What California Regulatory Filings Reveal about Robotaxi Operations at Scale

あなたが迎えに来てくれる車に運転手がいない、そんな都市を想像してみてください。それらは単なる電気自動車ではありません。複雑な通りをナビゲートし、交通状況に合わせて停止し、人間の手がハンドルに触れることなく目的地まで辿り着くことができる、完全に自動化された車両です。これがロボタクシーの約束であり、この技術は空想科学の世界から、サンフランシスコやロサンゼルスのような都市の路上へと移り変わってきました。これらの機械が複数の問題を一度に解決することが長らく期待されてきました。電気自動車であることで、汚染を削減する。シェアリングを行うことで、道路を塞ぐ車の数を減らす。そして、自動化されることで、人間が運転するよりも高いレベルの効率性を実現し、例えば、車を常に動かし続けたり、乗客を待つ間に駐車する必要をなくしたりすることによって、効率を高めることが期待されてきました。

しかし、これらのフリート（車両群）が大規模に実際にどのように運用されているかという現実は、企業のダッシュボードやプライベートなデータの中に隠されたまま、謎のままでした。長年、公衆はこれらのシステムがどのように機能するかを推測するために、要約やシミュレーション、あるいはモデルに頼ってきました。しかし、新たな分析が、公式の政府記録を用いて、そのカーテンを剥ぎ取り、実際に何が起きているのかを明らかにしました。ローレンス・バークレー国立研究所の研究者たちは、カリフォルニア州公共事業委員会に提出された数千ページに及ぶ報告書を調査しました。法律で義務付けられているこれらの提出書類には、すべての走行距離、走行したマイル数、そして車両が充電のために停止した回数の詳細なログが含まれています。研究者たちはこのデータを精査することで、ロボタクシーの運用が、当初の楽観的な未来像よりもはるかに複雑で、効率が低いという実態を浮き彫りにしました。

この研究は主に、米国で最大の無人タクシー運営会社であるWaymoに焦点を当て、現在大規模なパイロットプログラムを実施しているもう一つの主要プレーヤーであるZooxと比較しました。研究者たちは、Waymoがカリフォルニア州内で約3,285台の車両へと拡大し、全米のフリートの約80パーセントを占めていた2025年1月から2026年6月までのデータを調査しました。彼らは、乗客を乗せて走行した距離と、空車で走行した距離を追跡しました。ライドヘイリング（配車サービス）の世界では、空車での走行は「デッドヘディング（死荷重走行）」と呼ばれます。これは、乗客を迎えに行くために車を走らせ、乗客を降ろした後に離れていく必要があるため、ビジネスにおける不可欠な要素です。しかし、自動化の目的は、この無駄を最小限に抑えることにあるはずでした。

データは異なる物語を語っています。Waymoは時間の経過とともに効率を向上させましたが、空車走行の割合は依然として高いままでした。2025年初頭から2026年中盤にかけて、乗客なしで走行した距離の割合は53パーセントから約42パーセントに減少しました。これは改善ではありますが、人間が運転するライドヘイリングサービスで見られる数値よりも、依然として50パーセント以上高い数値です。研究者たちは、フリートが拡大し、車が乗客を見つける能力が向上しても、依然として膨大なエネルギーが空車での移動に費やされていることを発見しました。この持続的な空車走行は、自動化が自動的に、より無駄のない効率的なシステムにつながるという考えに反しています。

最も驚くべき発見はおそらく、乗客を乗せていない時に車が何をしているかに関するものです。研究者たちは、「空車」の時間のかなりの部分が、乗客を探して走り回っているのではなく、静止していることに費やされていることを発見しました。フリートが拡大するにつれ、車両が待機（駐車またはアイドリング）していた総時間は39パーセント増加しました。これは、システムが人間が運転するネットワークほど柔軟ではないことを示唆しています。需要が急増した際、人間のライドヘイリングサービスは、すでに路上にいる、あるいはすぐに仕事を開始できる膨大なドライバーの層を活用できます。しかし、ロボタクシーは、リクエストに応じるために物理的に存在していなければならない固定された車両群に依存しています。乗客の急増に対応するためには、リクエストが発生した際にすぐ動けるよう、駐車場やデポに大量の車を待機させておく必要があります。これにより、膨大な数の車両が移動することなく、長期間静止しているという巨大な「駐車フットプリント（占有面積）」が生じます。

この挙動がもたらすエネルギーへの影響は重大です。研究者たちは、提出書類に記載された充電セッションの頻度を使用して、フリートが実際にどれだけの電力を消費しているかを推定しました。その結果、フリートを稼働させるために必要なエネルギーは、車両の公式な効率定格よりもはるかに高いことが判明しました。Waymoの場合、充電データから示唆されるエネルギー使用量は、車両の定格推進力の約2倍に達しており、一般的なガソリン車が同じ距離を走行する場合と比較して、その約69パーセントに相当していました。この余分なエネルギーは、空車での絶え間ない移動、アイドリング時間、そしてフリートを運用し続けるために必要な頻繁な充電サイクルによって消費されています。Zooxについて調査したところ、エネルギーのオーバーヘッドはさらに高く、ガソリン換算のベンチマークの約147パーセントに達しました。

また、本研究は空車走行の形態の変化についても強調しています。サービスの初期段階では、空車走行の大部分は「未割り当て」であり、つまり、特定の目的地を持たずに、乗客を見つけようと巡航している状態でした。時間が経つにつれ、この傾向は変化しました。空車走行のより大きな割合が「アプローチ」走行、つまり、すでにリクエストが行われた後に乗客のもとへ向かうための走行となりました。これは、車が乗客を見つける能力は向上しているものの、乗客に到達するために移動しなければならない距離が増加していることを示唆しており、おそらくサービスエリアの拡大、あるいは乗客がリクエストを出している場所から車がより遠くに停車していることが原因と考えられます。

研究者たちは、これらの知見がシミュレーションではなく、現実世界の運用データに基づいていることに注意を払いました。彼らは数百万件のトリップ記録と充電ログを精査し、これらフリートが大規模にどのように機能しているかについての、稀有で具体的な視点を提供しました。データは、ロボタクシーが多くの人が期待していたような効率性の向上をすでに達成したという考えを支持していません。むしろ、空車での移動や、動的な環境における固定されたフリートの管理という根本的な課題に、依然として苦慮しているシステムであることを明らかにしています。ロボタクシーによる、よりクリーンで効率的な未来の約束は依然として可能ですが、そこに至る道は、単にハンドルをコンピュータに譲るという単純な作業よりもはるかに複雑です。データは、フリートの管理方法（例えば、車と需要をより良く一致させる、あるいは大量の静止車両を減らす方法を見つけるなど）に大幅な変更を加えない限り、ロボタクシーのエネルギーおよびスペースコストは高止まりする可能性があることを示唆しています。

結局のところ、この分析はロボタクシー業界に対する現実的な再確認となります。それは、テクノロジーが進歩しフリートが増加している一方で、運用の実態は複雑であることを示しています。自動化による効率性の向上は、大量の車両を準備・待機させておく必要性によって相殺されており、それが実質的なエネルギー消費と空車走行を招いています。これらのサービスが拡大し続ける中で、焦点は単に車を増やすことから、既存のフリートをいかに賢く機能させるかへと移る必要があるかもしれません。それまでは、完璧に効率的な無人化された未来というビジョンは、単なる「ビジョン」のままであり、現実にはなっていないのです。