雪道での自動運転は実現可能か 技術的な課題と国内外の動向

雪道での自動運転は可能か？技術的な課題と各企業・団体の取り組みを解説

雪道での自動運転は、自動運転技術の実用化に向けた最難関の一つです。走行車線が雪で見えない、路面が凍結して滑りやすい、LiDARなどのセンサーが降雪で誤作動するといった悪条件が重なるため、通常路面に比べてシステム側の「認知・判断・操作」の難易度が大幅に上がります。

雪の高速道路は緊張の連続

それでも、アジア・北米・ヨーロッパなど世界の主要自動車市場の多くは積雪地域を抱えています。雪道での自動運転を実現できなければ、グローバルな展開はできません。国内外の企業や研究機関が多額の開発費を投じて雪道走行技術の研究を進めており、一部はすでに商用サービスや公道での無人走行の段階に入っています。

自動運転はシステム側が「認知」「判断」「操作」に関与する度合いを高めていって最終的には人のサポートをなくしていく

自動運転とは、人が車を運転する際に行う「認知（周囲の状況把握）」「判断（次の行動の決定）」「操作（ハンドル・ブレーキなどの実行）」の各プロセスを、AIや各種センサーを使ってシステム側に代行させる技術です。

人が視覚で周囲を認識するように、自動運転車はカメラやLiDAR（レーザーセンサー）、ミリ波レーダーなどで状況を把握します。認識した情報はAIが処理し、スピードを落とすべきか、車線変更をすべきかなどを判断して、ステアリングやブレーキを自動制御します。

雪道で問題になるのは、この3つのうち最初の「認知」が崩れる点です。認知が揺らげば判断の前提が失われ、操作も適切になりません。雪道対策の研究の大半が、センサーの見え方をどう保つかに集中しているのはこのためです。

雪道での自動運転を実現するには走行可能エリア限定なしのレベル5をクリアする必要がある

自動運転はシステムの関与度合いと走行可能エリアの範囲によって、レベル0からレベル5の6段階に分類されます。雪道を含むあらゆる環境での完全自動運転はレベル5に相当し、技術面だけでなく道路交通法の改正など社会インフラの整備も必要です。

日本では2023年4月の道路交通法改正によりレベル4（特定条件下での完全自動運転）が法制化され、限定エリアでの無人運行が可能になりました。現在進んでいる雪道の取り組みは、このレベル4の運行設計領域に積雪環境を含められるかという戦いです。雪道を含む一般環境でのレベル5は、引き続き技術開発と法整備の両輪が必要な状況です。

雪道で自動運転のハードルが上がるのは「認知」や「判断」機能に悪天候や周辺の環境の変化が影響を与えるから

雪道では突然の吹雪で視界が遮られることも少なくない

多くのドライバーが雪道運転を苦手とするように、自動運転システムにとっても雪道は各種センサーの認知性能が低下する難しい環境です。雪道で自動運転が困難になる主な理由を解説します。

雪の影響で搭載するカメラが走行車線を認識できなくなる

自動運転車が同一車線を維持して走行するためには、路面に描かれた白線や黄線を車載カメラが認識することが必要です。しかし路面が雪で覆われると白線が見えなくなり、降雪中はカメラのレンズへの着雪や視界不良により認識精度が著しく低下します。白線が見えない状態でカメラからの情報だけに頼った自動運転の継続は困難です。

吹雪の中を走る場面を思い浮かべると、人間の目でも車線の位置は前走車のわだちから推測するしかなくなります。雪道に慣れたドライバーが無意識に行っているこの推測を、システムにどう持たせるかが開発の焦点になります。

周辺にある対象物との距離や位置を測定するLiDARは雪の影響を受けやすいため自動運転の安全性が低下

LiDAR（ライダー）はレーザー光を照射して対象物との距離・位置を測定するセンサーで、自動運転の安全性の要です。しかし雪や雨の粒子がレーザー光を乱反射させるため、降雪時には対象物の認識精度が低下します。降雪粒子そのものを障害物として誤検知し、不必要に停車してしまう課題も存在します。

KCCS（京セラコミュニケーションシステム）と北海道大学が2025年2月に行った自動配送ロボットの雪上走行試験では、AIによるノイズ除去技術とGPS補正を組み合わせることで、LiDARの自己位置推定の不安定さを改善したことが報告されています。降ってくる雪を「障害物ではないもの」としてAIに学習させる方向が、現在の主流のアプローチです。

雪道ではデータ登録されている3次元空間のマッピング情報との間での違いが大きくなるためスムーズな自動運転が行えない

現在の自動運転技術の多くは、あらかじめ収集した高精度3次元地図（HDマップ）と照合しながら自車位置を推定します。しかし路肩に雪山が形成されたり、道路標識が雪で覆われたりすると、登録されている地図情報と実際の環境に大きな差異が生じ、自車位置の推定精度が落ちてスムーズな自動運転ができなくなります。

やっかいなのは、この差異が日々変化する点です。除雪が入れば道幅が戻り、翌日の降雪でまた狭まります。夏に作った地図は冬に合わず、冬に作った地図も1週間後には合いません。地図を更新し続ける運用コストが積雪地では跳ね上がるため、HDマップに依存しない「マップレス自動運転技術」の研究が進んでいます。

雪質によって路面の滑りやすさが大きく変わる

雪道は見た目が同じでも、路面の状態は一様ではありません。認知の難しさに加えて、この判断の難しさが雪道特有の壁になります。

最も厄介なのがブラックアイスバーンです。カメラにもLiDARにも乾いたアスファルトとほぼ同じに映るため、センサーで事前に検知する手段が限られます。人間のドライバーが気温や橋の上という条件から警戒するのと同じ推論を、システムに組み込む必要があります。

自動運転を雪道でも可能とするために各企業・各団体が取り組んでいる研究内容と今後の展望

雪道での自動運転を実現すれば、北米・アジア・ヨーロッパなど冬季積雪地域を含む巨大市場でのビジネスチャンスが広がります。国内外の代表的な取り組みは以下の通りです。

フォードは3Dマッピング技術と高精度のLiDARを組み合わせた雪道自動運転実験を実施した

フォードは、本社を構えるミシガン州が豪雪地帯であることから、雪道での自動運転研究に早くから取り組んできました。2016年1月にはミシガン大学の大規模自動運転実験施設「Mシティ」で、積雪環境下での自動運転走行実験を開始しています。

フォードの研究チームは、車載カメラやセンサーで白線を読み取れない状況への対処として、センチメートル単位で精密な3Dマップと、200m先の対象物も認識できる高精度LiDARを組み合わせる方針で開発を進めました。まず積雪前に対象エリアを走行してLiDARでスキャンし、道路標識・車線・地形などの詳細データを3Dマップに登録します。このデータを雪道走行時に活用することで、路面が雪に覆われた状況でも自車位置とルートを把握する仕組みです。

フォードの自動運転事業部門「Argo AI」は2022年に解散し、フォードは自動運転開発の方針を変更しました。ただし、この研究で確立された3DマッピングとLiDARを組み合わせるアプローチは、その後の業界全体の雪道自動運転研究に引き継がれています。

ウェイモは寒冷地デトロイトで完全無人走行を開始した

米グーグル系のウェイモは2026年10月6日、ミシガン州デトロイトで完全無人走行を開始しました。運転席に人を乗せない運用で、同社にとって11番目の提供都市になります。現時点で乗車できるのは社員のみで、一般向けの提供時期は決まっていません。

デトロイトでは2017年頃から雪や氷を想定した公道試験を重ねてきました。車両に搭載するセンサーには雪を溶かすヒーターと自動洗浄機能を備え、雪道・ぬかるんだ路面・凍結路を見分けて走り方を変えるAIの判断も強化しています。主力車両は電動ミニバンのOjaiで、Waymo Driverの第6世代を搭載します。

同社は2025年10月の公式ブログで、冬季の能力を磨くために運用を広げる都市としてデンバーとワシントンD.C.を挙げました。シカゴでも地図作成と走行データの収集を始めています。本格的な降雪期の検証はこれからの段階ですが、雪と氷のある地域で無人運行に踏み切った事例として注目されます。

大樹町では測位情報や道路に埋めた磁気マーカーを利用して運行する車両の検証実験が行われた

北海道の大樹町では、国土交通省主催の自動運転サービス実証実験の一環として、冬季の凍結路面での検証が実施されました。実験では、GPS測位情報と道路に埋設した磁気マーカーを組み合わせ、20人乗りマイクロバスが町内11か所の停留所を回りました。地元住民が一般モニターとして乗車するリアルな運用環境での実証であったことから、大きな注目を集めています。

実験では、路肩に雪山が形成されて道幅が狭くなっている場所で対向車をよけるためにドライバーが介入する必要があるなど、雪道特有の課題も明らかになりました。磁気マーカーは雪に覆われても検知できるという強みがある一方で、道路側への埋設工事が前提になるため、適用できる区間が限られるという制約も浮かび上がっています。

三菱電機は準天頂衛星「みちびき」を活用した雪道自動運転から、レベル4サービスの実用化へ

三菱電機は、日本が開発・運用する準天頂衛星システム「みちびき」から送られる高精度な位置情報と、車載の高精度ロケーターおよび3次元地図データを組み合わせた自動運転技術を開発してきました。GPS単独では数mあった測位誤差を、みちびきの活用により数センチメートル単位にまで縮小できます。

三菱電機の自動運転実証実験車「xAUTO」のエクステリア

2018年2月には、北海道・旭川市の道央自動車道にて実験車両「xAUTO（エックスオート）」を用いた雪道走行テストを実施しました。路面の白線が完全に雪で覆われた状況でも、みちびきからの高精度位置情報と3D地図を組み合わせることで目標地点まで走行できることを確認しています。その後、山陽自動車道など複数の高速道路で300時間を超える実証走行を行い、濃霧や降雪などの悪環境下でも自動運転が実用可能であることが確かめられました。

三菱電機は2025年9月10日、自動運転レベル4に対応した自動運転サービス「xAUTO」をリゾート施設向けに提供すると発表し、同年10月から提供を開始しました。配車から車両運行まで無人で行うサービスで、鉄道・航空管制分野の技術を応用した運行管制システムにより複数台の同時運行も実現しています。LiDARの霧対策も組み込まれており、研究開発フェーズからサービス実用化へと前進した事例です。

北海道大学などの産学連携チームは積雪寒冷地に特化した自動運転技術「Snow-SLAM」を開発した

北海道大学・ソフトウェア開発会社ヴィッツなど7団体からなる産学連携プロジェクトチームは、積雪寒冷地に特化した自動運転技術の開発に取り組みました。熱源感知センサー・LiDAR・GPS・ステレオカメラ・慣性計測装置などを組み合わせた走行システム「Snow-SLAM」を構築し、苫小牧市の工業団地で走行実験を行っています。

時速40km以下という制限のある実験でしたが、積雪環境における有効性が確認されました。複数の異なる原理のセンサーを重ねて弱点を補い合う構成は、単独のセンサーが雪に弱いという前提に立った設計です。本プロジェクトは北海道経済産業局が採択した事業として実施され、ここで得た知見はその後の北大による積雪環境でのAIノイズ除去技術の開発へと発展しています。

VTTフィンランド技術研究センターは実験車両「Martti」で雪道上での自動運転の速度記録を達成した

VTTフィンランド技術研究センターは、フォルクスワーゲンのSUV「Touareg」をベースにした自動運転実験車「Martti」で、雪道における自動運転の速度向上に取り組みました。2017年12月には非公式ながら雪道での自動運転で時速約40kmを達成しています。赤外線カメラ・ステレオカメラ・GPS受信機を組み合わせて自車位置をリアルタイムに把握する仕組みです。

VTTの次なる目標は凍結したブラックアイスバーン路面での安定走行です。制御システムのソフトウェア改良とレーダー解像度の向上を通じて、より過酷な路面条件への対応を進めています。フィンランドは国全体が積雪地域であるため、雪道自動運転の実験環境として世界でも有数の条件を持っています。

日立Astemoは直前までの周辺情報を蓄積してGPSと組み合わせることで雪道での自動運転継続を目指す

日立Astemo（日立オートモーティブシステムズなど4社が2021年1月に統合して発足）は、降雪や濃霧でカメラが車線を認識できなくなった際でも、自動運転を継続させる技術を開発しました。走行中にステレオカメラと4台の車載カメラで収集した周辺情報を常時データ保存し、センサーが機能しなくなった瞬間には直前までの蓄積データとGPS情報を合わせて自車位置を推測する仕組みです。

ガードレールや雪壁を白線の代わりの目印として認識する「路端検知技術」も開発しています。除雪によって積み上がった雪壁は、雪道では最も安定して存在する構造物です。白線が消える環境で、その雪壁を基準に変えるという発想の転換が、この技術の肝にあたります。

金沢大学発ムービーズは「全天候型マップレス」技術で雪道公道の無人走行を実証

金沢大学の自動運転研究を発展させる形で2024年5月に創業した株式会社ムービーズは、高精度3次元地図（HDマップ）に依存しない「マップレス自動運転技術」と、積雪・降雨・逆光など悪天候での安定走行を実現する「全天候型技術」を組み合わせた自動運転システムを開発しています。

2026年1月5日から27日にかけて、北海道上士幌町で公道の雪道における自律型ロボットタクシーの実証実験を実施しました。積雪や凍結のあるエリアを含めて総走行距離は650kmを超え、全工程を無事故で完走しています。一般道を含めて最高60km/hを記録しました。冬期用の特別な地図を作らず、自社で生成する簡易な2次元地図で走る点が、この実証の技術的な要点です。

公道走行は2015年から積み重ねており、延べ4万km、約2,000人の乗車実績があります。2025年9月には米国法人「MoveEz International, Inc.」を設立し、2026年2月にはシードラウンドで2億円を調達しました。HDマップ不要という特性は、環境が日々変化する雪道で特に有利に働きます。

NTTドコモビジネスらは千歳市で路車協調による安定走行モデルを実証

NTTドコモビジネスを代表機関とするコンソーシアムは、2026年1月14日から24日にかけて、北海道千歳市で豪雪・寒冷地における自動運転バスの安定走行モデル実証を行いました。A-Drive、ドコモ・テクノロジ、スタンレー電気が参加し、千歳市や公立千歳科学技術大学などが協力しています。

この実証の特徴は、車両単独で解決しようとしない点にあります。道路灯や信号機から得た積雪・路面情報と、車載LiDARや車両センサーの情報を統合し、走行経路や制御に反映する路車協調の構成です。IOWN APNや5Gを使ってデータを送り、サーバー側で積雪・除雪状況を反映した3Dマップを生成・更新します。

目的は、新千歳空港を起点とした輸送を豪雪期でも安定させ、レベル4の早期実現につなげることです。インフラ側にセンサーを置けば車両側の負担は減りますが、設置と維持の費用が発生します。どこまでをインフラに持たせるかは、積雪地での自動運転を考えるうえで避けて通れない論点です。

雪道の自動運転を支える車両側の備えとタイヤの役割

センサーとAIの議論に注目が集まりがちですが、雪道の自動運転は車両側の装備が整って初めて成立します。どれほど正確に危険を認知しても、路面との摩擦が足りなければ止まれないためです。

前提になるのが冬用タイヤの装着です。夏タイヤのまま圧雪路やアイスバーンに入れば制動距離は大きく伸び、システムが計算した減速の余裕が足りなくなります。自動運転車が想定する制動性能は、適切なタイヤが履かれていることを前提に組まれています。

法令面の対応も必要です。大雪時にはチェーン規制が実施される区間があり、冬用タイヤだけでは通行できない場合があります。無人で走る車両がこの規制にどう対応するかは、運行設計領域を決めるうえでの制約になります。

センサー側の対策も車両装備の一部です。ウェイモがセンサーにヒーターと自動洗浄機能を備えているように、着雪と泥はねを物理的に除去する仕組みがなければ、どれほど優れたAIも入力を失います。ルーフ上に機器を並べる構成は視野の広さで有利な一方、着雪しやすい位置でもあるため、ヒーターの配置と消費電力の設計が効いてきます。

こうした装備はコストに跳ね返ります。積雪地向けの車両は非積雪地向けより高くつく構造があり、車両価格とサービス料金にどう反映するかは、事業として成立させるうえでの現実的な課題です。

雪道での自動運転が実現すれば寒冷自治体の生活の足となるだけではなくて、冬の交通事故が激減

雪道での自動運転が持つ最大の意義は、高齢化が進む寒冷地の過疎自治体における住民の移動手段確保と、人為的ミスによる冬季交通事故の削減です。大樹町や上士幌町の実証に見られるように、買い物や通院が困難な地域の高齢者にとって、自動運転サービスは生活インフラそのものになりえます。

一方で、雪道での自動運転にはまだ多くの「フレーム問題」が残っています。道幅が狭まった対向2車線で互いに譲り合うといった、人間同士では暗黙の了解で済む状況を、システムがルール外の例外として処理するのは現時点では難しい課題です。外見がほとんど同じでも摩擦が大きく異なるブラックアイスバーンへの対応も、センサーだけでは解ききれません。

それでも、ここ1年ほどで局面は動きました。三菱電機のxAUTOがリゾート施設向けに商用サービスを始め、ムービーズが上士幌町の公道で雪道の無人走行を650km以上にわたって実証し、ウェイモが寒冷地デトロイトで完全無人走行に踏み切っています。実験室の中の話だったテーマが、運行設計領域をどう広げるかという実務の段階に移りました。ソフトとハードの両方が整った雪道の自動運転は、特定の地域と条件からすでに動き始めています。