技術検討中の意思決定者・SIer・コンサルタント
Section 01 — Challenge課題
「カメラ vs LiDAR」の二項対立を超えて
人流解析の導入検討では、ベンダー各社の説明を聞くほど混乱が深まる――というのが現場の声だ。AIカメラベンダーは「AIで何でも分かる」、LiDARベンダーは「3Dの圧倒的精度」。GPS/Wi-Fiは「広域カバー」、ビーコンは「コスト」を主張する。
しかし実際は、技術ごとに得意領域・限界・運用負荷が大きく異なり、課題に応じた組み合わせが必要だ。本稿では、HULIXが小売・空港・スマートシティ・観光の各現場で得た実装経験を元に、技術選定の判断軸を5つに整理する。
判断を誤りやすい3つの罠
- カタログスペックの誤読：機器単体スペックと現場精度は同じではない
- 初期コストへの集中：機器単価より、必要設置台数と運用工数の方が総コストへの寄与大
- 「AIならすべて分かる」の幻想：AI画像解析は2D投影の制約を本質的に抱えており、混雑時に脆弱化する
アプローチ
5つの判断軸で各技術を定量比較
軸1：空間精度（位置決定の解像度）
- GPS/Wi-Fi：数m〜数十m。広域マクロ分析に適合
- AIカメラ：数十cm〜数m（カメラ位置と解像度依存）
- LiDAR：数cm。3D空間で物理計測
- LiDAR×AIハイブリッド：数cm＋意味的タグ。VLMで状況コンテキストも付与可能
軸2：追跡持続性（オクルージョン耐性）
- AIカメラ：2D投影のため、人と人の重なりでロスト
- LiDAR：3D空間で別個体として識別され、混雑下でも追跡が切れない
- ハイブリッド：LiDAR追跡をベースにカメラ属性を時系列紐付けで安定動作
軸3：属性・意味の判別力
- LiDAR単体：性別・年齢・服装等の詳細属性は判別難
- AIカメラ：顔・服装判別に強いが、プライバシー・精度トレードオフあり
- VLM連携：「街頭演説中」「露店出店中」などシーンの意味的コンテキストまで取得可能
軸4：環境耐性
- カメラ：照明依存、夜間・逆光で精度低下
- LiDAR：レーザー光源で完全照明非依存。屋内外24時間稼働
- ハイブリッド：LiDARで追跡担保、カメラを照度の高い時間帯のみ補助使用する設計が現実解
軸5：プライバシー・コンプライアンス
- カメラ：顔画像・ナンバーを取得するため、個人情報保護対応が常時必要
- LiDAR：点群は個人特定に使えない物理データ。本質的にプライバシー保護設計
- VLM連携時：プロンプト設計で個人特定情報を返さない構成を担保
成果
用途別の推奨アーキテクチャ
マクロ商圏分析（街全体）
GPS/Wi-Fi/通信キャリアデータが最適。広範囲を低コストでカバーできる反面、施設内の挙動は分からないので、施設レベル分析と必ず組み合わせる。
店舗・施設内のミクロ動線
LiDAR一択。混雑下のトラッキング持続性、プライバシー要件、24時間稼働の3点で他技術より優位。属性が必要ならカメラを補助配置するハイブリッド。
大規模インフラ（空港・駅）
LiDAR大規模分散が事実上の標準。エッジ処理＋フェイルセーフ設計を必ず組み込む。海外ハブ事例でも数十億円規模のLiDAR導入が相次いでいる。
公共空間の意味的賑わい計測
LiDAR×AIカメラ×VLMハイブリッドが唯一解。物理計測で「人数・軌跡」、VLMで「何が起きているか」の意味を取得し、両者を結合する。
観光・モビリティ連携
地上LiDAR＋UAV LiDARでデジタルツインを構築し、XR/モビリティと座標系で接続するアプローチが有効。座標精度はセンチメートル級。
HULIXのポジショニング
1. 自社AIモデルで「人以外」も追跡、追加学習で現場固有課題に適合
他社は「人」トラッキングに特化したセンサーセットを売るが、HULIXは自社AIモデルで人・手荷物・車両・露店・車椅子等を識別。現場固有の物体や现象は追加学習でを高精度に検知させられるため、「スペックにない現場」でも動く。
2. 業界別の分析テンプレートを保有
小売・空港・公共空間・観光・駅・オフィスといった業界ごとの分析パターンをテンプレートとしてストックしている。ゼロからロジックを作るのではなく、現場課題に上からフィットした出力を初日から提供できる。
3. ダッシュボードとAPI連携を標準装備
「ひとなびStudio」で可視化・アラート・レポート自動生成を標準提供し、POS・BI・誘導ディスプレイ・既設カメラ・モビリティ等とAPI連携。既存資産を生かした低コスト導入と、既存業務フローへのスムーズな組み込みを両立させる。
