車線変更は人間のドライバーにとっては簡単です。しかし、自動運転車はそうではありません。脳の灰白質や筋肉の記憶の代わりに、自動運転車はプログラミング、人工知能、そしてレーザー、カメラ、レーダーなどの車載認識システムを用いて判断を下します。
私たちは、スタンフォード大学のスタートアップ企業drive.ai、MIT発のnuTonomy、Uber、Waymoの4社に、左折するかどうかを決める際に各社の車が何を考慮しているかを尋ねた。
軽い読書
周囲に点在する信号は、車のロボット脳に重要な手がかりを提供します。drive.aiの車両は、ディープラーニングと呼ばれるAI戦略を用いて、青信号で停止している車はエンストしている可能性がある一方、赤信号で進まない車はただ流れに乗っているだけであると判断できます。また、アルゴリズムは、前方の車のハザードランプが点滅している場合は、その車がすぐには動かない可能性が高いと判断することもできます。
スピルオーバースポッター
混雑した都市環境では、縁石に停車している車や配送トラックが交通に割り込むことがよくあります。自動運転車にとって、車線の一部しか停車していない車両は、しばらくそこに停車している可能性があるという兆候です。nuTonomyとdrive.aiのインテリジェントカーは、追い越しの判断にこの点を考慮します。前方の車両が道路の中央よりも縁石に近い場合、ロボットカーは迂回する可能性もあります。
道を知る
シンガポールとボストンで自動運転車を開発しているNuTonomyは、都市特有の知識を活用しています。例えば、配達が行われる可能性が高い場所にトラックが停車している場合、NuTonomyは追い越しを優先する判断を下す可能性があります。判断に迷う場合は、停止している車両を一時停止状態とみなし、その車両の後ろで待機します。このような保守的なアプローチは、業界では一般的です。
ストリートシェアリング
自動運転車は、誰かが不注意に車線に割り込んだ場合、急ブレーキをかけることができます。また、ウェイモの車は、デフォルトで自転車に対して十分な距離を確保しています。搭載カメラが車周辺の街並みをスキャンし、回転するレーザー（ライダー）が車と他の物体との距離を測定します。レーダーの読み取り値は、近くの他の車両の速度を計算するのに役立ちます。
ルーティング準備完了
ナビゲーション（例えば左折など）は、自動運転車が車線変更を敢行する最大の理由の一つです。Uberのアドバンスト・テクノロジーズ・グループは、車線変更を行う前に、他の車両との車間距離が十分にあることを確認するよう車両をプログラムしています。基本的に、同社のコンピューターは、運転教習で用いられる車間距離ガイドラインの一種である「2秒ルール」を実践しています。この計算は、乗客の快適性も考慮しています。つまり、車が急加速して乗客を怖がらせるようなことはしないということです。 （編集者注：この記事の印刷版公開後、Uberは自社の車両が歩行者を死亡させた事故を受け、自動運転車の公道走行を一時停止しました。）
前方下
背の高い車両は人間とロボットロードスターの両方の視界を遮る可能性があるため、大型トレーラーの真後ろを走る自動運転車は、人間が介入しない限り、そのままの姿勢を保つ可能性があります。しかし、停止した車両が路肩に停車したり、ウィンカーを点灯させたりしている場合は、自動運転車は追い越そうとする可能性があります。エンジニアたちは、将来的には車両同士が通信できるようになると予想しています。そうすれば、停止したトラックは近くの車両とその状態（上の画像では青い波形で表示）を共有できるようになります。
この記事はもともと、Popular Science 誌の 2018 年春の Intelligence 号に掲載されました。
