JP2016194845A - 事故発生予報装置および事故発生予報方法 - Google Patents

Abstract

【課題】交通事故の発生パターンの学習及び予報の精度をより高める事故発生予報装置及び事故発生予報方法を提供する。
【解決手段】事故発生予報装置１００は、複数の学習部１０４Ａ、１０４Ｂ（事故発生パターン学習部）と、複数の予報部１０５Ａ、１０５Ｂ（事故発生予防部）と、切替部１０３（時間帯判定部）とを備える。複数の学習部は、過去の交通情報を用いて交通事故の発生パターンの学習を実行する。複数の予報部は、複数の学習部に対応するように設けられる。複数の予報部の各々は、複数の学習部の各々による学習結果に基づいて、交通事故が発生する可能性を示す予報を出力する。切替部は、交通情報に含まれる交通事故の発生傾向に応じて、交通情報を複数に分類可能な第１情報を用いて、学習を実行させる学習部を複数の学習部の間で切り替えるとともに、予報を出力させる予報部を複数の予報部の間で切り替える。
【選択図】図１

Description

本発明の実施形態は、事故発生予報装置および事故発生予報方法に関する。

従来、過去の交通情報を用いて交通事故の発生パターンを学習し、学習結果に基づいて、交通事故が発生する可能性を予報する技術が知られている。

特開２０１４−３５６３９号公報

上記のような技術では、交通事故の発生パターンの学習および予報の精度をより高めることができれば望ましい。

実施形態による事故発生予報装置は、複数の学習部と、複数の予報部と、切替部とを備える。複数の学習部は、過去の交通情報を用いて交通事故の発生パターンの学習を実行する。複数の予報部は、複数の学習部に対応するように設けられる。複数の予報部の各々は、複数の学習部の各々による学習結果に基づいて、交通事故が発生する可能性を示す予報を出力する。切替部は、交通情報に含まれる第１情報であって、交通事故の発生傾向に応じて交通情報を複数に分類可能な第１情報を用いて、学習を実行させる学習部を複数の学習部の間で切り替えるとともに、予報を出力させる予報部を複数の予報部の間で切り替える。

図１は、第１実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図２は、第１実施形態による交通事故発生予報装置のハードウェア構成を示した例示ブロック図である。 図３は、第１実施形態による交通情報管理部が実行する処理を示した例示フローチャートである。 図４は、第１実施形態による時間帯判定部が実行する処理を示した例示フローチャートである。 図５は、第１実施形態による事故発生パターン学習部が実行する処理を示した例示フローチャートである。 図６は、第１実施形態による事故発生予報部が実行する処理を示した例示フローチャートである。 図７は、第２実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図８は、第３実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図９は、第４実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１０は、第５実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１１は、第６実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１２は、第７実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１３は、第８実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１４は、第９実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１５は、第１０実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１６は、第１１実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１７は、第１２実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１８は、第１３実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図１９は、第１４実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。 図２０は、第１５実施形態による交通事故発生予報装置の機能的構成を示した例示ブロック図である。

実施形態によれば、複数の学習部と、複数の予報部と、切替部とを備えた事故発生予報装置が提供される。複数の学習部は、過去の交通情報を用いて交通事故の発生パターンの学習を実行する。複数の予報部は、複数の学習部に対応するように設けられる。複数の予報部の各々は、複数の学習部の各々による学習結果に基づいて、交通事故が発生する可能性を示す予報を出力する。切替部は、交通情報に含まれる第１情報であって、交通事故の発生傾向に応じて交通情報を複数に分類可能な第１情報を用いて、学習を実行させる学習部を複数の学習部の間で切り替えるとともに、予報を出力させる予報部を複数の予報部の間で切り替える。

以下、実施形態を図面に基づいて詳細に説明する。

（第１実施形態）
まず、図１および図２を参照して、第１実施形態による交通事故発生予報装置１００の構成について説明する。第１実施形態では、上記の「第１情報」の一例として、時間に関する情報、より具体的には時間帯情報（詳細は後述する）が用いられる。

図１に示すように、第１実施形態による交通事故発生予報装置１００は、機能的構成として、交通情報管理部１０１と、交通情報ＤＢ（データベース）１０２と、時間帯判定部１０３と、事故発生パターン学習部１０４Ａおよび１０４Ｂと、事故発生予報部１０５Ａおよび１０５Ｂとを備える。なお、事故発生パターン学習部１０４Ａおよび１０４Ｂは、「学習部」の一例であり、事故発生予報部１０５Ａおよび１０５Ｂは、「予報部」の一例である。また、時間帯判定部１０３は、「切替部」の一例である。

なお、図１には、「学習部」の一例としての事故発生パターン学習部１０４Ａおよび１０４Ｂの個数と、「予報部」の一例としての事故発生予報部１０５Ａおよび１０５Ｂの個数とが共に２個である構成を示したが、第１実施形態の技術は、「学習部」の個数と「予報部」の個数とが共に３個以上である構成にも適用可能である。

交通情報管理部１０１は、交通情報の入力を受け付け、受け付けた交通情報を交通情報ＤＢ１０２に蓄積して管理するように構成されている。第１実施形態による交通情報管理部１０１には、交通情報として、センサ情報と、管制情報と、時間帯情報とが入力される。

センサ情報とは、高速道路などの道路の路側に設置される各種センサ（たとえば、車両感知器）により計測された交通状況を示す情報である。センサ情報としては、たとえば、単位時間当たりに道路を通過する車両の数などを示す交通量の積算値や、単位時間当たりの車両の平均速度や、道路における車両の占有率などが挙げられる。

また、管制情報とは、交通管制システムにおいて使用される情報であって、交通状況に影響を与える可能性のある情報である。このような管制情報は、交通管制システムの管制官により入力され得る。管制情報としては、たとえば、管制官が行う施策に関する情報や、道路上で発生した交通事故に関する情報や、道路上で行われる工事に関する情報などが挙げられる。また、交通事故に関する情報としては、たとえば、交通事故が発生する要因を示すフラグや、交通事故が発生した時刻や、交通事故のタイプなどが挙げられる。

また、時間帯情報とは、交通事故の発生傾向に影響を与える可能性のある情報であって、交通情報ＤＢ１０２に蓄積される交通情報を、交通事故の発生傾向（交通事故の発生しやすさや種類や規模など）に応じて複数に（少なくとも事故発生パターン学習部１０４Ａおよび１０４Ｂの個数と同数に）分類可能な情報である。時間帯情報としては、たとえば、深夜、朝方、日中、夕方などの、互いに異なる時間帯を示す情報が設定される。時間帯情報は、上記の管制情報と同様に、交通管制システムの管制官により入力され得る。

交通情報管理部１０１は、上記のセンサ情報、管制情報、および時間帯情報を互いに対応付けて交通情報ＤＢ１０２に蓄積し、蓄積した交通情報を必要に応じて（たとえば交通事故発生予報装置１００のオペレータからの要求などに応じて）時間帯判定部１０３に出力するように構成されている。時間帯判定部１０３は、交通情報管理部１０１から入力された交通情報を、事故発生パターン学習部１０４Ａおよび１０４Ｂと、事故発生予報部１０５Ａおよび１０５Ｂとに出力することが可能なように構成されている。

ここで、第１実施形態では、時間帯判定部１０３は、交通情報管理部１０１から入力される交通情報のうちの時間帯情報を用いて、交通情報の出力先を、事故発生パターン学習部１０４Ａおよび事故発生予報部１０５Ａと、事故発生パターン学習部１０４Ｂおよび事故発生予報部１０５Ｂとで切り替えるように構成されている。たとえば、時間帯判定部１０３は、時間帯情報が、交通事故が発生しやすい時間帯（夕方など）を示す場合、交通情報の出力先を事故発生パターン学習部１０４Ａおよび事故発生予報部１０５Ａに設定し、時間帯情報が、交通事故が発生しにくい時間帯（日中など）を示す場合、交通情報の出力先を事故発生パターン学習部１０４Ｂおよび事故発生予報部１０５Ｂに設定するように構成されている。

事故発生パターン学習部１０４Ａおよび１０４Ｂは、それぞれ、時間帯判定部１０３を介して交通情報管理部１０１から入力される過去の交通情報を用いて、交通事故の発生時における交通情報の相関関係などを学習することにより、交通事故の発生パターンの学習を実行するように構成されている。第１実施形態では、上記のように、事故発生パターン学習部１０４Ａおよび１０４Ｂには、時間帯情報が互いに異なる交通情報が入力される。これにより、第１実施形態では、事故発生パターン学習部１０４Ａおよび１０４Ｂに学習させる交通情報を、交通事故の発生しやすさに応じて異ならせることができる。

なお、学習の方法としては、種々の方法が考えられる。比較的簡単な方法としては、たとえば、事故発生時の交通情報（センサ情報、管制情報、および時間帯情報の組合せ）を保持（蓄積）する方法や、事故発生時の交通情報の組合せを統計処理でクラスタリングし、類似したケースのデータを作成する方法などが挙げられる。また、他の方法としては、ニューラルネットワークの一種としての自己組織化マップを利用したアルゴリズム（たとえば、特開２０１４−３５６３９号公報参照）などが挙げられる。なお、第１実施形態では、交通事故の発生時における交通情報の相関関係などを学習することが可能な方法であれば、自己組織化マップを利用した方法以外の、たとえばペイジアンネットワークなどを利用した方法で学習が行われてもよい。

事故発生予報部１０５Ａおよび１０５Ｂは、それぞれ、事故発生パターン学習部１０４Ａおよび１０４Ｂに対応するように設けられている。事故発生予報部１０５Ａおよび１０５Ｂは、それぞれ、事故発生パターン学習部１０４Ａおよび１０４Ｂによる学習結果に基づいて、交通事故が発生する可能性を示す予報を出力するように構成されている。

たとえば、事故発生予報部１０５Ａおよび１０５Ｂは、それぞれ、予報の対象となる時点の交通情報と、事故発生パターン学習部１０４Ａおよび１０４Ｂによる学習結果に基づく交通事故発生時の交通情報との類似度を比較し、類似度がしきい値以上の場合に、交通事故が発生する可能性が高い旨を予報（事故発生傾向）として出力するように構成されている。図１では、事故発生予報部１０５Ａが出力する予報を事故発生傾向Ａとして図示し、事故発生予報部１０５Ｂが出力する予報を事故発生傾向Ｂとして図示している。なお、第１実施形態による事故発生予報部１０５Ａおよび１０５Ｂは、交通事故が発生する可能性を示す数値を上記の類似度に基づいて算出し、交通事故が発生する可能性を定量的に出力するように構成されていてもよい。

なお、実施形態による交通事故発生予報装置１００は、図２に示すような通常のコンピュータ１０を利用したハードウェア構成を有する。すなわち、交通事故発生予報装置１００は、ハードウェア構成として、入出力Ｉ／Ｆ（インターフェース）１１と、ストレージ１２と、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１３と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１４と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１５とを備える。これらのハードウェアは、バス１６に接続されている。

入出力Ｉ／Ｆ１１は、ディスプレイなどの出力デバイスや、キーボードなどの入力デバイスなどを接続するためのインターフェースである。ストレージ１２は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）や、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などの、各種データを記憶するための記憶媒体である。ＣＰＵ１３は、各種コンピュータプログラムを実行することにより、各種演算処理を行うように構成された演算処理部である。ＲＯＭ１４は、ＣＰＵ１３により実行される各種コンピュータプログラムなどを記憶するように構成された不揮発性メモリである。ＲＡＭ１５は、ＣＰＵ１３が各種コンピュータプログラムを実行するための作業領域として機能するメモリである。図１に示した各機能モジュールは、ＣＰＵ１３がＲＯＭ１４から所定のコンピュータプログラムを読み出して実行した結果としてＲＡＭ１５上に生成される。

次に、図３を参照して、第１実施形態による交通情報管理部１０１が実行する処理について説明する。

図３の処理フローでは、まず、Ｓ１において、交通情報管理部１０１は、交通情報の入力を受け付ける。第１実施形態による交通情報管理部１０１は、交通情報として、センサ情報と、管制情報と、時間帯情報との入力を受け付ける。そして、Ｓ２に処理が進む。

Ｓ２において、交通情報管理部１０１は、Ｓ１において入力された交通情報に含まれる各種情報（センサ情報、管制情報、および時間帯情報）を互いに対応付けて交通情報ＤＢ１０２に保存する。そして、Ｓ３に処理が進む。

Ｓ３において、交通情報管理部１０１は、交通情報ＤＢ１０２から交通情報を読み出して時間帯判定部１０３に出力する。このＳ３の処理は、たとえば交通事故発生予報装置１００のオペレータからの要求などに応じて実行される。そして、処理が終了する。

次に、図４を参照して、第１実施形態による時間帯判定部１０３が実行する処理について説明する。

図４の処理フローでは、まず、Ｓ１１において、時間帯判定部１０３は、交通情報管理部１０１からの交通情報の入力を受け付ける。そして、Ｓ１２に処理が進む。

Ｓ１２において、時間帯判定部１０３は、Ｓ１１において入力された交通情報のうちの時間帯情報を参照し、時間帯情報に応じて、交通情報の出力先を、事故発生パターン学習部１０４Ａおよび事故発生予報部１０５Ａと、事故発生パターン学習部１０４Ｂおよび事故発生予報部１０５Ｂとで切り替える。そして、処理が終了する。

次に、図５を参照して、第１実施形態による事故発生パターン学習部１０４Ａおよび１０４Ｂが実行する処理について説明する。

図５の処理フローでは、まず、Ｓ２１において、事故発生パターン学習部１０４Ａおよび１０４Ｂは、時間帯判定部１０３からの交通情報の入力を受け付ける。上記図４のＳ１２の処理により、事故発生パターン学習部１０４Ａおよび１０４Ｂには、時間帯情報が互いに異なる交通情報が入力される。そして、Ｓ２２に処理が進む。

Ｓ２２において、事故発生パターン学習部１０４Ａおよび１０４Ｂは、Ｓ２１において入力された交通情報を使用して、交通事故の発生パターンを学習する。そして、処理が終了する。

次に、図６を参照して、第１実施形態による事故発生予報部１０５Ａおよび１０５Ｂが実行する処理について説明する。

図６の処理フローでは、まず、Ｓ３１において、事故発生予報部１０５Ａおよび１０５Ｂは、予報の対象となる時点の交通情報の入力を受け付ける。予報の対象となる時点が未来である場合、交通情報の予測値が事故発生予報部１０５Ａおよび１０５Ｂに入力される。そして、Ｓ３２に処理が進む。

Ｓ３２において、事故発生予報部１０５Ａおよび１０５Ｂは、Ｓ３１において入力された、予報の対象となる時点の交通情報と、上記図５のＳ２２における事故発生パターン学習部１０４Ａおよび１０４Ｂによる学習結果との類似度を演算する。そして、Ｓ３３に処理が進む。

Ｓ３３において、事故発生予報部１０５Ａおよび１０５Ｂは、Ｓ３２において算出された類似度がしきい値以上が否かを判断する。

Ｓ３３において、類似度がしきい値以上であると判断された場合には、Ｓ３４に処理が進む。そして、Ｓ３４において、事故発生予報部１０５Ａおよび１０５Ｂは、交通事故が発生する可能性が高い旨を出力する。そして、処理が終了する。

なお、Ｓ３３において、類似度がしきい値未満であると判断された場合には、上記のＳ３４のような処理は実行されず、そのまま処理が終了する。

以上説明したように、第１実施形態による交通事故発生予報装置１００は、交通情報に含まれる情報であって、交通事故の発生傾向に応じて交通情報を複数に分類可能な情報の一例である時間帯情報を用いて、学習を実行させる事故発生パターン学習部１０４Ａおよび１０４Ｂを切り替えるとともに、予報を出力させる事故発生予報部１０５Ａおよび１０５Ｂを切り替える時間帯判定部１０３を備える。これにより、第１実施形態によれば、時間帯情報を用いて、事故発生パターン学習部１０４Ａおよび１０４Ｂと事故発生予報部１０５Ａおよび１０５Ｂとの組み合わせを、交通事故の発生しやすさに応じて適切に選択することができる。この結果、事故発生パターン学習部１０４Ａおよび１０４Ｂの各々による学習の精度を高めることができ、事故発生予報部１０５Ａおよび１０５Ｂの各々による予報の精度を高めることができる。

（第２実施形態）
次に、図７を参照して、第２実施形態による交通事故発生予報装置２００について説明する。第２実施形態は、「第１情報」の一例として時間に関する情報が用いられる点で第１実施形態と同様であるが、時間に関する情報として、時間帯情報ではなく、曜日情報（詳細は後述する）が用いられる点で第１実施形態と異なる。以下では、第１実施形態と第２実施形態とで異なる部分について主に説明する。

図７に示すように、第２実施形態による交通事故発生予報装置２００は、機能的構成として、交通情報管理部２０１と、交通情報ＤＢ２０２と、曜日判定部２０３と、事故発生パターン学習部２０４Ａおよび２０４Ｂと、事故発生予報部２０５Ａおよび２０５Ｂとを備える。なお、事故発生パターン学習部２０４Ａおよび２０４Ｂは、「学習部」の一例であり、事故発生予報部２０５Ａおよび２０５Ｂは、「予報部」の一例である。また、曜日判定部２０３は、「切替部」の一例である。

交通情報管理部２０１は、交通情報として、センサ情報、管制情報、および曜日情報の入力を受け付け、受け付けたセンサ情報、管制情報、および曜日情報を互いに対応付けて交通情報ＤＢ２０２に蓄積するように構成されている。

曜日情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ２０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部２０４Ａおよび２０４Ｂの個数と同数に）分類可能な情報である。曜日情報としては、月曜、火曜、…、日曜などの曜日の名前を示す情報や、平日および休日などの曜日の種別を示す情報などが設定される。

ここで、一般的に、平日と休日とでは、自動車の利用者の目的地の傾向が異なるため、曜日によって交通量が異なることが知られている。また、休日は、日常的に自動車を運転しないドライバーでも自動車を運転する機会が多くなる傾向があるため、平日と休日とでは、交通量が異なることが知られている。したがって、交通事故の発生傾向は、交通量と同様に、曜日によって異なると考えられる。このため、学習を実行させる事故発生パターン学習部２０４Ａおよび２０４Ｂを曜日情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になると考えられる。

そこで、第２実施形態による曜日判定部２０３は、交通情報管理部２０１から入力される交通情報のうちの曜日情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、曜日判定部２０３は、曜日情報が、交通事故が発生しやすい曜日を示す場合、交通情報の出力先を事故発生パターン学習部２０４Ａおよび事故発生予報部２０５Ａに設定し、曜日情報が、交通事故が発生しにくい曜日を示す場合、交通情報の出力先を事故発生パターン学習部２０４Ｂおよび事故発生予報部２０５Ｂに設定するように構成されている。

第２実施形態では、上記のように構成されていることによって、第１実施形態と同様の効果を得ることができる。すなわち、第２実施形態によれば、曜日情報を用いて、事故発生パターン学習部２０４Ａおよび２０４Ｂの各々による学習の精度を高めることができ、事故発生予報部２０５Ａおよび２０５Ｂの各々による予報の精度を高めることができる。

（第３実施形態）
次に、図８を参照して、第３実施形態による交通事故発生予報装置３００について説明する。第３実施形態では、第１および第２実施形態と異なり、「第１情報」の一例として、天候に関する情報（天候情報）が用いられる。以下では、第３実施形態の、第１および第２実施形態とは異なる部分について主に説明する。

図８に示すように、第３実施形態による交通事故発生予報装置３００は、機能的構成として、交通情報管理部３０１と、交通情報ＤＢ３０２と、天候判定部３０３と、事故発生パターン学習部３０４Ａおよび３０４Ｂと、事故発生予報部３０５Ａおよび３０５Ｂとを備える。なお、事故発生パターン学習部３０４Ａおよび３０４Ｂは、「学習部」の一例であり、事故発生予報部３０５Ａおよび３０５Ｂは、「予報部」の一例である。また、天候判定部３０３は、「切替部」の一例である。

交通情報管理部３０１は、交通情報として、センサ情報、管制情報、および天候情報の入力を受け付け、受け付けたセンサ情報、管制情報、および天候情報を互いに対応付けて交通情報ＤＢ３０２に蓄積するように構成されている。

天候情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ３０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部３０４Ａおよび３０４Ｂの個数と同数に）分類可能な情報である。天候情報としては、たとえば、晴れ、雨、霧、および雪などの、天候を示す情報が設定される。

ここで、一般的に、雨や霧などのように視界が遮られる状況下では、自動車の速度を通常の晴れの時よりも大きく低下させるドライバーが多くなるため、交通の乱れが起こりやすくなる傾向がある。また、雪や雨などのように路面が滑りやすい状況下では、自動車の制動距離が晴れの時よりも伸びやすいため、晴れの時よりも交通事故が起こりやすい傾向があると考えられる。したがって、交通事故の発生傾向は、道路の天候によって異なると考えられる。このため、学習を実行させる事故発生パターン学習部３０４Ａおよび３０４Ｂを天候情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になると考えられる。

そこで、第３実施形態による天候判定部３０３は、交通情報管理部３０１から入力される交通情報のうちの天候情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、天候判定部３０３は、天候情報が、交通事故が発生しやすい天候を示す場合、交通情報の出力先を事故発生パターン学習部３０４Ａおよび事故発生予報部３０５Ａに設定し、天候情報が、交通事故が発生しにくい天候を示す場合、交通情報の出力先を事故発生パターン学習部３０４Ｂおよび事故発生予報部３０５Ｂに設定するように構成されている。

第３実施形態では、上記のように構成されていることによって、第１および第２実施形態と同様の効果を得ることができる。すなわち、第３実施形態によれば、天候情報を用いて、事故発生パターン学習部３０４Ａおよび３０４Ｂの各々による学習の精度を高めることができ、事故発生予報部３０５Ａおよび３０５Ｂの各々による予報の精度を高めることができる。

（第４実施形態）
次に、図９を参照して、第４実施形態による交通事故発生予報装置４００について説明する。第４実施形態では、第１〜第３実施形態と異なり、「第１情報」の一例として、道路を走行する車両に関する情報、より具体的には大型車混入情報（詳細は後述する）が用いられる。以下では、第４実施形態の、第１〜第３実施形態とは異なる部分について主に説明する。

図９に示すように、第４実施形態による交通事故発生予報装置４００は、機能的構成として、交通情報管理部４０１と、交通情報ＤＢ４０２と、大型車混入判定部４０３と、事故発生パターン学習部４０４Ａおよび４０４Ｂと、事故発生予報部４０５Ａおよび４０５Ｂとを備える。なお、事故発生パターン学習部４０４Ａおよび４０４Ｂは、「学習部」の一例であり、事故発生予報部４０５Ａおよび４０５Ｂは、「予報部」の一例である。また、大型車混入判定部４０３は、「切替部」の一例である。

交通情報管理部４０１は、交通情報として、センサ情報、管制情報、および大型車混入情報の入力を受け付け、受け付けたセンサ情報、管制情報、および大型車混入情報を互いに対応付けて交通情報ＤＢ４０２に蓄積するように構成されている。

大型車混入情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ４０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部４０４Ａおよび４０４Ｂの個数と同数に）分類可能な情報である。大型車混入情報としては、道路における大型の車両（大型車）の混入度合を示す数値などの情報が設定される。なお、大型車とは、トラックやバスなどの、所定の基準以上のサイズを有する車両のことである。

ここで、一般的に、高速道路などにおいては、前方を走行する車両との車間距離を一定以上に保ちながら、複数の車両で車群を作って走行する傾向がある。その際、多くのドライバーは、２台先を走行する車両の動きにも注意して速度を調整しながら車群を作っていることが多いとされている。しかしながら、目の前にトラックやバスなどの大型車が走行していると、見通しが悪くなり、急ブレーキ操作などを行う必要性が高くなる可能性がある。このため、大型車が混入している状況下では、その混入度合によって、交通事故の発生傾向が異なると考えられる。したがって、学習を実行させる事故発生パターン学習部４０４Ａおよび４０４Ｂを大型車混入情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になると考えられる。

そこで、第４実施形態による大型車混入判定部４０３は、交通情報管理部４０１から入力される交通情報のうちの大型車混入情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、大型車混入判定部４０３は、大型車混入情報に基づく大型車の混入度合が、交通事故が発生しやすい混入度合を示す場合、交通情報の出力先を事故発生パターン学習部４０４Ａおよび事故発生予報部４０５Ａに切り替え、大型車混入情報に基づく大型車の混入度合が、交通事故が発生しにくい混入度合を示す場合、交通情報の出力先を事故発生パターン学習部４０４Ｂおよび事故発生予報部４０５Ｂに切り替えるように構成されている。

第４実施形態では、上記のように構成されていることによって、第１〜第３実施形態と同様の効果を得ることができる。すなわち、第４実施形態によれば、大型車混入情報を用いて、事故発生パターン学習部４０４Ａおよび４０４Ｂに学習させる交通情報を、交通事故が発生する可能性の高さに応じて異ならせることができるので、事故発生パターン学習部４０４Ａおよび４０４Ｂの各々による学習の精度を高めることができる。この結果、事故発生パターン学習部４０４Ａおよび４０４Ｂに対応する事故発生予報部４０５Ａおよび４０５Ｂの各々による予報の精度を高めることができる。

（第５実施形態）
次に、図１０を参照して、第５実施形態による交通事故発生予報装置５００について説明する。第５実施形態では、第１〜第４実施形態と異なり、「第１情報」の一例として、道路の構造、形状、または状態に関する情報、より具体的には道路勾配情報（詳細は後述する）が用いられる。以下では、第５実施形態の、第１〜第４実施形態とは異なる部分について主に説明する。

図１０に示すように、第５実施形態による交通事故発生予報装置５００は、機能的構成として、交通情報管理部５０１と、交通情報ＤＢ５０２と、道路勾配判定部５０３と、事故発生パターン学習部５０４Ａおよび５０４Ｂと、事故発生予報部５０５Ａおよび５０５Ｂとを備える。なお、事故発生パターン学習部５０４Ａおよび５０４Ｂは、「学習部」の一例であり、事故発生予報部５０５Ａおよび５０５Ｂは、「予報部」の一例である。また、道路勾配判定部５０３は、「切替部」の一例である。

交通情報管理部５０１は、交通情報として、センサ情報、管制情報、および道路勾配情報の入力を受け付け、受け付けたセンサ情報、管制情報、および道路勾配情報を互いに対応付けて交通情報ＤＢ５０２に蓄積するように構成されている。

道路勾配情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ５０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部５０４Ａおよび５０４Ｂの個数と同数に）分類可能な情報である。道路勾配情報としては、道路の構造または形状に関する情報、より具体的には道路における上り坂および下り坂の有無などを示す情報が設定される。

ここで、一般的に、高速道路などでは、長距離を運転するドライバーが多いため、運転負担を軽減するために、車両の走行速度が一定に保たれる傾向がある。しかしながら、同じアクセル量で走行すると、下り坂では速度が上昇し、上り坂では速度が低下する。たとえば、下り坂のあとに上り坂があるサグ部と呼ばれる場所では、下り坂で速度が出過ぎないようにアクセル量を絞っている状態で上り坂に進入することになるため、急に速度が低下して渋滞が発生しやすいことが知られている。したがって、道路においてサグ部などの勾配がある部分では、平坦な部分よりも交通事故が発生しやすいと考えられる。このため、学習を実行させる事故発生パターン学習部５０４Ａおよび５０４Ｂを道路勾配情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になると考えられる。

そこで、第５実施形態による道路勾配判定部５０３は、交通情報管理部５０１から入力される交通情報のうちの道路勾配情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、道路勾配判定部５０３は、道路勾配情報が、交通事故が発生しやすい勾配が道路上に存在することを示す場合、交通情報の出力先を事故発生パターン学習部５０４Ａおよび事故発生予報部５０５Ａに設定し、道路勾配情報が、交通事故が発生しやすい勾配が道路上に存在しないこと示す場合、交通情報の出力先を事故発生パターン学習部５０４Ｂおよび事故発生予報部５０５Ｂに設定するように構成されている。

第５実施形態では、上記のように構成されていることによって、第１〜第４実施形態と同様の効果を得ることができる。すなわち、第５実施形態によれば、道路勾配情報を用いて、事故発生パターン学習部５０４Ａおよび５０４Ｂの各々による学習の精度を高めることができ、事故発生予報部５０５Ａおよび５０５Ｂの各々による予報の精度を高めることができる。

（第６実施形態）
次に、図１１を参照して、第６実施形態による交通事故発生予報装置６００について説明する。第６実施形態は、「第１情報」の一例として、道路を走行する車両に関する情報が用いられる点で第４実施形態と同様であるが、道路を走行する車両に関する情報として、大型車混入情報ではなく、低速車両混入情報（詳細は後述する）が用いられる点で第５実施形態とは異なる。以下では、第６実施形態の、第４実施形態とは異なる部分について主に説明する。

図１１に示すように、第６実施形態による交通事故発生予報装置６００は、機能的構成として、交通情報管理部６０１と、交通情報ＤＢ６０２と、低速車両混入判定部６０３と、事故発生パターン学習部６０４Ａおよび６０４Ｂと、事故発生予報部６０５Ａおよび６０５Ｂとを備える。なお、事故発生パターン学習部６０４Ａおよび６０４Ｂは、「学習部」の一例であり、事故発生予報部６０５Ａおよび６０５Ｂは、「予報部」の一例である。また、低速車両混入判定部６０３は、「切替部」の一例である。

交通情報管理部６０１は、交通情報として、センサ情報、管制情報、および低速車両混入情報の入力を受け付け、受け付けたセンサ情報、管制情報、および低速車両混入情報を互いに対応付けて交通情報ＤＢ６０２に蓄積するように構成されている。

低速車両混入情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ６０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部６０４Ａおよび６０４Ｂの個数と同数に）分類可能な情報である。低速車両混入情報としては、道路における低速車両の混入度合を示す数値などの情報が設定される。なお、低速車両とは、道路を所定値以下の速度で走行する車両のことである。

ここで、前述のように、高速道路などにおいては、複数の車両が車群を作って走行することが多い。しかしながら、その車群の速度よりも低い速度で走行している車両に車群の先頭が追いついた場合、車群全体の速度が急に低下するため、後続車両はブレーキを踏まなければならない状況となる。この場合、速度の急な低下により急な車線変更を行うドライバーが発生すると考えられるため、後続車両との追突などの交通事故が発生しやすい状態になると考えられる。したがって、低速車両が混入している状況下では、その混入度合によって、交通事故の発生傾向が異なると考えられる。このため、学習を実行させる事故発生パターン学習部６０４Ａおよび６０４Ｂを低速車両混入情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になると考えられる。

そこで、第６実施形態による低速車両混入判定部６０３は、交通情報管理部６０１から入力される交通情報のうちの低速車両混入情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、低速車両混入判定部６０３は、低速車両混入情報に基づく低速車両の混入度合が、交通事故が発生しやすい混入度合を示す場合、交通情報の出力先を事故発生パターン学習部６０４Ａおよび事故発生予報部６０５Ａに切り替え、低速車両混入情報に基づく低速車両の混入度合が、交通事故が発生しにくい混入度合を示す場合、交通情報の出力先を事故発生パターン学習部６０４Ｂおよび事故発生予報部６０５Ｂに切り替えるように構成されている。

第６実施形態では、上記のように構成されていることによって、第１〜第５実施形態と同様の効果を得ることができる。すなわち、第６実施形態によれば、低速車両混入情報を用いて、事故発生パターン学習部６０４Ａおよび６０４Ｂの各々による学習の精度を高めることができ、事故発生予報部６０５Ａおよび６０５Ｂの各々による予報の精度を高めることができる。

（第７実施形態）
次に、図１２を参照して、第７実施形態による交通事故発生予報装置７００について説明する。第７実施形態では、第１〜第６実施形態と異なり、「第１情報」の一例として、道路の交通量に関する情報、より具体的にはインターチェンジにおける交通量情報（詳細は後述する）が用いられる。以下では、第７実施形態の、第１〜第６実施形態とは異なる部分について主に説明する。

図１２に示すように、第７実施形態による交通事故発生予報装置７００は、機能的構成として、交通情報管理部７０１と、交通情報ＤＢ７０２と、交通量判定部７０３と、事故発生パターン学習部７０４Ａおよび７０４Ｂと、事故発生予報部７０５Ａおよび７０５Ｂとを備える。なお、事故発生パターン学習部７０４Ａおよび７０４Ｂは、「学習部」の一例であり、事故発生予報部７０５Ａおよび７０５Ｂは、「予報部」の一例である。また、交通量判定部７０３は、「切替部」の一例である。

交通情報管理部７０１は、交通情報として、センサ情報、管制情報、および交通量情報の入力を受け付け、受け付けたセンサ情報、管制情報、および交通量情報を互いに対応付けて交通情報ＤＢ７０２に蓄積するように構成されている。

交通量情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ７０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部７０４Ａおよび７０４Ｂの個数と同数に）分類可能な情報である。交通量情報としては、道路のインターチェンジを通過する車両の数などを示す情報が設定される。

ここで、一般的に、追突事故は、渋滞時に発生しやすい傾向がある。渋滞は、道路上のサグ部や信号が設置された部分や分岐部分などにおける交通集中により発生するが、道路を走行する車両の数が少ない場合には渋滞は発生しにくい。たとえば、高速道路は閉塞空間であるため、高速道路における車両数は、基本的に、インターチェンジでの流入出量で決まる。このため、高速道路においては、インターチェンジにおいて流入する車両の数が通常よりも多い場合には、本線において渋滞が発生する可能性が高くなる。したがって、交通事故の発生傾向は、インターチェンジにおける交通量によって異なると考えられる。このため、学習を実行させる事故発生パターン学習部７０４Ａおよび７０４Ｂを交通量情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になると考えられる。

そこで、第７実施形態による交通量判定部７０３は、交通情報管理部７０１から入力される交通情報のうちの交通量情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、交通量判定部７０３は、交通量情報に基づく車両の数が、交通事故が発生しやすい数値を示す場合、交通情報の出力先を事故発生パターン学習部７０４Ａおよび事故発生予報部７０５Ａに設定し、交通量情報に基づく車両の数が、交通事故が発生しにくい数値を示す場合、交通情報の出力先を事故発生パターン学習部７０４Ｂおよび事故発生予報部７０５Ｂに設定するように構成されている。

第７実施形態では、上記のように構成されていることによって、第１〜第６実施形態と同様の効果を得ることができる。すなわち、第７実施形態によれば、交通量情報を用いて、事故発生パターン学習部７０４Ａおよび７０４Ｂの各々による学習の精度を高めることができ、事故発生予報部７０５Ａおよび７０５Ｂの各々による予報の精度を高めることができる。

（第８実施形態）
次に、図１３を参照して、第８実施形態による交通事故発生予報装置８００について説明する。第８実施形態は、「第１情報」の一例として、道路の構造、形状、または状態に関する情報が用いられる点で第５実施形態と同様であるが、道路の構造、形状、または状態に関する情報として、道路勾配情報ではなく、制限速度情報（詳細は後述する）が用いられる点で第５実施形態とは異なる。以下では、第８実施形態の第５実施形態とは異なる部分について主に説明する。

図１３に示すように、第８実施形態による交通事故発生予報装置８００は、機能的構成として、交通情報管理部８０１と、交通情報ＤＢ８０２と、制限速度判定部８０３と、事故発生パターン学習部８０４Ａおよび８０４Ｂと、事故発生予報部８０５Ａおよび８０５Ｂとを備える。なお、事故発生パターン学習部８０４Ａおよび８０４Ｂは、「学習部」の一例であり、事故発生予報部８０５Ａおよび８０５Ｂは、「予報部」の一例である。また、制限速度判定部８０３は、「切替部」の一例である。

交通情報管理部８０１は、交通情報として、センサ情報、管制情報、および制限速度情報の入力を受け付け、受け付けたセンサ情報、管制情報、および制限速度情報を互いに対応付けて交通情報ＤＢ８０２に蓄積するように構成されている。

制限速度情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ８０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部８０４Ａおよび８０４Ｂの個数と同数に）分類可能な情報である。制限速度情報としては、道路の状態に関する情報、より具体的には道路に設定される制限速度を示す数値などの情報が設定される。

ここで、一般的に、制限速度が高い場合と低い場合とでは、発生し得る交通事故のパターンが異なる。たとえば、制限速度が高い場合、制限速度が低い場合よりも、交通事故の規模が大きくなることがある。したがって、交通事故の発生傾向は、制限速度によって異なると考えられる。このため、学習を実行させる事故発生パターン学習部８０４Ａおよび８０４Ｂを制限速度情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になると考えられる。

そこで、第８実施形態による制限速度判定部８０３は、交通情報管理部８０１から入力される交通情報のうちの制限速度情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、制限速度判定部８０３は、制限速度情報が、交通事故が発生しやすい数値を示す場合、交通情報の出力先を事故発生パターン学習部８０４Ａおよび事故発生予報部８０５Ａに設定し、制限速度情報が、交通事故が発生しにくい数値を示す場合、交通情報の出力先を事故発生パターン学習部８０４Ｂおよび事故発生予報部８０５Ｂに設定するように構成されている。

第８実施形態では、上記のように構成されていることによって、第１〜第７実施形態と同様の効果を得ることができる。すなわち、第８実施形態によれば、制限速度情報を用いて、事故発生パターン学習部８０４Ａおよび８０４Ｂの各々による学習の精度を高めることができ、事故発生予報部８０５Ａおよび８０５Ｂの各々による予報の精度を高めることができる。

（第９実施形態）
次に、図１４を参照して、第９実施形態による交通事故発生予報装置９００について説明する。第９実施形態では、第１〜第８実施形態と異なり、「第１情報」の一例として、道路の周辺の状況に関する情報、より具体的にはイベント情報（詳細は後述する）が用いられる。以下では、第９実施形態の、第１〜第８実施形態とは異なる部分について主に説明する。

図１４に示すように、第９実施形態による交通事故発生予報装置９００は、機能的構成として、交通情報管理部９０１と、交通情報ＤＢ９０２と、イベント判定部９０３と、事故発生パターン学習部９０４Ａおよび９０４Ｂと、事故発生予報部９０５Ａおよび９０５Ｂとを備える。なお、事故発生パターン学習部９０４Ａおよび９０４Ｂは、「学習部」の一例であり、事故発生予報部９０５Ａおよび９０５Ｂは、「予報部」の一例である。また、イベント判定部２０３は、「切替部」の一例である。

交通情報管理部９０１は、交通情報として、センサ情報、管制情報、およびイベント情報の入力を受け付け、受け付けたセンサ情報、管制情報、およびイベント情報を互いに対応付けて交通情報ＤＢ９０２に蓄積するように構成されている。

イベント情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ９０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部９０４Ａおよび９０４Ｂの個数と同数に）分類可能な情報である。イベント情報としては、道路の周辺におけるイベントの開催状況などを示す情報が設定される。

ここで、一般的に、予報を行う対象の道路の周辺で多くの人が移動するようなイベントが開催される場合、その道路の周辺における交通集中により、渋滞が発生することが考えられる。この場合、イベントが無い場合に発生し得る渋滞と比べると、渋滞が発生する時間帯や、渋滞にはまる車種などが異なったり、その道路の周辺を走行し慣れていない人も多く集まったりすることが考えられる。したがって、交通事故の発生傾向は、道路の周辺におけるイベントの開催状況によって異なると考えられる。このため、学習を実行させる事故発生パターン学習部９０４Ａおよび９０４Ｂをイベント情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になると考えられる。

そこで、第９実施形態によるイベント判定部９０３は、交通情報管理部９０１から入力される交通情報のうちのイベント情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、イベント判定部９０３は、イベント情報に基づくイベントの開催状況が、交通事故が発生しやすい状況を示す場合、交通情報の出力先を事故発生パターン学習部９０４Ａおよび事故発生予報部９０５Ａに設定し、イベント情報に基づくイベントの開催状況が、交通事故が発生しにくい状況を示す場合、交通情報の出力先を事故発生パターン学習部９０４Ｂおよび事故発生予報部９０５Ｂに設定するように構成されている。

第９実施形態では、上記のように構成されていることによって、第１〜第８実施形態と同様の効果を得ることができる。すなわち、第９実施形態によれば、イベント情報を用いて、事故発生パターン学習部９０４Ａおよび９０４Ｂの各々による学習の精度を高めることができ、事故発生予報部９０５Ａおよび９０５Ｂの各々による予報の精度を高めることができる。

（第１０実施形態）
次に、図１５を参照して、第１０実施形態による交通事故発生予報装置１０００について説明する。第１０実施形態では、「第１情報」の一例として、道路の構造、形状、または状態に関する情報が用いられる点で第５および第８実施形態と同様であるが、道路勾配情報でも制限速度情報でもなく、ハザード情報（詳細は後述する）が用いられる点で第５および第８実施形態とは異なる。以下では、第１０実施形態の、第５および第８実施形態とは異なる部分について主に説明する。

図１５に示すように、第１０実施形態による交通事故発生予報装置１０００は、機能的構成として、交通情報管理部１００１と、交通情報ＤＢ１００２と、ハザード判定部１００３と、事故発生パターン学習部１００４Ａおよび１００４Ｂと、事故発生予報部１００５Ａおよび１００５Ｂとを備える。なお、事故発生パターン学習部１００４Ａおよび１００４Ｂは、「学習部」の一例であり、事故発生予報部１００５Ａおよび１００５Ｂは、「予報部」の一例である。また、ハザード判定部１００３は、「切替部」の一例である。

交通情報管理部１００１は、交通情報として、センサ情報、管制情報、およびハザード情報の入力を受け付け、受け付けたセンサ情報、管制情報、およびハザード情報を互いに対応付けて交通情報ＤＢ１００２に蓄積するように構成されている。

ハザード情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ１００２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部１００４Ａおよび１００４Ｂの個数と同数に）分類可能な情報である。ハザード情報としては、ハザードマップなどに基づく道路の状態に関する情報、つまり道路の危険度を示す情報が設定される。

ここで、一般的に、道路に設けられるカーブやサグ部などの、車両の急な速度変化が発生しやすい箇所においては、同じ交通状況でも、速度変化が発生しにくい箇所と比べて追突事故が発生する確率が高くなる。このため、速度変化が発生しやすい箇所において予報を行う場合には、事故発生件数などを統計的に分析して危険な個所をまとめたハザード情報を考慮することが望ましい場合がある。このため、学習を実行させる事故発生パターン学習部１００４Ａおよび１００４Ｂをハザード情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になると考えられる。

そこで、第１０実施形態によるハザード判定部１００３は、交通情報管理部１００１から入力される交通情報のうちのハザード情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、ハザード判定部１００３は、ハザード情報に基づく道路の危険度が、交通事故が発生しやすい危険度を示す場合、交通情報の出力先を事故発生パターン学習部１００４Ａおよび事故発生予報部１００５Ａに設定し、ハザード情報に基づく道路の危険度が、交通事故が発生しにくい危険度を示す場合、交通情報の出力先を事故発生パターン学習部１００４Ｂおよび事故発生予報部１００５Ｂに設定するように構成されている。

第１０実施形態では、上記のように構成されていることによって、第１〜第９実施形態と同様の効果を得ることができる。すなわち、第１０実施形態によれば、ハザード情報を用いて、事故発生パターン学習部１００４Ａおよび１００４Ｂの各々による学習の精度を高めることができ、事故発生予報部１００５Ａおよび１００５Ｂの各々による予報の精度を高めることができる。

（第１１実施形態）
次に、図１６を参照して、第１１実施形態による交通事故発生予報装置１１００について説明する。第１１実施形態では、「第１情報」の一例として、道路を走行する車両に関する情報が用いられる点で第４および第６実施形態と同様であるが、道路を走行する車両に関する情報として、大型車混入情報でも低速車両混入情報でもなく、二輪車混入情報（詳細は後述する）が用いられる点で第４および第６実施形態とは異なる。以下では、第１１実施形態の、第４および第６実施形態とは異なる部分について主に説明する。

図１６に示すように、第１１実施形態による交通事故発生予報装置１１００は、機能的構成として、交通情報管理部１１０１と、交通情報ＤＢ１１０２と、二輪車混入判定部１１０３と、事故発生パターン学習部１１０４Ａおよび１１０４Ｂと、事故発生予報部１１０５Ａおよび１１０５Ｂとを備える。なお、事故発生パターン学習部１１０４Ａおよび１１０４Ｂは、「学習部」の一例であり、事故発生予報部１１０５Ａおよび１１０５Ｂは、「予報部」の一例である。また、二輪車混入判定部１１０３は、「切替部」の一例である。

交通情報管理部１１０１は、交通情報として、センサ情報、管制情報、および二輪車混入情報の入力を受け付け、受け付けたセンサ情報、管制情報、および二輪車混入情報を、互いに対応付けて交通情報ＤＢ１１０２に蓄積するように構成されている。

二輪車混入情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ１１０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部１１０４Ａおよび１１０４Ｂの個数と同数に）分類可能な情報である。二輪車混入情報としては、二輪車に関する情報、より具体的には道路における二輪車の混入度合を示す数値などの情報が設定される。なお、二輪車混入情報は、過去の交通情報や画像式の車両感知器の計測結果などに基づいて作成されたものであってもよいし、管制官がＩＴＶ（Ｉｎｄｕｓｔｒｉａｌ Ｔｅｌｅｖｉｓｉｏｎ）カメラの映像や過去の経験などに基づいて入力したものであってもよい。

ここで、道路に設置される車両感知器は、超音波式であることが多い。一般的に、超音波式の車両感知器は、画像式の車両感知器と異なり、道路を走行する車両の車種までは判別できないため、道路を走行する車両に二輪車が混入している場合、その二輪車の数を計測することができない。つまり、超音波式の車両感知器では、通常の自動車と二輪車とが混在している場合、通常の車の数や車速や車両密度などしか計測できないため、車両感知器による計測結果と現実の交通状況とのかい離が発生する。したがって、交通事故の発生パターンの学習においては、二輪車の混入度合を考慮することが望ましい。このため、学習を実行させる事故発生パターン学習部１１０４Ａおよび１１０４Ｂを二輪車混入情報に応じて切り替えることができれば、より精度の高い学習を実行することが可能になる。

そこで、第１１実施形態による二輪車混入判定部１１０３は、交通情報管理部１１０１から入力される交通情報のうちの二輪車混入情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、二輪車混入判定部１１０３は、二輪車混入情報に基づく二輪車の混入度合が、交通事故が発生しやすい数値を示す場合、交通情報の出力先を事故発生パターン学習部１１０４Ａおよび事故発生予報部１１０５Ａに設定し、二輪車混入情報に基づく二輪車の混入度合が、交通事故が発生しにくい数値を示す場合、交通情報の出力先を事故発生パターン学習部１１０４Ｂおよび事故発生予報部１１０５Ｂに設定するように構成されている。

第１１実施形態では、上記のように構成されていることによって、第１〜第１０実施形態と同様の効果を得ることができる。すなわち、第１１実施形態によれば、二輪車混入情報を用いて、事故発生パターン学習部１１０４Ａおよび１１０４Ｂの各々による学習の精度を高めることができ、事故発生予報部１１０５Ａおよび１１０５Ｂの各々による予報の精度を高めることができる。

（第１２実施形態）
次に、図１７を参照して、第１２実施形態による交通事故発生予報装置１２００について説明する。第１２実施形態では、「第１情報」の一例として、道路の構造、形状、または状態に関する情報が用いられる点で第５、第８、および第１０実施形態と同様であるが、道路の構造、形状、または状態に関する情報として、道路勾配情報、制限速度情報、およびハザード情報のいずれでもない道路整備情報（詳細は後述する）が用いられる点で第５、第８、および第１０実施形態とは異なる。以下では、第１２実施形態の、第５、第８、および第１０実施形態とは異なる部分について主に説明する。

図１７に示すように、第１２実施形態による交通事故発生予報装置１２００は、機能的構成として、交通情報管理部１２０１と、交通情報ＤＢ１２０２と、道路整備判定部１２０３と、事故発生パターン学習部１２０４Ａおよび１２０４Ｂと、事故発生予報部１２０５Ａおよび１２０５Ｂとを備える。なお、事故発生パターン学習部１２０４Ａおよび１２０４Ｂは、「学習部」の一例であり、事故発生予報部１２０５Ａおよび１２０５Ｂは、「予報部」の一例である。また、道路整備判定部１２０３は、「切替部」の一例である。

交通情報管理部１２０１は、交通情報として、センサ情報、管制情報、および道路整備情報の入力を受け付け、受け付けたセンサ情報、管制情報、および道路整備情報を、互いに対応付けて交通情報ＤＢ１２０２に蓄積するように構成されている。

道路整備情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ１２０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部１２０４Ａおよび１２０４Ｂの個数と同数に）分類可能な情報である。道路整備情報としては、道路で行われる工事などの道路整備に起因する道路の状態、つまり道路整備の状況を示す情報が設定される。

ここで、一般的に、道路整備のために走行車線または追い越し車線だけが走行可能となることが多い路線においては、車線数が減少した場合、車両感知器で計測した交通量が、車線数の減少がない通常の時と異なっている。たとえば、片側２車線の道路の場合では、追い越し車線だけが走行可能となると、走行車線を走っていた車両が追い越し車線に車線変更することになり、走行形態が異なるドライバーが１つの車線上に混在することになる。この場合、車間距離の取り方や走行速度などが通常とは異なってくるため、追突事故などの発生パターンも異なってくる。このため、学習を実行させる事故発生パターン学習部１２０４Ａおよび１２０４Ｂを道路整備情報に応じて切り替えることができれば、交通事故の発生傾向に応じた学習を実行することが可能になる。

そこで、第１２実施形態による道路整備判定部１２０３は、交通情報管理部１２０１から入力される交通情報のうちの道路整備情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、道路整備判定部１２０３は、道路整備情報に基づく道路の整備状況が、交通事故が発生しやすい状況を示す場合、交通情報の出力先を事故発生パターン学習部１２０４Ａおよび事故発生予報部１２０５Ａに設定し、道路整備情報に基づく道路の整備状況が、交通事故が発生しにくい状況を示す場合、交通情報の出力先を事故発生パターン学習部１２０４Ｂおよび事故発生予報部１２０５Ｂに設定するように構成されている。

第１２実施形態では、上記のように構成されていることによって、第１〜第１１実施形態と同様の効果を得ることができる。すなわち、第１２実施形態によれば、道路整備情報を用いて、事故発生パターン学習部１２０４Ａおよび１２０４Ｂの各々による学習の精度を高めることができ、事故発生予報部１２０５Ａおよび１２０５Ｂの各々による予報の精度を高めることができる。

（第１３実施形態）
次に、図１８を参照して、第１３実施形態による交通事故発生予報装置１３００について説明する。第１３実施形態は、「第１情報」の一例として、道路の構造、形状、または状態に関する情報が用いられる点で第５、第８、第１０および第１２実施形態と同様であるが、道路の構造、形状、または状態に関する情報として、道路勾配情報、制限速度情報、ハザード情報、および道路整備情報のいずれでもない通行止め情報（詳細は後述する）が用いられる点で第５、第８、第１０および第１２実施形態とは異なる。以下では、第１３実施形態の、第５、第８、第１０および第１２実施形態とは異なる部分について主に説明する。

図１８に示すように、第１３実施形態による交通事故発生予報装置１３００は、機能的構成として、交通情報管理部１３０１と、交通情報ＤＢ１３０２と、通行止め判定部１３０３と、事故発生パターン学習部１３０４Ａおよび１３０４Ｂと、事故発生予報部１３０５Ａおよび１３０５Ｂとを備える。なお、事故発生パターン学習部１３０４Ａおよび１３０４Ｂは、「学習部」の一例であり、事故発生予報部１３０５Ａおよび１３０５Ｂは、「予報部」の一例である。また、通行止め判定部１３０３は、「切替部」の一例である。

交通情報管理部１３０１は、交通情報として、センサ情報、管制情報、および通行止め情報の入力を受け付け、受け付けたセンサ情報、管制情報、および通行止め情報を互いに対応付けて交通情報ＤＢ１３０２に蓄積するように構成されている。

通行止め情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ１３０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部１３０４Ａおよび１３０４Ｂの個数と同数に）分類可能な情報である。通行止め情報としては、事故や設備トラブルなどにより発生する突発的な通行止めに起因する道路の状態、つまり通行止めの状況を示す情報が設定される。

ここで、一般的に、道路においては、朝や夕方などの時間帯に渋滞が発生することが多い。この渋滞は、出勤や帰宅などによる交通集中が原因で発生する自然渋滞であり、このような自然渋滞しか発生しない場合、交通状況の変化は、交通量が徐々に増加して交通容量を超える交通量に達したときに渋滞が発生するというように、ある程度規則的となる。しかしながら、事故や設備トラブルなどにより発生する突発的な通行止めに起因する突発渋滞では、自然渋滞とは異なり、交通状況の変化が急峻となることが多い。このため、交通事故の発生パターンの学習においては、突発的な通行止めの有無などを考慮することが望ましい。つまり、学習を実行させる事故発生パターン学習部１３０４Ａおよび１３０４Ｂを通行止め情報に応じて切り替えることができれば、より精度の高い学習を実行することが可能になると考えられる。

そこで、第１３実施形態による通行止め判定部１３０３は、交通情報管理部１３０１から入力される交通情報のうちの通行止め情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、通行止め判定部１３０３は、通行止め情報に基づく突発的な通行止めの状況が、交通事故が発生しやすい状況を示す場合、交通情報の出力先を事故発生パターン学習部１３０４Ａおよび事故発生予報部１３０５Ａに設定し、通行止め情報に基づく突発的な通行止めの状況が、交通事故が発生しにくい状況を示す場合、交通情報の出力先を事故発生パターン学習部１３０４Ｂおよび事故発生予報部１３０５Ｂに設定するように構成されている。

第１３実施形態では、上記のように構成されていることによって、第１〜第１２実施形態と同様の効果を得ることができる。すなわち、第１３実施形態によれば、通行止め情報を用いて、事故発生パターン学習部１３０４Ａおよび１３０４Ｂの各々による学習の精度を高めることができ、事故発生予報部１３０５Ａおよび１３０５Ｂの各々による予報の精度を高めることができる。

（第１４実施形態）
次に、図１９を参照して、第１４実施形態による交通事故発生予報装置１４００について説明する。第１４実施形態では、「第１情報」の一例として、道路の構造、形状、または状態に関する情報が用いられる点で第５、第８、第１０、第１２および第１３実施形態と同様であるが、道路の構造、形状、または状態に関する情報として、道路勾配情報、制限速度情報、ハザード情報、道路整備情報、および通行止め情報のいずれでもない路面状態情報（詳細は後述する）が用いられる点で第５、第８、第１０、第１２および第１３実施形態とは異なる。以下では、第１４実施形態の、第５、第８、第１０、第１２および第１３実施形態とは異なる部分について主に説明する。

図１９に示すように、第１４実施形態による交通事故発生予報装置１４００は、機能的構成として、交通情報管理部１４０１と、交通情報ＤＢ１４０２と、路面状態判定部１４０３と、事故発生パターン学習部１４０４Ａおよび１４０４Ｂと、事故発生予報部１４０５Ａおよび１４０５Ｂとを備える。路面状態判定部１４０３は、「切替部」の一例である。

交通情報管理部１４０１は、交通情報として、センサ情報、管制情報、および路面状態情報の入力を受け付け、受け付けたセンサ情報、管制情報、および路面状態情報を互いに対応付けて交通情報ＤＢ１４０２に蓄積するように構成されている。

路面状態情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ１４０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部１４０４Ａおよび１４０４Ｂの個数と同数に）分類可能な情報である。路面状態情報としては、路面（道路）が乾いているか、濡れているか、または凍っているかなどの、路面（道路）の状態を示す情報が設定される。

ここで、一般的に、車両の制動距離は、路面の状態に応じて変化する。たとえば、降雨などにより路面が濡れている場合では、路面が乾いている場合よりも制動距離が伸びることが一般的に知られているため、ドライバーは車間距離を取って速度を落として走行する傾向がある。したがって、路面が濡れている場合では、路面が乾いている場合とは異なった交通状況で交通事故が発生することとなる。このため、交通事故の発生パターンの学習においては、路面の状態を考慮することが望ましい。つまり、学習を実行させる事故発生パターン学習部１４０４Ａおよび１４０４Ｂを路面状態情報に応じて切り替えることができれば、より精度の高い学習を実行することが可能になる。

そこで、第１４実施形態による路面状態判定部１４０３は、交通情報管理部１４０１から入力される交通情報のうちの路面状態情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、路面状態判定部１４０３は、路面状態情報に基づく路面の状態が、交通事故が発生しやすい状態を示す場合、交通情報の出力先を事故発生パターン学習部１４０４Ａおよび事故発生予報部１４０５Ａに設定し、路面状態情報に基づく路面の状態が、交通事故が発生しにくい状態を示す場合、交通情報の出力先を事故発生パターン学習部１４０４Ｂおよび事故発生予報部１４０５Ｂに設定するように構成されている。

第１４実施形態では、上記のように構成されていることによって、第１〜第１３実施形態と同様の効果を得ることができる。すなわち、第１４実施形態によれば、路面状態情報を用いて、事故発生パターン学習部１４０４Ａおよび１４０４Ｂの各々による学習の精度を高めることができ、事故発生予報部１４０５Ａおよび１４０５Ｂの各々による予報の精度を高めることができる。

（第１５実施形態）
次に、図２０を参照して、第１５実施形態による交通事故発生予報装置１５００について説明する。第１５実施形態では、「第１情報」の一例として、交通量に関する情報が用いられる点で第７実施形態と同様であるが、交通量に関する情報として、インターチェンジにおける交通量情報ではなく、渋滞情報（詳細は後述する）が用いられる点で第７実施形態とは異なる。以下では、第１５実施形態の第７実施形態とは異なる部分について主に説明する。

図２０に示すように、第１５実施形態による交通事故発生予報装置１５００は、機能的構成として、交通情報管理部１５０１と、交通情報ＤＢ１５０２と、渋滞判定部１５０３と、事故発生パターン学習部１５０４Ａ〜１５０４Ｃと、事故発生予報部１５０５Ａ〜１５０５Ｃとを備える。なお、事故発生パターン学習部１５０４Ａ〜１５０４Ｃは、「学習部」の一例であり、事故発生予報部１５０５Ａ〜１５０５Ｃは、「予報部」の一例である。また、渋滞判定部１５０３は、「切替部」の一例である。

交通情報管理部１５０１は、交通情報として、センサ情報、管制情報、および渋滞情報の入力を受け付け、受け付けたセンサ情報、管制情報、および渋滞情報を互いに対応付けて交通情報ＤＢ１５０２に蓄積するように構成されている。

渋滞情報とは、交通事故の発生に影響を与える可能性のある情報であって、交通情報ＤＢ１５０２に蓄積される交通情報を、交通事故の発生傾向に応じて複数に（少なくとも事故発生パターン学習部１５０４Ａ〜１５０４Ｃの個数と同数に）分類可能な情報である。渋滞情報としては、渋滞の長短（大小）などの渋滞の度合を示す情報が設定される。渋滞は、道路における交通量や、道路上の車両の密度や、道路を走行する車両の速度などと関連している。

ここで、一般的に、高速道路では、１〜２ｋｍおきに車両感知器が設置されることが多く、朝方や夕方や大型連休などに発生する渋滞は、車両感知器が設置された区間を複数跨ぐこととなる。車両感知器が設置された区間ごとに事故発生予報を行う場合には、各区間で発生した混雑などを考慮することができるが、複数の区間を跨ぐような渋滞が発生している状況下では、対象の区間の事故発生予報を行う場合に、下流側の区間における渋滞の影響を受けてしまうことが考えられる。したがって、複数の区間を跨ぐような長大な渋滞が発生している場合には、区間ごとに事故発生予報を行うのではなく、複数の区間全体を対象として事故発生予報を行うことが望ましい。このため、交通事故の発生パターンの学習においては、渋滞の長短などの度合を考慮することが望ましい。つまり、学習を実行させる事故発生パターン学習部１５０４Ａ〜１５０４Ｃを渋滞情報に応じて切り替えることができれば、より精度の高い学習を実行することが可能になる。

そこで、第１５実施形態による渋滞判定部１５０３は、交通情報管理部１５０１から入力される交通情報のうちの渋滞情報に基づいて、交通情報の出力先を切り替えるように構成されている。たとえば、渋滞判定部１５０３は、渋滞情報が長い渋滞が発生していることを示す場合、交通情報の出力先を事故発生パターン学習部１５０４Ａおよび事故発生予報部１５０５Ａに設定し、渋滞情報が中ぐらいの渋滞が発生していることを示す場合、交通情報の出力先を事故発生パターン学習部１５０４Ｂおよび事故発生予報部１５０５Ｂに設定し、渋滞情報が短い渋滞が発生していることを示す場合、交通情報の出力先を事故発生パターン学習部１５０４Ｃおよび事故発生予報部１５０５Ｃに設定するように構成されている。

第１５実施形態では、上記のように構成されていることによって、第１〜第１４実施形態と同様の効果を得ることができる。すなわち、第１５実施形態によれば、渋滞情報を用いて、事故発生パターン学習部１５０４Ａ〜１５０４Ｃの各々による学習の精度を高めることができ、事故発生予報部１５０５Ａ〜１５０５Ｃの各々による予報の精度を高めることができる。

上記の第１〜第１５実施形態は、組み合わせることも可能である。すなわち、上記の第１〜第１５実施形態で例示した互いに異なる１５個の「第１情報」のうち２個以上が組み合わされ、それら２個以上の「第１情報」に応じて、複数の「学習部」および複数の「予報部」が切り替えられてもよい。

なお、上記の第１〜第１５実施形態において実行されるコンピュータプログラムは、インストール可能な形式又は実行可能な形式のコンピュータプログラムプロダクトとして提供される。すなわち、第１〜第１５実施形態において実行されるコンピュータプログラムは、ＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）などの、非一時的で、コンピュータで読み取り可能な記録媒体を有するコンピュータプログラムプロダクトに含まれた状態で提供される。

また、上記の第１〜第１５実施形態において実行されるコンピュータプログラムは、インターネットなどのネットワークに接続されたコンピュータに格納された状態で、ネットワーク経由で提供または配布されてもよい。また、第１〜第１５実施形態において実行されるコンピュータプログラムは、ＲＯＭなどに予め組み込まれた状態で提供されてもよい。

以上、本発明の実施形態を説明したが、上記実施形態はあくまで一例であって、発明の範囲を限定することは意図していない。上記実施形態は、様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。上記実施形態は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００、２００、３００、４００、５００、６００、７００、８００、９００、１０００、１１００、１２００、１３００、１４００、１５００ 交通事故発生予報装置（事故発生予報装置）
１０４Ａ、１０４Ｂ、２０４Ａ、２０４Ｂ、３０４Ａ、３０４Ｂ、４０４Ａ、４０４Ｂ、５０４Ａ、５０４Ｂ、６０４Ａ、６０４Ｂ、７０４Ａ、７０４Ｂ、８０４Ａ、８０４Ｂ、９０４Ａ、９０４Ｂ、１００４Ａ、１００４Ｂ、１１０４Ａ、１１０４Ｂ、１２０４Ａ、１２０４Ｂ、１３０４Ａ、１３０４Ｂ、１４０４Ａ、１４０４Ｂ、１５０４Ａ、１５０４Ｂ、１５０４Ｃ 事故発生パターン学習部（学習部）
１０５Ａ、１０５Ｂ、２０５Ａ、２０５Ｂ、３０５Ａ、３０５Ｂ、４０５Ａ、４０５Ｂ、５０５Ａ、５０５Ｂ、６０５Ａ、６０５Ｂ、７０５Ａ、７０５Ｂ、８０５Ａ、８０５Ｂ、９０５Ａ、９０５Ｂ、１００５Ａ、１００５Ｂ、１１０５Ａ、１１０５Ｂ、１２０５Ａ、１２０５Ｂ、１３０５Ａ、１３０５Ｂ、１４０５Ａ、１４０５Ｂ、１５０５Ａ、１５０５Ｂ、１５０５Ｃ 事故発生予報部（予報部）
１０３ 時間帯判定部（切替部）
２０３ 曜日判定部（切替部）
３０３ 天候判定部（切替部）
４０３ 大型車混入判定部（切替部）
５０３ 道路勾配判定部（切替部）
６０３ 低速車両混入判定部（切替部）
７０３ 交通量判定部（切替部）
８０３ 制限速度判定部（切替部）
９０３ イベント判定部（切替部）
１００３ ハザード判定部（切替部）
１１０３ 二輪車混入判定部（切替部）
１２０３ 道路整備判定部（切替部）
１３０３ 通行止め判定部（切替部）
１４０３ 路面状態判定部（切替部）
１５０３ 渋滞判定部（切替部）

Claims (14)

1. 過去の交通情報を用いて交通事故の発生パターンの学習を実行する複数の学習部と、
   前記複数の学習部に対応するように設けられた複数の予報部であって、前記複数の予報部の各々は、前記複数の学習部の各々による学習結果に基づいて、交通事故が発生する可能性を示す予報を出力する複数の予報部と、
   前記交通情報に含まれる第１情報であって、前記交通事故の発生傾向に応じて前記交通情報を複数に分類可能な第１情報を用いて、前記学習を実行させる学習部を前記複数の学習部の間で切り替えるとともに、前記予報を出力させる予報部を前記複数の予報部の間で切り替える切替部とを備える、事故発生予報装置。
2. 前記第１情報は、時間に関する情報を含む、請求項１に記載の事故発生予報装置。
3. 前記第１情報は、天候に関する情報を含む、請求項１に記載の事故発生予報装置。
4. 前記第１情報は、道路を走行する車両に関する情報を含む、請求項１に記載の事故発生予報装置。
5. 前記第１情報は、道路の構造、形状、または状態に関する情報を含む、請求項１に記載の事故発生予報装置。
6. 前記第１情報は、道路の交通量に関する情報を含む、請求項１に記載の事故発生予報装置。
7. 前記第１情報は、道路の周辺の状況に関する情報を含む、請求項１に記載の事故発生予報装置。
8. 過去の交通情報を用いて交通事故の発生パターンの学習を複数の学習部により実行することと、
   前記複数の学習部に対応するように設けられた複数の予報部の各々により、前記複数の学習部の各々による学習結果に基づいて、交通事故が発生する可能性を示す予報を出力することと、
   前記交通情報に含まれる第１情報であって、前記交通情報を前記交通事故の発生傾向に応じて複数に分類可能な第１情報を用いて、前記学習を実行させる学習部を前記複数の学習部の間で切り替えるとともに、前記予報を出力させる予報部を前記複数の予報部の間で切り替えることとを備える、事故発生予報方法。
9. 時間に関する情報を前記第１情報として用いて、前記学習部および前記予報部を切り替える、請求項８に記載の事故発生予報方法。
10. 天候に関する情報を前記第１情報として用いて、前記学習部および前記予報部を切り替える、請求項８に記載の事故発生予報方法。
11. 道路を走行する車両に関する情報を前記第１情報として用いて、前記学習部および前記予報部を切り替える、請求項８に記載の事故発生予報方法。
12. 道路の構造、形状、または状態に関する情報を前記第１情報として用いて、前記学習部および前記予報部を切り替える、請求項８に記載の事故発生予報方法。
13. 道路の交通量に関する情報を前記第１情報として用いて、前記学習部および前記予報部を切り替える、請求項８に記載の事故発生予報方法。
14. 道路の周辺の状況に関する情報を前記第１情報として用いて、前記学習部および前記予報部を切り替える、請求項８に記載の事故発生予報方法。

Images