現代のパッシブ安全システムは、静的な設計を越えて、実際の衝突データに基づいて洗練されたインテリジェントなソリューションへと進化しました。メーカーは、匿名化された事故データを大規模に分析し、車両構造の保護性能、乗員拘束性能、および傷害軽減性能を最適化しています。これにより、全車両の運用経験が工学的知見へと変換されています。
現代の自動車には、車体フレームに直接組み込まれた高度なセンサーが搭載されており、実際の衝突事故においてさまざまな部品がどのように変形するかを追跡します。これらのデータポイントにより、自動車メーカーはクラムプルゾーン（衝突エネルギー吸収領域）をこれまで以上に精密に最適化できます。例えば、オフセット正面衝突というケーススタディを挙げると、米国運輸省高速道路安全局（NHTSA）の報告によれば、現在の自動車は2023年モデルと比較して約30％多い衝撃エネルギーを吸収できるようになりました。同時に、座席の下に設置された特殊な圧力感知マットが、誰がそこに座っているか、どのような姿勢で座っているか、そして正確にどの位置にいるかを絶えず収集しています。こうしたすべての情報により、 車<br> 状況に応じて異なる対応が可能になります。エアバッグもより賢く作動するようになり、センサーからの入力に基づいて展開タイミングを調整します。この全体的なシステムは非常に高速に動作し、胸部への損傷を低減しつつ、利用者の体型に関わらず全員の安全を確保します。
車両全体のデータ集約により、年間20万台以上に影響を及ぼす再発性の衝突シナリオ・パターンが特定されます。機械学習モデルは、衝撃の幾何学的形状、速度差、乗員の人口統計情報と臨床的な負傷結果との相関を分析し、予測的かつ状況認識型の拘束装置作動を可能にします。拘束装置は現在、衝突の深刻度に応じてリアルタイムで適応します。
このような適応的動作は、より広範なパラダイムシフトを反映しています。つまり、受動的安全性はもはやハードウェア仕様のみで定義されるものではなく、むしろそれらシステムが実際の衝突ダイナミクスに対していかに知的に応答するかによって定義されるようになりました。
今日の自動車は、カメラ、レーダー、ライダー、そして小型の超音波センサーなど、さまざまな種類のセンサーから得られる情報を統合しています。この一連のプロセスは「センサーフュージョン」と呼ばれ、車両の周囲でリアルタイムに何が起こっているかを非常に確実な形で把握するのに役立ちます。車載コンピューターは、こうした多様なデータをすべて受け取り、約100ミリ秒以内に処理・解析して、他の物体が車両に衝突する可能性があるかどうかを判断します。こうしたスマートシステムは、歩行者の歩き方、ほかの車両がどの方向へどの程度の速度で接近しているか、さらに周囲の状況などを総合的に分析し、衝突の発生まであと2～3秒という段階でその危険性を検知します。状況が十分に危険と判断された場合、車両は自動的にブレーキをかけたり、障害物から回避するようにステアリング操作を行ったりします。これらの処理はすべて車両内部で完結するため、クラウド上のどこかから信号を待つ必要はありません。とはいえ、現時点ではこうしたシステムはまだ完全ではありません。高速道路では非常に優れた性能を発揮しますが、自転車が予期せず急激に動き回るような混雑した市街地や、工事によって道路のレイアウトが突然変化するような場所では、時に対象を見逃すことがあります。そのため、こうしたシステムを実際にリアルな世界の状況でテストすることは、本当に必要なときに確実に機能することを保証するために極めて重要です。
自動車の安全性が極めて重要な部位にAIを導入することは、互いに関連する3つの主要な課題を引き起こします。第一の課題は、タイミング要件に関するもので、センサーから同時に大量の高解像度データが入力される中でも、意思決定を50ミリ秒以内に完了させる必要があります。これにより、ハードウェア部品およびアルゴリズム自体の両方に、これまで以上に高速な処理が求められるという大きな負荷がかかります。第二の課題は、AIが実際に何を行ったかを説明可能にするという問題です。ディープラーニングシステムは、規制当局による承認取得や、テスト中に特定の回避行動がなぜ発生したのかをエンジニアが分析しようとする際に必要なほど、その思考プロセスを明確に示すことができません。第三の課題は、訓練時に用いられるシミュレーションと実際の現実世界の状況との間で常に生じるギャップに関するものです。こうしたモデルが、濡れた道路からの眩しさ、影の中に部分的に隠れた歩行者、あるいは舗装面の質感の急激な変化など、事前にプログラムされていない状況に直面すると、すぐに誤動作が生じてしまいます。合成データは開発スピードの向上に貢献しますが、この現実とのギャップを埋めるためには、車両群全体から収集された匿名の走行データに基づく継続的なモデル更新が必要となります。残念ながら、多くの旧式の車載システムはこのような継続的学習に対応できず、また企業が法的にこうした情報をどのように取得・利用できるかを定める新規則も、絶えず変化し続けています。
オーバー・ザ・エア（OTA）アップデートの普及により、自動車の安全性に関する考え方そのものが根本的に変化しました。かつては車両が工場を出荷する時点で固定されていた安全性が、今や時間とともに継続的に向上させられるものとなっています。適切に実施された場合、これらのアップデートによって、メーカーはセキュリティ修正を迅速に展開したり、センサーの調整を微調整したり、さらには先進運転支援システム（ADAS）の性能を向上させることも可能です。しかし、万が一不具合が発生した場合には、現実的な危険が伴います。たとえば、ブレーキ制御やバッテリー管理ソフトウェアに影響を与えるようなアップデートが適用された場合、車両が安全でなくなるばかりか、正常に機能しなくなる可能性もあります。アップストリーム・セキュリティ社が2023年に発表した『グローバル自動車サイバーセキュリティレポート』によると、2021年から2023年の間に報告された自動車関連のサイバーセキュリティ問題のほぼ半数（43％）が、OTAアップデート自体の欠陥によって引き起こされたものでした。
堅牢な継続的検証フレームワークは、以下の方法でこうしたリスクを軽減します：
これらの保護措置により、OTAは安全性向上のための「力の倍増器」として機能し、悪用可能な攻撃経路にはなりません。車両がますますソフトウェア定義型へと進化するにつれ、フェイルセーフ検証も、脅威インテリジェンス、シミュレーションの精度、および実車隊におけるフィードバックと歩調を合わせて進化していく必要があります。
UNECE規制第152号（WP.29）、機能安全に関するISO 26262、およびサイバーセキュリティに関する国連R155といったグローバル標準は、自動車業界全体がより迅速に共同で学習できるフィードバックシステムを構築しています。企業が同一の試験手順に従い、標準化された方法でデータを報告し、実走行状況における事象を匿名性を保ったまま共有することで、得られたすべての情報が車両の改善に役立つ有用な知見へと変換されます。規制を策定する関係者は、こうした収集されたデータ全体を分析し、時代の進展に応じて要求事項を随時更新しています。例えば、先進運転支援システム（ADAS）の試験手法の向上や、コネクテッド電子制御ユニット（ECU）にセキュリティチェック機能を組み込むことの義務化などが既に実現されています。自動車メーカーはこうした変更を段階的に実施しており、その結果、衝突時に自動で形状を調整するクラッシュプロテクションゾーンや、人工知能（AI）を活用したより高度なエアバッグシステムといった新技術が、現在市場に出回っているさまざまなモデルやブランドへと迅速に普及しています。
このチームワークによるアプローチから、実際に成果が見られます。WP.29およびISO規格を適切に導入した地域では、グローバル新車アセスメント・プログラム（Global New Car Assessment Programme）の最新データによると、3年間で100台あたり約15件の致死事故が減少しました。今最も重要なのは、単にコンプライアンスチェックリストの項目を確認することではなく、これらの規格に基づいて、開発初期段階から自動車を設計・製造することです。メーカーが新しい安全規則を早期に採用すれば、後工程での高コストな修正を回避でき、再テストに要する時間が短縮され、また、重要な安全機能をより迅速に実用化できます。これは実に驚くべき成果を生み出します。道路上を走行する各車両が収集する衝突データは、世界中のすべての車両の安全性向上に貢献しています。実際の事故から学ぶ車両が増えれば増えるほど、ドライバーをどこでも確実に守るための最良の方法について、私たちの総合的な理解も深まっていきます。
EN