予防安全システムの要件定義で「センサの検知距離は最低 X メートル必要」という仕様を目にすることがあります。しかしその X はどこから来るのか、なぜ速度が上がると増えるのか、なぜシナリオによって違うのか――説明できる言葉を持っていると、仕様の妥当性判断や上流設計の議論がぐっと具体的になります。本記事では検知距離・検知角（FOV）・精度の三つを、第一原理から順に導出します。
1. 必要検知距離は「必要制動距離＋反応・立ち上がりの走行分」
制動だけで必要な距離
まず、センシングの下流にある「制動」がどれだけの距離を食うかを確認します。一定減速度 a [m/s²] で相対速度 v_rel [m/s] をゼロにするのに必要な距離（最終制動点での最小許容車間）は、kinematics.ts の lastChanceGapM 関数が実装している式です。
lastChanceGapM = v_rel² / (2·a)停止対象（CCRs）では v_rel = v_s（自車速）、走行対象（CCRm）では v_rel = v_s − v_t（相対速度）を代入します。速度が2倍になると必要制動距離は4倍になる点が重要で、これが「高速域ほどセンサに長い検知距離を要求する」直接の理由です。
反応・制動立ち上がりの走行分が加わる
ところが、センサが検知した瞬間に制動が始まるわけではありません。実際のシステムには次のような遅れが存在します。
- 認識確定時間：センサ出力からターゲットを確証するまでの処理時間（誤検知抑制のため複数フレームを要する）
- AEB 判断時間：TTC や必要減速度の閾値判定を経てアクチュエータ指令を出すまでの制御周期
- 制動立ち上がり時間：油圧ブレーキが目標圧力に達するまでの時間（ジャーク制限を含む）
これらを合計した「システム全体の遅れ時間 τ」の間、自車は速度 v_rel のまま前進し続けます。したがって、センサが検知を完了しなければならない距離（必要検知距離）は次式で下界が与えられます。
必要検知距離 ≥ v_rel² / (2·a) + v_rel · τ第一項が lastChanceGapM、第二項が遅れ時間中の走行距離です。v_rel · τ は速度に比例するため、高速域では両項とも大きくなります。
この「遅れ時間 τ」は現在のデモ（Phase 1：運動学のみ）には含まれておらず、Phase 2/3 での拡充対象です。遅れの内訳については、並行作成中の記事「時間の使い方と制動立ち上がり」で詳しく扱います。
速度二乗則のスケール感
遅れ時間 τ を含めた必要検知距離が速度にどう依存するかを概念的に示します。ブレーキ能力 0.9 g（≒ 8.83 m/s²）、遅れ時間 0.5 s を仮定した参考値（停止対象・CCRs 相当）です。
| 自車速 (km/h) | lastChanceGapM (m) | 遅れ分 v·τ (m) | 必要検知距離（参考） |
|---|---|---|---|
| 30 | 3.9 | 4.2 | 約 8 m〜 |
| 50 | 10.9 | 6.9 | 約 18 m〜 |
| 80 | 27.9 | 11.1 | 約 39 m〜 |
この参考値はあくまで一例です。実際の要件は遅れ時間の内訳・想定ブレーキ能力・マージン係数によって変わります。ただし「速度が上がると必要検知距離が非線形に伸びる」傾向は第一原理から決まる事実であり、仕様論議の土台になります。
トップページのデモ でスライダを使って速度を上げると、橙の破線（最終制動点）が自車から遠ざかっていく様子を直接確認できます。これは lastChanceGapM の値がリアルタイムに増加していることを可視化しており、必要検知距離が速度の二乗で伸びる感覚を体感的に掴むのに役立ちます。
2. 検知角（FOV）はシナリオの幾何が決める
センサの必要検知距離が「どこまで見るか」の問いなら、検知角（Field of View）は「どの方向まで見るか」の問いです。FOV 要件はシナリオの幾何によって決まります。
後方追突シナリオ（CCRs・CCRm）：前方狭角で足りる
CCRs・CCRm はいずれも、自車の真後ろから前方の停止車両または走行車両に追突するシナリオです。ccrs.json と ccrm.json を見ると lateral_offset_m: 0、overlap_percent: 100 とあり、自車とターゲットは同一走行ラインで正対しています。
このシナリオで必要なのは、前方の自車進行方向を中心にした、比較的狭い縦方向の視野です。ターゲットは自車の正面にいるため、FOV の横幅は車幅程度をカバーできれば基本的な検知は可能です。現実には路面の曲率や走行レーン幅のばらつきを吸収する余裕角が必要ですが、それでも「前方を長く・広角に見る」という組み合わせは CCRs/CCRm の必須条件ではありません。
横断・交差点シナリオ：広角が要る
これに対して、交差点で歩行者や自転車が横断するシナリオや、交差する車両との衝突回避（車対車の交差）では、接触の脅威が自車の正面ではなく側方や斜め前方から迫ってきます。
- 横断歩行者は自車の走行ラインを横切るため、前方 FOV の外縁から視野に入る
- 交差点を左右から来る車両は、自車が交差点に差し掛かる直前まで障害物（建物・壁・他車）に遮蔽されることがある
こうしたシナリオでは「短い距離を広い角度で見る」センサが必要になります。CCRs/CCRm の「長距離・狭角」と、交差点シナリオの「中短距離・広角」は要件が異なり、単一センサで全方位をカバーするトレードオフが設計の核心の一つです。
本記事では CCRs/CCRm（本サイトが Phase 1 でカバーするシナリオ）の FOV 要件を主に扱い、交差点・横断シナリオは概念的な参照として触れるにとどめます。
3. 精度：推定誤差が回避判断に直接影響する
距離誤差が必要制動距離の計算を狂わせる
rearEndStateAt が計算する requiredDecelMps2（現在の車間を使って v_rel をゼロにするのに必要な減速度）は次式です。
requiredDecelMps2 = v_rel² / (2·gap)ここで gap はセンサが測定した車間距離です。センサの距離測定に誤差 Δgap があれば、AEB が計算する requiredDecelMps2 にも誤差が乗ります。車間が長い段階では誤差の相対影響は小さいですが、最終制動点付近で車間が短くなるほど影響が大きくなります。
相対速度誤差は CCRm で特に効く
もう一つの入力である相対速度 v_rel の推定精度も重要です。この点は CCRs と CCRm の比較記事 で詳しく論じていますが、核心を再掲します。
CCRs では前方ターゲットが静止しているため、センサが検知する相対速度はほぼ自車速に等しく、自車の車輪速センサ（速度計）との照合で精度確認がしやすいです。
CCRm では前方ターゲットも動いているため、センサが検知する相対速度は「自車速 − ターゲット速」の差分です。同じ絶対誤差でも v_rel そのものが小さい CCRm では誤差率が高くなります。たとえば v_rel = 8 m/s のときに 1 m/s の推定誤差があれば誤差率は約 12.5%、必要制動距離の計算誤差は約 26% になります（距離は速度の二乗で効くため）。同じ 1 m/s の誤差が v_rel = 14 m/s のときには誤差率 7.1%、距離誤差約 15% にとどまります。
CCRm で「物理的な余裕はあるはずなのに介入タイミングが難しい」と感じる背景の一つが、この相対速度推定の誤差増幅です。
4. センサ方式の役割分担
検知距離・FOV・精度の要件を踏まえると、複数のセンサ方式を組み合わせる理由が見えてきます。以下は一般的な特性の整理であり、特定製品の仕様ではありません。
レーダー（電波）
レーダーは電波を使って対象の距離と相対速度を直接測定します。一般的な特性として次の点が挙げられます。
- 測距・速度測定の直接性：ドップラー効果を利用して相対速度を直接計測できるため、CCRm のような移動対象シナリオと親和性が高い
- 悪天候耐性：霧・雨・暗所でも検知性能が低下しにくい
- 角度分解能の限界：縦方向の距離精度に比べて、横方向の角度分解能（横位置の分解）は相対的に低い傾向がある
後方追突シナリオで「前方に何かある、どのくらいの速度で接近しているか」を遠距離で掴む役割としてレーダーは基本的な手段の一つです。
カメラ（可視光）
カメラはシーンを画像として取得し、物体認識（分類）と横位置把握が得意です。
- 物体分類：前方の物体が車両か・歩行者か・構造物かを識別できる
- 横位置・姿勢：画像上の位置から横方向の角度情報が得られる
- 距離測定の間接性：単眼カメラでは対象までの距離推定は間接的（既知サイズの仮定や深度推定モデルに依存）
- 照明・天候依存：夜間・逆光・霧などで性能が変動しやすい
「前方の物体が車両か歩行者かを確かめてから AEB を作動させる」という誤検知抑制ロジックでは、カメラの分類能力が重要な役割を果たします。
LiDAR（レーザー光）
LiDAR はレーザー光の飛行時間（ToF）で高精度な三次元点群を生成します。
- 三次元距離精度：高密度な点群により、対象の形状・サイズ・位置を精密に把握できる
- 速度測定：単フレームの点群では速度直接計測は難しく、フレーム間追跡で算出することが多い
- 天候・コスト：雨・霧での散乱や、実装コストがシステム設計上の考慮点になる
横断歩行者のような対象が側方から自車進路に入ってくるシナリオで、対象の正確な位置と形状を捉える用途での優位性が議論されることが多いです。
融合（センサフュージョン）の意義
実システムでは、これらの方式をシナリオ・距離帯・天候条件に応じて組み合わせ（フュージョン）、単一方式では満たせない要件を補完し合います。「どのシナリオの、どの段階の判断に、どのセンサの出力を使うか」という設計判断が、センシングアーキテクチャの根幹です。
5. デモで必要検知距離の変化を見る
トップページ（/）のデモ では自車速度のスライダを動かすと、橙の破線（最終制動点）が自車から遠ざかります。これは lastChanceGapM = v_rel² / (2·a) の値が速度の二乗で増加していることの可視化です。
この破線が示す距離に「反応・制動立ち上がりの走行分 v_rel · τ」を加えたものが必要検知距離の下界であり、センサはその距離より手前でターゲットを確実に検知し終えている必要があります。デモで 80 km/h まで上げて最終制動点の位置を 30 km/h のときと比べると、センサ要件が速度と共にいかに急激に増大するかを体感的に掴めます。
まとめ
- 必要検知距離は
lastChanceGapM（= v_rel² / 2a）に反応・制動立ち上がりの走行分を加えた距離が下界であり、速度の二乗で伸びる。 - **検知角（FOV）**はシナリオの幾何で決まる。CCRs/CCRm のような後方追突は前方狭角で基本的な検知が可能だが、横断・交差点シナリオは広角が必要になる。
- 精度は距離・相対速度の推定誤差が回避判断に直接影響する。特に CCRm では v_rel が小さいため相対的な誤差率が大きくなり、この点はCCRs と CCRm の比較記事で詳しく論じている。
- センサ方式（レーダー・カメラ・LiDAR）は一般的な特性として測距・速度・分類・天候耐性の面でそれぞれ強みが異なり、要件に応じた組み合わせが実システムの基本設計となる。
必要制動距離の基礎（最終制動点の導出）については「最終制動点と必要制動距離」を、CCRs と CCRm での相対速度の違いとその設計含意については「停止車両と走行車両で変わる追突回避の要件」をあわせてご参照ください。