JP6666202B2 - 事故予報システム、および事故予報方法 - Google Patents

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、道路上における渋滞発生の原因の中で、特に影響の大きい交通事故の発生状況については、路側に設けられた各種センサや、ＣＣＴＶカメラ等の映像情報に基づき、交通管制官が、道路上に設けられた表示板等に表示することにより、利用者に通知を行っている。最近では、交通事故情報の通知を一歩進めて、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（交通事故）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の発生しやすさを予報（予測）することが検討されている。

特開２０１４−３５６３９号公報 特開２０１０−３９９９２号公報

上記した従来技術では、開通してから間もないなど、過去に事故が発生していない道路（事故が少ない道路も含む。）については、高精度で事故予報をすることができず、改善が望まれていた。

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、割当テーブル作成処理部と、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、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。データ取得処理部は、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。事故予報処理部は、予報対象の路線について、割当テーブルを参照して特定した対応する事故予報用テーブルと、現在交通データと、を用いて、事故発生度を予報する。

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事故予報用の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事故予報用の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事故予報用の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）の事故予報用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実施形態において割当テーブルの作成に用いられる類似路線特定用の自己組織化マップの構成の第１の例を示した図である。 図８は、第１実施形態において用いられる割当テーブルの構成の一例を示した図である。 図９は、第１実施形態において割当テーブルの作成に用いられる類似路線特定用の自己組織化マップの構成の第２の例を示した図である。 図１０は、第１実施形態における事故予報処理の流れの一例を示したフローチャートである。 図１１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１２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１３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ずに、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である事故発生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のデータ取得処理部２１１に送信し、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。

雨量計５は、道路の保全や安全を確保するために雨量の計測が必要な場所に設置され、例えば計測マスに溜まった水量を電気信号として道路交通管制装置２のデータ取得処理部２１１に送信する。

風速計６は、道路の保全や安全を確保するために風速の計測が必要な場所に設置され、例えば風により回転するプロペラの回転数を電気信号として道路交通管制装置２のデータ取得処理部２１１に送信する。

なお、例えば、道路センサ部ＲＳ、雨量計５、風速計６の設置間隔はそれぞれ異なっていて、道路交通管制装置２では、交通データ、雨量、風速はそれぞれ異なる区間で区切って管理する。

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、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。

データ取得処理部２１１は、予報対象の路線について、交通状況を計測する道路センサ部ＲＳから交通データを取得する。そして、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、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。

また、データ取得処理部２１１は、雨量計５から取得した雨量情報（任意の時間間隔における雨量の情報等）、および、風速計６から取得した風速情報（任意の時間間隔における平均風速の情報等）を、記憶部２２の雨風情報データベース２２４に蓄積するとともに、事故予報用テーブル作成装置３の記憶部３２の雨風情報データベース３２２に蓄積するように送信する。

事故予報処理部２１２は、予報対象の路線について、割当テーブル記憶部２２３の割当テーブルを参照して特定した対応する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と、現在データベース２２１の現在交通データ（例えば、交通量、平均速度、車両密度）と、を用いて、事故発生度を予報する(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。なお、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。

また、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から受信した割当テーブル（詳細は後述）を記憶部２２の割当テーブル記憶部２２３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、事故の予報結果の表示については、例えば、０から１０までの１１段階での表示や、３段階に分けてそれぞれ色分けしての表示など、どのような方法で行ってもよい。また、道路交通管制装置２では、事故発生度が高い区間を表示する場合、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、割当テーブル記憶部２２３と、雨風情報データベース２２４と、を記憶する。

現在データベース２２１は、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、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（例えば路線長、車線数、設定速度、センサ設置位置、各計測地点の周辺情報、料金所位置等の路線の構造情報）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、管制官等により後で修正してもよい。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。

事故予報用テーブルデータベース２２２は、受信処理部２１３から受信した複数の事故予報用テーブル（詳細は後述）を記憶する。割当テーブル記憶部２２３は、受信処理部２１３から受信した割当テーブル(詳細は後述)を記憶する。雨風情報データベース２２４は、データ取得処理部２１１から受信した雨量情報および風速情報を記憶する。

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制御部２１４を介して受信して表示する。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、割当テーブル作成処理部３１２と、送信処理部３１３と、を備える。

事故予報用テーブル作成処理部３１１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（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。

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。

割当テーブル作成処理部３１２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、開通して間もないなど交通事故が発生したことのない路線（事故が少ない道路も含む。以下、同様。）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。ここで、類似する路線とは、例えば、過去交通データが類似する路線である。また、その過去交通データは、例えば渋滞回数情報を含む。また、類似する路線とは、過去交通データ、雨量情報、風速情報が類似する路線であってもよい。また、類似する路線とは、路線の構造情報が類似する路線であってもよい。詳細は後述する。

送信処理部３１３は、事故予報用テーブル作成処理部３１１が作成した事故予報用テーブル（詳細は後述）や、割当テーブル作成処理部３１２が作成した割当テーブル(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、雨風情報データベース３２２、事故予報用テーブルデータベース３２３、割当テーブル記憶部３２４を記憶する。

過去データベース３２１は、過去交通データと、過去事故データと、道路特性データ（現在データベース２２１の道路特性データと同様。）を記憶する。過去交通データは、道路交通管制装置２のデータ取得処理部２１１から受信する現在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。

雨風情報データベース３２２は、道路交通管制装置２のデータ取得処理部２１１から受信した雨量情報および風速情報を記憶する。事故予報用テーブルデータベース３２３は、事故予報用テーブル作成処理部３１１が作成した事故予報用テーブルを記憶する。割当テーブル記憶部３２４は、割当テーブル作成処理部３１２が作成した割当テーブルを記憶する。

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、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の流れの一例を示したフローチャートである。なお、この事故予報用テーブル作成処理は、交通事故が発生したことのある路線に関して実行し、交通事故が発生したことのない路線に関しては実行しない。

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事故予報用の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事故予報用の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事故予報用の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、割当テーブルについて説明する。前記したように、割当テーブルは、割当テーブル作成処理部３１２によって作成される。割当テーブルでは、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が割り当てられる。また、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が割り当てられる。これにより、交通事故が発生したことのない路線についても、類似する路線と同じ事故予報用テーブルを用いることで、高精度で事故発生度を予報することができるようになる。

図７は、第１実施形態において割当テーブルの作成に用いられる類似路線特定用の自己組織化マップの構成の第１の例を示した図である。図７に示すように、入力層には、渋滞回数を含む過去交通データ（交通量、平均速度、車両密度、渋滞回数）、雨量情報、風速情報が入力ベクトルとして入力される。そして、割当テーブル作成処理部３１２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、競合層の勝者ユニットが同じになる路線を類似する路線として決定し、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し、割当テーブル記憶部３２４に格納する。

図８は、第１実施形態において用いられる割当テーブルの構成の一例を示した図である。図８に示すように、割当テーブルでは、路線と事故予報用テーブルとが対応付けられている。ここで、図８において、路線Ａ，Ｂ，Ｃは交通事故が発生したことのある路線であり、路線ＡＡ，ＣＣは交通事故が発生したことのない路線であるものとする。また、路線ＡＡは路線Ａに類似しており、路線ＣＣは路線Ｃに類似しているものとする。

路線Ａ，Ｂ，Ｃには、それぞれ、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００１，００２，００３が割り当てられている。そして、路線ＡＡには、路線Ａ，Ｂ，Ｃのうち、類似する路線Ａに割り当てられている事故予報用テーブル００１が割り当てられている。また、路線ＣＣには、路線Ａ，Ｂ，Ｃのうち、類似する路線Ｃに割り当てられている事故予報用テーブル００３が割り当てられている。

図９は、第１実施形態において割当テーブルの作成に用いられる類似路線特定用の自己組織化マップの構成の第２の例を示した図である。図９に示すように、入力層には、過去交通データ（交通量、平均速度、車両密度）、路線長、車線数、設定速度が入力ベクトルとして入力される。そして、割当テーブル作成処理部３１２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、競合層の勝者ユニットが同じになる路線を類似する路線として決定し、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し、割当テーブル記憶部３２４に格納する。

次に、図１０を参照して、第１実施形態における事故予報処理について説明する。図１０は、第１実施形態における事故予報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１０では事故予報処理の概要を説明し、図１１で事故予報処理の具体例について説明する。

図１０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〜Ｓ１８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〜Ｓ１７の処理を行い、次に２つ目の路線についてステップＳ１３〜Ｓ１７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。

ステップＳ１３において、事故予報処理部２１２は、割当テーブル記憶部２２３に記憶された割当テーブルを参照して、使用する事故予報用テーブル（その路線に割り当てられている事故予報用テーブル）を特定する。そして、事故予報処理部２１２は、ステップＳ１４〜Ｓ１７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Ｓ１５、Ｓ１６の処理を行い、次に２つ目の区間についてステップＳ１５、Ｓ１６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Ｓ１５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Ｓ１６において、事故予報処理部２１２は、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Ｓ１６について、図１１を用いて説明する。図１１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１１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〜Ｓ１８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Ｓ１９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。

このようにして、本実施形態によれば、過去に事故が発生していない路線についても、過去に事故が発生していて類似する路線と同じ事故予報用テーブルを用いることで、高精度で事故予報をすることができる。したがって、すべての路線に関して高精度で事故予報することができるので、道路交通の安全性を向上させることができる。

（第２実施形態）
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。

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で所定のタイミング（定期的、ユーザ指示等）で事故予報用テーブルと割当テーブルを更新することを想定している。一方、図１２の事故予報システム１ａでは、この事故予報用テーブルと割当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装置３ａで事故予報用テーブルと割当テーブルを作成した後には、その事故予報用テーブルと割当テーブルを、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と割当テーブル記憶部２２３にそれぞれ格納する。その後、事故予報用テーブルと割当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と割当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。例えば、路線によって、事故予報用テーブルと割当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。

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、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、割当テーブル作成処理部３１２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、割当テーブル記憶部２２３と、雨風情報データベース２２４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。なお、道路特性データは、過去データベース３２１に記憶されているので、現在データベース２２１には記憶されていないものとしているが、両方に記憶されていてもよい。

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、雨量情報、風速情報等を使用して事故予報用テーブルや割当テーブルを容易に更新できる。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や割当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や割当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、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。

より具体的には、例えば、事故が起こりやすい交通状況を統計的に評価し、交通量、平均速度、車両密度の組み合わせパターンにおいて事故発生件数が多い場合にはそれを以下の事故予報モデルのようにｉｆ−ｔｈｅｎルール化しておけばよい。

＜事故予報モデル＞
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

ここで、Ａ１〜Ａ６は事故予報を行う頻度に合わせた時間間隔における交通量、Ｂ１〜Ｂ６は交通量と同じ時間間隔における平均速度、Ｃ１〜Ｃ６は交通量と同じ時間間隔における車両密度である。そして、事故発生度のＸ１〜Ｘ３は、例えば対象となる路線における事故発生件数の総数とそれぞれのｉｆ−ｔｈｅｎパターンにおける事故発生件数から割合を計算して、事故の起こりやすさを示す事故発生度として設定すればよい。

また、割当テーブルの作成についても、自己組織化マップを用いた方法を例示したが、他の方法を用いてもよい。具体的には、次の通りである。事故が起きやすい路線の特徴としては、雨量が多い場合や、横風が強い場合が考えられる。そのため、例えば渋滞回数に加えて、各路線（事故が発生した路線）と事故が発生していない路線における季節ごとや１年間など任意に決定した期間の雨量と風速（平均風速）を比較して各項目における差が小さい順に高い評価点を与え、評価点の合計点が最も高い路線における事故予報モデルを事故が発生していない路線における事故予報モデルに割り当てればよい。評価点の設定については、例えば、最も差が小さい路線への評価点を１０点、２番目に差が小さい路線への評価点を８点などのように設定して、その合計点を路線の評価点とする。なお、渋滞回数、雨量、風速と事故発生にはそれぞれ相関関係があるため、例えば各項目には相関関係をもとにして設定した重み係数を設け、評価点にその重み係数をかけた値をその項目における最終的な評価点として判定してもよい。さらに、路線の走行環境も事故発生に影響を与えるため、路線長、車線数、設定速度についても前述の雨量と風速の比較と同様に各路線（事故が発生した路線）と事故が発生していない路線の差が小さい順に高い評価点を与え、評価点の合計点が最も高い路線における事故予報モデルを事故が発生していない路線の事故予報モデルに割り当てればよい。

また、上記の実施形態では、事故発生度の学習および予報（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、前記した雨量情報、風速情報、路線の構造情報のほかに、次の（Ａ）〜（Ｉ）のような情報がある。

（Ａ）大型車混入情報（トラック、バス等の大型車の混入率等）
（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）

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 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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。