています。欧州では欧州委員会がC-ITS（Cooperative Intelligent Transport Systems）の統一フレームワークを2025年に更新し、加盟国間の相互運用性を担保する方針を打ち出しました（European Commission「C-ITS Platform Phase III」2025年）。日本の縦割り行政は、個別の施策品質は高いものの、全体統合のスピードで遅れを取るリスクを抱えています。
3つの要因が絡み合う難しさ
エッジ処理の物理的限界。通信インフラの整備ギャップ。行政管轄の分断。この3つはそれぞれ独立した課題ではなく、互いに影響し合っています。
エッジ処理に限界があるからインフラ側で補いたい。しかし通信基盤が未整備で、データを送れない。通信とセンサー設置を加速したいが、管轄が分かれていて意思決定が遅い。この連鎖が、車両とインフラの"両輪"を噛み合わせにくくしている最大の要因です。
では、この状況に対して各プレイヤーはどう動いているのか。次のセクションでは、主要企業や自治体の具体的な戦略を比較していきます。
プレイヤーごとの戦略比較
横断歩道認識AIとインフラセンシングの領域では、アプローチの異なる複数のプレイヤーが動いています。ここでは、車両側AI、インフラ側センシング、そして協調プラットフォームという3つの軸で主要な動きを整理します。
車両側AI：Teslaとモービルアイの対照的な選択
車両側の認識技術で最も注目されるのは、やはりTeslaです。Teslaは2022年にLiDARを使わず、カメラのみで自動運転を実現する「Vision-only（ビジョンオンリー）」路線を鮮明にしました。2025年時点でも、この方針は変わっていません。同社の「FSD（Full Self-Driving）」v13では、カメラ映像から3D空間を再構成するoccupancy network（占有ネットワーク）を採用し、白線がかすれた横断歩道でも周囲の文脈から位置を推定する手法を取っています（Tesla AI Day 2024公式発表資料）。
対照的な戦略を取るのがMobileye（モービルアイ）です。Intel傘下の同社は、カメラとLiDARとレーダーを組み合わせる「True Redundancy（真の冗長性）」を掲げています。2025年に量産出荷が始まったMobileye Chauffeur向けのEyeQ6チップは、専用設計により46TOPS/Wという電力効率を実現しました（Mobileye 2025 CES公式プレゼンテーション）。NVIDIAの汎用チップと比較して、特定タスクに特化することで消費電力を抑える戦略です。
両社のアプローチは「センサーの数を減らしてコストを下げるか」「冗長性を確保して安全マージンを取るか」という根本的な設計思想の違いに帰着します。ちなみに、2025年のEuro NCAPの新評価基準では、歩行者検知の夜間・悪天候性能が配点に加わっており、ビジョンオンリー方式にとってはやや不利な評価体系となっています（Euro NCAP 2026 Roadmap、2025年公開）。
インフラ側センシング：日本勢の存在感
インフラ側では、日本企業の動きが目立ちます。
住友電気工業は、路側センシングユニットの開発で先行しています。同社のITSセンサーは、ミリ波レーダーとカメラを一体化し、交差点周辺の歩行者・車両をリアルタイムに検知します。国土交通省の「道の駅を拠点とした自動運転サービス」実証事業において、2024年度までに全国18カ所で同社のセンサーが採用されました（住友電気工業 統合報告書2025）。
パナソニック コネクトも注力しています。同社は高精度LiDARを活用した路側インフラ向けセンシングシステムを展開しており、大阪・関西万博（2025年）の会場内自動運転で路側センシングの実証を実施しました（パナソニック コネクト プレスリリース、2025年4月）。万博という限定空間での実績を、一般道へどう展開するかが次の焦点です。
協調プラットフォーム：トヨタとSIPの挑戦
車両とインフラをつなぐ「協調」の領域。ここでの最大のプレイヤーはトヨタです。
トヨタは2024年に「Woven by Toyota」を通じて、東京・お台場エリアでV2I通信を活用した協調型自動運転の公道実証を開始しました（Woven by Toyota公式サイト、2024年10月）。路側カメラが検知した横断歩道上の歩行者情報を、車両にリアルタイム送信する仕組みです。車両が見えない死角を、インフラが補完する。この発想は、前セクションで述べたエッジ処理の限界を回避する現実的な解と言えます。
政府主導のプロジェクトとしては、SIP（戦略的イノベーション創造プログラム）第3期の「スマートモビリティプラットフォームの構築」が2025年度から本格稼働しています（内閣府SIP公式サイト）。ここでは、複数メーカーの車両と異なるベンダーの路側機器が相互接続できる「共通データフォーマット」の策定が進められています。
実は、この共通フォーマットの有無が普及の分水嶺です。各社が独自仕様で路側機器を設置すれば、特定メーカーの車両しか恩恵を受けられません。SIPが目指す相互運用性が実現するかどうかで、V2I協調が「一部の実証実験」にとどまるか「社会インフラ」になるかが決まります。
各プレイヤーの立ち位置を整理する
ここまでの動向を俯瞰すると、明確な役割分担が見えてきます。Teslaとモービルアイは車両側の認識精度とコスト最適化で競争。住友電工やパナソニック コネクトはインフラ側のセンシング機器で地歩を固める。そしてトヨタとSIPが、両者をつなぐ通信・データ基盤の構築に取り組む。
課題は、この3層がまだ「点」の実証にとどまっていることです。次のセクションでは、これらの動きが今後3〜5年でどう収束し、あるいは分岐するのかを展望します。
今後の予測と提言
ここまで見てきたとおり、横断歩道認識AIをめぐる技術・コスト・制度の課題は複雑に絡み合っています。では、今後3〜5年でこの領域はどう動くのか。私は3つのシナリオを想定しています。
シナリオ①：2027年までに「協調型」が限定エリアで標準化する
最も蓋然性が高いのは、V2I協調型の自動運転が特定エリアで"当たり前"になるシナリオです。
根拠はあります。国土交通省の「インフラ分野のDXアクションプラン2.0」では、2027年度までに全国100カ所以上の重点交差点へ路側センシング機器を設置する目標が明記されています（国土交通省、2025年4月改定版）。SIP第3期の共通データフォーマットも、2027年度中の暫定仕様公開を目指しています（内閣府SIP公式サイト）。
つまり、2027年には「路側センサーが歩行者を検知し、車両にリアルタイムで通知する」仕組みが、主要都市の一部交差点で実用化される可能性が高いと分析できるでしょう。ただし、全国展開ではなくあくまで限定エリア。地方の生活道路まで行き届くには、さらに時間がかかります。
シナリオ②：2029年にデジタルツインが交通制御の主役になる
もう少し先の話です。道路インフラのデジタルツイン化が進むと、横断歩道認識は「安全機能」から「都市最適化の入力データ」へと役割が変わります。
国土交通省が2025年度に開始した「PLATEAU（プラトー）」の道路拡張プロジェクトでは、3D都市モデルに信号制御・歩行者流動・車両軌跡をリアルタイムで統合する実証が進んでいます（国土交通省PLATEAU公式サイト）。横断歩道を渡る歩行者の数と速度をAIが常時把握し、信号の青時間を動的に最適化する。これにより、車両の不要な停止が減り、CO2排出の削減にも寄与します。
実は、この方向性はカーボンニュートラル政策とも接続しています。環境省の「地域脱炭素ロードマップ」（2025年改定版）では、交通分野のCO2削減手段としてAI信号制御が明示的に言及されました。横断歩道認識AIが、気候変動対策の一部として評価される時代が近づいています。
シナリオ③：管轄分断が解消されず、日本が「実証大国・実装小国」にとどまるリスク
正直、最も警戒すべきシナリオです。
前セクションで指摘した省庁間の縦割りが解消されなければ、個別の実証は積み上がるものの、全国規模の社会実装には至らない。中国が都市単位で協調型自動運転を面展開し、欧州がC-ITSフレームワークで加盟国間の相互運用を確立する中、日本だけが「〇〇市で実証成功」を繰り返す。この停滞シナリオは十分にありえます。
モビリティDX検討会（旧・自動走行ビジネス検討会）の報告書でも、省庁横断の司令塔機能の必要性が提言されています。デジタル庁がこの役割を担えるかどうかが、今後の鍵となります。
3つの提言
最後に、この領域に関わるステークホルダーへ3つの提言を示します。
第一に、自動車メーカーは「車両完結型」の発想を修正すべきです。 インフラ協調を前提としたシステム設計へ移行することで、車載エッジの処理負荷とコストを同時に下げられます。
第二に、通信事業者は道路沿線の5Gカバー拡大を最優先事項に据えるべきです。 人口カバー率ではなく「道路延長カバー率」を新たなKPIとして設定する発想が求められます。
第三に、政府は省庁横断の統合推進体制を早急に整備すべきです。 技術も予算もある。足りないのは、それらを束ねる意思決定の一元化です。
横断歩道の白線を正しく読み取る。この一見地味な技術課題の先に、都市交通の未来像が広がっています。車とインフラの協調がどこまで進むか。その答えは、技術の進歩だけでなく、制度設計と投資判断のスピードにかかっています。