JP2017151545A - 事故予報システム、および事故予報方法 - Google Patents

Abstract

【課題】道路における事故をより高精度で予報することとともに、計算負荷を小さく抑えること。【解決手段】実施形態における事故予報システムは、事故予報用テーブル作成処理部と、交通データ取得処理部と、事故予報処理部と、を備える。事故予報用テーブル作成処理部は、それぞれが複数の区間に分けられている複数の道路に関して、前記区間の所定の集合ごとに、過去交通データと過去事故データを用いて所定の学習アルゴリズムに基づいて事故発生パターンを学習して、交通状況ごとの事故の発生しやすさを表す事故予報用テーブルを作成する。交通データ取得処理部は、前記区間ごとに、交通状況を計測するセンサから現在交通データを取得する。事故予報処理部は、前記区間ごとに、当該区間の前記現在交通データ、および、当該区間に対応する前記事故予報用テーブルを用いて、事故の発生しやすさを予報する。【選択図】図１

Description

本発明の実施形態は、事故予報システム、および事故予報方法に関する。

従来から、道路における各地点で過去に計測された交通データ（事故の発生時に計測された交通データを含む。）を使用して学習を行い、当該各地点における事故（交通事故）の発生しやすさを予報（予測）する技術が知られている。

特開２０１４−３５６３９号公報 特開２０１０−３９９９２号公報

上記のような従来技術では、道路における事故をより高精度で予報（予測）することとともに、計算負荷を小さく抑えることが望まれている。

実施形態における事故予報システムは、事故予報用テーブル作成処理部と、交通データ取得処理部と、事故予報処理部と、を備える。事故予報用テーブル作成処理部は、それぞれが複数の区間に分けられている複数の道路に関して、前記区間の所定の集合ごとに、過去交通データと過去事故データを用いて所定の学習アルゴリズムに基づいて事故発生パターンを学習して、交通状況ごとの事故の発生しやすさを表す事故予報用テーブルを作成する。交通データ取得処理部は、前記区間ごとに、交通状況を計測するセンサから現在交通データを取得する。事故予報処理部は、前記区間ごとに、当該区間の前記現在交通データ、および、当該区間に対応する前記事故予報用テーブルを用いて、事故の発生しやすさを予報する。

図１は、第１実施形態における事故予報システムの構成の一例を示したブロック図である。 図２は、第１実施形態において、道路に関して事故予報の単位となる区間と道路センサ部との関係の一例を模式的に示した説明図である。 図３は、第１実施形態における事故予報用テーブル作成処理部が実行する処理の流れの一例を示したフローチャートである。 図４は、第１実施形態において用いられる自己組織化マップの一般的な構成の一例を示した図である。 図５は、第１実施形態において用いられる自己組織化マップのより具体的な構成の一例を示した図である。 図６（ａ）は、第１実施形態において用いられる自己組織化マップのより具体的な構成の一例を示した図である。図６（ｂ）は、図６（ａ）の自己組織化マップに対応する事故予報用テーブルを示した図である。 図７は、第１実施形態における事故予報処理部が実行する処理の流れの一例を示したフローチャートである。 図８は、図５の自己組織化マップを用いて事故予報を行う場合の説明図である。 図９は、第１実施形態における具体例１の説明図である。 図１０は、第１実施形態における具体例１の場合の事故予報用テーブルデータベースの構成の一例を示した図である。 図１１は、第１実施形態における具体例１の場合に事故予報処理部が実行する処理の流れの一例を示したフローチャートである。 図１２は、第１実施形態における具体例２の説明図である。 図１３は、第１実施形態における具体例２の場合の事故予報用テーブルデータベースの構成の一例を示した図である。 図１４は、第１実施形態における具体例２の場合に事故予報処理部が実行する処理の流れの一例を示したフローチャートである。 図１５は、第２実施形態における事故予報システムの構成の一例を示したブロック図である。 図１６は、第３実施形態における事故予報システムの構成の一例を示したブロック図である。

以下、本発明の実施形態を図面に基づいて説明する。なお、以下において、「予報」とは、道路における各地点での過去の交通データ（事故発生時の交通データを含む。）に基づいて、交通事故の発生の危険性を計算／予測して事故予報として報知する意味を含むが、予測結果の報知は行わすに、単に、当該各地点における事故の発生しやすさの「予測」だけを行う場合の意味も含むものとする。また、「路線」とは、道路法における路線の意味を含むが、それに限定されず、管理単位の道路という意味も含むものとする。

（第１実施形態）
まず、図１、図２を参照して、第１実施形態における事故予報システム１の構成について説明する。図１は、第１実施形態における事故予報システム１の構成の一例を示したブロック図である。図２は、第１実施形態において、道路に関して事故予報の単位となる区間と道路センサ部との関係の一例を模式的に示した説明図である。なお、図２の白抜き矢印Ｙは、道路Ｒ（以下「Ｒ」の記載を省略する場合あり。）上における車両の流れ方向を示す。

図１に示す事故予報システム１は、図２に示す道路Ｒ上の区間１、２、３、・・・それぞれに対応する道路センサ部ＲＳ_１、ＲＳ_２、ＲＳ_３、・・・により計測される交通データを用いて、各区間における交通事故の発生しやすさ（事故発生の危険度）を予報するシステムである。なお、図２を用いた以下の説明では、説明を簡潔にするために、区間が区間１〜３の３つであるものとする。

道路センサ部ＲＳ_１〜ＲＳ_３は、それぞれ、道路Ｒ上の区間１〜３を走行する車両を検知可能なセンサ（センシングデバイス）を含む。このセンサは、例えば、路面下に設置されるループコイルや、路面を上方から監視するカメラまたは超音波センサなどから構成される。以下、道路センサ部ＲＳ_１〜ＲＳ_３それぞれを特に区別しないときは、道路センサ部ＲＳと総称する。

また、道路センサ部ＲＳは、交通データ処理部を含む。具体的に、交通データ処理部は、センサによって計測された交通データに基づいて、道路Ｒ上を走行する車両の交通量［台／ｈ］、平均速度［ｋｍ／ｈ］、車両密度［台／ｋｍ］、占有率（オキュパンシー）［％］などを算出し、算出結果を道路交通管制装置２に送信する。この算出と送信は、例えば、１分や５分等の時間単位で実行される。なお、道路センサ部ＲＳがセンサによる計測結果だけを道路交通管制装置２の交通データ取得処理部２１１に送信し、交通データ取得処理部２１１が交通量等を算出するようにしてもよい。

ここで、第１実施形態では、事故予報システム１は、道路交通管制装置２と、事故予報用テーブル作成装置３と、を備える。道路交通管制装置２は、例えば、一般に道路交通管制システムと呼ばれているコンピュータシステムである。道路交通管制装置２は、図１では説明を簡潔にするために１台のコンピュータ装置のように示しているが、複数台のコンピュータ装置によって実現してもよい。

道路交通管制装置２は、処理部２１と、記憶部２２と、表示部２３と、入力部２４と、を備える。なお、道路交通管制装置２は、外部装置との通信のための通信部も有しているが、説明を簡潔にするために図示および説明を省略する。

処理部２１は、道路交通管制装置２の全体の動作を制御し、道路交通管制装置２が有する各種の機能を実現する。処理部２１は、例えば、ＣＰＵ（Central Processing Unit）と、ＲＯＭ（Read Only Memory）と、ＲＡＭ（Random Access Memory）と、を備える。ＣＰＵは、道路交通管制装置２の動作を統括的に制御する。ＲＯＭは、各種プログラムやデータを記憶する記憶媒体である。ＲＡＭは、各種プログラムを一時的に記憶したり、各種データを書き換えたりするための記憶媒体である。ＣＰＵは、ＲＡＭをワークエリア（作業領域）としてＲＯＭ、記憶部２２等に格納されたプログラムを実行する。処理部２１は、交通データ取得処理部２１１と、事故予報処理部２１２と、受信処理部２１３と、表示制御部２１４と、を備える。

交通データ取得処理部２１１は、道路の区間ごとに設置されている道路センサ部ＲＳそれぞれから、計測した交通データを定期的に取得する。そして、交通データ取得処理部２１１は、その取得した交通データを、記憶部２２の現在データベース２２１に現在交通データとして蓄積するように送信するとともに、事故予報用テーブル作成装置３の記憶部３２に過去交通データとして蓄積するように送信する。なお、道路の車線が複数で、それぞれの車線に対応して道路センサ部ＲＳが設定されている場合、交通データ取得処理部２１１は、例えば、各車線の交通データを統合すればよい。また、本実施形態において、交通データのうち、例えば直近の数分間程度の交通データを現在交通データと称し、現在交通データを含む過去の長期間の交通データを過去交通データと称する。また、過去交通データは、事故発生時に計測された交通データも含んでいる。

事故予報処理部２１２は、道路の区間ごとに、当該区間の現在交通データ（例えば、交通量、平均速度、車両密度）、および、当該区間に対応する事故予報用テーブル（詳細は後述）を用いて、事故の発生しやすさを予報（予測）する。

受信処理部２１３は、事故予報用テーブル作成装置３の送信処理部３１２から受信した事故予報用テーブル（詳細は後述）を記憶部２２の事故予報用テーブルデータベース２２２に格納する。受信処理部２１３は、事故予報用テーブルが複数の場合は、それぞれの識別情報とともに事故予報用テーブルデータベース２２２に格納する。

表示制御部２１４は、事故予報処理部２１２による事故の予報結果（後述する事故発生度等）を表示部２３に事故予報として表示するよう制御を行う。例えば、事故発生度が高い区間については事故が発生しやすいものとして表示部２３の警報ランプを点灯表示する等して管制員に知らせるのが好ましい。なお、道路交通管制装置２では、上記のように警報ランプを点灯表示する場合、例えば、併せて、音声出力手段（不図示）により警報音を鳴らす等してもよい。

記憶部２２は、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）などの記憶装置である。記憶部２２は、現在データベース２２１と事故予報用テーブルデータベース２２２とを記憶する。

現在データベース２２１は、交通データ取得処理部２１１が取得した直近の例えば数分間程度の交通データ（現在交通データ）を記憶する。また、現在データベース２２１では、交通データ取得処理部２１１にて取得された交通データを蓄積するとともに、対象道路の特性を表す道路特性データ（例えば道路長やセンサ設置位置、各計測地点の周辺情報、料金所位置等）や、施策情報、事故情報、工事情報等の道路交通管制において管理されている情報や制限速度情報等を格納する。対象道路の特性を表す道路特性データは、事前のシステム構築時に入力しておいてもよいが、管制官等により追記修正してもよい。また、施策情報、事故情報、工事情報等の道路交通管制において管理されている情報や制限速度情報は、例えば、道路交通管制装置２のユーザ（管制官等）が手作業で入力すればよい。そして、現在データベース２２１における現在交通データは、事故予報処理部２１２にて事故予報（予測）を行う際に利用される。このとき、事故予報（予測）を行う際には、現在データベース２２１に格納された道路特性データを参照してその事故予報の該当箇所に対応する現在交通データをデータセット（交通量［台／ｈ］、平均速度［ｋｍ／ｈ］、車両密度［台／ｋｍ］（または占有率［％］）のセット）として利用する。

事故予報用テーブルデータベース２２２は、１つ以上の事故予報用テーブル（詳細は後述）を記憶する。

表示部２３は、例えば、事故予報処理部２１２による事故の予報結果等を表示する。表示部２３は、例えば、液晶表示装置（ＬＣＤ（Liquid Crystal Display））、有機ＥＬ（Electro-Luminescence）表示装置等により実現される。

入力部２４は、道路交通管制装置２に対するユーザの操作を受け付ける。入力部２４は、例えば、キーボード、マウス等の入力装置である。

事故予報用テーブル作成装置３は、事故予報用テーブルを作成するためのコンピュータ装置である。事故予報用テーブル作成装置３は、処理部３１と、記憶部３２と、表示部３３と、入力部３４とを備えている。なお、事故予報用テーブル作成装置３は、外部装置との通信のための通信部も有しているが、説明を簡潔にするために図示および説明を省略する。

処理部３１は、事故予報用テーブル作成装置３の全体の動作を制御し、事故予報用テーブル作成装置３が有する各種の機能を実現する。処理部３１は、例えば、ＣＰＵと、ＲＯＭと、ＲＡＭと、を備える。ＣＰＵは、事故予報用テーブル作成装置３の動作を統括的に制御する。ＲＯＭは、各種プログラムやデータを記憶する記憶媒体である。ＲＡＭは、各種プログラムを一時的に記憶したり、各種データを書き換えたりするための記憶媒体である。ＣＰＵは、ＲＡＭをワークエリア（作業領域）としてＲＯＭ、記憶部３２等に格納されたプログラムを実行する。処理部３１は、事故予報用テーブル作成処理部３１１と、送信処理部３１２と、を備える。

事故予報用テーブル作成処理部３１１は、それぞれが複数の区間に分けられている複数の道路に関して、区間の所定の集合ごとに、記憶部３２における過去交通データと過去事故データ（詳細は後述）を用いて所定の学習アルゴリズム（例えば自己組織化マップを用いた学習アルゴリズム）に基づいて事故発生パターンを学習して、交通状況（交通量、平均速度、車両密度、占有率等）ごとの事故の発生しやすさを表す事故予報用テーブルを作成する（詳細は後述）。ここで、自己組織化マップとは、プロセス解析や、制御、検索システム、さらには経営のための情報分析など、実社会における重要な分野に応用されるニューラルネットワークの一種であり、高次元の入力データを、教師信号（入力データに対して理想的と考えられる出力）などの予備知識なしにクラスタリングするためのアルゴリズムである。この自己組織化マップの具体的な内容については後述する。

また、事故予報用テーブル作成処理部３１１は、所定のタイミングで、または、ユーザによる指示入力があったときに、その時点で取得している過去交通データと過去事故データを用いて事故予報用テーブルを更新する。所定のタイミングとは、例えば、１年ごとで、直近１年分の過去交通データ、過去事故データが蓄積されたタイミングである。この際に、事故予報用テーブル作成装置３で蓄積された１年分の当該データを用いて事故予報用テーブルを作成し、その事故予報用テーブルを道路交通管制装置２に送信して事故予報用テーブルデータベース２２２の事故予報用テーブルを更新する。また、ユーザによる指示入力があったときとは、例えば、対象道路の周辺に大きな道路ができた等により、対象道路の車両の流れが変わった場合に、その後、例えば数か月分程度等、充分な量の過去交通データと過去事故データが蓄積されたときにユーザが事故予報用テーブルの更新のための指示入力を事故予報用テーブル作成装置３の入力部３４を用いて行った場合である。

送信処理部３１２は、事故予報用テーブル作成処理部３１１が作成（初回作成、更新用作成）した事故予報用テーブル（詳細は後述）を道路交通管制装置２の処理部２１の受信処理部２１３に送信する。

記憶部３２は、ＨＤＤやＳＳＤなどの記憶装置である。記憶部３２は、過去データベース３２１を記憶する。過去データベース３２１は、過去交通データと、過去事故データを記憶する。過去交通データは、道路交通管制装置２の交通データ取得処理部２１１から受信する交通データにより順次蓄積される。

過去事故データとは、対象道路において起きた過去の事故のデータである。この過去事故データは、例えば、ユーザが事故帳票等を見ながら事故予報用テーブル作成装置３の入力部３４を用いて入力することで、記憶部３２の過去データベース３２１に格納するようにすればよい。過去事故データは、具体的には、例えば、事故に関する情報として、事故発生地点、事故発生日時、事故タイプ等を含んでいる。過去事故データは、過去数年以上の事故情報であることが好ましい。また、過去事故データは、ユーザが事故予報用テーブル作成装置３の入力部３４で入力するほか、ユーザが道路交通管制装置２の入力部２４で入力して道路交通管制装置２から事故予報用テーブル作成装置３に送信することで、記憶部３２の過去データベース３２１に格納するようにしてもよい。あるいは、他のコンピュータ装置にある過去事故データを、ＤＶＤ（Digital Versatile Disk）やＵＳＢ（Universal Serial Bus）メモリ等の情報記憶媒体を介して事故予報用テーブル作成装置３の記憶部３２の過去データベース３２１に格納するようにしてもよい。

表示部３３は、各種画面を表示する。表示部３３は、例えば、液晶表示装置（ＬＣＤ）、有機ＥＬ表示装置等により実現される。

入力部３４は、事故予報用テーブル作成装置３に対するユーザの操作を受け付ける。入力部３４は、例えば、キーボード、マウス等の入力装置である。

また、例えば、事故予報用テーブル作成装置３の事故予報用テーブル作成処理部３１１は、区間の所定の集合としての道路ごとに、事故予報用テーブルを作成する。そのとき、道路交通管制装置２の事故予報処理部２１２は、複数の道路それぞれについて、区間ごとに、当該区間の現在交通データ（例えば、交通量、平均速度、車両密度）、および、当該道路に対応する事故予報用テーブルを用いて、事故の発生しやすさを予報（予測）する（図９〜図１１とともに後述）。

また、例えば、事故予報用テーブル作成装置３の事故予報用テーブル作成処理部３１１は、区間の所定の集合ごととして、複数の道路それぞれについて、道路状況に基づいて区間が分類された区間グループごとに、事故予報用テーブルを作成する。そのとき、道路交通管制装置２の事故予報処理部２１２は、複数の道路それぞれについて、区間ごとに、当該区間の現在交通データ（例えば、交通量、平均速度、車両密度）、および、当該区間が分類された区間グループに対応する事故予報用テーブルを用いて、事故の発生しやすさを予報（予測）する（図１２〜図１４とともに後述）。

次に、第１実施形態における事故予報システム１の動作について説明する。まず、図３を参照して、第１実施形態における事故予報用テーブル作成処理部３１１の動作について説明する。図３は、第１実施形態における事故予報用テーブル作成処理部３１１が実行する処理の流れの一例を示したフローチャートである。

図３に示すように、事故予報用テーブル作成処理部３１１は、まず、ステップＳ１において、過去データベース３２１から過去交通データと過去事故データを読み出す。

次に、事故予報用テーブル作成処理部３１１は、ステップＳ２において、ステップＳ１で読み出した過去交通データと過去事故データに基づいて、交通データと事故の発生しやすさとの相関関係を学習する。学習方法としては、例えば、次のような自己組織化マップを用いた方法を用いる。

図４は、第１実施形態において用いられる自己組織化マップの一般的な構成の一例を示した図である。図４に示すように、自己組織化マップとは、入力層および競合層（出力層）を備えた２層構造のニューラルネットワークである。入力層は、分析対象のデータｘ₁，…，ｘ_i，…，ｘ_nと同数のユニットを備えた平面として表される。ここで、分析対象のデータｘ₁，…，ｘ_i，…，ｘ_nの組み合わせを、入力ベクトルと呼ぶ。また、競合層は、複数のユニット１，…，ｊ，…，Ｎを備えた平面として表される。入力層の各ユニットと、競合層の各ユニットとは、入力ベクトルと同次元の重みベクトルｗ_ｊ＝（ｗ_j1，…，ｗ_ji，…，ｗ_jn）によって関連付けられている。

図５は、第１実施形態において用いられる自己組織化マップのより具体的な構成の一例を示した図である。図５に示すように、過去データベース３２１から読み出された過去交通データが、学習対象の入力ベクトルとして用いられる。例えば、過去交通データは、道路Ｒ上の各地点において過去のある時点で計測された３種類のデータ（交通量、平均速度および車両密度）により構成される。

図５の自己組織化マップでは、まず、（１）勝者ユニットを決定し、当該勝者ユニットの重みベクトルを更新する処理が実行される。そして、（２）勝者ユニットの近傍に位置する近傍ユニットの重みベクトルを更新する処理が実行される。なお、勝者ユニットとは、入力ベクトルと最も類似する重みベクトルによって当該入力ベクトルと関連付けられる競合層上の１つのユニットである。また、重みベクトルの更新は、学習回数と、所定の学習係数とを考慮した数式を用いて行われる。なお、入力ベクトルと最も類似する重みベクトルの決定方法や、重みベクトルの更新に用いられる数式の詳細については、例えば特開２０１４−３５６３９号公報に開示されているため、ここではこれ以上の説明を省略する。

また、入力ベクトルとして用いられる過去交通データに対応して設定される事故発生度が入力される。事故発生度とは、入力ベクトルに対応して設定される事故の発生しやすさを示す値である。入力ベクトルの各要素が事故発生時の交通データである場合、事故発生度は、例えば「１」（または「１００」）に設定される。また、入力ベクトルの各要素が事故の無い時の交通データである場合、事故発生度は、例えば「０」に設定される。また、入力ベクトルの各要素が事故発生直前の交通データである場合、事故発生度は、事故発生時の事故発生度（「１」（または「１００」））よりも小さい値に設定される。

第１実施形態では、上記の（１）および（２）の処理が実行された後、（３）入力された事故発生度で、競合層上の勝者ユニットおよび近傍ユニットに対応する事故発生度分布の層上のユニットの値を更新する処理が実行される。具体的に、勝者ユニットに対応するユニットの値が、入力された事故発生度によって更新され、近傍ユニットに対応するユニットの値が、入力された事故発生度よりも小さい値によって更新される。この更新処理の詳細についても、上記の特開２０１４−３５６３９号公報に開示されているため、ここではこれ以上の説明を省略する。

第１実施形態では、上記の（１）〜（３）の処理が繰り返し実行されることで、過去交通データと事故発生度との相関関係が学習される。

図３に戻り、ステップＳ３において、事故予報用テーブル作成処理部３１１は、ステップＳ２における学習結果に基づいて、事故予報用テーブルを作成する。すなわち、事故予報用テーブル作成処理部３１１は、図５に示した自己組織化マップによって得られた相関関係をテーブル化し、過去交通データと事故発生度との相関関係を定義する事故予報用テーブルを作成する。図６を用いて、自己組織化マップのより具体的な構成例と、その自己組織化マップに対応する事故予報用テーブルの例について説明する。

図６（ａ）は、第１実施形態において用いられる自己組織化マップのより具体的な構成の一例を示した図である。図６（ｂ）は、図６（ａ）の自己組織化マップに対応する事故予報用テーブルを示した図である。

図６（ａ）に示すように、入力層には入力ベクトルとして交通量、平均速度および車両密度のデータが入力される。ここで、競合層には、１−１、１−２、・・・、１０−１０の１００（１０×１０）のユニットがあるものとする。また、事故発生度の範囲は「０」〜「１０」とする。この場合、事故予報用テーブルは図６（ｂ）に示す通りとなる。図６（ｂ）に示す事故予報用テーブルでは、index（競合層や事故発生度分布のユニットに対応）ごとに、交通量に対する重み、平均速度に対する重み、車両密度に対する重み、および、事故発生度が関連付けられている。図６（ｂ）の事故予報用テーブルの使い方については後述する。

次に、図７を参照して、第１実施形態における事故予報処理部２１２の動作について説明する。図７は、第１実施形態における事故予報処理部２１２が実行する処理の流れの一例を示したフローチャートである。なお、この図７では事故予報処理部２１２の処理の概要を説明し、図１１、図１４で事故予報処理部２１２の処理の具体例について説明する。

図７に示すように、事故予報処理部２１２は、まず、ステップＳ１１において、予報タイミングが到来したか否かを判定し、Ｙｅｓの場合はステップＳ１２に進み、Ｎｏの場合はステップＳ１１に戻る。予報タイミングは、例えば、５分おきとすればよいが、これに限定されない。

次に、事故予報処理部２１２は、ステップＳ１２〜Ｓ１７で路線ごとの処理を行う。つまり、事故予報処理部２１２は、複数の路線について区間ごとの事故予報（予測）を行う場合、まず１つ目の路線についてステップＳ１３〜Ｓ１６の処理を行い、次に２つ目の路線についてステップＳ１３〜Ｓ１６の処理を行い、・・・、という処理をすべての路線について順番に行う。

前記したように、事故予報処理部２１２は、ステップＳ１３〜Ｓ１６で区間ごとの処理を行う。つまり、事故予報処理部２１２は、着目する路線に関し、まず１つ目の区間についてステップＳ１４、Ｓ１５の処理を行い、次に２つ目の区間についてステップＳ１４、Ｓ１５の処理を行い、・・・、という処理をすべての区間について行う。

ステップＳ１４において、事故予報処理部２１２は、着目する区間について、記憶部２２の現在データベース２２１から現在交通データ（図６の例では、交通量、平均速度、車両密度）を読み出す。

次に、ステップＳ１５において、事故予報処理部２１２は、その区間に対応する事故予報用テーブルを記憶部２２の事故予報用テーブルデータベース２２２から読み出して用いて事故予報（予測）を行う。

ここで、ステップＳ１５について、図８を用いて説明する。図８は、図５の自己組織化マップを用いて事故予報（予測）を行う場合の説明図である。図８に示すように、この自己組織化マップでは、次の（１１）〜（１３）の処理を実行する。

（１１）勝者ユニットを決定（例えば、図６（ａ）における競合層の「２−１」）。なお、勝者ユニットの決定の方法は、前記した（１）（図５）の場合と同様である。
（１２）当該勝者ユニットに対応した事故発生度分布の層上のユニットを選択（例えば、図６（ａ）における事故発生度分布の「２−１」）。
（１３）選択されたユニットの事故発生度を出力（例えば、図６（ｂ）の事故予報用テーブルにおけるindex「２−１」に対応する事故発生度「６．２」）。

このようにして、事故予報処理部２１２は、ステップＳ１２〜Ｓ１７で、複数の路線について、路線ごとに各区間の事故発生度を取得することができる。

ステップＳ１８において、表示制御部２１４は、事故予報処理部２１２による事故の予報結果（事故発生度等）を警報ランプ等とともに表示部２３に事故予報として表示するよう制御を行う。これにより、道路交通管制装置２を用いる管制員等は、対象道路について、各区間ごとに、現在の交通状況に対応した事故の発生しやすさを認識することができる。また、事故予報用テーブルが、区間の所定の集合ごとに作成され、使用されるので、道路における事故をより高精度で予報（予測）するとともに、計算負荷を小さく抑えることができる。

（具体例１）
次に、図９〜図１１を参照して、第１実施形態の具体例１について説明する。図９は、具体例１の説明図である。この具体例１では、対象とする路線（道路）を路線Ａと路線Ｂの２つとする。そして、路線Ａについて１つの事故予報用テーブルを全区間共通で使用し、また、路線Ｂについて別の１つの事故予報用テーブルを全区間共通で使用する。以下、事故予報用テーブル（自己組織化マップ）をＳＯＭ（Self-Organizing Map）と称する。

図９（ａ）に示すように、路線Ａは、ｎ個の区間（区間１〜ｎ）に分けられている。各区間には道路センサ部ＲＳ（ＲＳ_Ａ１〜ＲＳ_Ａｎ）が設けられている。各道路センサ部ＲＳは、現在交通データとして交通量Ｑ、平均速度Ｖ、車両密度Ｄを出力する。例えば、道路センサ部ＲＳ_Ａ１は、交通量Ｑ_Ａ１、平均速度Ｖ_Ａ１、車両密度Ｄ_Ａ１を出力する。出力された現在交通データ（交通量Ｑ、平均速度Ｖ、車両密度Ｄ）は、記憶部２２の現在データベース２２１（図１）に格納される。また、路線Ａの全区間について、共通のＳＯＭ_Ａを使用する。ＳＯＭ_Ａは、路線Ａの全区間の過去交通データおよび過去事故データを用いて作成される。

同様に、図９（ｂ）に示すように、路線Ｂは、ｍ個の区間（区間１〜ｍ）に分けられている。各区間には道路センサ部ＲＳ（ＲＳ_Ｂ１〜ＲＳ_Ｂｍ）が設けられている。各道路センサ部ＲＳは、現在交通データとして交通量Ｑ、平均速度Ｖ、車両密度Ｄを出力する。例えば、道路センサ部ＲＳ_Ｂ１は、交通量Ｑ_Ｂ１、平均速度Ｖ_Ｂ１、車両密度Ｄ_Ｂ１を出力する。出力された現在交通データ（交通量Ｑ、平均速度Ｖ、車両密度Ｄ）は、記憶部２２の現在データベース２２１（図１）に格納される。また、路線Ｂの全区間について、共通のＳＯＭ_Ｂを使用する。ＳＯＭ_Ｂは、路線Ｂの全区間の過去交通データおよび過去事故データを用いて作成される。

ここで、図１０は、具体例１の場合の事故予報用テーブルデータベース２２２の構成の一例を示した図である。図１０に示すように、事故予報用テーブルデータベース２２２には、ＳＯＭ_Ａ、ＳＯＭ_Ｂが格納される。

次に、図１１を参照して、具体例１の場合に事故予報処理部２１２が実行する処理について説明する。図１１は、具体例１の場合に事故予報処理部２１２が実行する処理の流れの一例を示したフローチャートである。

図１１に示すように、事故予報処理部２１２は、まず、ステップＳ２０１において、予報タイミングが到来したか否かを判定し、Ｙｅｓの場合はステップＳ２０２に進み、Ｎｏの場合はステップＳ２０１に戻る。予報タイミングは、例えば、５分おきとすればよい。

次に、事故予報処理部２１２は、ステップＳ２０２〜Ｓ２０５で路線Ａの区間ごとの処理を行う。具体的には、ステップＳ２０３において、事故予報処理部２１２は、路線Ａの区間１について、記憶部２２の現在データベース２２１から現在交通データ（交通量Ｑ_Ａ１、平均速度Ｖ_Ａ１、車両密度Ｄ_Ａ１）を読み出す。次に、ステップＳ２０４において、事故予報処理部２１２は、記憶部２２の事故予報用テーブルデータベース２２２からＳＯＭ_Ａを読み出し、現在交通データ（交通量Ｑ_Ａ１、平均速度Ｖ_Ａ１、車両密度Ｄ_Ａ１）とＳＯＭ_Ａを用いて事故予報（予測）を行い、予報結果ＲＥ_Ａ１（図９（ａ））を得る。事故予報処理部２１２は、路線Ａの区間２〜ｎについて、同様に事故予報（予測）を行い、予報結果ＲＥ_Ａ２〜ＲＥ_Ａｎ（図９（ａ））を得る。

次に、事故予報処理部２１２は、ステップＳ２０６〜Ｓ２０９で路線Ｂの区間ごとの処理を行う。具体的には、ステップＳ２０７において、事故予報処理部２１２は、路線Ｂの区間１について、記憶部２２の現在データベース２２１から現在交通データ（交通量Ｑ_Ｂ１、平均速度Ｖ_Ｂ１、車両密度Ｄ_Ｂ１）を読み出す。次に、ステップＳ２０８において、事故予報処理部２１２は、記憶部２２の事故予報用テーブルデータベース２２２からＳＯＭ_Ｂを読み出し、現在交通データ（交通量Ｑ_Ｂ１、平均速度Ｖ_Ｂ１、車両密度Ｄ_Ｂ１）とＳＯＭ_Ｂを用いて事故予報（予測）を行い、予報結果ＲＥ_Ｂ１（図９（ｂ））を得る。事故予報処理部２１２は、路線Ｂの区間２〜ｍについて、同様に事故予報（予測）を行い、予報結果ＲＥ_Ｂ２〜ＲＥ_Ｂｍ（図９（ｂ））を得る。

ステップＳ２１０において、表示制御部２１４は、路線Ａ、Ｂの各区間の予報結果（事故発生度等）を警報ランプ等とともに表示部２３に事故予報として表示するよう制御を行う。

このようにして、路線Ａについては単一のＳＯＭ_Ａを使用し、また、路線Ｂについては単一のＳＯＭ_Ｂを使用することで、路線ごとの事故特性を踏まえて事故をより高精度で予報（予測）するとともに、区間ごとにすべて別々のＳＯＭを使用する場合に比べて計算負荷（メモリリソース、計算リソース）を有意に小さく抑えることができる。つまり、図６の例ではＳＯＭにおける競合層のユニット数を１００（１０×１０）としたが、実際にはこれよりも多い場合が多く、そうなると、区間ごとにすべて別々のＳＯＭを使用するものとすると、計算負荷（メモリリソース、計算リソース）が過多になってしまう。一方、本実施形態の手法によれば、メモリリソースを節約できるとともに、プログラム処理の簡素化等により計算リソースを低減できる。

（具体例２）
次に、図１２〜図１４を参照して、具体例２について説明する。前記したように、道路の区間ごとにすべて別々のＳＯＭを使用するのは、計算負荷の点で好ましくない場合がある。しかし、１つの道路について、例えば、道路状況等に基づいて複数の区間をいくつかの区間グループに分類し、その区間グループごとに１つのＳＯＭを対応付けて使用するのは、有効な場合もある。なぜなら、その方法によれば、計算負荷の増加がそれほど大きくなく、かつ、道路形状等による事故の発生しやすさの特性を踏まえることができるからである。

区間グループとしては、例えば、上り坂のある区間のグループ（上り坂区間グループ）、下り坂のある区間のグループ（下り坂区間グループ）、カーブのある区間のグループ（カーブ区間グループ）、分岐のある区間のグループ（分岐区間グループ）、合流のある区間のグループ（合流区間グループ）、料金所のある区間のグループ（料金所区間グループ）、トンネルのある区間のグループ（トンネル区間グループ）、橋のある区間のグループ（橋区間グループ）、車線数増加箇所のある区間のグループ（車線数増加区間グループ）、車線数減少箇所のある区間のグループ（車線数減少区間グループ）、その他の区間のグループ（通常区間グループ）が考えられる。

例えば、上り坂、下り坂、カーブは、運転者がアクセル操作、ブレーキ操作、ハンドル操作等を強いられる場面であり、事故の発生しやすさの特性に影響があると考えられる。

また、分岐、合流、車線数増加箇所、車線数減少箇所は、他車両との関係で、事故の発生しやすさの特性に影響があると考えられる。

また、料金所は、一時的に速度を大幅に低下させる必要がある点で、事故の発生しやすさの特性に影響があると考えられる。なお、例えば、本線料金所とその他の料金所とで、運転者の運転挙動が有意に異なる場合は、別々に扱うようにしてもよい。

また、トンネルは、明るさが急激に変化するという点で、事故の発生しやすさの特性に影響があると考えられる。

また、橋は、低温時に凍結しやすい、風が強い等の点で、事故の発生しやすさの特性に影響があると考えられる。

なお、上記した部分以外でも、例えば、山の北側等で終日気温が上がらない部分等、事故の発生しやすさの特性に影響があると考えられる道路状況に応じて、区間グループを設定すればよい。

以上を踏まえて、以下、具体例２について具体的に説明する。図１２は、具体例２の説明図である。この具体例２では、対象とする路線（道路）を路線Ａと路線Ｂの２つとする。そして、路線Ａについて区間グループごとに異なる事故予報用テーブルを使用し、また、路線Ｂについても区間グループごとに異なる事故予報用テーブルを使用する。

図１２（ａ）に示すように、路線Ａは、模式的に１６個の区間（区間１〜１６）に分けられている。なお、各区間に道路センサ部ＲＳが設けられており、各道路センサ部ＲＳが現在交通データとして交通量Ｑ、平均速度Ｖ、車両密度Ｄを出力し、出力された現在交通データ（交通量Ｑ、平均速度Ｖ、車両密度Ｄ）が記憶部２２の現在データベース２２１に格納される点は具体例１と同様であるので、図示を省略している（図１２（ｂ）も同様）。また、区間１〜１６は、６種類の区間グループに分類されている。区間１，３，５，６，８，１０，１１，１３，１５は、通常区間グループである。区間２，１２は、合流区間グループである。区間４，１４は、分岐区間グループである。区間７は、下り坂区間グループである。区間９は、上り坂区間グループである。区間１６は、料金所区間グループである。それぞれの区間グループについて、使用されるＳＯＭは、順に、ＳＯＭ_Ａａ、ＳＯＭ_Ａｂ、ＳＯＭ_Ａｃ、ＳＯＭ_Ａｄ、ＳＯＭ_Ａｅ、ＳＯＭ_Ａｆである。各ＳＯＭは、その区間グループに属する区間の過去交通データおよび過去事故データを用いて作成される。

同様に、図１２（ｂ）に示すように、路線Ｂは、模式的に１７個の区間（区間１〜１７）に分けられている。また、区間１〜１７は、７種類の区間グループに分類されている。区間２，４，６，８，１０，１１，１２，１４，１６は、通常区間グループである。区間９，１３は、合流区間グループである。区間７，１５は、分岐区間グループである。区間３は、下り坂区間グループである。区間５は、上り坂区間グループである。区間１は、料金所区間グループである。区間１７は、カーブ区間グループである。それぞれの区間グループについて、使用されるＳＯＭは、順に、ＳＯＭ_Ｂａ、ＳＯＭ_Ｂｂ、ＳＯＭ_Ｂｃ、ＳＯＭ_Ｂｄ、ＳＯＭ_Ｂｅ、ＳＯＭ_Ｂｆ、ＳＯＭ_Ｂｇである。各ＳＯＭは、その区間グループに属する区間の過去交通データおよび過去事故データを用いて作成される。

ここで、図１３は、具体例２の場合の事故予報用テーブルデータベース２２２の構成の一例を示した図である。図１３に示すように、事故予報用テーブルデータベース２２２には、路線Ａ用としてＳＯＭ_Ａａ〜ＳＯＭ_Ａｆが格納され、また、路線Ｂ用としてＳＯＭ_Ｂａ〜ＳＯＭ_Ｂｇが格納される。

次に、図１４を参照して、具体例２の場合に事故予報処理部２１２が実行する処理について説明する。図１４は、具体例２の場合に事故予報処理部２１２が実行する処理の流れの一例を示したフローチャートである。

図１４に示すように、事故予報処理部２１２は、まず、ステップＳ３０１において、予報タイミングが到来したか否かを判定し、Ｙｅｓの場合はステップＳ３０２に進み、Ｎｏの場合はステップＳ３０１に戻る。予報タイミングは、例えば、５分おきとすればよい。

次に、事故予報処理部２１２は、ステップＳ３０２〜Ｓ３０５で路線Ａの区間ごとの処理を行う。具体的には、ステップＳ３０３において、事故予報処理部２１２は、路線Ａの区間１について、記憶部２２の現在データベース２２１から現在交通データ（交通量、平均速度、車両密度）を読み出す。次に、ステップＳ３０４において、事故予報処理部２１２は、記憶部２２の事故予報用テーブルデータベース２２２から区間１が分類された通常区間グループに対応するＳＯＭ_Ａａを読み出し、現在交通データとＳＯＭ_Ａａを用いて事故予報（予測）を行う。ステップＳ３０４において、区間２のときはＳＯＭ_Ａｂが使用され、区間３のときはＳＯＭ_Ａａが使用され、区間４のときはＳＯＭ_Ａｃが使用される。区間５〜１６のときも、同様に、その区間が分類された区間グループに対応するＳＯＭが使用される。

次に、事故予報処理部２１２は、ステップＳ３０６〜Ｓ３０９で路線Ｂの区間ごとの処理を行う。具体的には、ステップＳ３０７において、事故予報処理部２１２は、路線Ｂの区間１について、記憶部２２の現在データベース２２１から現在交通データ（交通量、平均速度、車両密度）を読み出す。次に、ステップＳ３０８において、事故予報処理部２１２は、記憶部２２の事故予報用テーブルデータベース２２２から区間１が分類された料金所区間グループに対応するＳＯＭ_Ｂｆを読み出し、現在交通データとＳＯＭ_Ｂｆを用いて事故予報（予測）を行う。ステップＳ３０８において、区間２のときはＳＯＭ_Ｂａが使用され、区間３のときはＳＯＭ_Ｂｄが使用され、区間４のときはＳＯＭ_Ｂａが使用される。区間５〜１７のときも、同様に、その区間が分類された区間グループに対応するＳＯＭが使用される。

ステップＳ３１０において、表示制御部２１４は、路線Ａ、Ｂの各区間の予報結果（事故発生度等）を警報ランプ等とともに表示部２３に事故予報として表示するよう制御を行う。

このようにして、１つの路線について、区間グループごとに１つのＳＯＭを対応付けて使用することで、その区間グループごとの事故特性を踏まえて事故をより高精度で予報（予測）するとともに、区間ごとにすべて別々のＳＯＭを使用する場合に比べて計算負荷（メモリリソース、計算リソース）を有意に小さく抑えることができる。

（第２実施形態）
次に、図１５を参照して、第２実施形態の事故予報システム１ａについて説明する。図１５は、第２実施形態における事故予報システム１ａの構成の一例を示したブロック図である。図１５の事故予報システム１ａが図１の第１実施形態の事故予報システム１と異なっている点は、道路交通管制装置２ａに受信処理部２１３がない点と、事故予報用テーブル作成装置３ａに送信処理部３１２がない点である。図１の事故予報システム１と同様の点については説明を省略する。

図１の第１実施形態の事故予報システム１では、事故予報用テーブル作成装置３の処理部３１の事故予報用テーブル作成処理部３１１は、初めて事故予報用テーブルを作成した後、所定のタイミングで、または、ユーザによる指示入力があったときに、その時点で取得している過去交通データと過去事故データを用いて事故予報用テーブルを新たに作成し、更新するものとした。一方、図１５の事故予報システム１ａでは、この事故予報用テーブルの更新を想定していない。事故予報用テーブル作成処理部３１１が初めて事故予報用テーブルを作成した後には、その事故予報用テーブルを、例えば、インターネット経由で、あるいは、ＤＶＤやＵＳＢメモリ等の情報記憶媒体を介して、道路交通管制装置２ａの記憶部２２の事故予報用テーブルデータベース２２２に格納する。その後、事故予報用テーブルの更新は行わない。

このようにして、第２実施形態の事故予報システム１ａによれば、事故予報用テーブルの更新を行わない分、構成や処理がシンプルになる。路線によって、事故予報用テーブルの更新が必要ない場合には、このような第２実施形態の事故予報システム１ａを適用することができる。

（第３実施形態）
次に、図１６を参照して、第３実施形態の事故予報システム１ｂについて説明する。図１６は、第３実施形態における事故予報システム１ｂの構成の一例を示したブロック図である。図１６の事故予報システム１ｂが図１の第１実施形態の事故予報システム１と異なっている点は、道路交通管制装置２の構成と事故予報用テーブル作成装置３の構成を一体化して事故予報システム１ｂとした点である。この事故予報システム１ｂは、例えば、従来の道路交通管制システムを利用して実現できる。

具体的には、事故予報システム１ｂは、処理部２１ａと、記憶部２２ａと、表示部２３と、入力部２４と、を備える。処理部２１ａは、交通データ取得処理部２１１と、事故予報処理部２１２と、表示制御部２１４と、事故予報用テーブル作成処理部３１１と、を備える。記憶部２２ａは、現在データベース２２１と、事故予報用テーブルデータベース２２２と、過去データベース３２１と、を記憶する。個別の構成（各部、各データベース）については第１実施形態の場合と同様であるので、説明を省略する。

このようにして、第３実施形態の事故予報システム１ｂによれば、単一のシステムであるので、構成や処理がシンプルになるほか、リアルタイムに得られる交通データを使用しての事故予報用テーブルの更新が容易となる。この場合、例えば、１日毎や１ヶ月毎に、交通データ、事故データが蓄積される毎に事故予報用テーブルを自動で更新するようにしたり、あるいは、事故データが所定件数蓄積される毎に事故予報用テーブルを自動で更新するようにしたりする方法が考えられる。

（変形例）
上記の実施形態では、学習および予報（予測）を行うための方法として、自己組織化マップを用いた方法を例示した。しかしながら、学習および予報（予測）の方法としては、自己組織化マップを用いた方法以外にも、種々の方法が考えられる。例えば、比較的簡単な方法として、事故発生時の過去交通データを保持（蓄積）して現在交通データと単純に比較する方法や、事故発生時の過去交通データの組合せを統計処理でクラスタリングし、事故発生時に類似したケースの交通データを生成する方法などが考えられる。また、他の方法として、例えばペイジアンネットワークなどの他の多変量解析を利用した方法も考えられる。

また、上記の実施形態では、学習および予報（予測）に使用するデータとして、交通量、平均速度、車両密度、占有率を例示した。しかし、これら４種類以外の他の情報であっても、事故の発生と相関が見られる情報であれば、学習および予報（予測）に使用してよく、例えば、次の（Ａ）〜（Ｌ）のような情報がある。

（Ａ）天候情報（晴れ、雨、霧、雪などの天候、温度、湿度等）
（Ｂ）大型車混入情報（トラック、バス等の大型車の混入率等）
（Ｃ）低速車両混入情報（所定値以下の速度で走行する低速車両の混入率等）
（Ｄ）制限速度情報（常時制限速度、臨時制限速度等）
（Ｅ）イベント情報（道路の周辺におけるイベントの開催状況情報等）
（Ｆ）ハザード情報（ハザードマップなどに基づく道路の状態に関する情報等）
（Ｇ）二輪車混入情報（二輪車の混入率等）
（Ｈ）道路整備情報（道路工事情報等）
（Ｉ）通行止め情報（事故や設備トラブルなどによる通行止めの状況を示す情報等）
（Ｊ）路面状態情報（路面の乾燥、湿潤、凍結を示す情報等）
（Ｋ）渋滞情報（渋滞の長さ、開始位置、終了位置等）
（Ｌ）車線制限情報（３車線中の１車線が現在使用不可等）

また、図１の事故予報用テーブル作成装置３を、クラウドコンピューティング技術を利用してクラウド化させてもよい。

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。

１、１ａ、１ｂ 事故予報システム
２、２ａ 道路交通管制装置
３、３ａ 事故予報用テーブル作成装置
２１、２１ａ 処理部
２２、２２ａ 記憶部
２３ 表示部
２４ 入力部
２１１ 交通データ取得処理部
２１２ 事故予報処理部
２１３ 受信処理部
２１４ 表示制御部
２２１ 現在データベース
２２２ 事故予報用テーブルデータベース
３１ 処理部
３２ 記憶部
３３ 表示部
３４ 入力部
３１１ 事故予報用テーブル作成処理部
３１２ 送信処理部
３２１ 過去データベース
ＲＳ 道路センサ部

Claims (10)

1. それぞれが複数の区間に分けられている複数の道路に関して、前記区間の所定の集合ごとに、過去交通データと過去事故データを用いて所定の学習アルゴリズムに基づいて事故発生パターンを学習して、交通状況ごとの事故の発生しやすさを表す事故予報用テーブルを作成する事故予報用テーブル作成処理部と、
   前記区間ごとに、交通状況を計測するセンサから現在交通データを取得する交通データ取得処理部と、
   前記区間ごとに、当該区間の前記現在交通データ、および、当該区間に対応する前記事故予報用テーブルを用いて、事故の発生しやすさを予報する事故予報処理部と、
   を備える事故予報システム。
2. 前記事故予報用テーブル作成処理部は、前記区間の所定の集合としての前記道路ごとに、前記事故予報用テーブルを作成し、
   前記事故予報処理部は、複数の前記道路それぞれについて、前記区間ごとに、当該区間の前記現在交通データ、および、当該道路に対応する前記事故予報用テーブルを用いて、事故の発生しやすさを予報する、請求項１に記載の事故予報システム。
3. 前記事故予報用テーブル作成処理部は、前記区間の所定の集合ごととして、複数の前記道路それぞれについて、道路状況に基づいて前記区間が分類された区間グループごとに、前記事故予報用テーブルを作成し、
   前記事故予報処理部は、複数の前記道路それぞれについて、前記区間ごとに、当該区間の前記現在交通データ、および、当該区間が分類された区間グループに対応する前記事故予報用テーブルを用いて、事故の発生しやすさを予報する、請求項１に記載の事故予報システム。
4. 前記区間グループとして、上り坂のある区間のグループ、下り坂のある区間のグループ、カーブのある区間のグループ、分岐のある区間のグループ、合流のある区間のグループ、料金所のある区間のグループ、トンネルのある区間のグループ、橋のある区間のグループ、車線数増加箇所のある区間のグループ、車線数減少箇所のある区間のグループのうち少なくともいずれかを含んでいる、請求項３に記載の事故予報システム。
5. 前記事故予報用テーブル作成処理部は、所定のタイミングで、または、ユーザによる指示入力があったときに、その時点で取得している過去交通データと過去事故データを用いて前記事故予報用テーブルを更新する、請求項１に記載の事故予報システム。
6. それぞれが複数の区間に分けられている複数の道路に関して、前記区間の所定の集合ごとに、過去交通データと過去事故データを用いて所定の学習アルゴリズムに基づいて事故発生パターンを学習して、交通状況ごとの事故の発生しやすさを表す事故予報用テーブルを作成する事故予報用テーブル作成処理ステップと、
   前記区間ごとに、交通状況を計測するセンサから現在交通データを取得する交通データ取得処理ステップと、
   前記区間ごとに、当該区間の前記現在交通データ、および、当該区間に対応する前記事故予報用テーブルを用いて、事故の発生しやすさを予報する事故予報処理ステップと、
   を含む事故予報方法。
7. 前記事故予報用テーブル作成処理ステップは、前記区間の所定の集合としての前記道路ごとに、前記事故予報用テーブルを作成し、
   前記事故予報処理ステップは、複数の前記道路それぞれについて、前記区間ごとに、当該区間の前記現在交通データ、および、当該道路に対応する前記事故予報用テーブルを用いて、事故の発生しやすさを予報する、請求項６に記載の事故予報方法。
8. 前記事故予報用テーブル作成処理ステップは、前記区間の所定の集合ごととして、複数の前記道路それぞれについて、道路状況に基づいて前記区間が分類された区間グループごとに、前記事故予報用テーブルを作成し、
   前記事故予報処理ステップは、複数の前記道路それぞれについて、前記区間ごとに、当該区間の前記現在交通データ、および、当該区間が分類された区間グループに対応する前記事故予報用テーブルを用いて、事故の発生しやすさを予報する、請求項６に記載の事故予報方法。
9. 前記区間グループとして、上り坂のある区間のグループ、下り坂のある区間のグループ、カーブのある区間のグループ、分岐のある区間のグループ、合流のある区間のグループ、料金所のある区間のグループ、トンネルのある区間のグループ、橋のある区間のグループ、車線数増加箇所のある区間のグループ、車線数減少箇所のある区間のグループのうち少なくともいずれかを含んでいる、請求項８に記載の事故予報方法。
10. 所定のタイミングで、または、ユーザによる指示入力があったときに、その時点で取得している過去交通データと過去事故データを用いて前記事故予報用テーブルを更新する事故予報用テーブル更新ステップ、をさらに含む請求項６に記載の事故予報方法。

Images