JP2017215798A - 事故予報システム、および事故予報方法 - Google Patents
事故予報システム、および事故予報方法 Download PDFInfo
- Publication number
- JP2017215798A JP2017215798A JP2016109333A JP2016109333A JP2017215798A JP 2017215798 A JP2017215798 A JP 2017215798A JP 2016109333 A JP2016109333 A JP 2016109333A JP 2016109333 A JP2016109333 A JP 2016109333A JP 2017215798 A JP2017215798 A JP 2017215798A
- Authority
- JP
- Japan
- Prior art keywords
- accident
- route
- traffic
- occurred
- allocation table
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
【解決手段】実施形態における事故予報システムにおいて、事故予報用テーブル作成処理部は、交通事故が発生したことのある複数の路線それぞれについて、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である事故発生度を表す事故予報用テーブルを作成する。割当テーブル作成処理部は、交通事故が発生したことのある路線に対しては、当該路線のデータに基づいて作成された事故予報用テーブルを割り当て、交通事故が発生したことのない路線に対しては、交通事故が発生したことのある路線のうち、類似する路線に割り当てられている事故予報用テーブルを割り当てて、割当テーブルを作成する。
【選択図】図1
Description
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。
(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」)。
次に、図12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12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12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313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。
次に、図13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13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13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。
上記の実施形態では、事故発生度の学習および予報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、事故発生度の学習および予報の方法としては、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。
if (交通量がA1以上A2以下)かつ(平均速度がB1以上B2以下)かつ(車両密度がC1以上C2以下)
then 事故発生度 X1
if (交通量がA3以上A4以下)かつ(平均速度がB3以上B4以下)かつ(車両密度がC3以上C4以下)
then 事故発生度 X2
if (交通量がA5以上A6以下)かつ(平均速度がB5以上B6以下)かつ(車両密度がC5以上C6以下)
then 事故発生度 X3
(B)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)
(C)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)
(D)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)
(E)二輪車混入情報(二輪車の混入率等)
(F)道路整備情報(道路工事情報等)
(G)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)
(H)路面状態情報(路面の乾燥、湿潤、凍結を示す情報等)
(I)車線制限情報(3車線中の1車線が現在使用不可等)
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 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
223 割当テーブル記憶部
224 雨風情報データベース
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 割当テーブル作成処理部
313 送信処理部
321 過去データベース
322 雨風情報データベース
323 事故予報用テーブルデータベース
324 割当テーブル記憶部
5 雨量計
6 風速計
RS 道路センサ部
Claims (14)
- 交通事故が発生したことのある複数の路線それぞれについて、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である事故発生度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、
交通事故が発生したことのある路線に対しては、当該路線のデータに基づいて作成された前記事故予報用テーブルを割り当て、交通事故が発生したことのない路線に対しては、交通事故が発生したことのある路線のうち、類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、割当テーブルを作成する割当テーブル作成処理部と、
予報対象の路線について、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データ取得処理部と、
前記予報対象の路線について、前記割当テーブルを参照して特定した対応する前記事故予報用テーブルと、前記現在交通データと、を用いて、前記事故発生度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。 - 前記割当テーブル作成処理部は、交通事故が発生したことのない路線に対して、交通事故が発生したことのある路線のうち、前記過去交通データが類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項1に記載の事故予報システム。
- 前記過去交通データは、渋滞回数情報を含む、請求項2に記載の事故予報システム。
- 前記割当テーブル作成処理部は、交通事故が発生したことのない路線に対して、交通事故が発生したことのある路線のうち、前記過去交通データ、雨量情報、風速情報が類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項3に記載の事故予報システム。
- 前記割当テーブル作成処理部は、交通事故が発生したことのない路線に対して、交通事故が発生したことのある路線のうち、路線の構造情報が類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項1に記載の事故予報システム。
- 前記割当テーブル作成処理部は、前記割当テーブルを作成する際に、学習アルゴリズムである自己組織化マップを用い、
前記自己組織化マップは、
前記渋滞回数を含む過去交通データ、前記雨量情報、前記風速情報が入力ベクトルとして入力される入力層と、
前記入力ベクトルの各成分に対応したユニットからなる競合層と、
前記入力層の各ユニットと前記競合層の各ユニットを全結合する重みベクトルと、を含み、
前記割当テーブル作成処理部は、交通事故が発生したことのない路線について、交通事故が発生したことのある路線のうち、前記競合層の勝者ユニットが同じになる路線を前記類似する路線として決定し、前記類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項4に記載の事故予報システム。 - 前記割当テーブル作成処理部は、前記割当テーブルを作成する際に、学習アルゴリズムである自己組織化マップを用い、
前記自己組織化マップは、
前記過去交通データと、路線長、車線数、設定速度を含む前記路線の構造情報と、が入力ベクトルとして入力される入力層と、
前記入力ベクトルの各成分に対応したユニットからなる競合層と、
前記入力層の各ユニットと前記競合層の各ユニットを全結合する重みベクトルと、を含み、
前記割当テーブル作成処理部は、交通事故が発生したことのない路線について、交通事故が発生したことのある路線のうち、前記競合層の勝者ユニットが同じになる路線を前記類似する路線として決定し、前記類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項5に記載の事故予報システム。 - 交通事故が発生したことのある複数の路線それぞれについて、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である事故発生度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、
交通事故が発生したことのある路線に対しては、当該路線のデータに基づいて作成された前記事故予報用テーブルを割り当て、交通事故が発生したことのない路線に対しては、交通事故が発生したことのある路線のうち、類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、割当テーブルを作成する割当テーブル作成ステップと、
予報対象の路線について、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、
前記予報対象の路線について、前記割当テーブルを参照して特定した対応する前記事故予報用テーブルと、前記現在交通データと、を用いて、前記事故発生度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。 - 前記割当テーブル作成ステップは、交通事故が発生したことのない路線に対して、交通事故が発生したことのある路線のうち、前記過去交通データが類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項8に記載の事故予報方法。
- 前記過去交通データは、渋滞回数情報を含む、請求項9に記載の事故予報方法。
- 前記割当テーブル作成ステップは、交通事故が発生したことのない路線に対して、交通事故が発生したことのある路線のうち、前記過去交通データ、雨量情報、風速情報が類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項10に記載の事故予報方法。
- 前記割当テーブル作成ステップは、交通事故が発生したことのない路線に対して、交通事故が発生したことのある路線のうち、路線の構造情報が類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項8に記載の事故予報方法。
- 前記割当テーブル作成ステップは、前記割当テーブルを作成する際に、学習アルゴリズムである自己組織化マップを用い、
前記自己組織化マップは、
前記渋滞回数を含む過去交通データ、前記雨量情報、前記風速情報が入力ベクトルとして入力される入力層と、
前記入力ベクトルの各成分に対応したユニットからなる競合層と、
前記入力層の各ユニットと前記競合層の各ユニットを全結合する重みベクトルと、を含んでおり、
前記割当テーブル作成ステップは、交通事故が発生したことのない路線について、交通事故が発生したことのある路線のうち、前記競合層の勝者ユニットが同じになる路線を前記類似する路線として決定し、前記類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項11に記載の事故予報方法。 - 前記割当テーブル作成ステップは、前記割当テーブルを作成する際に、学習アルゴリズムである自己組織化マップを用い、
前記自己組織化マップは、
前記過去交通データと、路線長、車線数、設定速度を含む前記路線の構造情報と、が入力ベクトルとして入力される入力層と、
前記入力ベクトルの各成分に対応したユニットからなる競合層と、
前記入力層の各ユニットと前記競合層の各ユニットを全結合する重みベクトルと、を含んでおり、
前記割当テーブル作成ステップは、交通事故が発生したことのない路線について、交通事故が発生したことのある路線のうち、前記競合層の勝者ユニットが同じになる路線を前記類似する路線として決定し、前記類似する路線に割り当てられている前記事故予報用テーブルを割り当てて、前記割当テーブルを作成する、請求項12に記載の事故予報方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016109333A JP6666202B2 (ja) | 2016-05-31 | 2016-05-31 | 事故予報システム、および事故予報方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016109333A JP6666202B2 (ja) | 2016-05-31 | 2016-05-31 | 事故予報システム、および事故予報方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017215798A true JP2017215798A (ja) | 2017-12-07 |
JP6666202B2 JP6666202B2 (ja) | 2020-03-13 |
Family
ID=60577061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016109333A Active JP6666202B2 (ja) | 2016-05-31 | 2016-05-31 | 事故予報システム、および事故予報方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6666202B2 (ja) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002221428A (ja) * | 2001-01-25 | 2002-08-09 | Denso Corp | 車両用安全運転支援装置 |
JP2003014474A (ja) * | 2001-07-03 | 2003-01-15 | Denso Corp | 車両用ナビゲーション装置および事故防止システム |
JP2009104531A (ja) * | 2007-10-25 | 2009-05-14 | Denso Corp | 潜在危険地点検出装置および車載危険地点通知装置 |
JP2009236494A (ja) * | 2008-03-25 | 2009-10-15 | Nissan Motor Co Ltd | 車両用ナビゲーションシステム、車両用ナビゲーション方法、及び車載ナビゲーション装置 |
JP2011258088A (ja) * | 2010-06-11 | 2011-12-22 | Hitachi Ltd | インシデント管理装置 |
JP2012118915A (ja) * | 2010-12-03 | 2012-06-21 | Fujitsu Ten Ltd | 情報報知システム、サーバ装置、車載装置、及び、情報報知方法 |
JP2013114365A (ja) * | 2011-11-28 | 2013-06-10 | Mazda Motor Corp | 安全運転支援情報配信システム |
JP2014035639A (ja) * | 2012-08-08 | 2014-02-24 | Toshiba Corp | 交通事故発生予報装置、方法およびプログラム |
-
2016
- 2016-05-31 JP JP2016109333A patent/JP6666202B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002221428A (ja) * | 2001-01-25 | 2002-08-09 | Denso Corp | 車両用安全運転支援装置 |
JP2003014474A (ja) * | 2001-07-03 | 2003-01-15 | Denso Corp | 車両用ナビゲーション装置および事故防止システム |
JP2009104531A (ja) * | 2007-10-25 | 2009-05-14 | Denso Corp | 潜在危険地点検出装置および車載危険地点通知装置 |
JP2009236494A (ja) * | 2008-03-25 | 2009-10-15 | Nissan Motor Co Ltd | 車両用ナビゲーションシステム、車両用ナビゲーション方法、及び車載ナビゲーション装置 |
JP2011258088A (ja) * | 2010-06-11 | 2011-12-22 | Hitachi Ltd | インシデント管理装置 |
JP2012118915A (ja) * | 2010-12-03 | 2012-06-21 | Fujitsu Ten Ltd | 情報報知システム、サーバ装置、車載装置、及び、情報報知方法 |
JP2013114365A (ja) * | 2011-11-28 | 2013-06-10 | Mazda Motor Corp | 安全運転支援情報配信システム |
JP2014035639A (ja) * | 2012-08-08 | 2014-02-24 | Toshiba Corp | 交通事故発生予報装置、方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6666202B2 (ja) | 2020-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492555B (zh) | 一种城市路网交通状态评价方法及装置 | |
JP5374067B2 (ja) | 交通状態シミュレーション装置及びプログラム | |
EP3035314B1 (en) | A traffic data fusion system and the related method for providing a traffic state for a network of roads | |
US20190145794A1 (en) | System and Method for Predicting Hyper-Local Conditions and Optimizing Navigation Performance | |
JP6045846B2 (ja) | 交通事故発生予報装置、方法およびプログラム | |
US20200050954A1 (en) | Energy management device, model management method and non-transitory computer readable medium | |
Ram et al. | SMARTBUS: A web application for smart urban mobility and transportation | |
JP6721416B2 (ja) | 事故予報システム、および、事故予報方法 | |
JP2007140745A (ja) | 渋滞予測システム及び渋滞要因推定システム、並びに渋滞予測方法及び渋滞要因推定方法 | |
US11955000B2 (en) | Methods, systems, and media for generating and evaluating street grids | |
US20160343099A1 (en) | Automated traffic sensor placement planning | |
JP7451303B2 (ja) | 交通状況予測装置、および、交通状況予測方法 | |
Hans et al. | Clustering approach for assessing the travel time variability of arterials | |
US10636296B2 (en) | Traffic hindrance risk prediction apparatus | |
JP7225303B2 (ja) | 事故予報システム、および、事故予報方法 | |
JP6685763B2 (ja) | 事故予報システム、および事故予報方法 | |
JP2022107672A (ja) | 管理車両配車システム、管理車両配車方法及びプログラム | |
JP2017084268A (ja) | 事故発生予報システム、および事故発生予報方法 | |
LU100760B1 (en) | Vehicular motion assessment method | |
Pirdavani et al. | Spatial analysis of fatal and injury crashes in Flanders, Belgium: application of geographically weighted regression technique | |
JP6666202B2 (ja) | 事故予報システム、および事故予報方法 | |
US20200042953A1 (en) | Road maintenance analytics | |
US20220374737A1 (en) | Multi-dimensional modeling of driver and environment characteristics | |
US20210271997A1 (en) | Method and system to generate placement data of road signs | |
JP6856349B2 (ja) | 事故予報システム、および、事故予報方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20170911 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170912 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190311 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200121 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6666202 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |