2026-06-18 👁️ — views

AV車隊運用——Waymoはいかにしてロボタクシー艦隊を日々管理するか

配車アルゴリズム、充電ロジスティクス、整備サイクル、車両回収——AVハードウェアを収益事業に変換する運用レイヤーの全貌。

フィジカルAIベンチマークシリーズ 第68回——車隊運用レイヤー

ロボタクシーを投入することは仕事の半分に過ぎない。より困難なもう半分——そしてロボタクシービジネスが利益を生むか現金を燃やすかを直接決定する部分——は、展開後の日常運用である。配車アルゴリズム、充電ロジスティクス、清掃サイクル、整備スケジューリング、遠隔監視、車両回収が、ハードウェアを機能するサービスビジネスに変換する運用上の課題だ。

Waymoは2018年から商業サービスでこれらの問題を解決し続け、2022年からは完全無人運転規模で運用している。TeslaのCybercabは、このような運用レイヤー全体を複数の都市でゼロから構築しなければならない。両者の間の運用能力の差は技術的な差と同様に大きく——しかし自律走行マイルだけに注目する投資家には、ほとんど見えていない。

稼働率は車隊運用における最重要の単位経済レバーだ。停車中の車両は純粋なコストである。配車、充電、整備スケジューリング、回収から成る運用レイヤーは、各車両が収益を生む時間の割合を最大化するために存在する。Waymoの規模化目標は稼働率70%以上（推定）であり、その達成には各運用サブシステムが都市規模の車隊レベルで確実に機能することが求められる。

第1節——配車の難題

ロボタクシー車隊の配車は、人間のライドシェア運転手の配車と比べ桁違いに複雑だ。人間の運転手は自己最適化できる：サージ価格が向かうべき場所を教え、自分でルートを選び、どの依頼を受けるか判断できる。AV車隊にはこれらの特性が一切ない——全ての配置とルーティングの決定をアルゴリズムで行わなければならない。

配車アルゴリズムの主要変数（推定）：

• 車両状態： 充電残量（%）、次回整備までの走行距離、現在地、利用可能ステータス
• 需要予測： 時間帯/曜日/イベント別の履歴パターン、リアルタイム予約率
• カバレッジ密度： 許容待ち時間を確保するためのグリッドセルあたり最低車両数
• 空走効率： 次の乗客へのルートで走る空走距離を最小化

空走最適化の問題が特に重要なのは、空走マイル——乗客に到達するための空走——が収益ゼロの純粋なコストを意味するからだ。Waymoの配車システムは、trip要求後に反応するのではなく、需要が現れる前に履歴パターンとリアルタイム信号を組み合わせて車両を事前配置する。

第2節——充電とエネルギー管理

エネルギー管理は、商業用AV車隊と個人用EVを最も根本的に区別する運用上の制約だ。個人のEVオーナーは充電のために移動をスキップできるが、商業AV車隊にはその余裕がない——計画外の充電イベントは収益を生む車両をサービスから外し、カバレッジ密度を乱す。

Waymoの充電インフラは各都市での大きな固定費投資を意味する。専用充電デポは立地選定・建設・維持が必要で、車両リフト、電力インフラ、充電器と並ぶ基本整備用サービスベイが求められる。ライドシェア需要の昼間の谷間（多くの都市で午前10時〜正午頃）を利用してWaymoは充電とセンサー清掃のために車両をローテーションしており、低収益時間帯を効率的に活用している。

TeslaのSuperchargerネットワーク（2025年時点で世界5万基以上）は、Cybercabにとって意味ある運用上の優位性となりうる。分散した充電ポイントとして機能することで、各新都市への専用充電デポ建設に必要な資本投資を削減できる。

第3節——整備と清掃

商業AV車隊は個人用車の年間走行距離の約5〜10倍で車両を稼働させる。これは全ての機械部品の摩耗を加速させ、個人用車では前例のない整備運用を生み出す。センサースイート——LIDAR、カメラ、レーダー——の追加は、従来の車隊運営者が一度も直面したことのない整備負荷をもたらす。

センサー清掃はAV整備において最も特徴的な運用要素だ。汚れたカメラレンズやLIDARウィンドウは知覚性能を著しく低下させ、安全な運行に影響を与える可能性がある——これは従来の車隊整備には対応する要素がない。衝突後のセンサー校正は最も時間的コストの高い整備イベントで、大型車隊では校正ベイのスループット管理が重要なスケジューリング課題になる。

第4節——車両回収と事故対応

規模で運用するあらゆる車隊は、故障、衝突、乗客事故、ソフトウェア障害を経験する。回収作業の質——車両がどれだけ早く復帰するか、事故がどのように処理されるか、ソフトウェア問題がどれだけ迅速に診断・解決されるか——が稼働率と顧客体験を直接決定する。

WaymoはリモートオペレーションセンターROCを運用し、無人運転車隊全体をリアルタイムで監視している。OTAソフトウェアアップデート能力は数時間以内に車隊全体にパッチを展開できるが、車隊全体に同時に影響を与えるソフトウェアリグレッションのリスクもある。

第5節——TeslaがCybercabの運用に向けて構築すべきもの

Teslaは規模での消費者向け自動車製造を習得している。商業車隊運用は全く異なる能力セットであり——Waymoが6年をかけて構築し、Teslaはまだ意味のある規模では持っていない。

個人用EV所有（約4〜5%の稼働率）と商業車隊目標（推定40〜70%）の間の稼働率ギャップは、必要な運用強度を示している。車隊運用レイヤーこそ、ロボタクシービジネスモデルが成功か失敗かを決定する場所だ。

第6節——本シリーズについて

本記事はフィジカルAIベンチマークシリーズ第68回です。本記事では車隊運用レイヤーを追加：配車アルゴリズムと空走最適化の課題、充電とエネルギー管理（Waymoデポ対TeslaSuperchargerネットワーク）、整備・清掃運用（センサー校正というAV固有の整備負荷）、車両回収と事故管理（ROCインフラ・OTA障害対応）、そしてWaymoの6年間の商業運用とTesla CybercabのゼロからのビルドとのAV運用能力差。

注意： 稼働率推定値、整備インターバル、充電時間、および平均回収時間目標は「（推定）」とラベル付けされており、公開報告・業界分析・アナリスト推定を反映しています。Waymoの実際の運用パラメータは公開されていません。本記事は投資アドバイスを構成するものではありません。

ソース

• Waymo運用概要 — Waymo安全・運用 ↗
• Tesla Cybercab車隊運用 — Tesla AI Day / 投資家向け説明資料 ↗
• EV車隊充電インフラ — Rocky Mountain Institute ↗
• AV車隊管理運用 — RAND Corporation ↗

タグ