自動配送車両におけるデータ管理要件とは何ですか?

Nov 19, 2026

ご伝言

オリビア・ウィルソン
オリビア・ウィルソン
オリビアは江蘇林亜科技有限公司のマーケティングスペシャリストです。彼女は同社のロボット製品の市場におけるプロモーションを担当しています。彼女の優れたマーケティング戦略により、国内外における同社製品のブランド認知度向上に成功しています。

フリートのオペレーター、物流管理者、あるいは人間のドライバーが運転せずに荷物が到着するのをただ待っている人など、自動配送車両の分野で時間を過ごしたことがある人なら、これらのシステムに関する誇大広告が本物であることをご存知でしょう。しかし、あなたがこれらの車両の構築、統合、拡張を担当するサプライヤーである場合、車両を確実に、安全に、そしてコスト効率よく移動させるための、何百万もの小さくて交渉の余地のない詳細を見つめていると、誇大広告はすぐに消えてしまいます。過去 6 年間にわたり、私たちのチームは 200 以上のシステムを設計、導入、最適化してきました。自動配送車両米国の 12 都市にわたって、ある教訓が他のどの教訓よりも私の心に残っています。それは、「実用的なプロトタイプ」と「拡張可能で収益性の高いフリート」の間にある最も一般的なギャップは、ハードウェアやセンサ​​ー テクノロジーではなく、データ管理です。自律配信のデータを、コンプライアンスやインシデント後のレビューのために収集してアーカイブするものとして後付けで扱うチームが多すぎます。実際には、午前 2 時のルートから工事区域が現れたときにどのように調整するかに至るまで、これらの車両が行うあらゆる決定の根幹となっています。この投稿では、私たちが数千回の配信を通じて磨き上げてきた、交渉の余地のないデータ管理要件について詳しく説明し、なぜ 1 つでも省略すると、運用開始 1 年目に達する前にフリートが沈んでしまう可能性があるのか​​を説明します。

まず、これを私たちの現実に基づいて考えてみましょう。無人配送車実際には毎日そうしています。 A 地点から B 地点まで 1 人を移動するだけで済む自動運転乗用車とは異なり、当社の車両はルートごとに 15 以上の停留所を処理し、温度に敏感な商品 (食料品、医薬品、さらには冷凍食品) を運び、静かな郊外の袋小路から二重駐車の車や歩道橋が密集する繁華街に至るまでの環境で運行します。これらの各タスクは、すべてのポットホールと歩行者をマッピングする LiDAR 点群から、バッテリー レベルとドア ロックの状態を追跡するテレメトリ、顧客が荷物の紛失または破損を報告した場合の安全性と解決策の両方に重要な外部カメラと内部カメラからの非構造化映像に至るまで、驚異的な量のデータを生成します。導入の初期段階では、このデータをすべて同じように扱うことを試みました。つまり、データを標準化せずに 1 つのクラウド バケットに保存し、何か問題が発生した場合にのみデータを確認することでした。このアプローチは 2 つの大きな問題を引き起こしました。1 つは、無関係で冗長なデータの保存に毎月の運用予算の 35% を無駄にしていたこと、そして実際に事故が発生した場合 (たとえば、犬を避けるために車が方向転換した場合)、何が起こったのかを再構築するためにラベルのないデータを精査するのに 12 時間以上を費やしたことです。私たちは、きめ細かなロールベースのデータ管理はあれば便利なものではなく、自動配信の中核要件であることにすぐに気づきました。

では、その役割ベースの構造は実際にはどのようなものになるのでしょうか?当社のテレマティクス チームにとって、リアルタイムのデータ取り込みは交渉の余地のないものです。私たちの配送用自動運転車GPS 座標、ブレーキ圧力、バッテリーの充電状態、センサーの校正ステータスなど、1 秒あたり 100 以上のデータ ポイントをコマンド センターに送信します。車両のカメラが走行中に故障した場合は、10 分ではなく 10 秒以内にそれを知る必要があります。1 台のカメラの故障が、安全に停止できるか、駐車中の車と衝突するかの違いを意味する可能性があるためです。これを機能させるために、重要な安全データ (センサーの状態、障害物検出) を優先して低遅延転送を行うリアルタイム データ パイプラインを構築しました。一方で、重要でないデータ (毎週のタイヤ空気圧ログ、定期的なカメラの校正チェック) は、ネットワークの混雑が低く、帯域幅が安価な夜間にバッチ処理されて送信されます。このトレードオフにより、毎月のデータ転送コストが 28% 削減されただけでなく、安全関連の問題の平均解決時間 (MTTR) が 90 分から 5 分未満に短縮されました。運用チームの場合、要件は、停車時間、ルート効率、荷物の種類、顧客のアクセスメモ (「ゲート コード 123、通用口で降ろす」など) など、構造化されたクエリ可能な配送データに移行します。このデータを標準化する前は、運用チームが配達ごとに 10 以上のフィールドを手動で入力していたため、ルートの 15% で停止時間が不正確になり、荷物の 8% が​​誤って未配達としてマークされていました。現在では、すべての配達を標準化されたデータ スキーマに関連付けているため、チームは構造化されていないスプレッドシートのクリーニングに何時間も費やすことなく、「工事のため遅れたシカゴのすべての食料品配達」に関するレポートを 2 クリックで作成できるようになりました。このレベルの構造は、管理作業を軽減するだけでなく、スケーリングにもつながります。新しい車両を追加したり、新しい市場に参入したりするたびに、新しいデータ システムを最初から構築する余裕はありません。標準化されたスキーマにより、最初の展開では 2 か月かかったのに対し、2 週間で新しい市場に乗り出すことができます。

私たちが苦労して学んだビッグ データ管理の 2 番目の要件は、信頼性と冗長性です。自動配送車両にはデータの停止は許されず、オペレーターも同様です。車両が走行中にデータ サーバーへの接続を失った場合、接続が回復するまでフリーズしたり、やみくもに運転したりするべきではありません。 2021 年の初めに、当社は 15 台の車両を保有していました。無人配送車テキサス州オースティンでは、ファイバーの切断により 4 時間のネットワーク停止が発生しました。車両自体にローカル データ ストレージがなかったため、すべての車両が道路の脇に停車し、自転車レーンをブロックし、地元警察への非緊急通報が 21 件発生しました。この事件により、当社は 45,000 ドルの罰金を支払ったほか、物流パートナーの信頼も失い、ほぼ契約をすべて打ち切られました。その後、すべての車両にエッジ コンピューティングを組み込むためにデータ アーキテクチャを完全に再設計しました。現在、すべての自動配送車両には、7 日間のリアルタイム データをローカルに保存する 2TB の車載サーバーが搭載されているため、クラウド接続が切断された場合でも、車両は安全で正しいルートの決定を継続できます。接続が復元されると、エントリの重複を避けるための組み込みチェック機能を使用して、ローカル データが自動的にクラウドに同期されます。また、マルチクラウド冗長戦略も導入したため、1 つのクラウド プロバイダーが停止した場合でも、データは 30 秒以内にセカンダリ プロバイダーにルーティングされます。これは単なる技術的な修正ではなく、ビジネス要件です。当社の物流クライアントは、厳しい配達時間に対応するためにこれらの車両に依存しており、データの信頼性は、納期厳守率、顧客満足度、ブランド ロイヤルティに直接つながります。

3 番目は、見落とされがちですが、データのプライバシーとコンプライアンスです。自動配送車は、住宅私道のカメラ映像から顧客の在宅時間を追跡する GPS 座標に至るまで、膨大な量の個人データを収集します。米国では、カリフォルニア州消費者プライバシー法 (CCPA) やバージニア州消費者データ保護法 (VCDPA) などの連邦規制に加え、大幅に異なる可能性がある州レベルの規則に拘束されます。国際的には、ヨーロッパに事業を拡大すると、世界で最も厳格なデータ プライバシー ルールが定められた GDPR の対象となります。初期の頃、私たちは問題を抱えていました。当社の屋外カメラは、ドアに近づく顧客の顔の映像を捉えており、その映像を「セキュリティ目的」のために無期限に保存していました。これにより、カリフォルニア州で 3 件の顧客からの苦情が発生し、顧客と当社の両方が深刻な法的リスクにさらされていることを認識しました。私たちはすぐにデータ ポリシーを更新し、2 つの重要なプライバシー ルールを含めました。1 つ目は、カメラの映像は 24 時間以内に自動的に匿名化されるため、顔とナンバー プレートは保存前にぼかされます。 2 番目に、顧客は配達に関連するすべてのデータ (GPS ログ、カメラ映像、荷物の詳細を含む) を配達完了後 72 時間以内に削除するよう要求できます。また、個人データへのアクセスを制限するデータ アクセス制御システムも構築しました。捜査目的で匿名化された映像を閲覧できるのはプライバシー チームだけであり、すべてのアクセスは四半期ごとに記録され、監査されます。このレベルのコンプライアンスはオプションではありません。データ プライバシーに関する罰金は 1 件でも企業に数百万ドルの損害を与える可能性があり、当社のようなサプライヤーにとっては、非常に厳格なコンプライアンス要件を持つ企業顧客との関係を台無しにする可能性があります。数か月前、私たちはベンダーのオンボーディング プロセスの一環として完全なデータ プライバシー監査を必要とする全国的な食料品チェーンをオンボーディングしました。当社の構造化された準拠したデータ システムは大きな差別化要因であり、その契約は現在当社のこれまでで最大のものとなっています。

Delivery Autonomous Vehicle factoryDriverless Delivery Vehicles

4番目に、継続的改善のためのデータ。初日から完璧な自動配達システムはありません。子供がボールを追いかけて道路に飛び出したり、駐車中のトラックが歩道をふさいだり、顧客のゲートが生い茂った茂みの後ろに隠れたりするなど、常にエッジケースが発生します。このような特殊なケースを解決するには、データを収集するだけでなく、ラベルを付けて分析する必要があります。当社の第 1 世代の自動配送ソフトウェアは、カーブサイドピックアップゾーンに苦戦しており、車両が駐車車線に進入しすぎて他の車両をブロックするという事例が 12 件ありました。データが収集されていることに気づきましたが、その間違いが発生した理由を示すラベルが付けられていませんでした。そこで私たちは、すべての配達のカメラ映像と LiDAR データの 10% をレビューし、障害物、道路状況、ドライバー (この場合は車両) の行動をタグ付けするデータ アノテーターのチームを構築しました。 3 か月以内に、50,000 件を超えるエッジ ケースにラベルを付け、カーブサイド ピックアップ ゾーンを認識するようにソフトウェアを更新し、それらのインシデントを 85% 削減することができました。この継続的な改善サイクルは、データがそれをサポートするように管理されている場合にのみ可能です。データが構造化されていない場合、または検索が難しい方法で保存されている場合、エッジケースを見つけることができず、ソフトウェアを修正することができず、より高速に反復処理を行っている競合他社に後れを取ることになります。私たちにとって、これは毎月運用予算の 15% をデータのラベル付けと分析のために確保することを意味します。これは、経費ではなく投資としてみなされるコストです。過去 2 年間で、これにより納期厳守率が 12% 向上し、安全事故が 40% 減少し、保険コストを 30% 削減することができました。

最後に、スケーラビリティです。自動配送車両のサプライヤーとして、当社は単に製品を販売しているのではなく、お客様とともに成長するサービスを販売しています。すでに、医薬品配送時の温度監視の追加、サードパーティの物流ソフトウェアとの統合、さらには非接触型返品の追加などのリクエストがありました。これらの機能はすべてデータに依存しているため、データ管理システムは迅速に適応できる必要があります。私たちは初期の段階でモジュラー フレームワークに基づいてデータ アーキテクチャを構築したため、システム全体を見直しずに新しいデータ タイプを追加できます。たとえば、クライアントが冷凍食品配達の温度追跡を要求したとき、私たちは車両に新しいセンサーを追加し、温度測定値を含むようにデータ スキーマを更新し、新しいデータ ポイントをリアルタイム パイプラインに統合しました。最初のデータ システムでは 1 つの新しいデータ型を追加するのに 6 週間かかりましたが、プロセス全体には 1 週間もかかりませんでした。スケーラビリティとは、増大するデータ量を処理できることも意味します。当社の車両が 200 台から 500 台に拡大するにつれて、5 倍以上のデータを収集することになり、コストを急激に増加させることなくシステムを拡張できる必要があります。車両の自動スケーリングとエッジ コンピューティングを備えたクラウドベースのストレージを使用することで、当社は成長しても車両あたりのデータ コストを一定に保つことができました。これは、お客様にとって競争力のある価格を維持するために重要です。

信頼できる自動配送車両サプライヤーとの提携を検討している物流プロバイダー、またはこれらの車両を車両に追加したいと考えている企業運営者であれば、データ管理は尋ねるべき質問リストの最上位にあるはずです。これは単なる技術的な詳細ではなく、フリートが安全に、確実に、そして利益を上げて運航できるかどうかを決定します。過去 6 年間、プライバシー ルールを無視したり、冗長システムを持たなかったり、実世界のデータを使用したソフトウェアの反復処理に失敗したりするなど、データ管理の手抜きが原因で、有望な自動配信プロジェクトが失敗するのをあまりにも多く見てきました。私たちにとって、無人配送車私たちが構築するのは単なるハードウェアではありません。それらはデータ生成システムであり、そのデータを適切に管理することが、すべての人にとってより速く、より安く、より信頼性の高い物流という自律配送の約束を実現する唯一の方法です。

当社のデータに裏付けされた自動配信ソリューションがお客様のビジネスにどのように役立つかを検討する準備ができている場合、または当社のフリート展開プロセスについて詳しく知りたい場合は、ぜひご意見をお待ちしております。

参考文献:

  1. 国家道路交通安全局 (NHTSA)。 (2022年)。自動運転システム: 安全性 2.0 のビジョン。米国運輸省。
  2. 国際標準化機構 (ISO)。 (2021年)。 ISO 22737: インテリジェント交通システム - 小型道路車両用の自動運転システム (ADS) - 性能要件とテスト手順。
  3. カリフォルニア州消費者プライバシー法 (CCPA)。 (2020年)。カリフォルニア州消費者プライバシー法の本文。カリフォルニア州行政法局。
  4. マッキンゼー・アンド・カンパニー。 (2023年)。自動配信: ラスト 1 マイルの拡張。グローバルなテクノロジー、メディア、電気通信の実践。
  5. 自動車技術者協会 (SAE インターナショナル)。 (2021年)。路上自動車の運転自動化システムに関連する用語の分類と定義 (J3016)。
お問い合わせを送る
お問い合わせを送る