JP6721416B2 - 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 PDF

Info

Publication number
JP6721416B2
JP6721416B2 JP2016108879A JP2016108879A JP6721416B2 JP 6721416 B2 JP6721416 B2 JP 6721416B2 JP 2016108879 A JP2016108879 A JP 2016108879A JP 2016108879 A JP2016108879 A JP 2016108879A JP 6721416 B2 JP6721416 B2 JP 6721416B2
Authority
JP
Japan
Prior art keywords
accident
probe information
traffic data
current
past
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.)
Active
Application number
JP2016108879A
Other languages
English (en)
Other versions
JP2017215759A (ja
Inventor
谷本　智彦
智彦 谷本
大場　義和
義和 大場
孝広 代田
孝広 代田
裕亮 下川
裕亮 下川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Infrastructure Systems and Solutions Corp filed Critical Toshiba Corp
Priority to JP2016108879A priority Critical patent/JP6721416B2/ja
Publication of JP2017215759A publication Critical patent/JP2017215759A/ja
Application granted granted Critical
Publication of JP6721416B2 publication Critical patent/JP6721416B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

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（交通事故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
しかしながら、従来技術の事故予報は、直近の交通状況を充分に反映したものとは言えず、精度に改善の余地がある。
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、プローブ情報取得処理部と、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、道路の所定の区間について、少なくとも、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事故発生パターンを学習して、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、前記区間について、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。プローブ情報取得処理部は、外部のプローブ情報システムから、前記区間を走行する車両の現在プローブ情報を取得する。事故予報処理部は、前記区間について、現在交通データ、現在プローブ情報、および、事故予報用テーブルを用いて、事故発生度を予報した後に、現在プローブ情報を用いて事故発生度を調整する。
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、第１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４は、第１実施形態におけるプローブ情報の集計結果の例を示した図である。 図５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６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７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８は、第１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９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１０は、図７の自己組織化マップを用いて事故予報処理を行う場合の説明図である。 図１１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１２は、第２実施形態における事故予報処理の概要を説明するための模式図である。 図１３は、第２実施形態における事故発生度調整テーブルの一例を示した図である。 図１４は、第２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１５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。 図１６は、第３実施形態における事故予報処理の概要を説明するための模式図である。 図１７は、第３実施形態における入力調整テーブルの一例を示した図である。 図１８は、第３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。
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（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ＲＳＡ−１、ＲＳＡ−２、・・・、ＲＳＡ−（ｎ−１）、ＲＳＡ−ｎ、ＲＳＢ−１、ＲＳＢ−２、・・・、ＲＳＢ−（ｍ−１）、ＲＳＢ−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。
道路センサ部ＲＳは、対応する区間について、交通状況（走行車両等）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。
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。また、道路交通管制装置２と事故予報用テーブル作成装置３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、ハンドル操作、ブレーキ作動、各種ランプ状態、ワイパー動作等の情報を指す。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。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、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。
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。
プローブ情報は、例えば、車両の位置、速度、加速度、ハンドル操作、ブレーキ作動、各種ランプ状態、ワイパー動作の情報を含む。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。例えば、プローブ情報取得処理部２１２は、位置情報から車両の滞在区間を判定するとともに、区間ごとに次の（１０１）〜（１０５）の計算（集計）を行う。
（１０１）ワイパー動作を行った車両の数および割合の計算
（１０２）急加速を行った車両の数および割合の計算
（１０３）ブレーキ作動を行った車両の数および割合の計算
（１０４）ハザードランプ点灯を行った車両の数および割合の計算
（１０５）前照灯点灯を行った車両の数および割合の計算
以下に、プローブ情報取得処理について、より具体的に説明する。図３は、第１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、抽出したプローブ情報について位置情報を分析し、滞在区間を判定する（ステップＳ３）。
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、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯等）を判定する（ステップＳ４）。
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Ｓ５）、Ｙｅｓの場合はステップＳ６に進み、Ｎｏの場合はステップＳ２に戻る。
ステップＳ６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Ｓ７）。図４は、第１実施形態におけるプローブ情報の集計結果の例を示した図である。
図４（ａ）では、路線Ａの各区間ごとのワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯を行った車両の割合を示している。例えば、区間Ａ−１において、ワイパー動作を行っている車両の割合は0.53（５３％）である。同様に、図４（ｂ）では、路線Ｂの各区間ごとのワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯を行った車両の割合を示している。
図１に戻って、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。
事故予報処理部２１４は、道路の区間ごとに、現在交通データ（例えば、交通量、占有率、平均速度）、現在プローブ情報（例えば、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯）、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、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。
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、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、複数の区間に分けられている道路について、過去データベース３２１の過去交通データ、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、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯等）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。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、および、過去プローブ情報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、および、過去プローブ情報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、および、過去プローブ情報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。
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。
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、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５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（適宜他図参照）。図５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５に示すように、事故予報用テーブル作成処理部３１２は、まず、ステップＳ１１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３１２は、ステップＳ１２において、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、事故予報用テーブル作成処理部３１２は、ステップＳ１３において、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６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６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，…，ｘi，…，ｘn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，…，ｘi，…，ｘn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ｗｊ＝（ｗj1，…，ｗji，…，ｗjn）によって関連付けられている。
図７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７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７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。
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、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５に戻り、ステップＳ１４において、事故予報用テーブル作成処理部３１２は、ステップＳ１３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７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８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８は、第１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８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、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯の各重み、および、事故発生度が関連付けられている。
次に、図９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９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９に示すように、事故予報処理部２１４は、まず、ステップＳ２１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Ｓ２２に進み、Ｎｏの場合はステップＳ２１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Ｓ２２〜Ｓ２８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Ｓ２３〜Ｓ２７の処理を行い、次に２つ目の路線についてステップＳ２３〜Ｓ２７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Ｓ２３〜Ｓ２７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Ｓ２４〜Ｓ２６の処理を行い、次に２つ目の区間についてステップＳ２４〜Ｓ２６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Ｓ２４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Ｓ２５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、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯）を読み出す。
次に、ステップＳ２６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、現在交通データ、現在プローブ情報とともに用いて事故予報を行う。
ここで、ステップＳ２６について、図１０を用いて説明する。図１０は、図７の自己組織化マップを用いて事故予報処理を行う場合の説明図である。図１０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７）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Ｓ２２〜Ｓ２８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Ｓ２９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Ｓ２９の後、ステップＳ２１に戻る。
このように、第１実施形態の事故予報システム１によれば、プローブ情報を用いて事故発生度をより高精度で予報することができる。つまり、道路センサ部ＲＳから得た情報（交通データ）に加えて、プローブ情報によるリアルタイムな車両の状態の情報を用いることで、より迅速かつ高精度に事故予報が可能であり、道路交通の安全性を向上させることができる。また、通知部２１６から車両５に事故発生度等を通知することもでき、そうすれば、道路交通の安全性をさらに向上させることができる。
なお、一般の気象情報は広い地域に対するもので、必ずしも個々の区間の気象状態に一致するとは限らない。また、気象情報の更新は、本実施形態の事故予報ほど頻繁には行われない。したがって、本実施形態では、例えば、プローブ情報におけるワイパー動作の情報によって、個々の区間の気象情報をリアルタイムで正確に認識することができるので、事故発生度の予報精度向上に大きく寄与できる。
（第２実施形態）
次に、図１１〜図１４を参照して、第２実施形態の事故予報システム１について説明する。なお、第２実施形態は、第１実施形態と比較して、プローブ情報を、事故予報用テーブルの作成や事故発生度の算出に使用するのではなく、事故予報用テーブルを用いて算出した事故発生度の調整に使用する点で異なっている。以下、第１実施形態と同様の事項については、説明を適宜省略する。
図１１は、第２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１の事故予報用テーブル作成装置３におけるプローブ情報取得処理部３１１、プローブ情報データベース３２２は、図１１の事故予報用テーブル作成装置３にはない。
そして、事故予報用テーブル作成処理部３１２は、複数の区間に分けられている道路について、過去プローブ情報は使用せず、過去データベース３２１の過去交通データ、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（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、図１１の道路交通管制装置２では、新たに、予報調整部２１７（事故予報処理部）、事故発生度調整テーブル２２４が設けられている（詳細は後述）。そして、事故予報処理部２１４は、道路の区間ごとに、現在プローブ情報は使用せず、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、予報調整部２１７は、現在プローブ情報を用いて、事故予報処理部２１４が算出（予報）した事故発生度を調整する。具体的には、予報調整部２１７は、例えば、現在プローブ情報が示す情報のうち、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯、急減速（図４には図示無し）の少なくともいずれかについて、実行した車両の割合が所定値（例えば５割）以上の場合に、事故発生度を所定値分増加する。例えば、ワイパー動作を実行した車両の割合が所定値以上であれば、その場所で雨が降っていると考えられるので、事故発生度を、統計等に基づいてその雨による影響を考慮して増加する。急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯、急減速についても同様に、事故発生度を、統計等に基づいて増加する。
図１２は、第２実施形態における事故予報処理の概要を説明するための模式図である。第２実施形態では、前記したように、まず、プローブ情報（現在プローブ情報、および、過去プローブ情報）は使用せずに、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、事故発生度を算出し（２１）、その後、現在プローブ情報に基づいてその事故発生度を調整し（２２）、調整後の事故発生度を事故予報とする。
図１３は、第２実施形態における事故発生度調整テーブル２２４の一例を示した図である。事故発生度調整テーブル２２４では、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯のそれぞれについて、調整ありと調整なしの場合の事故発生度の数値の変化について定めている。事故発生度調整テーブル２２４は、統計等に基づいて予め作成された情報である。なお、調整ありが適用されるのは、例えば、対象区間における全車両中におけるその項目が実行された割合が所定値（例えば５割）以上だった場合である。例えば、ワイパー動作について、対象区間における全車両中に、ワイパー動作を実行した車両の割合が５０％以上であれば、調整ありが適用される。
調整ありの欄における数値の単位は「％」である。例えば、ワイパー動作についての調整ありの欄の「＋０．２」は、元々の事故発生度に対して０．２％分を上乗せして増加させることを示す。この数値は、実際の運用の結果に基づいて、精度が上がるように調整することが好ましい。急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯についても同様である。なお、調整なしの場合、事故発生度の調整は行わない。
図１４は、第２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、図９のフローチャートと比較して、ステップＳ２４〜Ｓ２６がステップＳ３１〜Ｓ３５に変わった点以外は同様であるので、ステップＳ３１〜Ｓ３５のみについて説明する。
ステップＳ３１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Ｓ３２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、現在交通データとともに用いて事故予報を行う。
次に、ステップＳ３３において、予報調整部２１７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、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯）を読み出す。
次に、ステップＳ３４において、予報調整部２１７は、事故発生度を調整する必要があるか否かを判定し、Ｙｅｓの場合はステップＳ３５に進み、Ｎｏの場合はステップＳ２７に進む。このステップＳ３４では、前記したように、例えば、ワイパー動作について、対象区間における全車両中、ワイパー動作を実行した車両の割合が５０％以上であれば、事故発生度を調整する必要がある（事故発生度調整テーブル２２４の調整ありを適用する）と判定する。
ステップＳ３５において、予報調整部２１７は、事故発生度を調整する。具体的には、予報調整部２１７は、例えば、事故発生度調整テーブル２２４（図１３）を参照して、ワイパー動作についてであれば、事故発生度に対して０．２％分を上乗せして増加させる。
このように、第２実施形態の事故予報システム１によれば、プローブ情報を用いないで算出した事故発生度を、プローブ情報を用いて調整することができる。したがって、例えば、プローブ情報を用いないで作成した事故予報用テーブルを用いて事故発生度を算出する仕組みがすでに出来上がっている場合に、少ない手間で、プローブ情報を有効に活用して事故発生度の予報精度を高めることができる。
（第３実施形態）
次に、図１５〜図１８を参照して、第３実施形態の事故予報システム１について説明する。なお、第３実施形態は、第１実施形態と比較して、プローブ情報を、事故予報用テーブルの作成に使用するのではなく、事故発生度を算出するときに事故予報用テーブルに入力する現在交通データの調整に使用する点で異なっている。以下、第１実施形態と同様の事項については、説明を適宜省略する。
図１５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。図１の事故予報用テーブル作成装置３におけるプローブ情報取得処理部３１１、プローブ情報データベース３２２は、図１１の事故予報用テーブル作成装置３にはない。
そして、事故予報用テーブル作成処理部３１２は、複数の区間に分けられている道路について、過去プローブ情報は使用せず、過去データベース３２１の過去交通データ、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（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、図１５の道路交通管制装置２では、新たに、入力調整部２１８（事故予報処理部）、入力調整テーブル２２５が設けられている。
入力調整部２１８は、現在プローブ情報を用いて、現在交通データを調整する。具体的には、入力調整部２１８は、例えば、現在プローブ情報が示す情報のうち、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯、急減速の少なくともいずれかについて、実行する車両の割合が所定値（例えば５割）以上の場合に、現在交通データの数値を所定値分増加または減少する。例えば、ワイパー動作を実行した車両の割合が所定値以上であれば、その場所で雨が降っていると考えられるので、現在交通データの数値を、統計等に基づいてその雨による影響を考慮して増加または減少する。急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯、急減速についても同様に、現在交通データの数値を、統計等に基づいて増加または減少する。
そして、事故予報処理部２１４は、道路の区間ごとに、現在プローブ情報を用いて調整した現在交通データ（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。
図１６は、第３実施形態における事故予報処理の概要を説明するための模式図である。第３実施形態では、前記したように、現在プローブ情報を用いて現在交通データ（例えば、交通量、占有率、平均速度）（３１）を調整し（３２）、その調整後の現在交通データ、および、事故予報用テーブルを用いて、事故発生度を算出する。
図１７は、第３実施形態における入力調整テーブルの一例を示した図である。入力調整テーブル２２５では、現在交通データ（交通量、占有率、平均速度）に関して、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯のそれぞれに基づいて、調整ありと調整なしの場合の数値の変化について定めている。入力調整テーブル２２５は、統計等に基づいて予め作成された情報である。なお、調整ありが適用されるのは、例えば、対象区間における全車両中におけるその項目が実行された割合が所定値以上だった場合である。例えば、ワイパー動作について、対象区間における全車両中に、ワイパー動作を実行した車両の割合が５０％以上であれば、調整ありが適用される。
調整ありの欄における数値の単位は「％」である。例えば、交通量に関して、ワイパー動作に基づく調整ありの欄の「＋２」は、元々の交通量に対して２％分を上乗せして増加させることを示す。この数値の符号（＋、−）および数値は、実際の運用の結果に基づいて、精度が上がるように調整することが好ましい。なお、調整なしの場合、現在交通データ（交通量、占有率、平均速度）の調整は行わない。
図１８は、第３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、図９のフローチャートと比較して、ステップＳ２４〜Ｓ２６がステップＳ４１〜Ｓ４５に変わった点以外は同様であるので、ステップＳ４１〜Ｓ４５のみについて説明する。
ステップＳ４１において、入力調整部２１８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Ｓ４２において、入力調整部２１８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、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯）を読み出す。
次に、ステップＳ４３において、入力調整部２１８は、現在交通データを調整する必要があるか否かを判定し、Ｙｅｓの場合はステップＳ４４に進み、Ｎｏの場合はステップＳ４５に進む。このステップＳ４３では、前記したように、例えば、ワイパー動作について、対象区間における全車両中に、ワイパー動作を実行した車両の割合が５０％以上であれば、現在交通データを調整する必要がある（入力調整テーブル２２５の調整ありを適用する）と判定する。
ステップＳ４４において、入力調整部２１８は、現在交通データを調整する。具体的には、入力調整部２１８は、例えば、入力調整テーブル２２５（図１７）を参照して、交通量に関してであれば、ワイパー動作に基づく調整ありの欄の「＋２」に基づいて、交通量に対して２％分を上乗せして増加させる。
次に、ステップＳ４５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、現在交通データ（ステップＳ４４を経由している場合は、調整後の現在交通データ）とともに用いて事故予報を行う。
このように、第３実施形態の事故予報システム１によれば、事故予報用テーブルに入力する現在交通データを、プローブ情報を用いて調整することができる。したがって、例えば、プローブ情報を用いないで作成した事故予報用テーブルを用いて事故発生度を算出する仕組みがすでに出来上がっている場合に、少ない手間で、プローブ情報を有効に活用して事故発生度の予報精度を高めることができる。
（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、上記の実施形態では、学習および予報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、学習および予報に使用してよく、例えば、次の（Ａ）〜（Ｋ）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）制限速度情報（常時制限速度、臨時制限速度等）
（Ｄ）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）
（Ｅ）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）
（Ｆ）二輪車混入情報（二輪車の混入率等）
（Ｇ）道路整備情報（道路工事情報等）
（Ｈ）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）
（Ｉ）路面状態情報（路面の乾燥、湿潤、凍結を示す情報等）
（Ｊ）渋滞情報（渋滞の長さ、開始位置、終了位置等）
（Ｋ）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、図１１、図１５における道路交通管制装置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、物理的に単一の事故予報システムとしてもよい。そうすれば、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、プローブ情報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、プローブ情報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。
また、図１、図１１、図１５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
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 予報調整部（事故予報処理部）
２１８ 入力調整部（事故予報処理部）
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
２２４ 事故発生度調整テーブル
２２５ 入力調整テーブル
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 (12)

  1. 道路の所定の区間について、少なくとも、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事故発生パターンを学習して、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、
    前記区間について、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部と、
    外部のプローブ情報システムから、前記区間を走行する車両の現在プローブ情報を取得するプローブ情報取得処理部と、
    前記区間について、前記現在交通データ、前記現在プローブ情報、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した後に、前記現在プローブ情報を用いて前記事故発生度を調整する事故予報処理部と、
    を備える事故予報システム。
  2. 道路の所定の区間について、少なくとも、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事故発生パターンを学習して、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、
    前記区間について、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部と、
    外部のプローブ情報システムから、前記区間を走行する車両の現在プローブ情報を取得するプローブ情報取得処理部と、
    前記現在プローブ情報を用いて前記現在交通データを調整した後に、前記区間について、前記調整した現在交通データ、前記現在プローブ情報、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。
  3. 前記事故予報用テーブル作成処理部は、前記道路の所定の区間について、前記過去交通データ、および、前記過去事故データに加えて、車両から得られた過去プローブ情報を用いて、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、前記事故予報用テーブルを作成する、請求項１または請求項２に記載の事故予報システム。
  4. 前記事故予報処理部は、前記現在プローブ情報を用いて前記事故発生度を調整する際に、前記現在プローブ情報が示す情報のうち、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯、急減速の少なくともいずれかについて、実行した車両の割合が所定値以上の場合に、前記事故発生度を所定値分増加する、請求項１に記載の事故予報システム。
  5. 前記事故予報処理部は、前記現在プローブ情報を用いて前記現在交通データを調整する際に、前記現在プローブ情報が示す情報のうち、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯、急減速の少なくともいずれかについて、実行する車両の割合が所定値以上の場合に、前記現在交通データを所定値分増加または減少する、請求項２に記載の事故予報システム。
  6. 前記事故予報システムは、前記事故発生度を、プローブ情報の送信機能を有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５のいずれか一項に記載の事故予報システム。
  7. 道路の所定の区間について、少なくとも、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事故発生パターンを学習して、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、
    前記区間について、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、
    外部のプローブ情報システムから、前記区間を走行する車両の現在プローブ情報を取得するプローブ情報取得処理ステップと、
    前記区間について、前記現在交通データ、前記現在プローブ情報、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した後に、前記現在プローブ情報を用いて前記事故発生度を調整する事故予報処理ステップと、
    を含む事故予報方法。
  8. 道路の所定の区間について、少なくとも、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事故発生パターンを学習して、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、
    前記区間について、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、
    外部のプローブ情報システムから、前記区間を走行する車両の現在プローブ情報を取得するプローブ情報取得処理ステップと、
    前記現在プローブ情報を用いて前記現在交通データを調整した後に、前記区間について、前記調整した現在交通データ、前記現在プローブ情報、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、前記道路の所定の区間について、前記過去交通データ、および、前記過去事故データに加えて、車両から得られた過去プローブ情報を用いて、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、前記事故予報用テーブルを作成する、請求項７または請求項８に記載の事故予報方法。
  10. 前記事故予報処理ステップは、前記現在プローブ情報を用いて前記事故発生度を調整する際に、前記現在プローブ情報が示す情報のうち、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯、急減速の少なくともいずれかについて、実行した車両の割合が所定値以上の場合に、前記事故発生度を所定値分増加する、請求項７に記載の事故予報方法。
  11. 前記事故予報処理ステップは、前記現在プローブ情報を用いて前記現在交通データを調整する際に、前記現在プローブ情報が示す情報のうち、ワイパー動作、急加速、ブレーキ作動、ハザードランプ点灯、前照灯点灯、急減速の少なくともいずれかについて、実行する車両の割合が所定値以上の場合に、前記現在交通データを所定値分増加または減少する、請求項８に記載の事故予報方法。
  12. 前記事故発生度を、プローブ情報の送信機能を有する車両に通知する通知ステップ、をさらに含む、請求項７から請求項１１のいずれか一項に記載の事故予報方法。
JP2016108879A 2016-05-31 2016-05-31 事故予報システム、および、事故予報方法 Active JP6721416B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016108879A JP6721416B2 (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
JP2016108879A JP6721416B2 (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
JP2017215759A JP2017215759A (ja) 2017-12-07
JP6721416B2 true JP6721416B2 (ja) 2020-07-15

Family

ID=60576975

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016108879A Active JP6721416B2 (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) JP6721416B2 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102007249B1 (ko) * 2017-12-08 2019-08-06 현대모비스 주식회사 자율 주행 장치, 방법 및 시스템
CN109507997B (zh) 2017-09-15 2021-11-12 现代摩比斯株式会社 用于自动驾驶的装置、方法和系统
CN110400459A (zh) * 2018-04-24 2019-11-01 阿里巴巴集团控股有限公司 针对交通状况的报警规则配置方法、报警方法及装置
JPWO2022024208A1 (ja) * 2020-07-28 2022-02-03

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008165604A (ja) * 2006-12-28 2008-07-17 Nomura Research Institute Ltd 自動車事故予防のための警告システム
JP5017229B2 (ja) * 2008-09-29 2012-09-05 株式会社東芝 道路交通情報提供システム及び方法
JP6045846B2 (ja) * 2012-08-08 2016-12-14 株式会社東芝 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
JP2017215759A (ja) 2017-12-07

Similar Documents

Publication Publication Date Title
US11990036B2 (en) Driver behavior monitoring
US10989556B1 (en) Traffic risk a avoidance for a route selection system
US10930158B1 (en) System for identifying high risk parking lots
US20190347739A1 (en) Risk Based Automotive Insurance Rating System
US11176845B2 (en) Adaptive analysis of driver behavior
JP6045846B2 (ja) 交通事故発生予報装置、方法およびプログラム
US10621670B2 (en) Determination and display of driving risk
US20210039639A1 (en) Electronic device for vehicle and operating method thereof
US10490078B1 (en) Technology for providing real-time route safety and risk feedback
US10883850B2 (en) Additional security information for navigation systems
JP6721416B2 (ja) 事故予報システム、および、事故予報方法
US9008954B2 (en) Predicting impact of a traffic incident on a road network
WO2017123665A1 (en) Driver behavior monitoring
US20190145794A1 (en) System and Method for Predicting Hyper-Local Conditions and Optimizing Navigation Performance
US20220375340A1 (en) Machine-learning based control of traffic operation
JP7451303B2 (ja) 交通状況予測装置、および、交通状況予測方法
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
JP7204527B2 (ja) 事故確率分析装置および事故確率分析方法
JP6666202B2 (ja) 事故予報システム、および事故予報方法
US20230408276A1 (en) Methods and apparatuses for late lane change prediction and mitigation
JP2021189597A (ja) 事故予測装置および事故予測方法
JP7293077B2 (ja) 交通管制システムおよび情報提供方法
WO2024069674A1 (ja) 除雪支援システム、除雪支援方法および記録媒体
JP2022012418A (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

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200121

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200122

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200312

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: 20200519

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200618

R150 Certificate of patent or registration of utility model

Ref document number: 6721416

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150