TechCon2021 TAXI車載システムの IoT化で 解決した課題と新たに提供した価値

Editor's Notes

• #2: それでは、 TAXI車載システムのIoT化で 解決した課題と新たに提供した価値 について発表します。 よろしくお願いします。
• #3: 最初に簡単に自己紹介をさせてください。石川貴夫と申します。 前職では車載機の開発を経て、DeNAへ入社し、タクシー配車サービスMOV（現在のGOアプリ）におけるハードウェア全般に従事しました。 2020年に前JapanTaxi株式会社と事業統合したMobility Technologiesにて、モビリティ全般のハードウェアの開発に取り組んでおります。
• #4: 本日お話することはこちらの四つです。 1.タクシー車載システムを数年前と比べてどのように進化してきたのかについてお話させて頂きたいと思います。 2.安定したデータを支えるためには安定したHWが必要不可欠です。その信頼性についてご紹介します。 次に 3.データ活用例 4.まとめ という流れでお話しさせて頂きたいと思います。
• #5: 本セッションでは、タクシーシステムをIoT化することで、 どのような課題を解決してきたか、 どのような新たな価値を提供したのか、 についてお伝えできればと思っております。
• #6: はじめに、MobilityTechnologiesについて簡単にご紹介させて頂きます
• #7: 「移動で人を幸せに。」我々Mobility TechnologiesのMissionです。 安心・安全なタクシーを起点に、あらゆる人やモノがストレスなく移動できる社会をつくる。 モビリティテクノロジーで生活・産業を支え、社会の発展に貢献する。 この二つのビジョンを軸に、ミッションの実現を目指しております。
• #8: モビリティDXカンパニーとして、大きく分けて5つの事業を展開しております。 ・配車関連事業 ・広告決済事業 ・乗務員ソリューション事業 ・DRIVE CHART・ドラレコ事業 ・次世代向けR&D事業 になります
• #9: 配車関連事業では主に、タクシー配車サービスを展開しております。 JapanTaxiとMOVが統合し、昨年9月より、日本最大級の新たなタクシーアプリ『GO』が誕生しました。
• #10: 広告決済事業では、デジタルサイネージによる広告配信や、 QRコード・電子マネー・クレジットカードの決済サービスを展開しております。 サイネージ導入台数は50,000台、月間リーチ人数は2500万人と、 日本最大のサイネージソリューションとなっています。
• #11: 乗務員向けソリューション事業では、タクシーアプリからの配車注文を、車両で受けるシステムをご提供しております。
• #12: DRIVE CHART・ドラレコ事業では、タクシーやトラックなどの商用車に向けたAIを活用した交通事故削減支援サービスなどを展開しております。 //カメラも自社で開発することによって、機能・コスト含め最適なシステムを実現することができております。
• #13: 次世代向けR&D事業ではMaaSの取り組みや自動運転、データビジネスなどスマートシティの可能性を探る実証実験、研究開発を展開しております。 昨年12月に東京都『自動運転技術を活用した、ビジネスモデル構築に関するプロジェクト』にて5Gを活用した、自動運転タクシーの実証実験を実施しました。 （3秒待つ）
• #14: こちらは、GOアプリを使ってタクシーを呼ぶ時の、すごく簡単な図になります。 アプリで呼んで、乗務員さんが配車を了承して、タクシーが配車されます。 本セッションでは、このタクシーの車載器にフォーカスしていきたいと思います。
• #15: こちらが実際に車両に搭載している車載器です。 こうして見て頂くと、実は結構ハードウェアを開発しているんですね。 これらのタクシー配車アプリGOや、DRIVE CHARTなどの移動を支えるサービスを提供するMoTが、具体的にどのようにタクシーの車載システムを UPDATE してきたのかをご紹介します
• #16: それでは一つ目の、タクシー車載システムのBefore/Afterについてお話します
• #17: ここでタクシーの数年前の車載システムのご紹介をしたいと思います。 400MHzのデジタル専用波を利用したタクシー無線機や、オフライン処理であるリッチクライアント方式の決済端末、専用車載ナビゲーション、オフライン型のドライブレコーダーなどがあり、機器間連携は強くなく、IoTと呼べるシステムではありませんでした。 それぞれが主にスタンドアロンで動いていますので、ユーザビリティの観点でも課題がありました。 また車両情報を活用したデータ取得も進んでいない状態で、どの様なデータを取得しようかという検討もこれからの状態でした。
• #18: こちらは現在の配車、決済、ナビに関わるシステムです。非常にシンプルになりました。 それではシステム構成を見てみましょう。
• #19: こちらはシステム構成です。 タクシーメーターをベースとして、Bluetooth端末とシリアル接続をしています。 ここから乗務員Tabletや、決済・サイネージ端末などに金額情報をBLEで送信することで、運賃の決済を実現します。 また乗務員タブレットではタクシーメーターからステータスを受信して、配車がかけられる空車中なのか、お客様が乗った実車中なのか、お客様を迎車中なのか、 などの車両ステータスをリアルタイムに把握します。 車速パルスなど必要な車両情報もデバイスに接続しデータ取得することで、サービス品質の向上を行っています。 機器間はwifiやBluetoothなどの無線接続でデータ連携を行っています。
• #20: それではそれぞれのデバイスごとに見てみましょう
• #21: まずは、ナビ・乗務員様向け端末からです
• #22: ナビ端末の従来の課題は、オフライン型なので常に最新の地図に更新できなかったり、車両のステータスを取得できないので動体も把握できません。 スタンドアローンなシステムなので機器間連携も弱く、ユーザビリティもよくありませんでした。
• #23: Androidベースの車載タブレットに、SIMを搭載することで、常に最新の地図に更新できます。 またOTA updateすることで、OSや乗務員様向けアプリも、常に最新に保つことができます。 新機能や改善のための更新も柔軟に対応できますし、不具合時にもさまざまなログを解析できるので、すぐに対応ができます。 ログを遠隔で解析できるのは、このコロナ禍において、ある程度不具合の切り分けができるので、非常にありがたいといったメリットもあります。
• #24: また、メーターからシリアル通信を介してBluetooth端末に送信し、そこからBLEでタブレットと連携することで、ステータス情報や料金情報などをリアルタイムに把握することができます。 自車位置情報についても、リアルタイムかつ膨大なプローブデータを取得することができ、これらの鮮度のいいデータを各サービスで活用しています。
• #25: 実際に取得されたデータを見てみましょう。 タクシーはご存知の通り、24時間365日稼働しておりまして、走行距離は1日平均で260kmにもなります。 こちらはそのタクシーの台数マップで、1時間あたりの道路上のタクシー台数をプロットしたものです。 一台が青、10台以上が赤で表示されています。1時間だけでも東京の細かい道まで移動データを取得することができます。 もちろんそれらのデータを送信するのはタクシーの車載機であり、その車載機にかかる負担もタクシーは特殊と言えることができます。 実際にMoTではこれらをタクシーの動体把握や道路情報の差分を抽出させるデータとして活用しています。
• #26: またタクシーのステータスとしては空車や実車以外に迎車中であったり割増であったりと様々なステータスが存在します。 こちらはそれらのステータスをマップ上に表示したものです。IoTデバイスの装着により細かなメーター情報を取得することが可能です。 運行管理を実施するのにあたり、可能な限りリアルタイムのステータスを確認することが望ましいのですが、通信コストも合わせて考慮が必要となります。 位置情報は細かく、車両ステータス情報は変化のタイミングで送信など、ステータス更新方法も工夫が必要となります。 こういったデータも配車する際に活用されています
• #27: 続いて決済機です
• #28: 従来の決済機は写真右上のクレジットカード決済用の端末や、写真下の交通系決済用の端末が別々で、それぞれに回線があったりします。 リッチクライアント型かつオフライン処理で、後からバッチ処理で決済情報をあげたりするので、運用上の煩雑さやリアルタイムではありませんでした。 また、端末コストも高いという問題もありました。 さらに、メーター料金を手打ちしなければならないなどの操作の煩雑さも課題でした
• #29: こちらが現在の決済システムです。 クレジットカードや、交通系ICカードなど決済手段を一つの端末に集約することで、操作性や端末コストを抑制しました。 タブレットと連携することで、決済機側の通信機能をタブレット側に統一することができます。 またシンクライアント型の決済機にすることで、オンライン決済処理によってリアルタイムに管理できたり、端末自体のコストも押さえられます。 メーター料金情報と連携することで、手入力の手間を省いたりとUXの向上、コスト抑制に貢献しています
• #30: 続いて後部座席タブレットです。
• #31: 今では街中でよく見かけるようになりましたが、これまで広告は掲示物や、オフライン型のディスプレイで再生することが多かったです。 タブレットかつオンライン化することで、5万台のデバイスに対して、常にコンテンツは最新で、インプレッション状況などもリアルタイムで把握でき、稼働状況もわかります。 これによって非常に効率よく広告運営が可能になります。
• #32: 実は広告だけではなく決済時も活躍します。 メーターから取得した、支払いステータスに連動して、支払い金額を表示することで視覚的にもわかりやすくなっています。 もし、GOアプリの決済方法にクレジットカードやd払いを登録しておけば、配車したら乗って降りるだけでスムーズな移動体験をすることができます。 流しのタクシーを捕まえて乗車した場合も、乗車中に、音声ビーコンでGOアプリと連携して簡単に決済できますし、 Wallet決済という、タブレットに表示されるQRコードを読み取って、決済しておくことで、降りる時に支払いでもたつくことがなくなります。 こういったUXの向上にも貢献しています。
• #33: この他にも、タクシーに乗る楽しみを増やし“もっと良質な移動時間”を提供するために、ニュースやコンテンツに加え、シートベルトやマスクの着用のご案内や、他言語対応、料金表表示などの機能も充実しています。
• #34: 次にドライブレコーダーです
• #35: 従来はオフライン型で、録画されたSDカードを管理者が抜き取って運行状況を確認していますので、安全運転指導などの改善PDCAサイクルが長いといった課題がありました
• #36: こちらがご提供しているAIドラレコを活用したDRIVE CHARTの簡単な説明になります。 ドラレコが車速パルスやブレーキ・ウインカー・メーターステータスなどの車両データを取得し、GPSや加速度などのセンサーデータとともにサーバーへ送ります。 AIが解析して危険と検知した動画部分だけをドラレコから吸い取り、リスク運転をレポートし、日々の安全運転の改善に役立てています。
• #37: このようにドラレコで集めた情報をレポートし、乗務員さんに自身の運転を振り返っていただきます。 こうすることで、運転行動の改善を促し、事故削減を支援しています （３秒待つ）
• #38: タクシーシステムをIoT化することで、このようにさまざまなデータを取得することができるようになりました。
• #39: そしてこれらのデータは常に最新のシステムを継続的に維持できることがベースとなり、リアルタイムで鮮度のいいデータや安定したデータの取得を実現しています。
• #40: これらのデータを用いて、 スムーズで効率的な利用者とタクシーのマッチングや、 タクシー乗務員さんや利用者のUXを改善したり、 事故削減支援に貢献したりと、 さまざまなサービスに活用することができるようになりました。
• #41: しかし
• #42: 新たな課題も顕在化してきました。 位置情報や車両ステータス、決済情報など、各デバイスが類似した情報をサーバーに上げているため、機器間の連携を強めて通信コストの最適化を図る必要があります。 また、OSやアプリをOTA updateするときも多い時には1回あたり1.5G以上のデータ量をダウンロードしなければならないため、これを全台数実施となると、帯域の問題や通信コストの問題も出てきます。
• #43: 今後の取り組みとして、V2Xの活用も検討して行きたいと考えています。 V2Xとは簡単に申しますと、異なる車両間の通信：車車間通信Vehicle-to-Vehicleや、車両と交通環境との通信：路車間通信Vehicle-to-Infrastructure などを指します。 タクシーは乗り場や駐車場などに集まるケースも多いため、OSデータやコンテンツデータ、マップデータなどV2Xの技術を活用してデータシェアすることによって、通信コストを抑えることも検討して行きたいと考えています。 コンテンツデータは今後多様化していくと思いますが、OSデータやマップデータなどまだ共通なデータは存在しますので、デバイス間の連携だけでなくタクシー間の連携も必要になってきます。 現在は各車両に同じデータを降らせておりますので、ここには劇的なコスト削減の可能性があります。
• #44: ところで
• #45: これらのデータは安定したシステムの上で成り立っていることに注意が必要です。
• #46: ということで、安定したデータを支えるHWの信頼性についてご紹介します
• #47: 車両を取り巻く環境はさまざまな要因が関係してきます。 紫外線や、エンジン始動時の電源変動、静電気、 EMC、湿度、温度、振動、衝撃、粉塵、水などさまざまです。
• #48: EMCとは電磁両立性と言って、EMI・EMSからなっています。 EMIとは、不要な電磁波を放出して、他の機器に影響を及ぼさないかというのを見ています。 例えば、GPS受信不良で位置不明になったり、地デジ映らなかったり、ラジオにノイズが乗るなどがあります EMSとは、逆に他の機器から電磁波を受けても、自分が誤動作しないかというのを見ます。 例えば、無線機、GPS携帯からの電波は意外に強烈で、画面が映らない、勝手に画面遷移などが起こります
• #49: このように車載器を取り巻く環境は非常に厳しいです。
• #50: サービスを運営していく上で信頼性という壁にぶつかりました。 前述の通り温度・湿度・振動などとても過酷な環境なので、 例えば高温で保護機能が作動してしまったり、 クランキング時の電源の変動で誤動作してしまうと言うこともおきました バッテリー膨張や環境依存の故障が多発して、交換オペレーションや問い合わせ対応など運用コストも爆増しました
• #51: ハードウェアにおいて、 これらの安定的なデータを支えるには、 長期間安定稼働させるだけの信頼性が必要不可欠です そこで、、、
• #52: 信頼性 Test SPEC つくりました 大きく分けて5つで構成しています。 Performanceでは主に電源変動耐性について記載していて EMCではEmission（外部への電磁波放出量）/Immunity（外部からの電磁波耐性）について記載しています Environmentでは、気候環境について Durabilityでは振動、操作、連続稼働耐久などについて Limitでは、温度や被水などスペックを超える環境下でどのような壊れ方をするのかを見ます とてもとても膨大なので全てはご説明できませんが、代表的な温度について少しお話させて頂きます。
• #53: 真夏、エアコンなし、窓締め切り状態。想像しただけでめっちゃ暑いですよね。 その時、車室内は65℃くらいまで達していて、直射日光の当たるダッシュボードは80℃以上にもなります。 よくナビが取り付けられているインスト内部は65℃くらいになっています。 これが日中と夜との寒暖差、また夏と冬の寒暖差でも温度によるダメージが出てきます。 これだけでも相当過酷です。
• #54: また低温につきましては、こちらの表の右側の観測史上もっとも寒いランキングを見て頂きますと、 日本の観測史上一番寒かったのは、旭川の-41℃となっていますが、なんと観測されたのはおよそ100年前。 右枠に直近の温度を抜粋しましたが、温暖化の影響もあってか-20℃前後となっています。 ですので-20℃あたりを下限に考慮すればいいことがわかります
• #55: 想定の範囲を逸脱する温度になると、 デバイスがThermal shutdownして起動しない 起動しても画面が映らない USB Hostなどの一部機能が制限される などといった問題も発生します かといって、過剰スペックになるとコストも爆増します （車載スペック部品は２〜３倍するものもありますので製品コストも爆増します）
• #56: そこで保証温度を3段階で規定することでコストを抑えながら必要な性能を保証していきます。 性能保証温度とは、性能も動作も保証する温度です。 動作保証温度は、性能は満たさなくても機能や動作を保証する温度です。 保存温度は、被通電状態で保証する温度のことです
• #57: それぞれの温度保証を段階的に設け、実際の使用環境と整合をとることで、 過剰スペックになって無駄に高い製品にならないように コストを最適化していきます。
• #58: こちらは温度試験の一例です。 高温や低温に振ったり、このサイクルをN回繰り返したりして 動作・性能・耐久性などに問題ないか確認します。
• #59: こちらが信頼性試験の様子です。 右下の試験中と書いてある装置が恒温曹と言って、先程の温度負荷をかける装置になります。 もっと詳細を説明したいですが、時間の関係上、 ここでは高い信頼性を目指した開発をしていて プローブデータを支えているんだよ と言うことだけわかってもらえればと思います。
• #61: タクシーシステムをIoT化することで、 さまざまな鮮度のいいデータを取得できるようになりましたが、 その活用事例をいくつかご紹介させて頂きます。
• #62: こちらはお客様単客ナビと言って、AIで需給を予測し効率的な営業ルートをサポートするサービスです。 まさに膨大なプローブデータを活用しています
• #63: こちらはZenrinさんと取り組んでいる、ドライブレコーダーの映像から道路情報の差分を抽出して高鮮度な地図情報メンテナンスの共同開発事例です。 この後の渡部さんによるセッションをぜひご覧ください。
• #64: トヨタ自動車さんとタクシー向けコネクテッド端末や、ビッグデータ収集などの分野で協力・協業を検討しています。
• #66: まとめです。 タクシーシステムをIoT化することで... 常に最新のシステムで常に鮮度のいいデータを取得することができました。 これをベースに ・タクシー利用者や乗務員さんのUXを改善や ・多種多様なかつユーザビリティのいい決済を実現したり ・スムーズで効率的なタクシーと利用者のマッチング ・事故削減支援にも貢献するなど タクシーにおける課題を解決するだけでなく、新たな価値を提供することができました。
• #67: 最後に！
• #68: MoTは一緒に働くメンバーを募集しています。詳しくは「MoT NOW」をご覧ください！
• #69: また、Tech Blog 「MoT Lab」では技術情報をどんどん発信してますのでぜひご覧ください。
• #70: ご視聴いただきありがとうございました。