JP2018198026A - 事故予報システム、および、事故予報方法 - Google Patents

Abstract

【課題】センサの設置間隔が大きい道路についても高精度で事故予報を行う事が出来る、事故予報システム、及び、自己予報方法を提供する。【解決手段】事故予報システム１において、事故予報用テーブル作成処理部３１２は、道路における所定の地点について、少なくとも、車両に関する過去交通データ、および、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、交通状況ごとの事故発生度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２１１は、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。交通状況推定処理部２１７は、道路で予め推定地点を設定し、所定の複数のセンサから取得した現在交通データを用いて、推定地点の交通状況を推定する。事故予報処理部２１４は、推定地点について、交通状況推定処理部によって推定された交通状況、および、事故予報用テーブルを用いて、事故発生度を予報する。【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。

道路で車両の交通事故が発生すると、二次災害（後続車による追突事故等）や渋滞が発生する可能性がある。したがって、交通事故が発生した場合、交通整理や事故車両の撤去等の早急な現場復旧の対応が重要となる。

また、交通事故の発生そのものを減らすことができれば、非常に有益である。近年では、例えば、道路における各地点でセンサ（トラフィックカウンタ等）によって過去に計測した交通データを使用して学習を行い、当該各地点における事故予報を行う技術の検討が進められている。

特開２０１０−３９９９２号公報 特開２００９−２２３４６０号公報

上述のセンサの設置間隔は、道路または交通量によって異なる。センサの設置間隔が大きいと、事故予報を行う際に使用できるセンサ情報が少なく、事故予報の精度が低くなる可能性がある。

そこで、本発明が解決しようとする課題は、センサの設置間隔が大きい道路についても高精度で事故予報を行うことである。

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、交通状況推定処理部と、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、道路における所定の地点について、少なくとも、車両に関する過去交通データ、および、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、交通状況ごとの事故発生度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、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。交通状況推定処理部は、前記道路で予め推定地点を設定し、所定の複数の前記センサから取得した現在交通データを用いて、前記推定地点の交通状況を推定する。事故予報処理部は、前記推定地点について、少なくとも、前記交通状況推定処理部によって推定された交通状況、および、前記事故予報用テーブルを用いて、前記事故発生度を予報する。

図１は、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、実施形態において、道路の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、実施形態における道路や各センサ等の一例を模式的に示した図である。 図４は、実施形態におけるプローブ情報取得処理の一例を示したフローチャートである。 図５は、実施形態における仮想センサ、平均速度、台数の対応情報の一例を示した図である。 図６は、実施形態における交通状況の推定処理の一例を示したフローチャートである。 図７は、実施形態における交通状況の推定処理の他の一例を示したフローチャートである。 図８は、実施形態において仮想センサＡの位置での速度の算出方法の一例の説明図である。 図９は、実施形態における道路や各センサ等の一例を模式的に示した図である。 図１０は、実施形態において仮想センサＣの位置での速度の算出方法の一例の説明図である。 図１１は、実施形態において仮想センサＣの位置での交通量の算出方法の一例の説明図である。 図１２は、実施形態における事故予報用テーブル作成処理の一例を示したフローチャートである。 図１３は、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１４は、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１５は、実施形態における事故予報用テーブルの一例を示した図である。 図１６は、実施形態における事故予報処理の一例を示したフローチャートである。 図１７は、図１４の自己組織化マップを用いた事故予報処理の一例の説明図である。

以下、本発明の実施形態について、図面を参照して説明する。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（以下、単に「事故」ともいう。）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ずに、単に、当該各地点における事故の発生しやすさ（事故発生度）の「予測」だけを行う場合の意味も含むものとする。

また、「地点」とは、道路における一点の意味に限定されず、道路における区間の意味も含むものとする。つまり、以下における「区間」は「地点」の一形態である。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。また、以下の実施形態では、道路の例として高速道路の場合について説明するが、これに限定されない。

まず、図１、図２を参照して、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、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、実施形態において、道路の区間と道路センサ部ＲＳとの関係の一例を模式的に示した説明図である。

図１に示す事故予報システム１は、図２に示す路線Ａの区間Ａ−１、Ａ−２、・・・、Ａ−（ｎ−１）、Ａ−ｎ、路線Ｂの区間Ｂ−１、Ｂ−２、・・・、Ｂ−（ｍ−１）、Ｂ−ｍのそれぞれに対応する道路センサ部ＲＳ_Ａ−１、ＲＳ_Ａ−２、・・・、ＲＳ_{Ａ−（ｎ−１）}、ＲＳ_Ａ−ｎ、ＲＳ_Ｂ−１、ＲＳ_Ｂ−２、・・・、ＲＳ_{Ｂ−（ｍ−１）}、ＲＳ_Ｂ−ｍ（以下、特に区別しないときは「ＲＳ」と表す。）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を示す事故発生度を予報するシステムである。なお、事故予報システム１は、２つの道路センサ部ＲＳの間に仮想センサを設定する場合は、その仮想センサごとに区間を設定し、その区間ごとに事故発生度を予報することができる（詳細は後述）。

道路センサ部ＲＳは、対応する区間について、交通状況を計測するセンサ（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、超音波センサの少なくともいずれか、またはいくつかの組み合わせなどから構成される。

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。

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。また、道路交通管制装置２は、外部のプローブ情報システム４からプローブ情報を取得する。ここで、プローブ情報とは、プローブカーが送信する車両の位置、速度、加速度等の情報を指す。また、プローブカーとは、そのような情報の送信機能を有する車両を指す。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。なお、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、プローブ情報取得処理部２１２と、受信処理部２１３と、事故予報処理部２１４と、表示制御部２１５と、通知部２１６と、交通状況推定処理部２１７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の過去データベース３２１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。

プローブ情報取得処理部２１２は、通信ネットワークを介してプローブ情報システム４から車両のプローブ情報を取得する。なお、本実施形態において、プローブ情報のうち、例えば直近の数分間程度のプローブ情報を現在プローブ情報と称し、現在プローブ情報を含む過去の長期間のプローブ情報を過去プローブ情報と称する場合がある。ただし、事故予報に用いる現在プローブ情報は、直近の数分程度に限定されず、数十分、数時間程度のプローブ情報の履歴情報であってもよい。

上述したように、プローブ情報は、例えば、車両の位置、速度、加速度の情報を含む。また、プローブ情報取得処理部２１２は、プローブ情報を元に事故予報に必要なデータの集計等を行う（詳細は後述）。

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３１３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、それぞれの事故予報用テーブルを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。

交通状況推定処理部２１７は、道路で予め推定地点を設定し、所定の２つ（複数の一例）のセンサ（例えば、図３の上流側センサと下流側センサ）から取得した現在交通データを用いて、推定地点（例えば、図３の仮想センサＡ、Ｂ、Ｃの地点）の交通状況を推定する。交通状況推定処理部２１７は、例えば、所定の２つのセンサから推定地点までのそれぞれの距離の比を用いて、推定地点の交通状況を推定する。

また、交通状況推定処理部２１７は、例えば、流出センサ（図３）によって検知された道路から外部に出る車両の台数である流出交通量、および、流入センサ（図３）によって検知された外部から道路に入る車両の台数である流入交通量のいずれかを用いて、推定地点の交通状況を推定してもよい。交通状況推定処理部２１７の処理の詳細については後述する。

事故予報処理部２１４は、道路センサ部ＲＳの地点について、現在交通データ（例えば、交通量、占有率、平均速度）、および、事故予報用テーブルを用いて、事故発生度を予報する。また、事故予報処理部２１４は、推定地点（例えば、図３の仮想センサＡ、Ｂ、Ｃの地点）について、少なくとも、交通状況推定処理部２１７によって推定された交通状況、および、事故予報用テーブルを用いて、事故発生度を予報する（詳細は後述）。

表示制御部２１５は、事故予報処理部２１４が算出した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。

通知部２１６は、事故予報処理部２１４が算出した事故発生度等を、プローブ情報の送信機能を有する車両５に通知する。なお、この通知は、プローブ情報システム４を経由してもよいし、経由しなくてもよい。

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、プローブ情報データベース２２３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、管制官等により後から修正してもよい。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２１４にて事故予報を行う際に利用される。このとき、事故予報を行う際には、事故予報処理部２１４が現在データベース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（例えば、交通量［台／ｈ］、占有率［％］（または車両密度［台／ｋｍ］）、平均速度［ｋｍ／ｈ］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。

プローブ情報データベース２２３は、プローブ情報取得処理部２１２が集計したプローブ情報を逐次記憶する。

表示部２３は、例えば、事故予報処理部２１４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。

次に、事故予報用テーブル作成装置３について説明する。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、プローブ情報取得処理部３１１と、事故予報用テーブル作成処理部３１２と、送信処理部３１３と、を備える。

プローブ情報取得処理部３１１の機能は、プローブ情報取得処理部２１２の機能と同様であるので、詳細な説明を省略する。プローブ情報取得処理部３１１は、集計したプローブ情報を記憶部３２のプローブ情報データベース３２２に蓄積する。

事故予報用テーブル作成処理部３１２は、道路における所定の地点について、過去データベース３２１に格納されている過去交通データ、過去事故データ、および、プローブ情報データベース３２２の過去プローブ情報を用いて、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、占有率、平均速度等）ごとの事故発生度を表す事故予報用テーブルを作成する。また、事故予報用テーブル作成処理部３１２は、事故予報用テーブルを作成する際、道路交通管制装置２の交通状況推定処理部２１７によって推定された推定地点の交通状況を過去交通データとして用いる。

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）などの予備情報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３１２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、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、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３１３は、事故予報用テーブル作成処理部３１２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と、プローブ情報データベース３２２と、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。また、この過去交通データには、道路交通管制装置２の交通状況推定処理部２１７によって推定された推定地点の交通状況も追加される。

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が、これに限定されない。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。

プローブ情報データベース３２２は、プローブ情報取得処理部３１１が集計したプローブ情報を逐次記憶する。

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。

次に、図３を参照して、実施形態における道路や各センサ等の一例について説明する。図３は、実施形態における道路や各センサ等の一例を模式的に示した図である。図３において、道路における車両の流れは、左から右の方向である。上流側センサと下流側センサは、道路センサ部ＲＳに対応する。また、インターチェンジに設けられた流出センサと流入センサは、道路センサ部ＲＳと同様の構成を有する。流出センサは、道路から外部に出る車両を検知し、検知した情報を道路交通管制装置２に送信する。また、流入センサは、外部から道路に入る車両を検知し、検知した情報を道路交通管制装置２に送信する。なお、インターチェンジ以外に、サービスエリアの出入口、パーキングエリアの出入口、料金所等に流出センサや流入センサが設置されていてもよい。

ここで、上流側センサと下流側センサの設置間隔が大きい（例えば約１５ｋｍ程度である）ものとする。その場合、高精度で事故予報を行うために、上流側センサと下流側センサ（所定の２つのセンサ）の間に推定地点として仮想センサＡ、Ｂ、Ｃを設定する。そして、プローブ情報か、あるいは、上流側センサと下流側センサから取得した現在交通データを用いて、仮想センサＡ、Ｂ、Ｃの位置での交通状況を推定する（詳細は後述）。

プローブ情報取得処理部２１２は、車両のプローブ情報から事故予報に必要なデータの構築を行う。プローブ情報取得処理部２１２は、例えば、プローブ情報における車両の位置が仮想センサの近傍か否かを判定し、近傍であればその位置での速度を仮想センサの位置での速度と推定する。こうした処理の流れを図４に示す。図４は、実施形態におけるプローブ情報取得処理の一例を示したフローチャートである。

まず、プローブ情報取得処理部２１２は、プローブ情報システム４からプローブ情報を取得する（ステップＳ１）。

次に、プローブ情報取得処理部２１２は、取得したプローブ情報から、１台分のプローブ情報を抽出する（ステップＳ２）。

次に、プローブ情報取得処理部２１２は、対象時間帯内か否かを判定し（ステップＳ３）、Ｙｅｓの場合はステップＳ４に進み、Ｎｏの場合はステップＳ１に戻る。対象時間帯は、事故予報を行う時間間隔によるが、例えば、５分刻みの時間帯である。

ステップＳ４において、プローブ情報取得処理部２１２は、抽出したプローブ情報について位置情報を分析し、その車両の滞在区間を判定する。

次に、プローブ情報取得処理部２１２は、その車両の状態（例えば、速度、加速度等）を判定する（ステップＳ５）。

次に、プローブ情報取得処理部２１２は、抽出したプローブ情報における車両の位置がいずれかの仮想センサの近傍か否かを判定し（ステップＳ６）、Ｙｅｓの場合はステップＳ７に進み、Ｎｏの場合はステップＳ８に進む。

ステップＳ７において、プローブ情報取得処理部２１２は、該当する仮想センサの位置での車両の速度を計算（推定）する。プローブ情報取得処理部２１２は、例えば、着目する仮想センサの近傍のプローブ情報が１つの場合は、そのプローブ情報における速度をその仮想センサの位置での速度とする。また、プローブ情報取得処理部２１２は、例えば、着目する仮想センサの近傍のプローブ情報が２つ以上の場合は、それらのプローブ情報における速度の平均値をその仮想センサの位置での速度とする。以下、平均速度を単に「速度」と称する場合もある。

プローブ情報取得処理部２１２は、例えば、図５のような対応情報を生成する。図５は、実施形態における仮想センサ、平均速度、台数の対応情報の一例を示した図である。図５に示すように、この対応情報では、仮想センサごとに、平均速度と台数の情報が対応付けられている。

図４に戻って、ステップＳ６でＮｏの後、または、ステップＳ７の後、プローブ情報取得処理部２１２は、取得したプローブ情報について全車両の処理を終了したか否かを判定し（ステップＳ８）、Ｙｅｓの場合はステップＳ９に進み、Ｎｏの場合はステップＳ２に戻る。

ステップＳ９において、プローブ情報取得処理部２１２は、区間ごとの集計処理を行う。

次に、プローブ情報取得処理部２１２は、集計結果をプローブ情報データベース２２３に出力（蓄積）する（ステップＳ１０）。ステップＳ１０の後、処理を終了する。

次に、図６、図７を参照して、実施形態における交通状況の推定処理について説明する。図６は、実施形態における交通状況の推定処理の一例を示したフローチャートである。図７は、実施形態における交通状況の推定処理の他の一例を示したフローチャートである。

例えば、図３の仮想センサＡの位置について交通状況を推定する場合は、上流側センサから仮想センサＡまでの間に分岐や合流が無く、そのような単純なケースでは、図６のフローチャートによる処理を行う。また、図３の仮想センサＢの位置について交通状況を推定する場合は、上流側センサから仮想センサＢまでの間に分岐があり、そのような単純でないケースでは、図７のフローチャートによる処理を行う。また、図３の仮想センサＣの位置について交通状況を推定する場合は、上流側センサから仮想センサＣまでの間に分岐と合流があり、そのような単純でないケースでは、図７のフローチャートによる処理を行う。ただし、これに限定されず、例えば、図３の仮想センサＡの位置について交通状況を推定する場合でも、図７のフローチャートによる処理を行ってもよい。

図６のフローチャートについて説明する。まず、ステップＳ１１で、図５の対応情報において、対象の仮想センサ（例えば仮想センサＡ）の位置での速度の情報がある場合、交通状況推定処理部２１７は、その速度をそのまま使用する。

また、ステップＳ１１で、図５の対応情報において、対象の仮想センサの位置での速度の情報がない場合に交通状況推定処理部２１７が行う処理について、図８を参照して説明する。図８は、実施形態において仮想センサＡの位置での速度の算出方法の一例の説明図である。

図８において、縦軸は速度であり、横軸は道路上の位置である。対象の時間帯に関し、上流側センサで計測された速度をＶ１とし、下流側センサで計測された速度Ｖ２とする。また、上流側センサから仮想センサＡまでの距離をＬ１とし、仮想センサＡから下流側センサまでの距離をＬ２とする。その場合、仮想センサＡの位置での速度をＶｓとすると、Ｖｓは次の式（１）、式（２）により算出（推定）できる。

ΔＶ＝（Ｖ２−Ｖ１）×｛Ｌ１／（Ｌ１＋Ｌ２）｝ ・・・式（１）
Ｖｓ＝Ｖ１＋ΔＶ ・・・式（２）

なお、この計算の際、道路が上り坂の場合に速度を減少させる補正係数や、道路が下り坂の場合に速度を増加させる補正係数や、道路が曲がっている場合に速度を減少させる補正係数等を速度に乗じてもよい。

次に、ステップＳ１２で、交通状況推定処理部２１７は、図８に示した方法で速度を推定したときと同様にして、仮想センサＡの位置での交通量を推定する。ただし、上流側センサで計測した交通量の情報はそのまま使用するが、下流側センサで計測した交通量の情報はそのまま使用せず、その交通量に流出センサで計測した交通量を加算するとともに流入センサで計測した交通量を減算して（つまり、インターチェンジで出入りした車両による影響を除いて）使用する。

次に、ステップＳ１３で、交通状況推定処理部２１７は、仮想センサＡの位置での占有率を推定する。ステップＳ１２で推定した交通量をＱｓとし、予め設定された車両平均長をＬｃとするとき、占有率Ｏｃｃは、次の式（３）により算出（推定）できる。
Ｏｃｃ［％］＝｛（Ｑｓ［台／ｈ］×Ｌｃ［ｍ］）／（Ｖｓ［ｍ／ｓ］×３６００）｝
×１００ ・・・式（３）

なお、交通量における大型車混入率ρがわかっている場合には、大型車両平均長Ｌｃｌとそれ以外の車両平均長Ｌｃｓを用いて、次の式（４）により占有率Ｏｃｃを算出（推定）できる。
Ｏｃｃ［％］＝｛（ρ×Ｑｓ［台／ｈ］×Ｌｃｌ［ｍ］＋（１−ρ）×Ｑｓ［台／ｈ］
×Ｌｃｓ［ｍ］）／（Ｖｓ［ｍ／ｓ］×３６００）｝×１００
・・・式（４）

次に、図７のフローチャートについて説明する。まず、ステップＳ２１で、図５の対応情報において、対象の仮想センサの位置での速度の情報がある場合、交通状況推定処理部２１７は、その速度をそのまま使用する。ただし、ここでは、図５の対応情報において、仮想センサＣの位置での速度の情報がないと仮定し、その場合の仮想センサＣの位置での速度の推定（算出）について、図９、図１０を参照して説明する。

図９は、実施形態における道路や各センサ等の一例を模式的に示した図である。図９において、上流側センサから仮想センサＣまでの距離をＬ３とする。また、仮想センサＣから下流側センサまでの距離をＬ４とする。その場合、まず、分岐や合流を考慮しないものとすると、上述の式（１）、式（２）の場合と同様にして、仮想センサＣの位置での速度Ｖｓを算出できる。また、分岐地点から仮想センサＣまでの距離をＬｂとする。また、合流地点から仮想センサＣまでの距離をＬｇとする。

ここで、図１０は、実施形態において仮想センサＣの位置での速度の算出方法の一例の説明図である。図１０において、縦軸は上流側センサの位置での速度であり、横軸は時刻である。まず、得られた仮想センサ位置での速度Ｖｓと、上流側センサで計測された速度Ｖ１の平均速度と距離Ｌ３から、上流側センサから仮想センサＣまでの推定所要時間ｔｎを求める。推定所要時間ｔｎの算出式は、次の式（５）の通りである。
ｔｎ＝Ｌ３／｛（Ｖｓ＋Ｖ１）／２｝ ・・・式（５）

また、図１０に示すように、最新計測時刻Ｔｎから推定所要時間ｔｎだけ遡った時刻を挟んだ計測時刻Ｔ１、Ｔ２におけるそれぞれの上流側センサの位置での速度をＶｔ１、Ｖｔ２とし、当該遡った時刻と計測時刻Ｔ１、Ｔ２それぞれとの時間差をｔ１、ｔ２とすると、上流側センサの位置での推定速度Ｖｔｓは次の式（６）、式（７）によって算出できる。
ΔＶｔ＝（Ｖｔ２−Ｖｔ１）×｛ｔ１／（ｔ１＋ｔ２）｝ ・・・式（６）
Ｖｔｓ＝Ｖｔ１＋ΔＶｔ ・・・式（７）

この得られた上流側センサの位置での推定速度Ｖｔｓと下流側センサで計測された速度Ｖ２と距離Ｌ３、Ｌ４から、次の式（８）、式（９）を用いて、再び仮想センサＣの位置での速度Ｖｓ１を求める。
ΔＶ＝（Ｖ２−Ｖｔｓ）×｛Ｌ３／（Ｌ３＋Ｌ４）｝ ・・・式（８）
Ｖｓ１＝Ｖ１＋ΔＶ ・・・式（９）

また、推定速度Ｖｔｓと速度Ｖｓ１の平均速度と距離Ｌ３から、式（１０）を用いて、再び上流側センサから仮想センサＣまでの推定所要時間ｔｎを求める。
ｔｎ＝Ｌ３／｛（Ｖｔｓ＋Ｖｓ１）／２｝ ・・・式（１０）

その後、式（１０）で算出した推定所要時間ｔｎ、上述した式（６）、式（７）と同様の式等を用いて、上流側センサの位置での推定速度Ｖｔｓを求める。これらの処理を、上流側センサの位置での推定速度Ｖｔｓが収束するまで繰返し、最終的な仮想センサＣの位置の位置での速度Ｖｓを得る。

なお、ここでも、この計算の際、道路が上り坂の場合に速度を減少させる補正係数や、道路が下り坂の場合に速度を増加させる補正係数や、道路が曲がっている場合に速度を減少させる補正係数等を速度に乗じてもよい。

次に、図７のステップＳ２２で、交通状況推定処理部２１７は、各推定所要時間を算出する。上流側センサから仮想センサＣまで（距離Ｌ３）の推定所要時間ｔｎはステップＳ２１で算出しているので、同様にして、分岐地点から仮想センサＣまで（距離Ｌｂ）の推定所要時間ｔｂと、合流地点から仮想センサＣまで（距離Ｌｇ）の推定所要時間ｔｇを算出する。

次に、図７のステップＳ２３で、交通状況推定処理部２１７は、仮想センサＣの位置での交通量を推定する。図１１は、実施形態において仮想センサＣの位置での交通量の算出方法の一例の説明図である。ここでは、最新計測時刻Ｔｎにおける仮想センサＣの位置での交通量を推定するために、まず、上流側センサにおける最新計測時刻Ｔｎから推定所要時間ｔｎだけ遡った時刻における推定交通量Ｑｔｓを算出する。

図１１において、縦軸は上流側センサの位置での交通量であり、横軸は時刻である。上流側センサから仮想センサＣまでの推定所要時間ｔｎは、上述した式（５）により算出できる。

また、図１１に示すように、最新計測時刻Ｔｎから推定所要時間ｔｎだけ遡った時刻を挟んだ計測時刻Ｔ１、Ｔ２におけるそれぞれの上流側センサの位置での交通量をＱｔ１、Ｑｔ２とし、当該遡った時刻と計測時刻Ｔ１、Ｔ２それぞれとの時間差をｔ１、ｔ２とすると、上流側センサの位置での推定交通量Ｑｔｓは次の式（１１）、式（１２）によって算出できる。
ΔＱｔ＝（Ｑｔ２−Ｑｔ１）×｛ｔ１／（ｔ１＋ｔ２）｝ ・・・式（１１）
Ｑｔｓ＝Ｑｔ１＋ΔＱｔ ・・・式（１２）

この得られた上流側センサの位置での推定交通量Ｑｔｓと下流側センサで計測された交通量Ｑ２と距離Ｌ３、Ｌ４から、次の式（１３）、式（１４）を用いて、仮想センサＣの位置での交通量Ｑｓ１を求める。
ΔＱ＝（Ｑ２−Ｑｔｓ）×｛Ｌ３／（Ｌ３＋Ｌ４）｝ ・・・式（１３）
Ｑｓ１＝Ｑ１＋ΔＱ ・・・式（１４）

また、推定交通量Ｑｔｓと交通量Ｑｓ１の平均速度と距離Ｌ３から、式（１５）を用いて、上流側センサから仮想センサＣまでの推定所要時間ｔｎを求める。
ｔｎ＝Ｌ３／｛（Ｑｔｓ＋Ｑｓ１）／２｝ ・・・式（１５）

その後、式（１５）で算出した推定所要時間ｔｎ、上述した式（１１）、式（１２）と同様の式等を用いて、上流側センサの位置での推定交通量Ｑｔｓを求める。これらの処理を、上流側センサの位置での推定交通量Ｑｔｓが収束するまで繰返す。

また、図１１のような図示を省略するが、同様にして、分岐地点における最新計測時刻Ｔｎから推定所要時間ｔｂだけ遡った時刻における推定流出交通量Ｑｏｕｔを算出する。また、合流地点における最新計測時刻Ｔｎから推定所要時間ｔｇだけ遡った時刻における推定流入交通量Ｑｉｎを算出する。

そして、最新計測時刻Ｔｎにおける仮想センサＣの位置での推定交通量Ｑｓは、次の式（１６）により算出できる。
Ｑｓ＝Ｑｔｓ−Ｑｏｕｔ＋Ｑｉｎ ・・・式（１６）

つまり、上流側センサの位置での推定交通量Ｑｔｓに含まれる車両のうち、推定流出交通量Ｑｏｕｔに含まれる車両が外部に流出し、また、推定流入交通量Ｑｉｎに含まれる車両が合流し、そうして算出された数の車両が最新計測時刻Ｔｎにおいて仮想センサＣの位置に到達していると推定できる。

なお、上述の例では、分岐地点と合流地点が一箇所ずつの場合で説明したが、これに限定されず、分岐地点の数と合流地点の数はそれぞれ０以上の任意の数とすることができる。

次に、図７のステップＳ２４で、交通状況推定処理部２１７は、仮想センサＣの位置での占有率を推定する。このステップＳ２４は図６のステップＳ１３と同様であるので、説明を省略する。ステップＳ２４の後、処理を終了する。

以上のようにして、実施形態の事故予報システム１によれば、実際にはセンサの無い推定地点（仮想センサＡ、Ｂ、Ｃの地点）について、プローブ情報か、あるいは、上流側センサと下流側センサから取得した現在交通データを用いて、交通状況（速度、交通量、占有率等）を推定することができる。

次に、図１２を参照して、実施形態における事故予報用テーブル作成処理について説明する（適宜他図参照）。図１２は、実施形態における事故予報用テーブル作成処理の一例を示したフローチャートである。

図１２に示すように、事故予報用テーブル作成処理部３１２（図１）は、まず、ステップＳ３１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。なお、過去データベース３２１の過去交通データには、道路交通管制装置２の交通状況推定処理部２１７によって推定された推定地点の交通状況も含まれている。

次に、ステップＳ３２において、事故予報用テーブル作成処理部３１２は、プローブ情報データベース３２２から過去プローブ情報を読み出す。

次に、ステップＳ３３において、事故予報用テーブル作成処理部３１２は、過去交通データ、過去事故データ、および、過去プローブ情報に基づいて、過去交通データ、過去プローブ情報と事故の発生しやすさ（事故発生度）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１３は、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１３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ｘ_１，…，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ｘ_１，…，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１４は、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１４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と、プローブ情報データベース３２２から読み出された過去プローブ情報とが、学習対象の入力ベクトルとして用いられる。

図１４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、過去プローブ情報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。

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。

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、過去プローブ情報と事故発生度との相関関係が学習される。

図１２に戻り、ステップＳ３４において、事故予報用テーブル作成処理部３１２は、ステップＳ３３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３１２は、図１４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、過去プローブ情報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１５を用いて、事故予報用テーブルの一例について説明する。

図１５は、実施形態における事故予報用テーブルの一例を示した図である。図１５に示す事故予報用テーブルでは、競合層（および事故発生度分布）のユニットごとに、交通量、占有率、平均速度の各重み、および、事故発生度が関連付けられている。ステップＳ３４の後、処理を終了する。

次に、図１６を参照して、実施形態における事故予報処理について説明する。図１６は、実施形態における事故予報処理の一例を示したフローチャートである。

図１６に示すように、事故予報処理部２１４は、まず、ステップＳ４１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Ｓ４２に進み、Ｎｏの場合はステップＳ４１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２１４は、ステップＳ４２〜Ｓ４８で路線ごとの処理を行う。つまり、事故予報処理部２１４は、複数の路線について区間ごとの事故予報を行う場合、まず１つ目の路線についてステップＳ４３〜Ｓ４７の処理を行い、次に２つ目の路線についてステップＳ４３〜Ｓ４７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２１４は、ステップＳ４３〜Ｓ４７で区間ごとの処理を行う。つまり、事故予報処理部２１４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Ｓ４４〜Ｓ４６の処理を行い、次に２つ目の区間についてステップＳ４４〜Ｓ４６の処理を行い、・・・、という処理をすべての区間について行う。また、上述したように、この区間には、仮想センサに対応して設定された区間も含まれる。

ステップＳ４４において、事故予報処理部２１４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（例えば、交通量、占有率、平均速度）を読み出す。

次に、ステップＳ４５において、事故予報処理部２１４は、着目する区間について、プローブ情報データベース２２３から現在プローブ情報（例えば、車両の位置、速度、加速度等）を読み出す。

次に、ステップＳ４６において、事故予報処理部２１４は、ステップＳ４４で読み出した現在交通データと、ステップＳ４５で読み出した現在プローブ情報を統合する。ここで、事故予報処理部２１４は、ステップＳ４４で読み出した現在交通データに基づいて交通状況推定処理部２１７によって推定地点（例えば仮想センサＡ、Ｂ、Ｃの地点）について推定された交通状況のデータも統合する。

次に、ステップＳ４７において、事故予報処理部２１４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、ステップＳ４６で統合したデータとともに用いて事故予報を行う。

ここで、ステップＳ４７について、図１７を用いて説明する。図１７は、図１４の自己組織化マップを用いた事故予報処理の一例の説明図である。図１７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。なお、勝者ユニットの決定の方法は、前記した（１）（図１４）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。
（１３）選択されたユニットの事故発生度を出力。

このようにして、事故予報処理部２１４は、ステップＳ４２〜Ｓ４９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Ｓ５０において、表示制御部２１５は、事故予報処理部２１４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。ステップＳ５０の後、ステップＳ４１に戻る。

このように、実施形態の事故予報システム１によれば、センサの設置間隔が大きい道路についても高精度で事故予報を行うことができる。つまり、実際にはセンサの無い推定地点（仮想センサＡ、Ｂ、Ｃの地点）について、プローブ情報か、あるいは、上流側センサと下流側センサから取得した現在交通データを用いて、交通状況（速度、交通量、占有率等）を推定し、その推定した交通状況を用いることで、センサの設置間隔が大きい道路についても高精度で事故予報を行うことができる。したがって、道路交通の安全性をより向上させることができる。

また、その推定した交通状況を用いて事故予報用テーブルを作成することで、より高精度な事故予報用テーブルとすることができる。

また、所定の２つのセンサ（上流側センサと下流側センサ）から推定地点までのそれぞれの距離の比を用いて推定地点の交通状況を推定することで、簡潔で負担の軽い処理とすることができる。

また、流出センサによって検知された流出交通量、および、流入センサによって検知された流入交通量を用いることで、推定地点の交通状況をより高精度に推定することができる。

また、事故発生度を車両に通知することで、通知を受けた車両の運転手はその事故発生度を認識し、より安全な運転をすることができる。

（変形例）
上記の実施形態では、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、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。

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 事故予報システム
２ 道路交通管制装置
３ 事故予報用テーブル作成装置
４ プローブ情報システム
５ 車両
２１ 処理部
２２ 記憶部
２３ 表示部
２４ 入力部
２１１ 交通データ取得処理部
２１２ プローブ情報取得処理部
２１３ 受信処理部
２１４ 事故予報処理部
２１５ 表示制御部
２１６ 通知部
２１７ 交通状況推定処理部
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 プローブ情報データベース
３１ 処理部
３２ 記憶部
３３ 表示部
３４ 入力部
３１１ プローブ情報取得処理部
３１２ 事故予報用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 プローブ情報データベース
ＲＳ 道路センサ部

Claims (14)

1. 道路における所定の地点について、少なくとも、車両に関する過去交通データ、および、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、交通状況ごとの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、
   前記道路で予め推定地点を設定し、所定の複数の前記センサから取得した現在交通データを用いて、前記推定地点の交通状況を推定する交通状況推定処理部と、
   前記推定地点について、少なくとも、前記交通状況推定処理部によって推定された交通状況、および、前記事故予報用テーブルを用いて、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。
2. 前記事故予報用テーブル作成処理部は、前記交通状況推定処理部によって推定された前記推定地点の交通状況を前記過去交通データとして用いて、前記事故予報用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。
3. 前記交通状況推定処理部は、前記所定の複数のセンサから前記推定地点までのそれぞれの距離の比を用いて、前記推定地点の交通状況を推定する、請求項１に記載の事故予報システム。
4. 前記センサは、少なくとも、前記道路から外部に出る車両を検知する流出センサ、および、外部から前記道路に入る車両を検知する流入センサのいずれかを含み、
   前記交通状況推定処理部は、少なくとも、前記流出センサによって検知された前記道路から外部に出る車両の台数である流出交通量、および、前記流入センサによって検知された外部から前記道路に入る車両の台数である流入交通量のいずれかを用いて、前記推定地点の交通状況を推定する、請求項１に記載の事故予報システム。
5. 前記道路は、高速道路であり、
   前記流出センサ、および、前記流入センサは、インターチェンジに設置されている、請求項４に記載の事故予報システム。
6. 前記道路は、高速道路であり、
   前記流出センサ、および、前記流入センサは、サービスエリアまたはパーキングエリアの出入口に設置されている、請求項４に記載の事故予報システム。
7. 前記事故予報システムは、前記事故予報処理部によって予報された前記事故発生度を、前記道路を走行する車両に通知する通知部、をさらに備える、請求項１から請求項６のいずれか一項に記載の事故予報システム。
8. 道路における所定の地点について、少なくとも、車両に関する過去交通データ、および、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、交通状況ごとの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、
   前記道路で予め推定地点を設定し、所定の複数の前記センサから取得した現在交通データを用いて、前記推定地点の交通状況を推定する交通状況推定処理ステップと、
   前記推定地点について、少なくとも、前記交通状況推定処理ステップによって推定された交通状況、および、前記事故予報用テーブルを用いて、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。
9. 前記事故予報用テーブル作成処理ステップは、前記交通状況推定処理ステップによって推定された前記推定地点の交通状況を前記過去交通データとして用いて、前記事故予報用テーブルを作成する、請求項８に記載の事故予報方法。
10. 前記交通状況推定処理ステップは、前記所定の複数のセンサから前記推定地点までのそれぞれの距離の比を用いて、前記推定地点の交通状況を推定する、請求項８に記載の事故予報方法。
11. 前記センサは、少なくとも、前記道路から外部に出る車両を検知する流出センサ、および、外部から前記道路に入る車両を検知する流入センサのいずれかを含んでおり、
    前記交通状況推定処理ステップは、少なくとも、前記流出センサによって検知された前記道路から外部に出る車両の台数である流出交通量、および、前記流入センサによって検知された外部から前記道路に入る車両の台数である流入交通量のいずれかを用いて、前記推定地点の交通状況を推定する、請求項８に記載の事故予報方法。
12. 前記道路は、高速道路であり、
    前記流出センサ、および、前記流入センサは、インターチェンジに設置されている、請求項１１に記載の事故予報方法。
13. 前記道路は、高速道路であり、
    前記流出センサ、および、前記流入センサは、サービスエリアまたはパーキングエリアの出入口に設置されている、請求項１１に記載の事故予報方法。
14. 前記事故予報方法は、前記事故予報処理ステップによって予報された前記事故発生度を、前記道路を走行する車両に通知する通知ステップ、をさらに備える、請求項８から請求項１３のいずれか一項に記載の事故予報方法。

Images