アショク氏は、Robotaxi がこれまでに走行した 38 万マイル（無監視走行）において、非の打ちどころのない安全性記録を維持していると指摘している。しかし、多くの観測筋は、重大な事故が発生するのは時間の問題であると懸念を抱いている。
この懸念は不合理ではない。サービスが拡大し、累積走行距離が増加するにつれて、最初の重大インシデントは統計的に不可避となる。重要なのは、それが 発生するかどうか ではなく、いつ、どの程度の深刻さで発生するかである。
以前の分析では、アショク氏が公表した週次の成長率と、搭載された Cybercab の生産能力を用いて、Robotaxi の走行距離の推移をモデル化した。この予測と、公的に入手可能な NHTSA（米国運輸省道路交通安全局）のデータを組み合わせることで、時間の経過とともに Robotaxi がさまざまな重症度の事故に巻き込まれる確率を推定することができる。
ここで一つ明確にしておくべき点がある。以下の数値は過失率ではなく、関与率である。これは、Robotaxi が、どちらの当事者に主な過失があるかに関わらず、負傷者または死亡者を伴う事故に巻き込まれる可能性を示している。これは、将来の安全性パフォーマンスを評価するための現実的なベースラインとなる。
パート 1 – ヒューマンベースライン：今日の道路安全
まず、米国運輸省道路交通安全局（NHTSA）の最新の詳細な全国統計から見ていく。
2023 年、米国における全車両走行マイルのうち、乗用車が占める割合は約 89% でした。これらの乗用車の乗員に関する統計は以下の通りです。
絶対数で見ると、これは約 2 兆 9000 億マイルの乗用車走行距離において、約 24,000 人の乗員死亡、約 195 万件の警察報告による負傷者数に相当する。
警察報告による負傷は、KABCO スケールで分類される。
この分析では、以降、「全乗用車」の数値をヒューマンベースライン（1 億マイルあたり死亡 0.83 件、負傷 68 件）として採用する。そして、成熟した Robotaxi システムは、この人間の平均よりも 10 倍安全 であると仮定する。これは業界で一般的に参照される野心的な目標であり（Waymo も自社の安全性報告においてベンチマークとして使用している）。
この 10 倍の仮定が、以降の統計的予測の基礎となる。
パート 2 – インシデントがポアソン過程に従う理由
交通事故は、膨大な走行距離に比べて稀な事象である。事象が稀で、独立しており、ほぼ一定の平均発生率で発生する場合、特定の暴露量（ここでは走行マイル）における発生数は、ポアソン分布 によって適切に記述される。
ポアソン過程のもとでは、M マイル走行後に正確に k 件の事象が観測される確率は次のようになる。
ここで、λ は 1 マイルあたり の期待事象数である。
我々が主に関心があるのは、少なくとも 1 件 の事象が発生する確率である。これは単純に、事象が 0 件である確率の補集合である。
λ の求め方
パート 1 の NHTSA データから、人間が運転する乗用車における事象間の平均走行マイル数は既にわかっている。したがって、1 マイルあたりの事象発生率はその逆数となる。
同様に、公表された発生率が 1 億マイルあたりで与えられている場合、以下のようになる。
ベースライン（全乗用車）の場合：
- 死亡：λ_human = 0.83 / 10⁸ = 1 マイルあたり 8.3 × 10⁻⁹
- 負傷（全重症度）：λ_human = 68 / 10⁸ = 1 マイルあたり 6.8 × 10⁻⁷
Robotaxi は 10 倍安全 であると仮定しているため、これらの発生率を単純に 10 で割る。
これを先の式に代入すると、任意の累積走行距離 M 後における、少なくとも 1 件のインシデントが発生する確率が得られる。
これが、次のセクションのすべての予測に使用される式である。
パート 3 – 最初のインシデントが発生しうる時期
ここで、パート 2 のポアソン式を、対象となる 4 つの結果カテゴリーに適用する。
- 死亡 (K)
- 重傷 / 身体障害を伴う負傷 (A)
- 軽傷 / 身体障害を伴わない負傷 (B)
- 可能性のある負傷 (C)
パート 1 のヒューマンベースラインの発生率を、10 倍の安全性仮定でスケーリングすることで、各カテゴリーの個別の事象発生率 λ が得られる。最初のグラフは、累積の無監視 Robotaxi 走行マイルに対する、少なくとも 1 件の事象が発生する確率を示している。
走行マイルから暦時間へ
前回の記事では、アショク氏が公表した二桁の週次成長率を用いて、週次の無監視走行マイルの将来モデルを構築した。このモデルでは、Cybercab の生産能力（Tesla の年間 12 万 5000 台のガイダンスに基づく、週約 2,400 台）と、1 台あたり 1 日 200 マイルの高稼働率を想定している。
14% 成長ケースを中央シナリオとし、上限に達した週次走行マイルを累積することで、暦時間に対する累積走行マイルの軌跡が得られる。この累積走行マイルをポアソン式に代入することで、各インシデントタイプの確率を時間の関数として求めることができる。
この軌跡のもとでは、50% の確率閾値に達する時期はおおよそ以下の通りとなる。
Waymo の現在の累積走行マイル
参考までに、Waymo のおおよその累積完全無人走行マイルを走行マイルチャートに記した。
Waymo の公式 Safety Impact ダッシュボードは、2026 年 3 月時点で 2 億 2060 万マイル の乗客のみの走行マイルを報告している。最近の実行率は週約 400 万マイルの乗客のみ走行であり、2026 年半ば/後半に外挿すると、約 2 億 8000 万～3 億マイルの有料走行マイルとなる。空車の回送や待機マイルを考慮し、控えめにこの数値を 2 倍にすると、推定 約 6 億マイルの完全自動運転走行マイル となる。
Waymo の実世界での実績
Waymo のインシデントに関する公的な SGO / NHTSA 報告を KABCO スケールにマッピングすると、おおよそ以下のような状況がわかる。
主な観測点：
- 報告された負傷事例の大半は、重症度の低いカテゴリー（C および B）に分類される。
- Waymo 自身の安全研究では、確認された警察報告による A または K のケースのみを「重傷またはそれ以上」として扱っている。
- 2 億 2000 万マイル以上の乗客のみ走行において、Waymo は、同じ運行エリア内の人間のベンチマークと比較して、重傷以上の事故が約 94% 少なく、あらゆる重症度の負傷事故が約 82% 少ないと報告している。
- これらの比較は、過失の有無に関わらず 行われている。少数の重大（A）および致命的（K）インシデントでは、公開されている情報によると、Waymo 車両が主たる過失当事者ではなかったケースがほとんどである。
この実世界の実績は、Robotaxi にも当てはまる重要な区別を示している。十分な規模になると、事故への 関与 は統計的に不可避となる。決定的な問題は、同じマイル数を走行する人間のドライバーと比較して、システムの過失が少なく、より深刻な結果を生み出すかどうかである。ここで開発されたポアソンフレームワークは、単に、Tesla Robotaxi が 10 倍の安全性仮定のもとで、いつ同じカテゴリーの事象に遭遇し始めると予想されるかを調整するものである。
累積走行マイルのグラフが示すように、無人運行車両が数億マイルに達すると、たとえ 10 倍の安全性仮定のもとであっても、重大事故や死亡事故への関与は統計的に不可避となる。したがって、Waymo の実績は、ポアソンモデルがその規模で予測するものと一致している。もはや重要なのは、そのような事象が発生するかどうかではなく、システムの過失がどの程度の頻度であるか、そしてその重症度プロファイルが人間のドライバーと比較してどうかである。
結論
我々は、Robotaxi が最終的に平均的な人間運転の乗用車に対して 10 倍の安全性向上を達成すると仮定して、異なる重症度の事故に巻き込まれる確率をモデル化した。この仮定と、前回の分析で導き出した走行マイルの軌跡を組み合わせることで、明確な定量的予測が得られる。中央成長ケースでは、軽度の負傷は 2027 年前半、重傷は同年後半、死亡事故は 2027 年末頃に発生する可能性が高くなる。
Waymo の実世界での実績は、同じモデルが数億マイルの累積走行マイルで予測するものと一致している。人間のドライバーよりも大幅に安全なシステムであっても、十分な規模になれば、重大事故や死亡事故に巻き込まれることになる。統計的にこれは不可避である。
ここで、2 つの区別が不可欠である。第一に、これらの予測は過失ではなく、関与 に関するものである。第二に、最初の過失による死亡も統計的には最終的に不可避であり、唯一の変数は、それが一般の人々の技術に対する実体験と比較して、いつ発生するかである。
これが Tesla にとっての核となる戦略的課題である。最初の過失による死亡は、多数の人がすでに Robotaxi を利用し、その通常の性能を信頼し、人間の運転と比較した安全性を理解した後に発生しなければならない。そのアナロジーは商業航空である。現代の旅客機は依然として人を死に至らしめるが、死亡率は 1 億 passenger-miles あたり約 0.01 人であり、これは 10 倍安全な Robotaxi（約 1 億マイルあたり 0.08 人）よりもおよそ一桁低い。社会が航空の残余リスクを受け入れるのは、その利益が大きく、相対的な安全性が確立されているからである。Robotaxi も、最初の明らかな過失による死亡事故が発生するまでに、実証された大規模なパフォーマンスという同じ基盤を必要とする。
それが、Tesla が越えなければならない閾値である。
