JP2021103392A - アクシデント発生予測システム及びアクシデント発生予測方法 - Google Patents

Abstract

【課題】 過去のイベントの情報値及び過去のアクシデントの発生値を有効に使用して、アクシデントの発生を予測することができるアクシデント発生予測システムを提供する。【解決手段】 アクシデント発生予測システムは、現在の情報値及び現在の発生値との関係を示す現在関係式を演算する関係式演算部と、関係式演算部が演算する現在関係式と情報値取得部が取得する現在の情報値とに基づいて、現在の発生値を演算する発生値演算部と、を備え、関係式演算部は、過去の情報値及び過去の発生値に基づいて演算される誤差が設定値以内となる現在関係式を演算する。【選択図】 図２

Description

本出願は、アクシデント発生予測システム及びアクシデント発生予測方法に関する。

従来、例えば、アクシデント発生予測システムとして、犯罪予測システムが知られている（例えば、特許文献１）。ところで、特許文献１に係る犯罪予測システムにおいては、過去の犯罪情報と過去の気象情報とに基づいて、犯罪予測を行っているものの、各情報を有効に使用して予測しているのか、不明である。

特開２０１８−５０５４７４号公報

そこで、課題は、過去のイベントの情報値及び過去のアクシデントの発生値を有効に使用して、アクシデントの発生を予測することができるアクシデント発生予測システム及びアクシデント発生予測方法を提供することである。

アクシデント発生予測システムは、アクシデントの発生を予測するアクシデント発生予測システムであって、前記アクシデントに寄与するイベントの情報値を取得する情報値取得部と、前記情報値取得部が取得する情報値に対応するアクシデントの発生値を取得する発生値取得部と、現在の情報値及び現在の発生値との関係を示す現在関係式を演算する関係式演算部と、前記関係式演算部が演算する現在関係式と前記情報値取得部が取得する現在の情報値とに基づいて、現在の発生値を演算する発生値演算部と、を備え、前記関係式演算部は、過去の情報値及び過去の発生値に基づいて演算される誤差が設定値以内となる現在関係式を演算する。

また、アクシデント発生予測システムにおいては、前記関係式演算部は、異なる演算方法によって現在関係式を複数作成する関係式候補作成部と、前記関係式候補作成部が作成する複数の現在関係式と、過去の情報値及び過去の発生値とに基づいて、前記複数の現在関係式の誤差を演算する誤差演算部と、前記誤差演算部が演算する誤差に基づいて、前記複数の現在関係式から、前記発生値演算部が使用する現在関係式を選択する関係式選択部と、を備える、という構成でもよい。

また、アクシデント発生予測システムにおいては、前記発生値取得部は、アクシデントの時間及び位置の情報を取得し、前記関係式演算部は、前記発生値取得部が取得するアクシデントの情報から、直近に発生したアクシデントを選択する直近発生選択部と、前記直近発生選択部が選択するアクシデントの情報に基づいて、現在関係式を補正する関係式補正部と、を備える、という構成でもよい。

また、アクシデント発生予測システムは、アクシデントの発生を予測する対象を複数の領域に分割する領域分割部をさらに備え、前記発生値演算部は、前記領域ごとに現在の発生値を演算する、という構成でもよい。

また、アクシデント発生予測システムにおいては、前記情報値取得部が取得する情報値は、当該領域内のイベントの存在を示す値と、当該領域とイベントとの距離を示す値と、を含む、という構成でもよい。

また、アクシデント発生予測方法は、コンピュータによって、アクシデントの発生を予測するアクシデント発生予測方法であって、前記アクシデントに寄与するイベントの情報値を取得する情報値取得ステップと、前記情報値取得ステップで取得する情報値に対応するアクシデントの発生値を取得する発生値取得ステップと、現在の情報値及び現在の発生値との関係を示す現在関係式を演算する関係式演算ステップと、前記関係式演算ステップで演算する現在関係式と前記情報値取得ステップで取得する現在の情報値とに基づいて、現在の発生値を演算する発生値演算ステップと、を含み、前記関係式演算ステップで演算される現在関係式は、過去の情報値及び過去の発生値に基づいて演算される誤差が設定値以内となる現在関係式である。

図１は、一実施形態に係るアクシデント発生予測システムの全体概要図である。 図２は、同実施形態に係る発生予測部の制御ブロック図である。 図３は、同実施形態に係るアクシデント発生予測方法の制御フロー図である。 図４は、同実施形態に係る関係式作成ステップの制御フロー図である。 図５は、同実施形態に係る領域分割ステップを説明する図である。 図６は、同実施形態に係る情報値取得ステップ及び発生値取得ステップを説明する図である。 図７は、同実施形態に係る情報値取得ステップ及び発生値取得ステップを説明する図である。 図８は、同実施形態に係る関係式候補作成ステップを説明する図である。 図９は、同実施形態に係る誤差演算ステップ及び関係式選択ステップを説明する図である。 図１０は、同実施形態に係る関係式補正ステップを説明する図である。 図１１は、同実施形態に係る関係式補正ステップを説明する図である。

以下、アクシデント発生予測システム及びアクシデント発生予測方法における一実施形態について、図１〜図１１を参照しながら説明する。なお、各図において、図面の寸法比と実際の寸法比とは、必ずしも一致しておらず、また、各図面の間での寸法比も、必ずしも一致していない。

図１に示すように、本実施形態に係るアクシデント発生予測システム（以下、単に「発生予測システム」ともいう）１０は、アクシデントの発生を予測する発生予測装置１と、携帯して持ち運び可能な端末装置１１と、各種情報を記憶する記憶装置１２と、各種情報を検出する検出装置１３とを備えている。なお、各装置１，１１，１２，１３は、無線通信手段（例えば、インターネット、無線ＬＡＮ等）及び有線通信手段（例えば、有線ＬＡＮ、通信ケーブル等）等の通信手段２０によって、互いに通信可能となっている。

発生予測装置１は、各種情報が入力される装置入力部１ａと、アクシデントの発生を予測する発生予測部１ｂと、アクシデントの発生の予測結果を出力する装置出力部１ｃとを備えている。端末装置１１は、情報が入力される端末入力部１１ａと、端末装置１１の各部を制御する端末制御部１１ｂと、情報が出力される端末出力部１１ｃとを備えている。

特に限定されないが、発生予測装置１は、例えば、パーソナルコンピュータ等の各種コンピュータであって、装置入力部１ａは、例えば、マウス、キーボード等とすることができ、装置出力部１ｃは、例えば、ディスプレイ等とすることができる。また、特に限定されないが、端末装置１１は、例えば、スマートフォン、タブレット、ノート型パーソナルコンピュータ等とすることができる。また、特に限定されないが、記憶装置１２は、例えば、サーバ等とすることができる。

そして、発生予測システム１０においては、装置入力部１ａ及び端末入力部１１ａに情報が入力され、検出装置１３が情報を検出する。これらの情報は、発生予測装置１及び記憶装置１２の少なくとも一方で取得される。その後、発生予測部１ｂは、これらの情報に基づいて、アクシデントの発生を予測し、予測された結果は、装置出力部１ｃ及び端末出力部１１ｃに出力される。

なお、端末装置１１及び記憶装置１２は、複数備えられていてもよく、備えられていなくてもよい。また、発生予測装置１及び端末装置１１とは別に、情報が入力される装置が設けられていてもよい。なお、これらの装置、即ち、情報が入力される装置は、総じて、入力装置という。また、発生予測装置１及び端末装置１１とは別に、情報が出力される装置が設けられていてもよい。なお、これらの装置、即ち、情報が出力される装置は、総じて、出力装置という。

ここで、アクシデントと、アクシデントに寄与するイベントとについて説明する。なお、アクシデントの発生を予測する対象は、特に限定されないが、ショッピングセンターや百貨店等の店舗である場合について、以下に説明する。

アクシデントとして、例えば、拾得物・不審物、設備機器の異常、緊急呼び出し、事故（転倒、人・車両の衝突）、急病人・泥酔者、迷子、顧客トラブル（喧嘩、クレーム、設備破壊、落書き等）、不法侵入・強盗、盗難、性犯罪等が挙げられる。なお、アクシデントは、斯かる事象に限定されない。

イベントは、アクシデントが発生することに寄与する物及び事象である。そして、イベントの情報は、情報量が変化しない静的情報と、情報量が変化する動的情報とを含んでいる。なお、イベントの情報量としては、特に限定されないが、例えば、イベントの存在（有無、個数）及びイベントに対する距離がある。

静的情報として、例えば、警備員の巡回ルート・ポスト（常時監視位置）、防犯カメラ、人感センサ（超音波・赤外線）、災害検知センサ（熱検知センサ、煙検知センサ、水害検知センサ、漏電検知センサ、落雷検知センサ等）、飲食店舗・売場（ホビー売場、化粧品売場、雑貨売場、土産品売場）、カウンタ（レジ、チケット販売）、トイレ・シャワールーム、ベンチ、、階段・エスカレータ・スロープ・橋（遊歩道）、曲がり角・壁・階段、自動ドア、エントランス、総合案内所、バックヤード（従業員以外立ち入り禁止区域）、制限区域（特定の人以外立ち入り禁止区域）、駐車場等が挙げられる。なお、静的情報は、斯かる物及び事象に限定されない。

また、動的情報として、例えば、滞留人数（人口密度）、公共機関（電車、飛行機、バス等）の遅延、天候（晴れ、曇り、雨、雪等）、催し物（店舗内のコンサート、演劇等）、セール（タイムセール、バーゲンセール等）、落し物アナウンス等が挙げられる。なお、動的情報は、斯かる物及び事象に限定されない。

次に、発生予測部１ｂの構成について、図２を（必要に応じて図１も）参照しながら説明する。

発生予測部１ｂは、アクシデントの発生を予測する対象を複数の領域に分割する領域分割部２と、各種情報を取得する取得部３と、各種情報を記憶する記憶部４とを備えている。また、発生予測部１ｂは、アクシデントの発生を予測するための現在関係式を演算する関係式演算部５と、現在のアクシデントの発生値を演算する発生値演算部６とを備えている。

領域分割部２は、一つの領域が所定の大きさとなるように、予測する対象を複数の領域に分割する。特に限定されないが、例えば、領域の大きさの設定値は、入力装置（装置入力部１ａ、端末入力部１１ａ等）で入力でき、入力された設定値は、記憶部４（又は記憶装置１２）に記憶されていてもよい。分割される領域の形状及び大きさは、特に限定されないが、例えば、領域は、１辺が５ｍ〜２５ｍの正方形の範囲となるように、設定されてもよい。

なお、領域の形状及び大きさは、それぞれ異なっていてもよい。例えば、アクシデントが発生し易い領域は、小さく（細かく）分割されてもよい。また、領域分割部２は、領域が所定の個数になるように、対象を複数の領域に分割してもよい。このように、領域分割部２の分割方法は、特に限定されない。

取得部３は、アクシデントに寄与するイベントの情報値（イベント情報値）を取得する情報値取得部３ａと、情報値取得部３ａが取得した情報値に対応するアクシデントの発生値（アクシデント発生値）を取得する発生値取得部３ｂとを備えている。また、取得部３は、各種設定値を取得する設定値取得部３ｅを備えている。

情報値取得部３ａは、静的情報となるイベントの情報値（静的情報値）を取得する静的情報値取得部３ｃと、動的情報となるイベントの情報値（動的情報値）を取得する動的情報値取得部３ｄとを備えている。なお、情報値取得部３ａ及び発生値取得部３ｂは、領域ごとに、各値を取得する。

また、情報値取得部３ａ及び発生値取得部３ｂが各値を取得する方法は、特に限定されない。例えば、入力装置（装置入力部１ａ、端末入力部１１ａ等）に入力されたり、検出装置１３が検出したり、外部から通信手段２０によって発生予測装置１に送信されたりすることによって、情報値取得部３ａ及び発生値取得部３ｂは、各値を取得してもよい。

静的情報においては、例えば、入力装置に、情報値が直接入力されることによって、静的情報取得部３ｃは、静的情報値を取得してもよい。また、例えば、入力装置に、対象となる図面データ等が入力され、静的情報所得部３ｃは、当該図面データからイベントの情報を演算し、静的情報値を取得してもよい。なお、静的情報取得部３ｃは、静的情報値に変更がない限り、取得しなくてもよい。即ち、静的情報取得部３ｃが新たに静的情報値を取得するまで、静的情報値は、最後に取得した値で維持されてもよい。

動的情報においては、例えば、検出装置１３であるカメラから画像を取得することよって、動的情報取得部３ｄは、当該画像から人数を演算し、滞留人数の情報値（動的情報値）を取得してもよい。また、例えば、外部の情報源（例えば、公共機関、気象庁等）から情報が送信されることによって、動的情報取得部３ｄは、公共機関の遅延及び天候の情報値（動的情報値）を取得してもよい。なお、動的情報取得部３ｄは、連続的に又は断続的に（例えば、１時間ごと、１日ごと）、動的情報値を取得する。

アクシデント発生値においては、例えば、入力装置に、情報値が直接入力されることによって、発生値取得部３ｂは、アクシデント発生値を取得してもよい。また、例えば、外部の情報源（例えば、店舗の中央監視システム）から情報が送信されることによって、発生値取得部３ｂは、アクシデント発生値を取得してもよい。発生値取得部３ｂは、所定の時間（例えば、１時間、１日、１週間）が経過するごとに、アクシデント発生値を取得してもよい。

なお、発生値取得部３ｂは、アクシデント発生値だけでなく、アクシデントの情報（発生日時等の時間情報、発生位置等の位置情報）も併せて取得してもよい。例えば、アクシデントの情報が端末入力部１１ａに入力されて送信されることによって、発生値取得部３ｂは、端末装置１１の地点がアクシデントの発生位置として、アクシデントの情報を取得してもよい。

また、同じ時間で且つ同じ領域の、イベントの情報値とアクシデントの発生値とは、リンクされる。例えば、１日経過することによって、アクシデント発生値が取得されると、当該アクシデント発生値は、その日のイベント情報値とリンクされる。即ち、過去のアクシデント発生値は、過去のイベント情報値とリンクさてもよい。なお、過去の動的情報値は、その日の動的情報値の平均としてもよい。このように、過去のイベント情報値と過去のアクシデント発生値との関係の情報は、時間の経過とともに、順次取得される。

記憶部４は、各種情報を一時的又は恒久的に記憶している。例えば、記憶部４は、領域分割部２が使用する情報及び分割した情報、取得部３が使用する情報及び取得した情報、関係式演算部５が使用する情報及び演算した情報、発生値演算部６が使用する情報及び演算した情報を記憶している。

関係式演算部５は、アクシデントの種類ごとに、アクシデントの発生を予測するための現在関係式を演算する。なお、関係式演算部５が演算する現在関係式は、現在のイベント情報値と現在のアクシデント発生値との関係を示す関係式である。以下に、関係式演算部５の具体的な構成を説明する。

関係式演算部５は、現在のイベント情報値及び現在のアクシデント発生値との関係を示す現在関係式を複数作成する関係式候補作成部５ａを備えている。関係式候補作成部５ａは、異なる演算方法によって現在関係式を複数作成する。関係式候補作成部５ａが行う演算方法は、特に限定されないが、例えば、回帰分析（重回帰分析、ポアソン回帰分析、ロジスティック回帰分析等）及び機械学習とすることができる。

ここで、まず、回帰分析によって現在関係式を作成する方法について以下に説明する。

例えば、関係式候補作成部５ａが重回帰分析で演算を行う場合においては、関係式のモデル式は、以下の式１となる。
＜式１＞

ここで、ｘは、イベント情報値（ｘ_１ｎ：静的情報値、ｘ_２ｎ：動的情報値）であり、ｙは、アクシデント発生値であり、ａは、当該イベント情報値の寄与度を示す係数である。

また、例えば、関係式候補作成部５ａがポアソン回帰分析で演算を行う場合においては、関係式のモデル式は、以下の式２となる。
＜式２＞

ここで、Ｅ（ｙ）は、期待値であって、ｙに関する式である。

また、例えば、関係式候補作成部５ａがロジスティック回帰分析で演算を行う場合、関係式のモデル式は、以下の式３となる。
＜式３＞

そして、関係式候補作成部５ａは、まず、情報値取得部３ａが取得した過去のイベント情報値と発生値取得部３ｂが取得した過去のアクシデント発生値とに基づいて、複数の過去関係式を作成する。具体的には、関係式候補作成部５ａは、過去のイベント情報値及び当該イベント情報値の寄与度を示す係数の積の集合と、過去のアクシデント発生値と、の関係を示す複数の過去関係式を作成する。

例えば、関係式候補作成部５ａが重回帰分析で演算を行う場合においては、過去関係式は、以下の式４となる。
＜式４＞

即ち、過去関係式は、モデル式のイベント情報値「ｘ」に、過去のイベント情報値「Ｘ」（所定値）が代入され、モデル式のアクシデント発生値「ｙ」に、過去のアクシデント発生値「Ｙ」（所定値）が代入された式である。なお、以下、係数「ａ／Ａ」、イベント情報値「ｘ／Ｘ」及びアクシデント発生値「ｙ／Ｙ」において、小文字ａ，ｘ，ｙは、未知数であることを示し、大文字Ａ，Ｘ，Ｙは、既知数（所定値）であることを示す。また、他の演算方法における過去関係式の記載は、省略する。

これにより、過去のイベント情報値と過去のアクシデント発生値との関係が、過去関係式で示される。例えば、１００の領域の所定のアクシデントにおける１年間の情報として、過去のイベント情報値と過去のアクシデント発生値との関係の情報（例えば、１年間での情報）が３６，５００個（＝１個×３６５日×１００領域）存在する場合には、３６，５００個の過去関係式が作成される。

関係式候補作成部５ａは、複数の過去関係式に基づいて、イベント情報値Ｘの寄与度を示す係数ａを演算する。そして、関係式候補作成部５ａは、現在の情報値ｘ及び演算した係数Ａの積の集合と、現在の発生値ｙと、の関係を示す現在関係式を作成する。

例えば、関係式候補作成部５ａが重回帰分析で演算を行う場合においては、現在関係式は、以下の式５となる。
＜式５＞

即ち、現在関係式は、モデル式の係数「ａ」に、演算された値「Ａ」が代入された式である。これにより、現在のイベント情報値ｘと現在のアクシデント発生値ｙとの関係が、現在関係式で示される。なお、現在関係式（及び過去関係式）は、アクシデントの種類ごとに作成される。また、他の演算方法における現在関係式の記載は、省略する。

次に、機械学習によって現在関係式を作成する方法について以下に説明する。

ニューラルネットワーク等の公知の機械学習アルゴリズムを用いた機械学習を行う。そして、イベント情報値ｘとアクシデント発生値ｙとの間には、一定の相関関係が存在するため、過去のイベント情報値Ｘ及び過去のアクシデント発生値Ｙを教師データとして、現在のイベント情報値ｘと現在のアクシデント発生値ｙとの関係を示す現在関係式が作成される。具体的には、過去のイベント情報値Ｘ及び過去のアクシデント発生値Ｙに基づいて演算される誤差が閾値以下となる現在関係式が作成される。

なお、誤差の種類は、特に限定されず、例えば、最大誤差、最小誤差、平均誤差、誤差の偏差等とすることができる。また、誤差の閾値は、例えば、入力装置（装置入力部１ａ、端末入力部１１ａ等）で入力でき、入力された設定値は、記憶部４（又は記憶装置１２）に記憶されていてもよい。

ところで、関係式候補作成部５ａによって、複数の現在関係式が作成されている。特に限定されないが、例えば、重回帰分析、ポアソン回帰分析、ロジスティック回帰分析、機械学習のうち複数の方法で演算された現在関係式が作成されていてもよい。

そこで、関係式演算部５は、関係式候補作成部５ａが作成した複数の現在関係式に対して、それぞれの誤差を演算する誤差演算部５ｂを備えている。そして、関係式演算部５は、誤差演算部５ｂが演算した誤差に基づいて、複数の現在関係式から一つの現在関係式を選択する関係式選択部５ｃを備えている。

誤差演算部５ｂは、関係式候補作成部５ａが作成したそれぞれの現在関係式と、過去のイベント情報値Ｘ及び過去のアクシデント発生値Ｙとに基づいて、それぞれの現在関係式の誤差を演算する。具体的には、現在関係式の現在のイベント情報値ｘに、過去のイベント情報値Ｘが代入され、それによって演算されたアクシデント発生値ｙが、過去のアクシデント発生値Ｙと比較されることによって、誤差が演算される。

例えば、直近の所定数（例えば、直近の所定期間）における過去のイベント情報Ｘと過去のアクシデント発生値Ｙとの関係の情報に基づいて、複数の誤差が演算される。例えば、３６，５００個（例えば、１００の領域の直近１年間）のイベント情報Ｘとアクシデント発生値Ｙとの関係の情報に基づいて、３６，５００個の誤差が演算される。そして、誤差演算部５ｂは、当該結果に基づいて、例えば、最大誤差、最小誤差、平均誤差、誤差の偏差等を演算する。

関係式選択部５ｃは、誤差演算部５ｂが演算した誤差に基づいて、関係式候補作成部５ａが作成した複数の現在関係式から、発生値演算部６が使用する一つの現在関係式を選択する。関係式選択部５ｃが選択する方法は、特に限定されないが、例えば、最大誤差及び誤差の偏差が閾値以下である現在関係式のうち、平均誤差が最も小さい現在関係式を選択してもよく、また単に、平均誤差が最も小さい現在関係式を選択してもよい。

但し、関係式選択部５ｃは、設定されている誤差の種類が設定値以下である現在関係式の中から選択する。これにより、アクシデントの発生を精度よく予測できる現在関係式を採用することができるなお、設定されている誤差の種類は、特に限定されず、例えば、最大誤差、最小誤差、平均誤差、誤差の偏差等とすることができる。また、誤差の設定値は、例えば、入力装置（装置入力部１ａ、端末入力部１１ａ等）で入力でき、入力された設定値は、記憶部４（又は記憶装置１２）に記憶されていてもよい。

ところで、アクシデントの種類によっては、直近に発生したアクシデントが次に発生するアクシデントに寄与することもある。

そこで、関係式演算部５は、発生値取得部３ｂが取得したアクシデントの情報から、直近に発生したアクシデントを選択する直近発生選択部５ｄを備えている。そして、関係式演算部５は、直近発生選択部５ｄが選択した直近に発生したアクシデントの情報に基づいて、関係式候補作成部５ａが作成した現在関係式を補正する関係式補正部５ｅを備えている。

関係式補正部５ｅの補正方法は、過去のアクシデントの情報に基づいて、補正されていれば、特に限定されない。例えば、関係式補正部５ｅは、直近のアクシデントの時間情報（例えば、経過期間）に基づいて、現在関係式を補正してもよく、直近のアクシデントの位置情報（発生位置と領域との距離）に基づいて、現在関係式の補正をしてもよく、直近のアクシデントの時間情報及び位置情報の両方に基づいて、現在関係式の補正をしてもよい。

例えば、重回帰分析で演算を行った関係式候補作成部５ａが作成した現在関係式が選択された場合には、関係式補正部５ｅは、例えば、以下の式６のように補正をしてもよい。
＜式６＞

ここで、Ｂは、直近に発生したアクシデントの寄与を示す補数係数（所定値）である。

なお、静的情報値ｘ_１ｎは、情報量が変化しない既知数であるため、現在関係式は、動的情報値「ｘ_１ｎ」に、既知数である所定数「Ｘ_１ｎ」が代入された以下の式７とすることができる。即ち、現在の動的情報値ｘ_２ｎと現在のアクシデント発生値ｙとの現在関係式とすることができる。なお、式６の場合には、全ての領域に共通した式であるが、式７の場合には、領域ごとに作成する必要がある。
＜式７＞

発生値演算部６は、関係式演算部５が演算した現在関係式と情報値取得部３ａが取得した現在のイベント情報値ｘとに基づいて、現在のアクシデント発生値ｙを演算する。具体的には、関係式演算部５が演算した現在関係式（例えば、上記の式７）に、動的情報取得部３ｄが取得した現在の動的情報値Ｘ_２ｎが代入されることによって、現在のアクシデント発生値ｙが演算される。なお、発生値演算部６は、分割された領域ごとに、現在のアクシデント発生値ｙを演算する。

本実施形態に係るアクシデント発生予測システムの構成については以上の通りであり、次に、本実施形態に係るアクシデント発生予測方法の一例について、図３〜図１１を参照しながら説明する。

まず、アクシデントの発生を予測する対象の情報が入力される（対象情報入力ステップＳ１）。対象の情報として、例えば、大きさ、形状等が挙げられる。なお、対象の情報は、入力装置によって入力される。そして、図５に示すように、予測する対象は、複数の領域に分割される(領域分割ステップＳ２）。

また、図６に示すように、領域ごとに、イベント情報値が取得される（情報値取得ステップＳ３）と共に、領域ごとに、アクシデント発生値が取得される（発生値取得ステップＳ４）。なお、イベント情報値及びアクシデント発生値は、過去の実績をある程度まとめて取得されてもよく、時間（例えば、１日）の経過とともに、順次取得されてもよい。

図６においては、イベント情報値のうち、静的情報値として、「防犯カメラ」、「ベンチ」及び「店舗との距離」等が、一例として挙げられており、動的情報値として、「滞留人数」及び「天候」等が、一例として挙げられている。また、アクシデント発生値として、「盗難」及び「顧客トラブル」等が、一例として挙げられている。

静的情報値の「防犯カメラ」及び「ベンチ」は、領域内のイベントの存在を示す値の一例である。「防犯カメラ」は、当該領域内の有無を示しており、例えば、当該領域内に有る場合は「１」であり、当該領域内に無い場合は「０」となる。また、「ベンチ」は、当該領域内の存在の個数を示しており、例えば、当該領域内に５個有る場合は「５」であり、当該領域内に無い場合は「０」となる。

また、静的情報値の「店舗との距離」は、当該領域とイベントとの距離を示す値の一例である。例えば、当該領域の中心と店舗の中心との距離が７ｍである場合は「７」となる。なお、領域の基準位置は、中心だけでなく、店舗に最も近い位置でもよく、また、店舗の基準位置は、中心だけでなく、入口の位置でもよく、当該領域に最も近い位置でもよい。

このように、アクシデントに寄与するイベントの情報値には、領域内のイベントの存在（有無、個数）を示す値だけでなく、領域とイベントとの距離を示す値も含まれている。これにより、領域内に存在するイベントの寄与だけでなく、領域外に存在するイベントの寄与を反映させることができるため、アクシデントの発生を精度よく予測することができる。

また、動的情報値の「滞留人数」は、当該領域の所定範囲にいる人数を示しており、例えば、当該領域の所定範囲にいる人数が１０人である場合は「１０」となる。また、動的情報値の「天候」は、天候の状況を示しており、例えば、晴れの場合は「０」となり、雨の場合は「１」となり、雪の場合は「２」となる。

また、アクシデント発生値の「盗難」は、所定期間において当該領域内の発生の有無を示しており、例えば、１日において当該領域内で１回以上発生した場合は「１」となり、１日において当該領域内で発生しなかった場合は「０」となる。なお、アクシデント発生値の「顧客トラブル」は、所定期間において当該領域内で発生した回数を示しており、例えば、１日において当該領域内で２回発生した場合は「２」となり、１日において当該領域内で発生しなかった場合は「０」となる。

なお、発生値取得ステップＳ４においては、アクシデントの発生値だけでなく、アクシデントの情報（時間情報、位置情報）も併せて取得している。また、領域分割ステップＳ２、情報値取得ステップＳ３及び発生値取得ステップＳ４の順番は、特に限定されない。例えば、過去のイベント情報及びアクシデント発生値を取得し（Ｓ３，Ｓ４）、それに基づいて、対象が分割され（Ｓ２）、その後、新たに、順次、イベント情報及びアクシデント発生値を取得する（Ｓ３，Ｓ４）、という方法でもよい。

そして、取得された情報は、図７に示すように、記憶される。図７は、１日ごとに、イベント情報値とアクシデント発生値とをリンクさせている。これにより、領域が１００存在する場合に、１年間におけるイベント情報値とアクシデント発生値との関係は、３６，５００個存在することになる。なお、図７は、領域１の情報について図示しているが、他の領域の情報も同様に記憶されている。

その後、アクシデントの種類ごとに、アクシデントの発生を予測するための現在関係式が演算される（関係式演算ステップＳ５）。以下に、関係式演算部ステップＳ５の具体的な方法を説明する。

まず、例えば、異なる演算方法によって、現在のイベント情報値及び現在のアクシデント発生値との関係を示す現在関係式が、複数作成される（関係式候補作成ステップＳ５１）。本実施形態においては、回帰分析及び機械学習の演算方法によって、現在関係式が算出される。

例えば、図８に示すように、重回帰分析で演算が行われる場合においては、関係式のモデル式は、以下の式８となる。
＜式８＞

ここで、ｘは、イベント情報値（ｘ_１ｎ：静的情報値、ｘ_２ｎ：動的情報値）であり、ｙは、アクシデント発生値であり、ａは、当該イベント情報値の寄与度を示す係数である。

そして、回帰分析による演算方法の場合には、過去のイベント情報値と過去のアクシデント発生値とに基づいて、複数の過去関係式が作成される。具体的には、過去関係式は、モデル式のイベント情報値「ｘ」に、過去のイベント情報値「Ｘ」（所定値）が代入され、モデル式のアクシデント発生値「ｙ」に、過去のアクシデント発生値「Ｙ」（所定値）が代入された式である。

例えば、重回帰分析で演算が行われた場合においては、過去関係式は、以下の式９となる。
＜式９＞

・所定値（既知数）：Ｘ_１１〜Ｘ_１ｎ、Ｘ_２１〜Ｘ_２ｎ、Ｙ
・未知数：ａ_１１〜ａ_１ｎ、ａ_２１〜ａ_２ｎ

図８の過去関係式においては、領域１の情報（図７参照）に基づいて、ｘ_１１に「防犯カメラ」の情報値が代入され、ｘ_１２に「ベンチ」の情報値が代入され、ｘ_１ｎに「店舗との距離」の情報値が代入され、ｘ_２１に「滞留人数」の情報値が代入され、ｘ_２ｎに「天候」の情報値が入力され、ｙに「盗難」の発生値が代入されている。そして、過去のイベント情報値と過去のアクシデント発生値との関係の情報が３６，５００個存在する場合には、過去関係式は、３６，５００個作成される。

そして、複数の過去関係式に基づいて、イベント情報値Ｘの寄与度を示す係数ａが、演算され、その後、現在関係式が作成される。現在関係式は、モデル式の係数「ａ」に、演算された値「Ａ」（所定値）が代入された式である。

例えば、重回帰分析で演算が行われた場合においては、現在関係式は、以下の式１０となる。
＜式１０＞

・所定値（既知数）：Ａ_１１〜Ａ_１ｎ、Ａ_２１〜Ａ_２ｎ、Ｂ
・未知数：ｘ_１１〜ｘ_１ｎ、ｘ_２１〜ｘ_２ｎ、ｙ

図８の現在関係式においては、領域１の情報（図７参照）に基づいて、「防犯カメラ」の寄与度を示す係数Ａ_１１は「−５×１０^−２」であり、「ベンチ」の寄与度を示す係数Ａ_１２は「４×１０^−２」であり、「店舗との距離」の寄与度を示す係数Ａ_１ｎは「−３×１０^−２」であり、「滞留人数」の寄与度を示す係数Ａ_２１は「２×１０^−２」であり、「天候」の寄与度を示す係数Ａ_１ｎは「１×１０^−２」であり、定数項Ａ_０は「１×１０^−２」である。

このように、現在関係式は、現在のイベント情報値ｘと現在のアクシデント発生値ｙとの関係を示した式である。そして、現在関係式には、アクシデント発生値ｙに寄与するイベント情報値ｘの係数Ａが寄与度として使用されている。これにより、アクシデントに寄与するイベントの情報を有効に使用している。なお、現在関係式は、アクシデントの種類ごとに作成される。

そして、複数の現在関係式の予測精度を確認するために、それぞれの現在関係式の誤差が演算される（誤差演算ステップＳ５２）。具体的には、現在関係式の現在のイベント情報値ｘに、過去のイベント情報値Ｘが代入され、それによって演算されたアクシデント発生値ｙが、過去のアクシデント発生値Ｙと比較されることによって、誤差が演算される。

例えば、３６，５００個（例えば、１００領域の直近１年間）のイベント情報Ｘとアクシデント発生値Ｙとの関係の情報が、それぞれ現在関係式に代入されることによって、３６，５００個の誤差が演算される。そして、図９に示すように、それぞれの演算方法の現在関係式に対して、最大誤差及び平均誤差が演算される。

そして、演算された誤差に基づいて、異なる演算方法で演算された複数の現在関係式から、最も予測精度の高い現在関係式が選択される（関係式選択ステップＳ５３）。例えば、平均誤差が最も小さくても、最大誤差が大きい場合は、予測を大きく外す可能性があるため、本実施形態においては、設定されている誤差の種類は、「最大誤差」であり、設定値は、「０．２５」としている。

したがって、最大誤差が０．２５以下である現在関係式が必須条件となる。そして、図９においては、最大誤差が０．２５以下で且つ平均誤差が最も小さい現在関係式が、選択されている。即ち、ロジスティック回帰分析による現在関係式が選択されている。なお、現在関係式の設定値（設定される誤差の種類、その設定値）及び選択方法は、斯かる方法に限られない。

このように、異なる演算方法によって作成された複数の現在関係式に対して、過去のイベント情報Ｘとアクシデント発生値Ｙとの関係の情報に基づいて、誤差が演算される。そして、当該誤差に基づいて、複数の現在関係式から一つの現在関係式が選択される。これにより、複数の現在関係式から予測精度の高い現在関係式を選択することができる。

ところで、アクシデントの種類によっては、直近に発生したアクシデントが次に発生するアクシデントに寄与することもある。これにより、寄与するアクシデントの場合（図４のＳ５４の「Ｙ」）には、選択した現在関係式が補正され、寄与しないアクシデントの場合（図４のＳ５４の「Ｎ」）には、選択した現在関係式が補正されない。

例えば、寄与するアクシデントとして、不法侵入・強盗、盗難、性犯罪等が挙げられる。また、例えば、寄与しないアクシデントして、、拾得物・不審物、設備機器の異常、緊急呼び出し、事故、急病人・泥酔者、迷子、顧客トラブルが挙げられる。なお、斯かる分類は、特に限定されない。

そして、寄与するアクシデントの場合には、直近に発生したアクシデントが選択される（直近発生選択ステップＳ５５）。その後、直近に発生したアクシデントの情報に基づいて、選択された現在関係式が補正される（関係式補正ステップＳ５６）。

例えば、ロジスティック重回帰分析で演算を行った現在関係式が選択された場合には、以下の式１１のように補正が行われる。なお、係数Ｂは、直近に発生したアクシデントの寄与度を示す補正係数であって、所定値である。
＜式１１＞

・所定値（既知数）：Ａ_１１〜Ａ_１ｎ、Ａ_２１〜Ａ_２ｎ、Ｂ
・未知数：ｘ_１１〜ｘ_１ｎ、ｘ_２１〜ｘ_２ｎ、ｙ、ｙ’

本実施形態においては、現在関係式の補正には、図１０に示すように、直近に発生したアクシデントの時間情報及び位置情報に基づく補正係数Ｂが使用される。具体的には、発生からの経過時間（図１０の表の列）と、発生位置と予測対象である領域との距離（図１０の表の行）とに基づいて、補正係数Ｂが決定する。例えば、発生からの経過時間が「５日」であり、発生位置と領域（例えば、領域１）との距離が「３５ｍ」である場合には、補正係数Ｂは、「３６／２８」となる。

そして、図１１の補正現在関係式２においは、領域１の情報（図７参照）に基づいて、補正係数Ｂに「３６／２８」が代入される。このように、直近に発生したアクシデントの情報に基づいて、選択された現在関係式が補正される。これにより、直近に発生したアクシデントの寄与を反映させることができるため、アクシデントの発生を精度よく予測することができる。

なお、静的情報値ｘ_１ｎは、情報量が変化しない既知数である。したがって、例えば、ロジスティック重回帰分析で演算を行った現在関係式が選択された場合には、現在関係式は、動的情報値「ｘ_１ｎ」に、既知数である所定数「Ｘ_１ｎ」が代入された以下の式１２とすることができる。なお、式１１の場合には、全ての領域に共通した式であるが、式１２の場合には、領域ごとに作成する必要がある。
＜式１２＞

・所定値（既知数）：Ａ_１１〜Ａ_１ｎ、Ａ_２１〜Ａ_２ｎ、Ｂ、Ｘ_１１〜Ｘ_１ｎ
・未知数：ｘ_２１〜ｘ_２ｎ、ｙ、ｙ’

図１１の補正現在関係式２においては、領域１の情報（図７参照）に基づいて、ｘ_１１に「防犯カメラ」の情報値「１」が代入され、ｘ_１２に「ベンチ」の情報値「５」が代入され、ｘ_１ｎに「店舗との距離」の情報値「７」が代入されている。なお、イベント情報値とアクシデント発生値との関係の情報は、時間の経過とともに、新たに所得される。そこで、イベント情報値とアクシデント発生値との関係の情報が新たに取得されるごとに、関係式演算ステップＳ５が繰り返し行われてもよい。

そして、関係式演算ステップＳ５で演算された現在関係式に、現在のイベント情報値ｘが代入されることによって、現在のアクシデント発生値ｙが演算される（発生値演算ステップＳ６）。上記の式１２に示すように、動的情報値ｘ_２ｎのみが未知数であるため、現在の動的情報値Ｘ_２ｎが代入されることによって、現在のアクシデント発生値ｙが演算される。

そして、領域ごとに予測されたアクシデント発生値は、例えば、装置出力部１ｃ及び端末出力部１１ｃ（図１参照）等の出力装置に向けて出力される（発生値出力ステップＳ７）。そして、領域ごとに、アクシデント発生値が表示される。これにより、アクシデントの発生予測を領域ごとに行うことができるため、アクシデントが発生する位置を予測することができる。

なお、アクシデント発生値の表示は、特に限定されない。例えば、１日のうちに発生する確率として、「％」で表示してもよく、また、例えば、１日当たりに発生する回数として、「回」で表示してもよい。また、閾値が設定され、アクシデント発生値が閾値以上の場合には、アクシデントが発生すると表示し、アクシデント発生値が閾値未満の場合には、アクシデントが発生しないと表示してもよい。また、例えば、アクシデント発生値の大きさに基づいて、領域を色分けして表示してもよい。

以上より、本実施形態に係るアクシデント発生予測方法は、コンピュータによって、アクシデントの発生を予測するアクシデント発生予測方法であって、前記アクシデントに寄与するイベントの情報値Ｘ（ｘ）を取得する情報値取得ステップＳ３と、前記情報値取得ステップＳ３で取得する情報値Ｘに対応するアクシデントの発生値Ｙを取得する発生値取得ステップＳ４と、現在の情報値ｘ及び現在の発生値ｙとの関係を示す現在関係式を演算する関係式演算ステップＳ５と、前記関係式演算ステップＳ５で演算する現在関係式と前記情報値取得ステップＳ３で取得する現在の情報値ｘとに基づいて、現在の発生値ｙを演算する発生値演算ステップＳ６と、を含み、前記関係式演算ステップＳ５で演算される現在関係式は、過去の情報値Ｘ及び過去の発生値Ｙに基づいて演算される誤差が設定値以内となる、現在の情報値ｘ及び現在の発生値ｙとの関係を示す関係式である。

また、本実施形態に係るアクシデント発生予測システム１０は、アクシデントの発生を予測するアクシデント発生予測システム１０であって、前記アクシデントに寄与するイベントの情報値Ｘ（ｘ）を取得する情報値取得部３ａと、前記情報値取得部３ａが取得する情報値Ｘに対応するアクシデントの発生値Ｙを取得する発生値取得部３ｂと、現在の情報値ｘ及び現在の発生値ｙとの関係を示す現在関係式を演算する関係式演算部５と、前記関係式演算部５が演算する現在関係式と前記情報値取得部３ａが取得する現在の情報値ｘとに基づいて、現在の発生値ｙを演算する発生値演算部６と、を備え、前記関係式演算部５は、過去の情報値Ｘ及び過去の発生値Ｙに基づいて演算される誤差が設定値以内となる現在関係式を演算する。

斯かる構成によれば、関係式演算部５は、現在の情報値ｘ及び現在の発生値ｙとの関係を示す現在関係式を演算する。当該現在関係式は、過去の情報値Ｘ及び過去の発生値Ｙに基づいて演算される誤差が設定値以内となる関係式である。そして、発生値演算部６は、関係式演算部５が演算した現在関係式と現在のイベントの情報値ｘとに基づいて、現在のアクシデントの発生値ｙを演算する。これにより、過去のイベントの情報値及び過去のアクシデントの発生値を有効に使用して、アクシデントの発生を予測することができる。

また、本実施形態に係るアクシデント発生予測システム１０においては、前記関係式演算部５は、異なる演算方法によって現在関係式を複数作成する関係式候補作成部５ａと、前記関係式候補作成部５ａが作成する複数の現在関係式と、過去の情報値Ｘ及び過去の発生値Ｙとに基づいて、前記複数の現在関係式の誤差を演算する誤差演算部５ｂと、前記誤差演算部５ｂが演算する誤差に基づいて、前記複数の現在関係式から、前記発生値演算部６が使用する現在関係式を選択する関係式選択部５ｅと、を備える、という構成である。

斯かる構成によれば、関係式候補作成部５ａは、異なる演算方法によって現在関係式を複数作成し、誤差演算部５ｂは、複数の現在関係式と、過去の情報値Ｘ及び過去の発生値Ｙとに基づいて、複数の現在関係式のそれぞれの誤差を演算する。そして、関係式選択部５ｃは、誤差演算部５ｂが演算した誤差に基づいて、複数の現在関係式から所定の現在関係式を選択し、発生値演算部６は、選択された現在関係式を使用する。これにより、アクシデントの発生を精度よく予測することができる。

また、本実施形態に係るアクシデント発生予測システム１０においては、前記発生値取得部３ｂは、アクシデントの時間及び位置の情報を取得し、前記関係式演算部５は、前記発生値取得部３ｂが取得するアクシデントの情報から、直近に発生したアクシデントを選択する直近発生選択部５ｄと、前記直近発生選択部５ｄが選択するアクシデントの情報に基づいて、現在関係式を補正する関係式補正部５ｅと、を備える、という構成である。

斯かる構成によれば、関係式演算部５は、直近に発生したアクシデントの情報に基づいて、現在の情報値ｘ及び現在の発生値ｙとの関係を示す現在関係式を補正する。これにより、直近に発生したアクシデントの寄与を反映させることができるため、アクシデントの発生を精度よく予測することができる。

また、本実施形態に係るアクシデント発生予測システム１０は、アクシデントの発生を予測する対象を複数の領域に分割する領域分割部２をさらに備え、前記発生値演算部６は、前記領域ごとに現在の発生値ｙを演算する、という構成である。

斯かる構成によれば、領域分割部２は、アクシデントの発生を予測する対象を複数の領域に分割し、発生値演算部６は、領域ごとの現在の発生値ｙを演算する。これにより、アクシデントの発生予測を領域ごとに行うことができる。

また、本実施形態に係るアクシデント発生予測システム１０においては、前記情報値取得部３ａが取得する情報値Ｘ（ｘ）は、当該領域内のイベントの存在を示す値と、当該領域とイベントとの距離を示す値と、を含む、という構成である。

斯かる構成によれば、アクシデントに寄与するイベントの情報値Ｘ（ｘ）には、領域内のイベントの存在を示す値だけでなく、領域とイベントとの距離を示す値も含まれている。これにより、領域内に存在するイベントだけでなく、領域外に存在するイベントの寄与も反映させることができるため、アクシデントの発生を精度よく予測することができる。

なお、アクシデント発生予測システム１０及びアクシデント発生予測方法（以下、単に「予測システム１０及び予測方法」ともいう）は、上記した実施形態の構成に限定されるものではなく、また、上記した作用効果に限定されるものではない。また、予測システム１０及び予測方法は、本発明の要旨を逸脱しない範囲内において種々変更を加え得ることは勿論である。例えば、下記する各種の変更例に係る構成や方法等を任意に一つ又は複数選択して、上記した実施形態に係る構成や方法等に採用してもよいことは勿論である。

（１）上記実施形態に係る予測システム１０及び予測方法においては、異なる演算方法によって複数の現在関係式が作成され、複数の現在関係式から使用される現在関係式が選択される、という構成である。しかしながら、予測システム１０及び予測方法は、斯かる構成に限られない。

例えば、一つの演算方法によって現在関係式が作成され、当該現在関係式によって、アクシデント発生値が演算される、という構成でもよい。なお、斯かる構成においては、関係式演算部５は、過去の情報値Ｘ及び過去の発生値Ｙに基づいて演算される誤差が必ず設定値以内となるように、現在の情報値ｘ及び現在の発生値ｙとの関係を示す現在関係式を機械学習によって演算する、という構成が好ましい。

（２）また、上記実施形態に係る予測システム１０及び予測方法においては、アクシデントの種類によって、現在関係式が補正される、という構成である。しかしながら、予測システム１０及び予測方法は、斯かる構成に限られない。例えば、全てのアクシデントに対して、現在関係式が補正される、という構成でもよく、また、例えば、全てのアクシデントに対して、現在関係式が補正されない、という構成でもよい。

（３）また、上記実施形態に係る予測システム１０及び予測方法においては、アクシデントの発生を予測する対象が、複数の領域に分割され、現在のアクシデント発生値が、領域ごとに演算される、という構成である。しかしながら、予測システム１０及び予測方法は、斯かる構成に限られない。例えば、アクシデントの発生を予測する対象を分割することなく一つの領域として、現在のアクシデント発生値が演算される、という構成でもよい。

（４）また、上記実施形態に係る予測システム１０及び予測方法においては、イベント情報値Ｘ（ｘ）は、領域内のイベントの存在を示す値と、当該領域とイベントとの距離を示す値とを含んでいる、という構成である。しかしながら、予測システム１０及び予測方法は、斯かる構成に限られない。例えば、イベント情報値Ｘ（ｘ）は、当該領域内のイベントの存在を示す値と、当該領域とイベントとの距離を示す値とのうち、一方を含んでいない、という構成でもよい。

（５）また、予測システム１０及び予測方法においては、予測したアクシデント発生値に基づいて、警備員の巡回経路が作成されてもよい。即ち、予測システム１０は、巡回経路作成部を備えていてもよい。例えば、巡回経路作成部は、所定の時間内で巡回可能であって且つアクシデント発生値が高い領域を通過する経路を作成する、という構成でもよい。また、例えば、巡回経路作成部は、アクシデント発生値が閾値以上である領域を全て通過し且つ最も移動距離が小さい経路を作成する、という構成でもよい。

１…発生予測装置、１ａ…装置入力部、１ｂ…発生予測部、１ｃ…装置出力部、２…領域分割部、３…取得部、３ａ…情報値取得部、３ｂ…発生値取得部、３ｃ…静的情報取得部、３ｄ…動的情報取得部、４…記憶部、５…関係式演算部、５ａ…関係式候補作成部、５ｂ…誤差演算部、５ｃ…関係式選択部、５ｄ…直近発生選択部、５ｅ…関係式補正部、６…発生値演算部、１０…アクシデント発生予測システム、１１…端末装置、１１ａ…端末入力部、１１ｂ…端末制御部、１１ｃ…端末出力部、１２…記憶装置、１３…検出装置、２０…通信手段

Claims (6)

1. アクシデントの発生を予測するアクシデント発生予測システムであって、
   前記アクシデントに寄与するイベントの情報値を取得する情報値取得部と、
   前記情報値取得部が取得する情報値に対応するアクシデントの発生値を取得する発生値取得部と、
   現在の情報値及び現在の発生値との関係を示す現在関係式を演算する関係式演算部と、
   前記関係式演算部が演算する現在関係式と前記情報値取得部が取得する現在の情報値とに基づいて、現在の発生値を演算する発生値演算部と、を備え、
   前記関係式演算部は、過去の情報値及び過去の発生値に基づいて演算される誤差が設定値以内となる現在関係式を演算する、アクシデント発生予測システム。
2. 前記関係式演算部は、
   異なる演算方法によって現在関係式を複数作成する関係式候補作成部と、
   前記関係式候補作成部が作成する複数の現在関係式と、過去の情報値及び過去の発生値とに基づいて、前記複数の現在関係式の誤差を演算する誤差演算部と、
   前記誤差演算部が演算する誤差に基づいて、前記複数の現在関係式から、前記発生値演算部が使用する現在関係式を選択する関係式選択部と、を備える、請求項１に記載のアクシデント発生予測システム。
3. 前記発生値取得部は、アクシデントの時間及び位置の情報を取得し、
   前記関係式演算部は、
   前記発生値取得部が取得するアクシデントの情報から、直近に発生したアクシデントを選択する直近発生選択部と、
   前記直近発生選択部が選択するアクシデントの情報に基づいて、現在関係式を補正する関係式補正部と、を備える、請求項１又は２に記載のアクシデント発生予測システム。
4. アクシデントの発生を予測する対象を複数の領域に分割する領域分割部をさらに備え、
   前記発生値演算部は、前記領域ごとに現在の発生値を演算する、請求項１〜３の何れか１項に記載のアクシデント発生予測システム。
5. 前記情報値取得部が取得する情報値は、当該領域内のイベントの存在を示す値と、当該領域とイベントとの距離を示す値と、を含む、請求項４に記載のアクシデント発生予測システム。
6. コンピュータによって、アクシデントの発生を予測するアクシデント発生予測方法であって、
   前記アクシデントに寄与するイベントの情報値を取得する情報値取得ステップと、
   前記情報値取得ステップで取得する情報値に対応するアクシデントの発生値を取得する発生値取得ステップと、
   現在の情報値及び現在の発生値との関係を示す現在関係式を演算する関係式演算ステップと、
   前記関係式演算ステップで演算する現在関係式と前記情報値取得ステップで取得する現在の情報値とに基づいて、現在の発生値を演算する発生値演算ステップと、を含み、
   前記関係式演算ステップで演算される現在関係式は、過去の情報値及び過去の発生値に基づいて演算される誤差が設定値以内となる現在関係式である、アクシデント発生予測方法。
   

Images