大日本印刷（DNP）启动“AI驱动型评估”项目，通过人工智能分析车辆行驶影像、位置信息等实车行驶数据，为评估自动驾驶车辆的导入条件提供依据。首个应用是2026年9月在日本长崎县启动的验证项目。
产学官合作验证“长崎版AI诊断方法”
本次验证由DNP承接长崎县“面向自动驾驶车辆社会化应用的长崎版AI诊断方法验证项目”。
长崎县、DNP及县内高校将开展产学官合作，依据在长崎市等地采集的实车行驶数据，分析危险场景及各地区特征，计划在2027年3月31日前完成“长崎版AI诊断方法”的验证。
利用AI整理自动驾驶导入条件
自动驾驶技术已经广泛利用车载AI感知周围环境并进行行驶决策和控制。但要在具体地区部署自动驾驶车辆，还需要掌握道路形态、交通流量以及行人和自行车的活动特点，据此确定行驶路线、运营时段、运行及监控方式等条件。
DNP认为，AI同样可以用于评估这些导入条件。公司把现实世界数据整理为AI可用的形式，再将AI分析与人工核查相结合，为导入决策提供信息，并将这一方法定义为“AI驱动型评估”。DNP并不开发自动驾驶车辆，而是专注于数据整理和分析支持。
结构化AI技术的三个步骤
将实车行驶数据整理为AI可用的数据：从行驶影像中识别道路环境、行人和自行车等情况，转换为可供AI检索、比较和分析危险因素的数据。
利用分析结果评估导入条件：把实车数据中提取的道路及周边环境信息、危险场景与既有交通事故和危险情景等知识数据比对，分析不同地区和地点的特点。
把基础技术应用于长崎县的实车数据：基于出租车等10辆以上既有车辆采集的数据，验证“长崎版AI诊断方法”。
DNP强调，AI不会自动判断某一地区的安全性或是否适合导入自动驾驶车辆；项目将结合AI分析结果与人工核查后提供信息。
在亚马逊云科技日本支持下开发原型
自2026年3月起，DNP获得亚马逊云科技日本“物理AI开发支持计划”的支持，开发了利用AI解析并结构化处理行车记录仪影像和位置信息的“AI驱动型评估”原型。
先期验证显示，与人工执行同类工作相比，从行驶影像中提取事故风险的处理时间缩短约79%。该结果来自使用6段视频和10个事故风险事件开展的原型阶段暂定评估，并不代表实际运营环境下的性能或效果。
计划向其他地区推广
DNP计划以长崎县的验证成果为基础，向其他地方政府和地区推广，并加强与汽车制造商、自动驾驶开发企业及交通运营商的合作。公司还将以自动驾驶为先导领域，推进把影像、传感器、位置、行为和日志等现实世界数据整理为AI可用形式，并用于分析和评估的业务。
DNP表示，将发挥其在印刷和信息处理领域积累的技术与经验，支持物理AI落地应用。