2026-06-18 — views

フィジカルAI 車隊ディスパッチ — Waymoが1,100台を即時ルーティングする方法と、なぜ見えない競争の堀となるのか

WaymoのディスパッチOSは1,100台の自動運転車をリアルタイムでルーティングし、乗車数の乗数として機能する見えない競争優位だ。

フィジカルAIベンチマークシリーズ第118回 — フィジカルAI車隊ディスパッチ：Waymoが1,100台をリアルタイムでルーティングする方法、ディスパッチ効率が乗車数上限を決定する理由、そして車隊OSが見えない競争の堀である理由

商業用自動運転車両サービスで最も重要なソフトウェアは、世界を認識する知覚スタックでも、どのように走行するかを決定するプランニングモジュールでもない。ディスパッチシステム——1,100台の車両のうちどれがどの乗客を迎えるか、各車両がいつ充電するか、アイドル車両が需要発生前にどのように事前配置されるか、そして車隊全体が道路事故、ジオフェンス境界、需要急増にリアルタイムでどのように対応するかを決定する車隊OSである。このソフトウェアは乗客には完全に不可視だ。乗客が見るのはETA予測と到着する車両だけ。しかしディスパッチシステムは、車隊に投資されたすべてのハードウェアとインフラのコストを乗算する存在だ。

ディスパッチ能力の低い1,100台の車隊は1日に3,000回しか乗車を生み出せないかもしれない——平均で車両あたりわずか3回、ほとんどの時間を空走距離、充電のギャップ、不適切なポジショニングに費やす。同じ車隊でも優れたディスパッチがあれば、1日に6,000回以上の乗車を生み出せる——追加の車両なしに、同一の資本基盤から収益を倍増させる。AV事業者が利用できる他のどのレバーも、この規模の影響は持ちえない。知覚ハードウェアは固定されている。ルートは固定されている。規制区域は固定されている。ディスパッチ効率だけが、車隊の目に見えるものを何も変えずに乗車経済性を2倍にも半分にもできる唯一の変数だ。

本記事では、ディスパッチ層をフィジカルAIベンチマーク第118次元として分析し、車隊OSが最適化すべき内容、車両あたり1日の乗車数がどのように主要スループット指標になるか、生産ディスパッチシステムのアーキテクチャ、そしてWaymoとTeslaの異なる車隊哲学がどのように根本的に異なるディスパッチ課題を生み出すかを検討する。

第1節 — 車隊ディスパッチが最適化するもの

車隊ディスパッチは多目的リアルタイム最適化問題だ。単一車両のルートを最適化するナビゲーションシステムとは異なり、車隊ディスパッチシステムは数百から数千の車両にわたって同時に最適化しなければならない。ETA最小化のためには最寄り車両を派遣する必要があるが、空走距離最小化のためには個々のリクエストを追いかけるのではなく、予測需要ゾーンに車両を保持する必要がある——という頻繁に対立する目標のバランスをとる。

ディスパッチ目標	制御内容	乗車経済性への影響
乗客と車両のマッチング	どの車両がどの乗客を迎えるか；ETA最小化と空走最小化のバランス	マッチング不良 = 長い待ち時間（乗客損失）と高い空走距離（エネルギー・コスト無駄）
空走距離（デッドヘッド）最小化	リクエスト前にアイドル車両を需要ゾーンに向けてルーティング	空走1マイルごとに約$0.15–0.30のエネルギーと減価償却費が発生し収益はゼロ（推定値）
充電ウィンドウ最適化	低需要時間帯（午前2–6時）に充電をスケジュール；充電残量と乗車可用性のバランス	充電スケジュールが悪い = ピーク需要時に車両がサービスから外れる、または低SoCで走行
ジオフェンス境界管理	どの車両が運用境界に近づいているかを追跡；車両が運用ゾーンを出る前に再ルーティング	ジオフェンス端に取り残された車両は実効車隊規模を縮小する
インシデント再ルーティング	道路閉鎖、事故、工事を検出；影響を受けた車両をリアルタイムで再ルーティング	ディスパッチは車両が到着する前にインシデントを検出しなければならない；HDマップベース車隊はマップ更新を受け取り；ビジョンのみの車隊はリアルタイムで検出
需要予測	次の15–30分間の需要発生場所を予測；車両を事前配置	正確な事前配置はETAを削減；不正確な事前配置は空走距離を無駄にする
多車両調整	複数の車両が同じ乗車ポイントに同時に集結するのを防ぐ	車隊調整は高需要ゾーンでの「渋滞」を防ぐ

第2節 — 車両あたり1日の乗車数：主要効率指標

車隊が1日に生み出せる乗車量は、車隊規模と車両あたり1日の乗車数の積だ。車両あたり1日の乗車数は車両ハードウェアによって決まるのではない——完全に運用状態にある車隊のすべての車両は乗車を完了できる。それはほぼ完全にディスパッチシステムによって決まる：車両と乗客をどれだけ効率的にマッチングするか、車両が空走転送にどれだけの時間を費やすか、そして充電管理が車両をピーク時間帯に利用可能な状態に保てるかどうかだ。

シナリオ	車両あたり1日の乗車数（推定値）	駆動要因	収益への影響
基準（ディスパッチ不良）	車両あたり1日8–12回（推定値）	長い待ち時間、高い空走距離、需要予測不良	平均$12/回：車両あたり1日$96–144（推定値）
良好なディスパッチ	車両あたり1日15–20回（推定値）	平均ETA 5分、空走率15%（推定値）	平均$12/回：車両あたり1日$180–240（推定値）
優秀なディスパッチ	車両あたり1日25–35回（推定値）	密集ゾーンでの平均ETA 3分、空走率10%、継続的稼働	平均$12/回：車両あたり1日$300–420（推定値）
人間のUber/Lyftドライバー（比較）	ドライバーあたり1日15–25回（推定値、密集都市の正規ドライバー）	ドライバーが独自に勤務時間・場所を選択；中央最適化なし	ドライバー戦略による
Waymoフェニックス車隊（推定値）	車隊全体で車両あたり約1日18–25回（推定値）	フェニックス：24/7運営、良好な天気、成熟したディスパッチシステム	1,100台 × 20回 × $12 = フェニックス車隊推定1日$264K収益
車隊全体への影響	1,100台 × 20回 = 1日22,000回（推定値）	週約154,000回に相当——Waymoが報告する週150K+のマイルストーンと整合	車隊規模 × ディスパッチ効率 = 乗車量

第3節 — ディスパッチアーキテクチャ：車隊OSがすべきこと

1,100台向けの生産車隊ディスパッチシステムは、サブ秒レイテンシ制約の下で動作するリアルタイム分散システムだ。車両状態更新、乗車リクエスト、環境データの連続ストリームを取り込み、最適化アルゴリズムを継続的に実行し、車両が最小遅延で実行しなければならないルーティングおよび割り当てコマンドを発行する。

システムコンポーネント	機能	技術的課題
リアルタイム車両状態追跡	毎秒すべての車両の位置、速度、バッテリーSoC、乗客状態を把握	1,100台 × 10回状態更新/秒 = 毎秒11,000件の状態メッセージ；100ms未満のレイテンシで処理する必要（推定値）
需要予測モデル	地理、時間、天気、イベントによる歴史的乗車リクエストパターンで訓練されたMLモデル	大規模イベント（コンサート、試合）が突発的な需要急増を引き起こす際、リアルタイムで予測を更新する必要
ETA計算エンジン	受信した乗車リクエストごとに、すべての実行可能車両のETAをリアルタイムで計算	週150K+の乗車では、ピーク需要 = 数十の同時リクエスト；100以上の車両-リクエストペアのETAを数秒以内に計算する必要
ルート最適化	割り当て後、現在の車両位置から乗車地点、降車地点への最適ルートを計算	リアルタイム交通、ジオフェンス制約、工事迂回路、充電ステーション位置を組み込む必要
充電スケジューラ	各車両がいつデポに戻って充電するかを決定；SoCフロアと需要可用性のバランス	段階的な需要サイクルで1,100台の充電を最適化するのは非自明のスケジューリング問題
異常検出	異常な行動をとる車両（立ち往生、混乱、またはルート途中での停車）を検出し、リモートアシスタンスを派遣	早期検出により、軽微な車両の混乱が公共インシデントに発展するのを防ぐ
車隊リバランシング	需要シフト中に低需要ゾーンから高需要ゾーンへ車両を移動	フェニックス：空港需要は午前6時（入国便）と午後9時に急増；車隊は事前配置が必要

第4節 — Teslaのネットワークアーキテクチャ：異なる設計哲学

TeslaのAV市場参入は根本的に異なる車隊ディスパッチ課題をもたらす。Waymoが完全な中央制御下で自社所有の車隊を運営するのに対し、Teslaのロボタクシーネットワークはハイブリッドモデルを中心に設計されている：高密度ゾーンのTesla所有Cybercab車両と、オーナーが不要な時にネットワークに参加する消費者所有のModel YおよびModel 3だ。

次元	Waymo車隊アプローチ	Teslaロボタクシーネットワークアプローチ
車両所有	WaymoはWaymoが所有・運営；完全なディスパッチコントロール	混合：Tesla所有Cybercab車隊とネットワークに参加する消費者所有車両
ディスパッチコントロール	中央集権型WaymoフリートOSがすべての車両を制御	消費者所有車両：オーナー優先のオーバーライド；オーナーが必要な時に車両がネットワークを離れる
車隊可用性の予測可能性	100% — Waymoが車両のサービス時間を決定	消費者所有：可用性が予測不能；オーナーが個人使用する際にネットワークから車両を取り出す
充電コントロール	Waymoが全車隊の充電スケジュールを制御	消費者所有：オーナーが充電を制御；車両が低SoCでネットワークに入る可能性
ジオフェンス管理	厳格なジオフェンス；すべての車両が定義された境界内で運行	マッピング/承認ゾーン外で運行する消費者車両：管理が複雑
ネットワーク効果	車両が多い = より密なカバレッジ = より低いETA = より高いNPS = より多くの乗客 = より多くの車両を購入する収益	Teslaの論点：消費者車両群がTeslaにほぼゼロの車隊コストで大規模なネットワーク密度を提供；オーナーは収入を得る
経済的リスク	Waymoがすべての車両設備投資を負担；車隊拡張には資本が必要	Tesla：消費者が車両コストを負担；Teslaはディスパッチソフトウェアと高密度ゾーン向けCybercabを構築
ディスパッチ効率	完全に最適化可能 — 消費者優先の競合なし	消費者所有：ディスパッチはオーナー優先のオーバーライドを尊重しなければならない；理論的には次善だが巨大なスケールポテンシャルを持つ

第5節 — ディスパッチ効率ベンチマーク

ディスパッチ効率はいくつかの運用次元で測定できる。これらの指標は乗車経済性、単位経済性、そして最終的な車隊収益化への道に直接つながる。

指標	Waymoベンチマーク（推定値）	Teslaターゲット（推定値）	重要な理由
ジオフェンス内平均ETA	4–6分（推定値、報告乗車量と車隊規模に基づく）	Cybercabゾーンのターゲット3–5分（推定値）	5分未満：Uberと競争力あり；8分超：乗客が乗り換え
空走率	総走行距離の15–20%（推定値）	スケールでのターゲット15%未満（推定値）	空走1マイルごとに純コスト；業界効率ベンチマーク
車両稼働率	利用可能時間の65–75%が収益を生成（推定値）	車隊車両のターゲット70–80%（推定値）	残りの時間：充電、デポ、清掃、異常解決
ピーク需要サージ管理	車隊事前配置によりイベント時のサージを通常ETAの2倍に抑制（推定値）	—	サージ管理不良：ETAが急増すると乗客がUberに乗り換え
充電スケジュール効率	ターゲット：ピーク時間帯にSoC 20%未満の車両ゼロ	—	SoCフロアにより需要急増時に乗客が困らないよう防止
車両あたり1日の乗車数	成熟したフェニックス車隊で推定18–25回	最適化されたCybercabゾーンのターゲット25–35回（推定値）	車両あたりの主要収益乗数

ディスパッチシステムの不可視性こそが、持続可能な競争の堀を生み出す。AV市場の新規参入者は原則的に、Waymoと同じセンサーハードウェアを調達できる。HDマップデータをライセンスできる。AV知覚に携わったエンジニアを採用できる。しかし、何百万もの実際の乗車で最適化され、特定の都市の実際の需要パターンでキャリブレーションされ、何年もの運用フィードバックを通じてチューニングされたディスパッチシステムを素早く複製することはできない。フェニックスで野球シーズン中の火曜日の午前6時に需要が発生する場所を予測するアルゴリズム、特定のジオフェンス設定でETAと空走距離のバランスをとるモデル、数千のエッジケースで訓練された異常検出システム——これらすべての蓄積された運用知識が車隊OSに組み込まれている。公開されていない。ほとんどの具体的な側面では特許取得できない。そして車隊が完了する追加の乗車ごとに複利で成長する。

2026年半ばに週150,000回の乗車ペースで、Waymoは現在どの競合他社もかなわない速度でディスパッチインテリジェンスを積み上げている。これが堀だ。車両ではない。地図ではない。1,100台の車両を不可視にリアルタイムでルーティングし、構築するのに何年もかかり既製品では購入できない最適化レベルで動作するソフトウェアだ。

注記： 「（推定値）」と表記されたすべての数値は、2026年半ば時点で公開されている情報、エンジニアリング推定、および業界報告から導出されたものです。Waymoはディスパッチシステムの仕様、空走率、車両稼働率データを公開開示していません；推定値は方向性のものです。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。