済州島のAI除雪、雪国の自治体が学べる備え方

分析・見解

雪に不慣れな島が先にAI除雪へ踏み出す理由

済州島は温暖な印象が強い。ところが漢拏山（ハルラサン）を抱え、標高の高い山間部では短時間に積雪と凍結が重なる。海岸部は雨で、中山間部は雪という日が珍しくない。同じ島の中で路面の状態がまるで違うのだ。

雪国なら、除雪の優先順位は長年の経験で決まっている。どの坂が先に凍るか、どの橋が危ないか。ベテランの頭の中にある。しかし雪が年に数回しか降らない地域には、その蓄積がない。経験が薄い場所ほど、データで判断を補う価値が大きい。済州が先にAIへ踏み出す理由はここにある。

253カ所の重点監視が示す、除雪の考え方

今回の計画で興味深いのは、道路全体を均等に守ろうとしていない点だ。凍結しやすい場所や除雪が難しい区域など、253カ所に絞って重点的に見る。限られた除雪車58台と資材を、どこにどの順で振り向けるか。除雪は突き詰めれば配分の問題である。

塩約1万776トンと塩化カルシウム約2,893トンという数字も、配分の発想で読むと分かりやすい。塩は安価で量を撒ける。塩化カルシウムは低温でも効きやすいが、単価が高い。気温と路面の状態を見ながら使い分けられるなら、資材の無駄は確実に減る。AIが優先順位を出す価値は、最短ルートを引くことよりも、この資材の使い分けにあるのではないか。

気象と路面を重ねる統合の難しさ

統合スマート除雪プラットフォームの肝は、気象情報と路面情報を重ねて見ることだ。気象予報だけでは、道路の一本一本がどうなるかまでは分からない。路面温度、交通量、日当たり、橋やトンネルの出入り口といった条件で、凍る時刻は数時間単位でずれる。

日本でも、北海道や東北の一部で路面温度計や道路カメラを使った凍結予測の試みが進んでいる。ただ、観測点が少ないと予測は粗くなる。データの質と量が、AI判断の質をほぼ決める。ここが最大の課題であり、機械が賢いかどうかより、現場のセンサーをどれだけ置けるかが勝負になる。

人の判断を置き換えるのではなく、迷いを減らす

AIが示す優先順位を、現場がそのまま信じるとは限らない。深夜に出動を決める担当者は、責任も負っている。だから最初のうちは、AIの案と人の判断が食い違う場面が必ず出る。

ここで効くのは、AIが理由を示せるかどうかだ。なぜこの道を先にするのか。路面温度が下がる予測なのか、通学路と重なるからなのか。理由が見えれば、現場は納得して従える。逆に黒箱のままだと、結局は経験者の判断が上書きして終わる。道具が使われ続けるかは、この点で決まる。