図3は、シナリオを階層化し、シナリオの組み合わせによってさまざまな状況を想定できるようにするためのものです。これは、自動運転を実社会で利用する際に考えなければならないことを整理するため、ドイツで発足した産官学共同のPEGASUSプロジェクトが公表した資料の一部です。

変化の少ないものを1層目として、下から、道路配置（道路の状態や道幅、車線数など）、標識・路側物、一時的な保守や事象（工事や一時的な通行止めなど）、可動物体（他の車両など）、環境条件（天候など）、V2X^※2 と、6つの層に分けて条件を考えます。これらの層を組み合わせながら、さまざまなパターンでクルマが期待通り動くかをテストしていきます。

これらシナリオの条件を基にテストを生成し、テスト実行する流れを表したものが図4です。左から、シナリオデータベースにさまざまな各層の条件を入れておきます。条件の組み合わせによってクルマの振る舞いが変わることがありますので、それぞれのパターンについてテストを生成していきます。これについて実車テストやドライブシミュレータ、計算機上のシミュレーションでテストを実行します。

※2： Vehicle to Everything：車車間通信、歩車間通信をはじめとして車両と他のあらゆるモノとの間の相互連携を総称したもの

多岐にわたる要素技術

車載ソフトウェアの開発および品質保証の在り方が変わりつつある背景には、環境想定の複雑化のほか、自動運転や高度運転支援を実現するために多岐にわたる要素技術が使われるようになったことが挙げられます。主にセンサー、アルゴリズム、車外サービスとの連携などです。それぞれについて順番に説明します。

１．センサー

センサーについては、LiDAR（Light Detection And Ranging:レーザー光を用いたリモートセンシング技術）やアダプティブクルーズコントロールなどでよく使われるミリ波レーダー、さらにカメラ（単眼・双眼）などがあります。

２．アルゴリズム

センサーから得られた情報を基に物体を認識するアルゴリズムを図6に示します。

LiDARの画像に見られた粒の集合（点群）から対象を推測することをクラスタリングと言います。例えば、その形状から対象物がクルマなのか歩行者なのかをクラスタリングにより推測します。そこにLiDARよりも高い解像度と色の情報を持つカメラを用いた画像認識アルゴリズムや、レーダーによる前走車認識アルゴリズムを加え、これら複数のセンサーの結果を統合して判断していきます。

また、センサーごとに明るさ（時間帯）や天候などへの弱点や適性があるため（例えば、夜はカメラよりLiDARの方が正確な情報を収集でき、雨天時や雪の日にはLiDARよりレーダーの方が有効）、状況に応じてどの情報に重きを置いて判断するかを決めていく必要があります。こうした統合的な判断を行うのがセンサーフュージョンです。実際には非常に難しいところですが、効果的なアルゴリズムが開発されれば、高い価値を生む可能性を秘めています。

３．車外サービスとの連携

3番目の要素技術「車外サービスとの連携」として、ここではダイナミックマップに触れます（図7）。ダイナミックマップは、静的情報である3次元地図情報に通行規制などの準静的情報、事故情報などの準動的情報、周辺車両や歩行者といった動的情報を組み合わせたデジタル地図であり、これをネットワークから得ることで自動運転や高度運転支援に活用しようというものです。全体が4つの階層に分かれており、階層ごとに最新情報が反映されます。ダイナミックマップは、センサーが収集する情報より多くの、より詳細な情報をもたらすことで、自動運転をさらに安全で精緻にするものとして期待されています。現在はISO14296に向けて標準化が進められています。

新しいタイプの欠陥とその対応

ここまで車載ソフトウェアをめぐる環境や要素技術について見てきました。これまでと同様に要素技術単体に対して故障モード影響解析
（FMEA）のような分析をして、単体では問題がないことを確認していても、特定の組み合わせだけで不具合が出たり、考慮すべき点が増えたりということが起こっています。ここ3、4年ほどの間で、こうした不具合や考慮すべき点をサイバーフィジカルギャップと呼んで、これに対する研究も進められています。

現実世界をセンシングしてコンピュータ上にモデル化し、モデルの上で分析して最適な結果を導き出し、それを現実世界にフィードバックするシステムを「サイバーフィジカルシステム」と呼びます。この現実（フィジカル）とモデル（サイバー）の間に「差」が生じることをサイバーフィジカルギャップと呼んでいます。

例えば、自動運転中のクルマの前方にクルマがある場合のサイバーフィジカルギャップを次の①～③で説明します（図8）。

この経路選択を間違うこともサイバーフィジカルギャップと呼ばれる欠陥の一つです。サイバーフィジカルギャップを防ぐには、まず、センサーやアルゴリズム単体での検証が求められます。センサーが壊れたことをどのように自己診断するか、物体認識の精度、経路選択の妥当性などを、これまでの車載ソフトウェアと同じように検証することになります。

「単体での妥当性確認」は既存の品質保証の方法である程度対応できますが、難しいのは、個々では問題なく見えるにもかかわらず、情報取得、物体認識、経路選択といったフィードバックループの中に一つ不具合が生じることによって問題がドミノ倒しのように後続のフィードバックループに悪影響を与えるケースです。例えば、センサーの一つが故障して自己診断機能が動き始めている間に別のセンサーの精度が落ちると、センサーフュージョンの物体認識アルゴリズムがそれを想定しておらず、結果として後続の経路選択で実現されている正しい経路選択が行われなくなるようなケースです。
これらはサイバーフィジカルギャップの中でも特に手ごわい不具合で、品質保証の現場ではこのようなコーナーケースをひたすら探して対処する必要があります。私もこうした研究に取り組んでいます。

セキュリティ

セキュリティは基本的に安全性の検証と似ていますが、いくつか異なる部分もあります。悪意ある攻撃者は次々に新たな脆弱性、新たな手口で攻撃してくるため、製品として出荷した後も継続的にこれらに対応していかなければなりません。スマートフォンやPCで随時行われているセキュリティアップデートのような頻繁なプログラムの更新が求められます。
また、攻撃対象となる機能の重要性により攻撃のレベルも変わってくるため、対策をどの程度に見積もるのかも難しい問題で、自動運転や高度運転支援のセキュリティを考える上では重要な課題になると予想されます。

どのように開発と品質保証を変えていくべきか

より精緻な品質保証と開発プロセス

これまでお話ししたように、自動運転や高度運転支援を前提として車載ソフトウェアは大きく変化しています。品質保証や開発についても、同時に仕組みを変えていく必要があります。

次にテスト（テストケース）の増加を抑えることも重要です。例えば、派生型の開発をする場合、ある車種に対してテストを行う、次の車種には今までのテストに機能追加、機能変更分を加えてテストを行う、といった手法でテストしていてはテストが著しく増えてしまいます。従って、まずプロダクトを共通化し、共通化されたプロダクトの使用を前提とした全体のプロダクト群を定義して、それに合わせてテストする「プロダクトライン」の考え方を取り入れていかなければテストが肥大化していきます。

最後に開発プロセス（活動）についてですが、単体テストで検出可能なバグを、実車のテストで検出するようなことがあれば大変な手戻りにつながってしまいます。開発プロセスや開発活動ごとに、どのような欠陥が混入される可能性があって、それらをどのように検出するべきかという想定をこれまで以上にしっかりと持つ必要があります。

先ほどシナリオベースの品質保証について説明しましたが、他の車両の動きや天候などさまざまな条件を組み合わせてテストケースを作り出していきます。これを全て手作業でやるのは現実的ではありません。つまりテストケースの自動生成機能を前提としたテスト実行の自動化プラットフォームを作る必要があります。ハードウェアの開発に携わる企業では、すでに検査の自動化はかなり進んでいると思いますが、これからはソフトウェアでも当たり前になっていくと思われます。

継続的な開発の必要性

車載ソフトウェアの変化に伴い、継続的に開発・品質保証を続け、製品（ソフトウェア）に問題がない状態を維持することが求められるようになります。その典型例は、新たな脆弱性に対するセキュリティアップデートが必要になることです。
こうしたソフトウェアのアップデートを積極的に活用して次のようなことが実現できます。

・クルマ購入後に特定の機能を追加購入できるオンデマンド機能
・交通シナリオデータベース（ダイナミックマップなど）の随時更新

このような継続的なリリースを前提として、開発や品質保証のプロセスも変化させていかなくてはなりません。

おわりに

ここまで、自動運転や高度運転支援を支える技術や課題を通じて、開発や品質保証に対する新たな要求について俯瞰してきました。技術の進化に応じてさまざまな工夫が求められると同時に、継続的な開発・品質保証の重要性も浮き彫りになってきたと思います。
継続的な開発をするには、前提としてV字型開発からアジャイルに代表されるイテレーティブな開発にシフトしていくことが大切であり、私自身も現在ベリサーブ社と共同でこうした開発に適した品質保証の在り方について研究しているところです。成果などについてはブログやSNSでも発信していますのでご参照いただければと思います。