JP7182167B2 - 危険性判定装置、危険性判定方法、及びプログラム - Google Patents

Description

本発明は、危険性判定装置、危険性判定方法、及びプログラムに関する。

日本で発生する事故は減少傾向にあるが、現在でも年間約５０万件の交通事故が発生している。このような事故が発生する場所や時間帯では、事故には至らないが、事故に繋がりかねない事象（ヒヤリハット）が頻繁に発生していると考えられる。これに対し、ヒヤリハットのデータを収集し、分析することで、その後の事故の発生を未然に防ぐための取り組みがなされている。
ヒヤリハットのデータを収集し、分析する技術に関して、歩行者および車両それぞれの加速度データを個々に収集し、個別の異常行動として急な方向転換や急停止を捉える技術が知られている（例えば、非特許文献１参照）。

秋川亮太、内山彰、廣森聡仁、山口弘純、東野輝夫、鈴木理基、稗圃泰彦、北原武、「スマートフォンを活用した歩行者および車両のリアルタイム行動検知に関する検討」、情報処理学会、ＤＩＣＯＭＯ２０１８、Ｊｕｌｙ、２０１８

前述した技術では、ヒヤリハットのデータとして、急な方向転換や急停止を収集した場合に、収集した急な方向転換や急停止は必ずしもヒヤリハットにはつながらない。つまり、個々の異常行動を高精度で捉えたとしても、歩行者および車両の危険性を判定するには、依然として擬陽性が高いことが懸念される。
本発明は、上記問題を解決すべくなされたもので、危険性を判定できる危険性判定装置、危険性判定方法、及びプログラムを提供することにある。

（１）本発明の一態様は、複数の端末装置の各々が送信する前記端末装置の識別情報とセンサの検出値と前記センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータ通知を受け付ける受付部と、複数のセンサデータ通知を記憶する記憶部と、前記記憶部に記憶している複数の前記センサデータ通知のうち、前記受付部が受け付けたセンサデータ通知に含まれる前記端末装置の前記識別情報と同じ前記端末装置の前記識別情報を含むセンサデータ通知に含まれるセンサの検出値に基づいて、受け付けた前記センサの前記検出値が外れ値であるか否かを判定し、外れ値であると判定した場合に前記外れ値に基づいて、前記端末装置のユーザの異常行動を導出する分析部と、前記分析部が異常行動を導出した場合に、前記外れ値を含むセンサデータ通知に含まれる時刻を示す情報と、位置を示す情報と、導出した前記異常行動を示す情報とに基づいて、前記端末装置を携帯しているユーザの危険性を判定する処理部とを備え、前記処理部は、前記外れ値を含む前記センサデータ通知に含まれる時刻を示す情報と、位置を示す情報とに基づいて、前記異常行動を時空間に表現し、前記異常行動を起点として、前記起点に該当する位置から所定の範囲での異常行動と、前記起点に該当する時間から所定の範囲での異常行動とに基づいて、ユーザの危険性を判定する、危険性判定装置である。
（２）本発明の一態様は、上記（１）に記載の危険性判定装置において、前記分析部は、前記外れ値をクラスター分析し、クラスター分析した結果に該当する異常行動を示す情報を、センサの検出値と異常行動を示す情報とを関連付けた異常行動関連情報から導出する。
（３）本発明の一態様は、上記（１）に記載の危険性判定装置において、前記分析部は、センサの検出値と、異常行動を示す情報とを関連付けた異常行動関連情報と、前記外れ値であると判定した前記センサの前記検出値とに基づいて、前記端末装置のユーザの異常行動を導出する。
（４）本発明の一態様は、上記（１）から上記（３）のいずれか一項に記載の危険性判定装置において、前記分析部は、前記記憶部に記憶している複数の前記センサデータ通知のうち、前記受付部が受け付けたセンサデータ通知に含まれる前記端末装置の識別情報と同じ識別情報を含むセンサデータ通知に含まれるセンサの検出値に基づいて、モデルベース判定と、機械学習とのいずれか一項又は両方によって、受け付けた前記センサの前記検出値が外れ値であるかを判定し、前記処理部は、前記外れ値を含むセンサデータ通知に含まれる時刻を示す情報と、位置を示す情報とに基づいて、モデルベース判定と、機械学習とのいずれか一方又は両方によって、前記端末装置を携帯しているユーザの危険性を判定する。
（５）本発明の一態様は、上記（１）から上記（４）のいずれか一項に記載の危険性判定装置において、第１軸と、第２軸とを有する座標系で表される二次元で表したデータである二次元データにおいて、前記第１軸と前記第２軸との各々が複数に分割され、分割された前記第１軸及び前記第２軸によってセルが形成され、前記分析部は、前記位置に該当するセルに、前記異常行動を示す情報を表す。
（６）本発明の一態様は、上記（５）に記載の危険性判定装置において、複数の前記端末装置が送信するセンサデータ通知の各々には、前記ユーザが乗車する自動車に搭載されたセンサが検出したセンサの検出値と、前記端末装置に搭載されたセンサが検出したセンサの検出値とのいずれか一方又は両方が含まれ、前記危険性判定装置は、前記ユーザの異常
行動を示す情報を表した二次元データの時系列データと、前記自動車の異常行動を表した二次元データの時系列データとに基づいて、ユーザの異常行動を示す情報を表した二次元データと、自動車の異常行動を表した二次元データとを入力とし、前記入力と、ユーザの危険性との関係を表す学習モデルを学習によって生成する学習部を備え、前記処理部は、前記学習部が生成した前記学習モデルに基づいて、前記ユーザの危険性を判定する。
（７）本発明の一態様は、上記（５）に記載の危険性判定装置において、前記処理部は、前記異常行動を示す情報を表したセルと、前記セルの周辺のセルである周辺セルとの各々に関連付けて記憶されている異常行動に基づいて、前記端末装置を携帯しているユーザの危険性を判定する。
（８）本発明の一態様は、上記（１）から上記（７）のいずれか一項に記載の危険性判定装置において、前記処理部が判定した前記ユーザの危険性を、前記ユーザへ通知する通信部を備える。

（９）本発明の一態様は、危険性判定装置が実行する危険性判定方法であって、複数の端末装置の各々が送信する前記端末装置の識別情報とセンサの検出値と前記センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータ通知を受け付けるステップと、複数のセンサデータ通知を記憶する記憶部に記憶している複数の前記センサデータ通知のうち、受け付けたセンサデータ通知に含まれる前記端末装置の前記識別情報と同じ前記端末装置の前記識別情報を含むセンサデータ通知に含まれるセンサの検出値に基づいて、受け付けた前記センサの前記検出値が外れ値であるか否かを判定し、外れ値であると判定した場合に前記外れ値に基づいて、前記端末装置のユーザの異常行動を導出するステップと、前記異常行動を導出した場合に、前記外れ値を含む前記センサデータ通知に含まれる時刻を示す情報と、位置を示す情報とに基づいて、前記異常行動を時空間に表現し、前記異常行動を起点として、前記起点に該当する位置から所定の範囲での異常行動と、前記起点に該当する時間から所定の範囲での異常行動とに基づいて、前記端末装置を携帯しているユーザの危険性を判定するステップとを有する、危険性判定方法である。

（１０）本発明の一態様は、危険性判定装置のコンピュータに、複数の端末装置の各々が送信する前記端末装置の識別情報とセンサの検出値と前記センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータ通知を受け付けるステップと、複数のセンサデータ通知を記憶する記憶部に記憶している複数の前記センサデータ通知のうち、受け付けたセンサデータ通知に含まれる前記端末装置の前記識別情報と同じ前記端末装置の前記識別情報を含むセンサデータ通知に含まれるセンサの検出値に基づいて、受け付けた前記センサの前記検出値が外れ値であるか否かを判定し、外れ値であると判定した場合に前記外れ値に基づいて、前記端末装置のユーザの異常行動を導出するステップと、前記異常行動を導出した場合に、前記外れ値を含む前記センサデータ通知に含まれる時刻を示す情報と、位置を示す情報とに基づいて、前記異常行動を時空間に表現し、前記異常行動を起点として、前記起点に該当する位置から所定の範囲での異常行動と、前記起点に該当する時間から所定の範囲での異常行動とに基づいて、前記端末装置を携帯しているユーザの危険性を判定するステップとを実行させる、プログラムである。

本発明によれば、危険性を判定できる危険性判定装置、危険性判定方法、及びプログラムを提供できる。

本発明の実施形態の危険性判定システムの一例を示す図である。 本発明の実施形態の危険性判定システムを構成する自動車と、端末装置と、危険性判定装置の一例を示す図である。 本発明の実施形態の端末装置のＤＢに記憶される情報の一例を示す図である。 整形前のセンサデータの一例を示す模式図である。 整形後のセンサデータの一例を示す模式図である。 異常行動の一例を示す図である。 異常行動の表現方法の一例を示す図である。 歩行者環境特徴量行列と、自動車環境特徴量行列との一例を示す図である。 本実施形態の危険性判定装置の動作の一例を示す図である。 本実施形態の危険性判定装置の危険性の判定処理の一例を示す図である。 本実施形態の危険性判定装置のＤＢに記憶される情報の一例を示す図である。 本実施形態の危険性判定システムの動作の一例を示すシーケンスチャートである。 本発明の実施形態の変形例の危険性判定システムを構成する自動車と、端末装置と、危険性判定装置と、学習装置との一例を示す図である。

次に、本実施形態の危険性判定装置、危険性判定方法、及びプログラムを、図面を参照しつつ説明する。以下で説明する実施形態は一例に過ぎず、本発明が適用される実施形態は、以下の実施形態に限られない。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
また、本願でいう「ＸＸに基づいて」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づいて」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。

（実施形態）
（危険性判定システム）
図１は、本発明の実施形態の危険性判定システムの一例を示す図である。本実施形態の危険性判定システム１は、危険性判定装置１００と、自動車２００－１から自動車２００－ｍ（ｍは、ｍ＞０の整数）と、端末装置３００－１から端末装置３００－ｎ（ｎは、ｎ＞ｍの整数）とを備える。
自動車２００－１から自動車２００－ｍは、それぞれ端末装置３００－１から端末装置３００－ｍと、無線によって接続される。端末装置３００－１から端末装置３００－ｎの各々と、危険性判定装置１００とは、通信網５０を介して互いに、接続される。通信網５０は、例えば、無線基地局、Ｗｉ－Ｆｉアクセスポイント、通信回線、プロバイダ、インターネットなどを含む。なお、通信網５０は、一部にローカルなネットワークを含んでもよい。
本実施形態では、端末装置３００－１を携帯するユーザから端末装置３００－ｍを携帯するユーザは、それぞれ自動車２００－１から自動車２００－ｍに乗車している場合について説明を続ける。また、端末装置３００－ｍ＋１を携帯するユーザから端末装置３００－ｎを携帯するユーザは、自動車に乗車していない場合について説明を続ける。

自動車２００－１から自動車２００－ｍは、センサを搭載し、搭載したセンサが検出したセンサの検出値を示す情報を、それぞれ端末装置３００－１から端末装置３００－ｍへ送信する。
端末装置３００－１から端末装置３００－ｍは、それぞれ自動車２００－１から自動車２００－ｍが送信したセンサの検出値を示す情報を受信した場合に、センサの検出値を示す情報を受信した時刻と位置とを取得する。端末装置３００－１から端末装置３００－ｍの各々は、受信したセンサの検出値を示す情報を、そのセンサの検出値を受信した時刻を示す情報及び位置を示す情報と関連付けて記憶する。
端末装置３００－１から端末装置３００－ｍの各々は、センサの検出値を示す情報と、センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータと、端末ＩＤとを含み、危険性判定装置１００をあて先とするセンサデータ通知を作成し、作成したセンサデータ通知を、危険性判定装置１００へ送信する。ここで、端末ＩＤは、端末装置の識別情報である。
また、端末装置３００－１から端末装置３００－ｎの各々は、センサを搭載し、搭載したセンサが検出したセンサの検出値を示す情報を、そのセンサの検出値を受信した時刻を示す情報と関連付けて記憶する。ここで、センサの検出値には、端末装置の位置を示す情報が含まれる。端末装置３００－１から端末装置３００－ｎの各々は、センサの検出値と、センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータと、端末ＩＤとを含み、危険性判定装置１００をあて先とするセンサデータ通知を作成し、作成したセンサデータ通知を、危険性判定装置１００へ送信する。

危険性判定装置１００は、端末装置３００－１から端末装置３００－ｎの各々が送信したセンサデータ通知を受信する。センサデータ通知に含まれるセンサの検出値は、自動車２００－１から自動車２００－ｍの各々に搭載されたセンサが検出した値と、端末装置３００－１から端末装置３００－ｎの各々に搭載されたセンサが検出した値とのいずれか一方又は両方が含まれる。危険性判定装置１００は、受信したセンサデータ通知を受け付け、受け付けたセンサデータ通知に含まれるセンサデータを整形する。危険性判定装置１００は、整形したセンサデータと、端末ＩＤとを関連付けたセンサデータ通知を記憶する。
危険性判定装置１００は、記憶している複数のセンサデータ通知のうち、受け付けたセンサデータに含まれる端末ＩＤと同じ端末ＩＤを含むセンサデータ通知を抽出する。危険性判定装置１００は、抽出したセンサデータ通知に含まれるセンサの検出値に基づいて、受け付けたセンサの検出値が外れ値であるか否かを判定する。危険性判定装置１００は、外れ値でないと判定した場合には、処理を終了する。危険性判定装置１００は、外れ値であると判定した場合にはその外れ値に基づいて、端末装置のユーザの異常行動と自動車の異常行動とのいずれか一方又は両方を導出する。
危険性判定装置１００は、異常行動を導出した場合に、導出した異常行動を示す情報と、外れ値を含むセンサデータ通知に含まれる時刻を示す情報及び位置を示す情報とに基づいて、端末装置を携帯しているユーザの危険性を判定する。危険性判定装置１００は、判定したユーザの危険性を示す情報を含み、外れ値を含むセンサデータ通知を送信した端末装置をあて先とする危険性通知を作成し、作成した危険性通知を、その端末装置へ送信する。端末装置３００－１から端末装置３００－ｎの各々は、危険性判定装置１００が送信した危険性通知を受信した場合に、受信した危険栓通知に含まれるユーザの危険性を示す情報を表示する。
以下、自動車２００－１から自動車２００－ｎのうち任意の自動車を、自動車２００と記載する。端末装置３００－１から端末装置３００－ｎのうち任意の自動車を、端末装置３００と記載する。

次に、自動車２００と、端末装置３００と、危険性判定装置１００とついて、詳細に説明する。
（自動車）
図２は、本発明の実施形態の危険性判定システムを構成する自動車と、端末装置と、危険性判定装置の一例を示す図である。
自動車２００について説明する。自動車２００は、センサ２０２と、情報処理部２０４と、通信部２０６とを備える。これらの構成要素は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）やＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのハードウェア（回路部；ｃｉｒｃｕｉｔｒｙを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やフラッシュメモリなどの記憶装置に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。

センサ２０２は、一又は複数のセンサによって構成される。具体的には、センサ２０２は、エンジンの回転数を検出するセンサ、車速度を検出するセンサ、スロットル開度を検出するセンサ、燃料残量を検出するセンサ、燃費を検出するセンサなどによって構成される。センサ２０２は、エンジンの回転数、車速度、スロットル開度、燃料残量、燃費などを検出し、検出したエンジンの回転数、車速度、スロットル開度、燃料残量、燃費などのセンサの検出値を示す情報を、情報処理部２０４へ出力する。
情報処理部２０４は、センサ２０２と接続される。情報処理部２０４は、時計部を備え、センサ２０２が出力したセンサの検出値を示す情報を取得した場合に、時計部から、そのセンサの検出値を示す情報を取得した時刻を取得する。情報処理部２０４は、センサの検出値を示す情報と、そのセンサの検出値を取得した時刻を示す情報とを含み、端末装置３００をあて先とするセンサ検出値通知を作成し、作成したセンサ検出値通知を、通信部２０６へ出力する。
通信部２０６は、情報処理部２０４と接続される。通信部２０６は、通信モジュールによって実現される。具体的には、通信部２０６は、ブルートゥース（登録商標）、ＷｉＦｉ（登録商標）などの無線通信技術で無線通信を行う無線デバイスによって構成される。通信部２０６は、情報処理部２０４が出力したセンサ検出値通知を取得し、取得したセンサ検出値通知を、端末装置３００へ送信する。

（端末装置）
端末装置３００は、スマートフォン、携帯端末、又はパーソナルコンピュータ、タブレット端末装置、腕時計型端末装置、眼鏡型端末装置、あるいはその他の情報処理機器として実現される。例えば、端末装置３００が自動車２００と接続する場合には、端末装置３００は、車載あるいはドライバーが保持する。端末装置３００が自動車２００と接続しない場合には、端末装置３００は、主に歩行者が保持する。端末装置３００は、センサ３０２と、情報処理部３０４と、通信部３０６と、ＤＢ３０８と、表示部３１０と、通信部３１６とを備える。これらの構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；ｃｉｒｃｕｉｔｒｙを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
センサ３０２は、一又は複数のセンサによって構成される。具体的には、センサ３０２は、時計部、加速度センサ、角速度センサ、地磁気センサ、傾きセンサ、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）、気圧センサ、照度センサ、ステップセンサ、スクリーンロックオンオフセンサ、バッテリ温度残量センサなどによって構成される。ここで、ＧＰＳによって取得される情報には、ＧＰＳ時刻を示す情報、緯度を示す情報、経度を示す情報、高度を示す情報、精度を示す情報、ＧＰＳ速度を示す情報、衛星の数を示す情報、位置計測手段を示す情報などが含まれる。
センサ３０２は、時刻、加速度、角速度、地磁気、傾き、位置、気圧、照度、ステップセンサの値、スクリーンロックオンオフセンサの値、バッテリ温度残量センサの値などを検出し、検出した時刻を示す情報と、加速度、角速度、地磁気、傾き、気圧、照度、ステップセンサの値、スクリーンロックオンオフセンサの値、バッテリ温度残量センサの値などのセンサの検出値を示す情報と、位置を示す情報とを、情報処理部３０４へ出力する。

通信部３０６は、通信モジュールによって実現される。具体的には、通信部３０６は、ブルートゥース（登録商標）、ＷｉＦｉ（登録商標）などの無線通信技術で無線通信を行う無線デバイスによって構成される。通信部３０６は、自動車２００が送信したセンサ検出値通知を受信し、受信したセンサ検出値通知を、情報処理部３０４へ出力する。
通信部３１６は、通信モジュールによって実現される。通信部３１６は、通信網５０を経由して、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）などの携帯電話の通信規格、無線ＬＡＮ（登録商標）などの通信規格にしたがって、危険性判定装置１００などの他の装置と通信を行う。具体的には、通信部３１６は、情報処理部３０４が出力したセンサデータ通知を取得し、取得したセンサデータ通知を、危険性判定装置１００へ送信する。通信部３１６は、危険性判定装置１００が送信した危険性通知を受信し、受信した危険性通知を、情報処理部３０４へ出力する。

情報処理部３０４は、センサ３０２と、通信部３０６と、通信部３１６と接続される。情報処理部３０４は、受付部３１２と、処理部３１４として機能する。
受付部３１２は、通信部３０６が出力したセンサ検出値通知を取得し、取得したセンサ検出値通知を受け付ける。受付部３１２は、センサ検出値通知を受け付けた場合に、センサ３０２に含まれるＧＰＳから、端末装置３００の位置を示す情報を取得する。情報処理部３０４は、取得した端末装置３００の位置を示す情報と、センサ検出値通知に含まれるセンサの検出値を示す情報と、そのセンサの検出値を取得した時刻を示す情報とを関連付けた情報であるセンサデータを、ＤＢ３０８へ出力する。
また、受付部３１２は、センサ３０２が出力したセンサの検出値を示す情報と、位置を示す情報と、時刻を示す情報とを受け付ける。受付部３１２は、取得したセンサの検出値を示す情報と、位置を示す情報と、時刻を示す情報とを関連付けた情報であるセンサデータを、ＤＢ３０８へ出力する。
処理部３１４は、ＤＢ３０８に記憶されたセンサデータを取得し、取得したセンサデータと、端末ＩＤとを含み、危険性判定装置１００を宛先とするセンサデータ通知を作成する。処理部３１４は、作成したセンサデータ通知を、通信部３１６へ出力する。
処理部３１４は、通信部３１６が出力した危険性通知を取得し、取得した危険性通知に含まれるユーザの危険性を示す情報に基づいて、表示部３１０に文字と画像とのいずれか一方又は両方を表示することによって、端末装置３００のユーザに、危険性を通知する。また、処理部３１４は、ユーザの危険性を示す情報に基づいて、音声を出力することによって、端末装置３００のユーザに、危険性を通知する。

ＤＢ３０８は、情報処理部３０４と接続される。ＤＢ３０８は、センサの検出値を示す情報と、位置を示す情報と、時刻を示す情報とを関連付けた情報であるセンサデータを記憶する。
図３は、端末装置のＤＢに記憶される情報の一例を示す図である。図３に示される例では、ＤＢ３０８には、センサの検出値を示す情報１と位置を示す情報１と時刻を示す情報１とを関連付けた情報であるセンサデータ１と、センサの検出値を示す情報２と位置を示す情報２と時刻を示す情報２とを関連付けた情報であるセンサデータ２と、センサの検出値を示す情報３と位置を示す情報３と時刻を示す情報３とを関連付けた情報であるセンサデータ３とが記憶されている。図２に戻り説明を続ける。
表示部３１０は、情報処理部３０４と接続される。表示部３１０は、画像を表示したり、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）などを介して画像、テキスト情報、アニメーションなどを表示する。具体的には、表示部３１０は、情報処理部３０４が出力したユーザの危険性を示す情報を取得し、取得したユーザの危険性を示す情報を処理することによって、文字と画像とのいずれか一方又は両方を表示する。図２に戻り説明を続ける。

（危険性判定装置）
危険性判定装置１００は、情報処理部１０４と、通信部１０６と、ＤＢ１０８とを備える。これらの構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；ｃｉｒｃｕｉｔｒｙを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。

通信部１０６は、通信モジュールによって実現される。通信部１０６は、通信網５０を経由して、ＬＴＥなどの携帯電話の通信規格、無線ＬＡＮ（登録商標）などの通信規格にしたがって、端末装置３００などの他の装置と通信を行う。具体的には、通信部１０６は、端末装置３００が送信したセンサデータ通知を受信し、受信したセンサデータ通知を、情報処理部１０４へ出力する。通信部１０６は、情報処理部１０４が出力した危険性通知を取得し、取得した危険性通知を、端末装置３００へ送信する。
情報処理部１０４は、通信部１０６と接続される。情報処理部１０４は、受付部１１２と、分析部１１３と、学習部１１５と、処理部１１４として機能する。
受付部１１２は、通信部１０６が出力したセンサデータ通知を取得し、取得したセンサデータ通知を受け付ける。受付部１１２は、受け付けたセンサデータ通知を、分析部１１３へ出力する。

分析部１１３は、受付部１１２が出力したセンサデータ通知を取得し、取得したセンサデータ通知に含まれるセンサデータを取得する。前述したように、センサデータには、センサの検出値を示す情報と、位置を示す情報と、時刻を示す情報とが含まれる。分析部１１３は、取得したセンサデータを整形する。
ここで、センサデータの整形の一例について説明する。
図４は、整形前のセンサデータの一例を示す模式図である。センサデータは、ユーザを示す軸と、時刻を示す軸と、センサによって測定される項目を示す軸との三軸によって表されている。項目を示す軸に、センサの検出値が表される。図４には、ｕｓｅｒ１が携帯する端末装置３００が送信したセンサデータと、ｕｓｅｒ２が携帯する端末装置３００が送信したセンサデータと、ｕｓｅｒ３が携帯する端末装置３００が送信したセンサデータとが示されている。さらに、図４には、一例として、センサデータに、３軸加速度センサによって計測されたセンサの検出値と、３軸角速度センサによって計測されたセンサの検出値と、２次元ＧＰＳによって計測された位置を示す情報とが含まれることが示されている。
センサの検出値は、端末装置３００の状態と、センサとに応じて、異なるタイミングで取得されている。つまり、センサの検出値が取得されるタイミングは、端末装置３００によっても、センサによっても異なる。
分析部１１３は、ｕｓｅｒ１が携帯する端末装置３００が送信したセンサデータと、ｕｓｅｒ２が携帯する端末装置３００が送信したセンサデータと、ｕｓｅｒ３が携帯する端末装置３００が送信したセンサデータとのフォーマットを揃えるために、時刻を示す軸を複数の時間間隔（タイムスロット）に分割する。分析部１１３は、タイムスロットに含まれるセンサの検出値をセンサ毎に平均化するなどの統計処理を行い、統計処理を行うことによって得られる統計処理の結果を、そのタイムスロットのセンサの検出値とすることによって、センサデータを整形する。
図５は、整形後のセンサデータの一例を示す模式図である。図５は、センサ毎に、タイムスロットに含まれるセンサの検出値を統計処理することによって導出される統計処理の結果を、そのタイムスロットのセンサの検出値とした結果を示す。図５に示すように、各センサにおいて、タイムスロットに含まれるセンサの検出値は一個となり、ｕｓｅｒ１が携帯する端末装置３００が送信したセンサデータと、ｕｓｅｒ２が携帯する端末装置３００が送信したセンサデータとのフォーマットが揃っていることが分かる。
分析部１１３は、センサデータ通知に含まれる端末ＩＤと、整形後のセンサデータとを関連付けた情報であるセンサデータ通知を、ＤＢ１０８へ出力する。図２に戻り説明を続ける。

分析部１１３は、センサデータ通知に含まれる端末ＩＤと同じ端末ＩＤを含むセンサデータ通知を、ＤＢ１０８から抽出する。分析部１１３は、抽出したセンサデータ通知に含まれるセンサの検出値を示す情報を取得する。分析部１１３は、取得したセンサの検出値を示す情報に基づいて、取得したセンサデータ通知に含まれるセンサの検出値が、外れ値であるか否かを判定する。つまり、分析部１１３は、普段どおり歩行、走行している状態を平常状態として、急停止、回避行動を異常状態として、平常状態で得らえたセンサの検出値から外れたセンサの検出値を検出し、検出したセンサの検出値を外れ値とする。
具体的には、分析部１１３は、取得したセンサデータ通知に含まれるセンサの検出値と、ＤＢ１０８から抽出したセンサの検出値とに基づいて、教師なし学習を行うことによって、取得したセンサデータ通知に含まれるセンサの検出値が外れ値であるか否かを判定する。教師なし学習のアルゴリズムには、ｏｎｅ－ｃｌａｓｓ ＳＶＭ（ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ）、ａｎｏｍａｌｙ ｆａｃｔｏｒなどが含まれるが、いずれでもよい。

分析部１１３は、取得したセンサデータ通知に含まれるセンサの検出値が外れ値であると判定した場合に、その外れ値に基づいて、その外れ値を含むセンサデータ通知に含まれる端末ＩＤに該当する端末装置のユーザの異常行動を導出する。具体的には、分析部１１３は、その外れ値（センサの検出値）をクラスター分析し、クラスター分析した結果に該当する異常行動を示す情報を、センサの検出値と、異常行動を示す情報とを関連付けた異常行動関連情報から、導出する。
図６は、異常行動の一例を示す図である。図６には、歩行者Ｐ１の時間軸と、自動車Ｖ１の時間軸とが示されている。
図６に示される例では、分析部１１３は、時刻Ｔ１で得られたセンサの検出値が外れ値であると判断する。分析部１１３は、その外れ値をクラスター分析することによって、そのセンサの検出値をクラスター分析した結果に該当する異常行動を示す情報として、歩行者Ｐ１が歩きスマホを行っていることを導出する。
また、分析部１１３は、時刻Ｔ２で得られたセンサの検出値が外れ値であると判断する。分析部１１３は、その外れ値をクラスター分析することによって、そのセンサの検出値をクラスター分析した結果に該当する異常行動を示す情報として、自動車Ｖ１が生活道路を高速で走行していることを導出する。
また、分析部１１３は、時刻Ｔ３で得られたセンサの検出値が外れ値であると判断する。分析部１１３は、その外れ値をクラスター分析することによって、そのセンサの検出値をクラスター分析した結果に該当する異常行動を示す情報として、歩行者Ｐ１が生活道路の中心付近にはみ出していることを導出する。分析部１１３は、導出した異常行動を示す情報と、外れ値を含むセンサデータ通知とを、学習部１１５と、処理部１１４とへ出力する。図２に戻り説明を続ける。

処理部１１４は、分析部１１３が出力した異常行動の意味を示す情報と、外れ値を含むセンサデータ通知とを取得する。処理部１１４は、取得した外れ値を含むセンサデータ通知から時刻を示す情報と、位置を示す情報とを取得する。
処理部１１４は、取得した異常行動の意味を示す情報と、時刻を示す情報と、位置を示す情報とに基づいて、センサデータ通知に含まれる端末ＩＤに該当する端末装置を携帯しているユーザの危険性を判定する。
具体的には、処理部１１４は、取得した時刻を示す情報と、位置を示す情報とに基づいて、異常行動を時空間に表現する。異常行動を時空間に表現する方法については後述する。処理部１１４は、異常行動を起点として、その異常行動の位置を示す情報に基づいて、その位置から、空間的に半径Ｘメートルの範囲に存在するセル（周辺セル）から、起点に該当する異常行動以外の異常行動のデータを抽出する。さらに、処理部１１４は、抽出した異常行動のデータから、起点に該当する時刻から過去Ｙ秒以内の異常行動を抽出する。
処理部１１４は、異常行動を抽出できなかった場合には、ユーザの危険性は低いと判定する。処理部１１４は、異常行動を抽出できた場合には、異常行動を抽出できなかった場合よりも、ユーザの危険性は高いと判定する。

学習部１１５は、分析部１１３が出力した異常行動を示す情報と、外れ値を含むセンサデータ通知とを取得する。学習部１１５は、取得した外れ値を含むセンサデータ通知から時刻を示す情報と、位置を示す情報とを取得する。
ここで、異常行動を時空間に表現する方法の一例について説明する。具体的には、異常行動の位置を時空間に表現する。
図７は、異常行動の表現方法の一例を示す図である。
図７に示される例では、ある時刻における異常行動の位置が二次元で表現される。具体的には、学習部１１５は、ある時刻における異常行動が発生した位置を、第１軸を経度とし、第２軸を緯度とする座標系に表す。例えば、学習部１１５は、ある時刻における異常行動が発生した位置を、横軸を経度とし、縦軸を緯度とする二次元データに表す。さらに、学習部１１５は、格子状に横軸と縦軸との各々を複数に分割する。学習部１１５は、分割した横軸と分割した縦軸とによって、セルを形成する。学習部１１５は、形成した各セルの各々に、検出された異常行動（アクション）を多次元配列で表現する。
図７に示される例では、横軸が五区間に分割され、縦軸が五区間に分割され、５×５の２５個のセルが形成される。図７に示される５×５のセルの各々を、「ｊ」を、横軸を分割することによって得られる区間とし、「ｋ」を、縦軸を分割することによって得られる区間として、「セル（ｊ，ｋ）（ｊは１～５の整数、ｋは１～５の整数）」で示す。
また、歩行者の異常行動が検出されたことを示す情報を、「歩行者ｌ［ｏ，ｐ，ｑ］（ｌは歩行者を識別する情報、ｏ，ｐ，ｑは異常行動を識別する情報）」で表す。ここでは、「ｏ」をアクション１と呼び、「ｐ」をアクション２と呼び、「ｑ」をアクション３と呼ぶ。
また、自動車の異常行動が検出されたことを示す情報を、「自動車ｒ［ｓ，ｔ，ｕ］（ｒは自動車を識別する情報、ｓ，ｔ，ｕは異常行動を識別する情報）」で表す。ここでは、「ｓ」をアクション１と呼び、「ｔ」をアクション２と呼び、「ｕ」をアクション３と呼ぶ。

図７の左図は、ある時刻に、セル（３，３）において、歩行者２のアクション１（歩行者２［１，０，０］）と歩行者３のアクション３（歩行者３［０，０，１］）とが、検出されたことを示している。この場合には、セル（３，３）に、アクション１とアクション３とが検出されたことを示す情報である［１，０，１］が示される。
さらに、図７の左図は、ある時刻に、セル（３，３）の北西方向のセル（１，５）において、歩行者１のアクション２（歩行者１［０，１，０］）が検出されたことを示している。この場合には、セル（１，５）に、アクション２が検出されたことを示す情報である［０，１，０］が示される。
図７の右図は、ある時刻に、セル（３，３）において、自動車２のアクション１（自動車２［１，０，０］）が、検出されたことを示している。この場合には、セル（３，３）に、アクション１が検出されたことを示す情報である［１，０，０］が示される。さらに、図７の右図は、ある時刻に、セル（３，２）において、自動車３のアクション３（自動車３［０，０，１］）が、検出されたことを示している。この場合には、セル（３，２）に、アクション３が検出されたことを示す情報である［０，０，１］が示される。さらに、図７の右図は、ある時刻に、セル（１，４）において、自動車１のアクション２（自動車１［０，１，０］）が、検出されたことを示している。この場合には、セル（１，４）に、アクション２が検出されたことを示す情報である［０，１，０］が示される。
図７の左図と右図とに示すように、横軸を経度とし、縦軸を緯度とする二次元データに、異常行動を表現することによって、どこで、どのような異常行動（アクション）が発生したのか表現できることが分かる。

学習部１１５は、歩行者の異常行動の位置を二次元データに表したデータを、時間方向に一又は複数配列する。歩行者の異常行動の位置を二次元データに表したデータを、時間方向に一又は複数配列することによって得られる時系列データを、「歩行者環境特徴量行列」という。
学習部１１５は、自動車の異常行動の位置を二次元データに表したデータを、時間方向に一又は複数配列する。自動車の異常行動の位置を二次元データに表したデータを、時間方向に一又は複数配列することによって得られる時系列データを、「自動車環境特徴量行列」という。
図８は、歩行者環境特徴量行列と、自動車環境特徴量行列との一例を示す図である。図８の左図は、歩行者環境特徴量行列の一例を示す。図８の左図によれば、歩行者環境特徴量行列の一例は、歩行者の異常行動の位置を二次元データに表したデータを、時間方向に４個配列することによって得られる。図８の右図は、自動車環境特徴量行列の一例を示す。図８の右図によれば、自動車環境特徴量行列の一例は、自動車の異常行動の位置を二次元データに表したデータを、時間方向に４個配列することによって得られる。
学習部１１５は、歩行者環境特徴量行列と、自動車環境特徴量行列とに基づいて、歩行者環境特徴量行列と、自動車環境特徴量行列とを入力とし、この入力と、ユーザの危険性との関係を表す学習モデルを学習する。
学習部１１５は、歩行者環境特徴量行列と、自動車環境特徴量行列とを、ディープニューラルネットワークに入力することによって、異常行動を起こした歩行者の危険性を学習させる。
図９は、本実施形態の危険性判定装置の動作の一例を示す図である。
図９に示される例では、危険性判定装置１００の学習部１１５が、異常行動を起こした歩行者の危険性を学習する処理を示す。
学習部１１５は、３次元畳み込み層Ａ１と、３次元畳み込み層Ａ２と、３次元畳み込み層Ｂ１と、３次元畳み込み層Ｂ２と、全結合層Ｃ１と、全結合層Ｃ２と、全結合層Ｃ３とを有する。ここでは、歩行者環境特徴量行列の一例として、歩行者の異常行動の位置を二次元データに表したデータを、時間方向に四個配列することによって得られるデータ（以下「歩行者環境特徴量４次元行列」という）と、自動車環境特徴量行列の一例として、自動車の異常行動の位置を二次元データに表したデータを、時間方向に四個配列することによって得られるデータ（以下「自動車環境特徴量４次元行列」という）とを使用した場合について説明する。
歩行者環境特徴量４次元行列は、３次元畳み込み層Ａ１に入力される。３次元畳み込み層Ａ１は、歩行者環境特徴量４次元行列から特徴を抽出し、抽出した特徴を示す情報を、３次元畳み込み層Ａ２へ出力する。３次元畳み込み層Ａ２は、３次元畳み込み層Ａ１が出力した特徴を示す情報を取得し、取得した特徴を示す情報に基づいて、取得した特徴からさらに特徴を抽出し、抽出した特徴を示す情報を、全結合層Ｃ１へ出力する。全結合層Ｃ１は、３次元畳み込み層Ａ２が出力した特徴を示す情報を取得し、取得した特徴を示す情報に基づいて、取得した特徴を抽象化し、抽象化した特徴を示す情報を、全結合層Ｃ３へ出力する。
自動車環境特徴量４次元行列は、３次元畳み込み層Ｂ１に入力される。３次元畳み込み層Ｂ１は、自動車環境特徴量４次元行列から特徴を抽出し、抽出した特徴を示す情報を、３次元畳み込み層Ｃ２へ出力する。３次元畳み込み層Ｃ２は、３次元畳み込み層Ｃ１が出力した特徴を示す情報を取得し、取得した特徴を示す情報に基づいて、取得した特徴からさらに特徴を抽出し、抽出した特徴を示す情報を、全結合層Ｃ２へ出力する。全結合層Ｃ２は、３次元畳み込み層Ｂ２が出力した特徴を示す情報を取得し、取得した特徴を示す情報に基づいて、取得した特徴を抽象化し、抽象化した特徴を示す情報を、全結合層Ｃ３へ出力する。
全結合層Ｃ３は、３次元畳み込み層Ｃ１が出力した抽象化された特徴を示す情報と、３次元畳み込み層Ｃ２が出力した抽象化された特徴を示す情報とを取得し、取得した二つの抽象化された特徴を示す情報に基づいて、二つの抽象化された特徴を更に系列データとして抽象化する。学習部１１５は、抽象化した系列データに基づいて、歩行者の危険性を学習することによって、歩行者環境特徴量４次元行列と、自動車環境特徴量４次元行列とを入力とし、この入力と、ユーザの危険性との関係を表す学習モデルを生成する。

また、処理部１１４は、学習部１１５が生成した学習モデルに基づいて、異常行動を起こした歩行者の危険性を判定してもよい。
図１０は、危険性の判定処理の一例を示す図である。
図１０（１）に示される例では、分析部１１３によって、時刻Ｔ１で外れ値が得られ、得られた外れ値に該当する異常行動として、歩きスマホが導出された場合について示す。この場合、時刻Ｔ１で導出された歩きスマホが起点となる。その起点を中心として、半径Ｘメートルで、且つ時刻Ｔ１から過去Ｙ秒以内には、異常行動が存在しないため、処理部１１４は、学習部１１５に、歩きスマホが検出された位置を二次元データに表したデータを含む時系列データを対象として機械学習を行わせることによって、危険性を判定する。この場合、例えば、処理部１１４は、危険性は低いと判定する。
図１０（２）に示される例では、分析部１１３によって、時刻Ｔ２で外れ値が得られ、得られた外れ値に該当する異常行動として、生活道路を高速で走行することが導出された場合について示す。この場合、時刻Ｔ２で導出された生活道路を高速で走行することが起点となる。起点を中心として、半径Ｘメートルで、且つ時刻Ｔ２から過去Ｙ秒以内には、Ｔ２－Ｔ１＜Ｙの場合には、時刻Ｔ１で導出された歩きスマホが存在するため、処理部１１４は、学習部１１５に、歩きスマホが検出された位置を二次元データに表したデータと、生活道路を高速で走行することが検出された位置を二次元データに表したデータとの両方を含む時系列データを対象として機械学習を行わせることによって、危険性を判定する。この場合、例えば、処理部１１４は、歩きスマホが検出された位置を二次元データに表したデータを含む時系列データを対象として危険性を判定する場合よりも、危険性は高いと判定する。
図１０（３）に示される例では、分析部１１３によって、時刻Ｔ３で外れ値が得られ、得られた外れ値に該当する異常行動として、生活道路の中心付近にはみ出すことが導出された場合について示す。この場合、時刻Ｔ３で導出された生活道路の中心付近にはみ出すことが起点となる。起点を中心として、半径Ｘメートルで、且つ時刻Ｔ３から過去Ｙ秒以内には、Ｔ３－Ｔ１＜Ｙの場合には、時刻Ｔ１で導出された歩きスマホと、時刻Ｔ１で導出された生活道路を高速で走行することとが存在するため、処理部１１４は、学習部１１５に、歩きスマホが検出された位置を二次元データに表したデータと、生活道路を高速で走行することが検出された位置を二次元データに表したデータと、生活道路の中心付近にはみ出すことが検出された位置を二次元データに表したデータとを含む時系列データを対象として機械学習を行わせることによって、危険性を判定する。この場合、例えば、処理部１１４は、歩きスマホが検出された位置を二次元データに表したデータを含む時系列データを対象として危険性を判定する場合と、歩きスマホが検出された位置を二次元データに表したデータと生活道路を高速で走行することが検出された位置を二次元データに表したデータとの両方を含む時系列データ対象として危険性を判定する場合よりも、危険性は高いと判定する。
処理部１１４は、危険性が高いと判定した場合に、危険性が高いことを示す情報を含み、端末装置３００を宛先とする危険性通知を作成し、作成した危険性通知を、通信部１０６へ出力する。ここで、処理部１１４は、危険性が高いと判定した場合に、危険性が高いことを示す情報と、詳細情報を端末装置３００に取得させるための情報である詳細情報取得情報とを含み、端末装置３００を宛先とする危険性通知を作成し、作成した危険性通知を、通信部１０６へ出力するようにしてもよい。ここで、詳細情報には、コンテンツが含まれる。この危険性通知を受信した端末装置３００は、詳細情報取得情報に基づいて、危険性判定装置１００へアクセスする。処理部１１４は、端末装置３００によるアクセスに基づいて、通信部１０６から端末装置３００へ、コンテンツを送信する。処理部１１４は、危険性が低いと判定した場合、処理を終了する。
学習部１１５は、判定結果に基づいて、歩行者環境特徴量行列と、自動車環境特徴量行列とを入力とし、この入力と、ユーザの危険性との関係を表す学習モデルを更新する。

ＤＢ１０８は、情報処理部１０４と接続される。ＤＢ１０８は、センサデータ通知に含まれる端末ＩＤと、整形後のセンサデータとを関連付けた情報であるセンサデータとを関連付けて記憶する。
図１１は、ＤＢ１０８に記憶される情報の一例を示す図である。図１１に示される例では、ＤＢ１０８には、端末ＩＤ「０００１」と、センサの検出値を示す情報１と位置を示す情報１と時刻を示す情報１とを関連付けた情報であるセンサデータ１とが関連付けて記憶されている。また、ＤＢ１０８には、端末ＩＤ「０００２」と、センサの検出値を示す情報２と位置を示す情報２と時刻を示す情報２とを関連付けた情報であるセンサデータ２とが関連付けて記憶されている。また、ＤＢ１０８には、端末ＩＤ「０００３」と、センサの検出値を示す情報３と位置を示す情報３と時刻を示す情報３とを関連付けた情報であるセンサデータ３とが関連付けて記憶されている。

（危険性判定システムの動作）
図１２は、本実施形態の危険性判定システムの動作の一例を示すシーケンスチャートである。
（ステップＳ１）
センサ２０２は、センサの検出値を示す情報を、情報処理部２０４へ出力する。情報処理部２０４は、センサ２０２が出力したセンサの検出値を示す情報を取得した場合に、時計部から、そのセンサの検出値を示す情報を取得した時刻を取得する。情報処理部２０４は、センサの検出値を示す情報と、そのセンサの検出値を取得した時刻を示す情報とを含み、端末装置３００をあて先とするセンサ検出値通知を作成し、作成したセンサ検出値通知を、通信部２０６へ出力する。
（ステップＳ２）
通信部２０６は、情報処理部２０４が出力したセンサ検出値通知を取得し、取得したセンサ検出値通知を、端末装置３００へ送信する。
（ステップＳ３）
端末装置３００の通信部３０６は、自動車２００が送信したセンサ検出値通知を受信し、受信したセンサ検出値通知を、情報処理部３０４へ出力する。情報処理部３０４の受付部３１２は、通信部３０６が出力したセンサ検出値通知を取得し、取得したセンサ検出値通知を受け付ける。受付部３１２は、センサ検出値通知を受け付けた場合に、センサ３０２に含まれるＧＰＳから、端末装置３００の位置を示す情報を取得する。受付部３１２は、取得した端末装置３００の位置を示す情報と、センサ検出値通知に含まれるセンサの検出値を示す情報と、そのセンサの検出値を取得した時刻を示す情報とを関連付けた情報であるセンサデータを、ＤＢ３０８へ出力する。ＤＢ３０８は、受付部３１２が出力したセンサデータを、記憶する。
また、受付部３１２は、センサ３０２が出力したセンサの検出値を示す情報と、位置を示す情報と、時刻を示す情報とを受け付ける。受付部３１２は、取得したセンサの検出値を示す情報と、位置を示す情報と、時刻を示す情報とを関連付けた情報であるセンサデータを、ＤＢ３０８へ出力する。ＤＢ３０８は、受付部３１２が出力したセンサデータを、記憶する。

（ステップＳ４）
端末装置３００の処理部３１４は、ＤＢ３０８に記憶されたセンサデータを取得し、取得したセンサデータと、端末ＩＤとを含み、危険性判定装置１００を宛先とするセンサデータ通知を作成する。処理部３１４は、作成したセンサデータ通知を、通信部３１６へ出力する。
（ステップＳ５）
通信部３１６は、情報処理部３０４が出力したセンサデータ通知を取得し、取得したセンサデータ通知を、危険性判定装置１００へ送信する。
（ステップＳ６）
危険性判定装置１００の通信部１０６は、端末装置３００が送信したセンサデータ通知を受信し、受信したセンサデータ通知を、情報処理部１０４へ出力する。情報処理部１０４の受付部１１２は、通信部１０６が出力したセンサデータ通知を取得し、取得したセンサデータ通知を受け付ける。受付部１１２は、受け付けたセンサデータ通知を、分析部１１３へ出力する。分析部１１３は、受付部１１２が出力したセンサデータ通知を取得し、取得したセンサデータ通知に含まれるセンサデータを取得する。分析部１１３は、取得したセンサデータを整形する。分析部１１３は、受け付けたセンサデータ通知に含まれる端末ＩＤと、整形後のセンサデータとを関連付けた情報であるセンサデータ通知を、ＤＢ１０８へ出力する。ＤＢ１０８は、分析部１１３が出力した端末ＩＤと、整形後のセンサデータとを関連付けた情報であるセンサデータ通知を取得し、取得したセンサデータ通知を記憶する。
（ステップＳ７）
分析部１１３は、センサデータ通知に含まれる端末ＩＤと同じ端末ＩＤを含むセンサデータ通知を、ＤＢ１０８から抽出する。分析部１１３は、抽出したセンサデータ通知に含まれるセンサの検出値を示す情報を取得する。分析部１１３は、取得したセンサの検出値を示す情報に基づいて、取得したセンサデータ通知に含まれるセンサの検出値が、外れ値であるか否かを判定する。ここでは、分析部１１３が、センサの検出値を、外れ値であると判定した場合について、説明を続ける。分析部１１３が、センサの検出値を、外れ値でないと判定した場合には、処理を終了する。

（ステップＳ８）
分析部１１３は、取得したセンサデータ通知に含まれるセンサの検出値が外れ値であると判定した場合に、その外れ値に基づいて、その外れ値を含むセンサデータ通知に含まれる端末ＩＤに該当する端末装置のユーザの異常行動を示す情報を導出する。分析部１１３は、導出した異常行動を示す情報と、外れ値を含むセンサデータ通知とを、学習部１１５と、処理部１１４とへ出力する。
（ステップＳ９）
処理部１１４は、分析部１１３が出力した異常行動を示す情報と、外れ値を含むセンサデータ通知とを取得する。処理部１１４は、取得した外れ値を含むセンサデータ通知から時刻を示す情報と、位置を示す情報とを取得する。処理部１１４は、取得した異常行動を示す情報と、時刻を示す情報と、位置を示す情報とに基づいて、学習部１１５に機械学習を行わせることによって、センサデータに含まれる端末ＩＤに該当する端末装置を携帯しているユーザの危険性を判定する。ここでは、処理部１１４が、ユーザの危険性が高いと判定した場合について説明を続ける。処理部１１４は、危険性が低いと判定した場合、処理を終了する。
処理部１１４は、危険性が高いと判定した場合、危険性が高いことを示す情報を含み、端末装置３００を宛先とする危険性通知を作成し、作成した危険性通知を、通信部１０６へ出力する。
（ステップＳ１０）
通信部１０６は、情報処理部１０４が出力した危険性通知を取得し、取得した危険性通知を、端末装置３００へ送信する。
（ステップＳ１１）
端末装置３００の通信部３１６は、危険性判定装置１００が送信した危険性通知を受信し、受信した危険性通知を、情報処理部３０４へ出力する。情報処理部３０４の処理部３１４は、通信部３１６が出力した危険性通知を取得し、取得した危険性通知に含まれるユーザの危険性を示す情報に基づいて、表示部３１０に文字と画像とのいずれか一方又は両方を表示することによって、端末装置３００のユーザに、危険性を通知する。また、処理部３１４は、ユーザの危険性を示す情報に基づいて、音声を出力することによって、端末装置３００のユーザに、危険性を通知する。
（ステップＳ１２）
危険性判定装置１００の学習部１１５は、判定結果に基づいて、歩行者環境特徴量行列と、自動車環境特徴量行列とを入力とし、この入力と、ユーザの危険性との関係を表す学習モデルを更新する。

前述した実施形態では、端末装置３００－１を携帯するユーザから端末装置３００－ｍを携帯するユーザが、それぞれ自動車２００－１から自動車２００－ｍに乗車している場合について説明したがこの限りでない。例えば、端末装置３００－１を携帯するユーザから端末装置３００－ｍを携帯するユーザのうち、少なくとも一部のユーザは、自動車に乗車していたが、途中で下車してもよい。この場合、下車したユーザが携帯する端末装置は、自動車に搭載されたセンサが検出したセンサの検出値を取得できないため、端末装置のセンサが検出したセンサの検出値を、危険性判定装置１００へ送信する。また、端末装置３００は、その端末装置３００を携帯するユーザが、自動車２００に乗車している場合でも、自動車に搭載されたセンサが検出したセンサの検出値を取得できない場合には、自動車に搭載されたセンサが検出したセンサの検出値を含むセンサデータ通知を通知しないで、端末装置３００に搭載されたセンサが検出したセンサの検出値を含むセンサデータ通知を送信してもよい。 前述した実施形態では、自動車２００の情報処理部２０４が、センサ２０２が出力したセンサの検出値を示す情報を取得する場合について説明したがこの限りでない。例えば、自動車２００の情報処理部２０４は、ＯＢＤ（Ｏｎ－ｂｏａｒｄ ｄｉａｇｎｏｓｔｉｃｓ）ＩＩから、センサの検出値を示す情報を取得してもよい。この場合、情報処理部２０４は、ＯＢＤＩＩから、センサの検出値を示す情報を取得できる場合には、エンジンの回転数を示す情報、車速度を示す情報、スロットル開度を示す情報、燃料残量を示す情報、燃費などを取得し、取得したエンジンの回転数を示す情報、車速度を示す情報、スロットル開度を示す情報、燃料残量を示す情報、燃費などを含むセンサ検出値通知を作成する。また、情報処理部２０４は、ＯＢＤＩＩから、センサの検出値を示す情報を取得できない場合には、センサ検出値通知を作成しない。
前述した実施形態では、危険性判定装置１００の分析部１１３が、センサデータを整形する場合について説明したが、この限りでない。例えば、端末装置３００の処理部３１４が、センサデータを整形してもよい。このように構成することによって、危険性判定装置１００は、センサデータを整形する処理を省略できるため、処理負荷を低減できる。
前述した実施形態では、危険性判定装置１００の分析部１１３が、教師なし学習を用いて、センサデータ通知に含まれるセンサの検出値が外れ値であるか否かを判定する場合について説明したが、この例に限られない。例えば、分析部１１３は、モデルベース判定によって、センサデータ通知に含まれるセンサの検出値が外れ値であるか否かを判定してもよい。また、分析部１１３は、教師なし学習と、モデルベース判定とを併用してもよい。モデルベース判定によって、センサの検出値が外れ値であるか否かを判定することによって、教師なし学習によってセンサの検出値が外れ値であるか否かを判定する場合よりも処理時間を短縮できる。
前述した実施形態では、異常行動を示す情報の例として、歩行者Ｐ１が歩きスマホを行っている場合、自動車Ｖ１が生活道路を高速で走行している場合と、歩行者Ｐ１が生活道路の中心付近にはみ出している場合とについて説明したが、この限りでない。例えば、異常行動を示す情報の例として、自動車が停車した場合、歩行者が飛び出した場合等が含まれてもよい。
前述した実施形態では、異常行動の表現方法の一例として、第１軸を経度とし、第２軸を緯度とする座標系において、横軸が五区間に分割され、縦軸が五区間に分割され、５×５の２５個のセルが形成される場合について説明したがこの限りでない。例えば、横軸が二区間から四区間に分割されてもよいし、六区間以上に分割されてもよい。縦軸が二区間から四区間に分割されてもよいし、六区間以上に分割されてもよい。また、横軸と縦軸との区間の数は、同じであってもよいし、異なっていてもよい。
前述した実施形態では、危険性判定装置１００の学習部１１５が、歩行者環境特徴量４次元行列を処理する３次畳み込み層が二段である場合について説明したが、この限りでない。例えば、３次畳み込み層が一段であってもよいし、三段以上であってもよい。
前述した実施形態では、危険性判定装置１００の学習部１１５が、自動車環境特徴量４次元行列を処理する３次畳み込み層が二段である場合について説明したが、この限りでない。例えば、３次畳み込み層が一段であってもよいし、三段以上であってもよい。
前述した実施形態では、端末装置３００は、通信網５０を経由して、センサデータ通知を、危険性判定装置１００へ送信する場合について説明したが、この例に限られない。例えば、端末装置３００は、通信網５０を経由して、センサデータ通知を、クラウド、エッジクラウド、専用サーバへ送信してもよい。この場合、危険性判定装置１００は、クラウド、エッジクラウド、専用サーバから、センサデータ通知を取得する。
前述した実施形態では、危険性判定装置１００が、センサの検出値が外れ値であると判定した場合に、その外れ値に基づいて、その外れ値を含むセンサデータ通知に含まれる端末ＩＤに該当する端末装置のユーザの異常行動を導出する場合について説明したがこの限りでない。例えば、危険性判定装置１００は、外れ値に加えて、端末装置３００のユーザのプロファイルと、環境情報とのいずれか一方又は両方に基づいて、その外れ値を含むセンサデータ通知に含まれる端末ＩＤに該当する端末装置のユーザの異常行動を導出してもよい。ここで、プロファイルには、ユーザの年齢と性別とが含まれる。また、環境情報には、天候（天気・気温）と、時刻と、ユーザが乗車している自動車２００が走行している道路のレーンの数と、ユーザの近傍の建物の有無と、ユーザの周辺のＰｏＩ（ｐｏｉｎｔ ｏｆ ｉｎｔｅｒｅｓｔ）とが含まれる。

本実施形態の危険性判定システム１によれば、危険性判定装置１００は、端末装置３００が送信したセンサデータ通知を取得し、取得したセンサデータ通知に基づいて、端末装置３００のユーザの危険性を判定する。端末装置３００は、撮像装置が取得する視覚情報に加え、撮像装置では死角となるために取得できないデータを収集できる。このため、危険性判定装置１００は、従来では取得できないヒヤリハットのデータに基づいて、端末装置３００のユーザの危険性を判定できる。
また、危険性判定装置１００は、自動車２００が取得したセンサの検出値と、端末装置３００が取得したセンサの検出値とに基づいて、端末装置３００のユーザの危険性を判定する。このように構成することによって、危険性判定装置１００は、自動車２００が取得したセンサの検出値と、端末装置３００が取得したセンサの検出値とのいずれかに基づいて、端末装置３００のユーザの危険性を判定する場合よりも、擬陽性を低減できる。
また、危険性判定装置１００は、センサデータ通知に含まれるセンサの検出値と、ＤＢ１０８から抽出したセンサの検出値とに基づいて、教師なし学習とモデルベース判定とのいずれかを用いて、取得したセンサデータ通知に含まれるセンサの検出値が外れ値であるか否かを判定する。このように構成することによって、事前に策定したルールに依存せず、個人や状況に対する汎化性を向上できる。
また、危険性判定装置１００は、歩行者環境特徴量行列と、自動車環境特徴量行列とに基づいて、歩行者環境特徴量行列と、自動車環境特徴量行列とを入力とし、その入力と、歩行者の危険性との関係を表す学習モデルを用いて、異常行動を起こした歩行者の危険性を判定する。このように構成することによって、事前に策定したルールに依存せず、個人や状況に対する汎化性を向上できる。
さらに、機械学習を多段とし、センサの検出値が外れ値であるか否かと、端末装置３００のユーザの危険性の判定とを行うことで、前段処理を何度も実行するような無駄を省くことができるため、処理負荷を低減できる。また、判定するには処理遅延が大きすぎるため実用化できない処理について、精度を維持しつつ、処理を高速化できる。
また、危険性判定装置１００は、判定結果に基づいて、歩行者環境特徴量行列と、自動車環境特徴量行列とを入力とし、その入力と、歩行者の危険性との関係を表す学習モデルを更新する。このように構成することによって、適宜ルールを更新（アップデート）できるため、個人や状況に応じたルールを適用できる。このため、方式としての汎化性を高めることができる。
また、危険性判定装置１００は、自動車２００が取得したセンサの検出値と、端末装置３００が取得したセンサの検出値とを、端末装置３００から取得する。このように、端末装置３００から取得することによって、専用デバイスを必要とせず、一定以上普及率を見込めるアプローチを適用できるため、現実世界での実行可能性を向上できる。また、一般的なデバイスのみでシステムを構成できる。

（変形例）
本発明の実施形態の変形例の危険性判定システムについて説明する。本発明の実施形態の変形例の危険性判定システムは、図１を参照して説明した危険性判定システムにおいて、危険性判定装置１００の代わりに、危険性判定装置１００ａと、学習装置１００ｂとを備えるようにしたものである。
本実施形態の変形例の危険性判定システム１ａは、危険性判定装置１００ａと、学習装置１００ｂと、自動車２００－１から自動車２００－ｍと、端末装置３００－１から端末装置３００－ｎとを備える。
端末装置３００－１から端末装置３００－ｎの各々と、危険性判定装置１００ａと、学習装置１００ｂとは、通信網５０を介して互いに、接続される。
端末装置３００－１から端末装置３００－ｍの各々は、自動車２００－１から自動車２００－ｍが送信したセンサの検出値を示す情報と、センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータと、端末ＩＤとを含み、危険性判定装置１００ａと、学習装置１００ｂとをあて先とするセンサデータ通知を作成し、作成したセンサデータ通知を、危険性判定装置１００ａと、学習装置１００ｂとへ送信する。
端末装置３００－１から端末装置３００－ｎの各々は、搭載したセンサが検出したセンサの検出値と、センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータと、端末ＩＤとを含み、危険性判定装置１００ａと、学習装置１００ｂとをあて先とするセンサデータ通知を作成し、作成したセンサデータ通知を、危険性判定装置１００ａと、学習装置１００ｂとへ送信する。

危険性判定装置１００ａは、端末装置３００－１から端末装置３００－ｎの各々が送信したセンサデータ通知を受信する。危険性判定装置１００ａは、受信したセンサデータ通知を受け付け、受け付けたセンサデータ通知に含まれるセンサデータを整形する。危険性判定装置１００ａは、整形したセンサデータと、端末ＩＤとを関連付けたセンサデータ通知を記憶する。
危険性判定装置１００ａは、記憶している複数のセンサデータ通知のうち、受け付けたセンサデータ通知に含まれる端末ＩＤと同じ端末ＩＤを含むセンサデータ通知を抽出する。危険性判定装置１００ａは、抽出したセンサデータ通知に含まれるセンサの検出値に基づいて、受け付けたセンサの検出値が外れ値であるか否かを判定する。危険性判定装置１００ａは、外れ値でないと判定した場合には、処理を終了する。危険性判定装置１００ａは、外れ値であると判定した場合にはその外れ値に基づいて、端末装置のユーザの異常行動を導出する。
危険性判定装置１００ａは、異常行動を導出した場合に、導出した異常行動を示す情報と、外れ値を含むセンサデータ通知に含まれる時刻を示す情報及び位置を示す情報とを含み、学習装置１００ｂを宛先とする危険性判定要求を作成し、作成した危険性判定要求を、学習装置１００ｂへ送信する。
学習装置１００ｂは、危険性判定装置１００ａが送信した危険性判定要求を受信し、受信した危険性判定要求に含まれる異常行動を示す情報と、外れ値を含むセンサデータ通知に含まれる時刻を示す情報及び位置を示す情報とを取得し、取得した異常行動を示す情報と、外れ値を含むセンサデータに含まれる時刻を示す情報及び位置を示す情報とに基づいて、センサデータ通知を送信した端末装置を携帯しているユーザの危険性を判定する。学習装置１００ｂは、端末装置を携帯しているユーザの危険性を示す情報を含み、危険性判定装置１００ａを宛先とする危険性判定応答を作成し、作成した危険性判定応答を、危険性判定装置１００ａへ送信する。
危険性判定装置１００ａは、学習装置１００ｂが送信した危険性判定応答を受信し、受信した危険性判定応答に含まれる端末装置を携帯しているユーザの危険性を示す情報を取得し、取得したユーザの危険性を示す情報を含み、外れ値を含むセンサデータ通知を送信した端末装置をあて先とする危険性通知を作成し、作成した危険性通知を、その端末装置へ送信する。

次に、実施形態の危険性判定システム１と異なる危険性判定装置１００ａと、学習装置１００ｂとについて、詳細に説明する。
図１３は、本発明の実施形態の変形例の危険性判定システムを構成する自動車と、端末装置と、危険性判定装置と、学習装置との一例を示す図である。
（危険性判定装置）
危険性判定装置１００ａは、情報処理部１０４ａと、通信部１０６と、ＤＢ１０８とを備える。これらの構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；ｃｉｒｃｕｉｔｒｙを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
情報処理部１０４ａは、通信部１０６と接続される。情報処理部１０４ａは、受付部１１２と、分析部１１３と、処理部１１４ａとして機能する。
通信部１０６は、端末装置３００が送信したセンサデータ通知を受信し、受信したセンサデータを、情報処理部１０４ａへ出力する。通信部１０６は、情報処理部１０４ａが出力した危険性判定要求を取得し、取得した危険性判定要求を、学習装置１００ｂへ送信する。通信部１０６は、学習装置１００ｂが送信した危険性判定応答を取得し、取得した危険性判定応答を、情報処理部１０４ｂへ出力する。
処理部１１４ａは、分析部１１３が出力した異常行動を示す情報と、外れ値を含むセンサデータ通知とを取得する。処理部１１４ａは、取得した外れ値を含むセンサデータ通知から時刻を示す情報と、位置を示す情報とを取得する。
処理部１１４ａは、取得した異常行動の意味を示す情報と、時刻を示す情報と、位置を示す情報とに基づいて、センサデータに含まれる端末ＩＤに該当する端末装置を携帯しているユーザの危険性を判定する。具体的には、処理部１１４ａは、異常行動を示す情報と、時刻を示す情報と、位置を示す情報とを含み、学習装置１００ｂを宛先とする危険性判定要求を作成し、作成した危険性判定要求を、通信部１０６から、学習装置１００ｂへ送信する。
処理部１１４ａは、危険性判定要求に対して、学習装置１００ｂが送信した危険性判定応答を取得し、取得した危険性判定応答に含まれる危険性の判定結果に基づいて、危険性が高いと判定した場合に、危険性が高いことを示す情報を含み、端末装置３００を宛先とする危険性通知を作成し、作成した危険性通知を、通信部１０６へ出力する。ここで、処理部１１４ａは、危険性が高いと判定した場合に、危険性が高いことを示す情報と、詳細情報を端末装置３００に取得させるための情報である詳細情報取得情報とを含み、端末装置３００を宛先とする危険性通知を作成し、作成した危険性通知を、通信部１０６へ出力するようにしてもよい。ここで、詳細情報には、コンテンツが含まれる。この危険性通知を受信した端末装置３００は、詳細情報取得情報に基づいて、危険性判定装置１００へアクセスする。処理部１１４ａは、端末装置３００によるアクセスに基づいて、通信部１０６から端末装置３００へ、コンテンツを送信する。処理部１１４ａは、危険性が低いと判定した場合、処理を終了する。

（学習装置）
学習装置１００ｂは、情報処理部１０４ｂと、通信部１０６と、ＤＢ１０８とを備える。これらの構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；ｃｉｒｃｕｉｔｒｙを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
通信部１０６は、端末装置３００が送信したセンサデータ通知を受信し、受信したセンサデータ通知を、情報処理部１０４ｂへ出力する。通信部１０６は、危険性判定装置１００ａが送信した危険性判定要求を受信し、受信した危険性判定要求を情報処理部１０４ｂへ出力する。通信部１０６は、情報処理部１０４ｂが出力した危険性判定応答を取得し、取得した危険性判定応答を、危険性判定装置１００ａへ送信する。
情報処理部１０４ｂは、通信部１０６と接続される。情報処理部１０４ｂは、受付部１１２と、学習部１１５ｂとして機能する。
受付部１１２は、通信部１０６が出力したセンサデータ通知を取得し、取得したセンサデータ通知を受け付ける。受付部１１２は、受け付けたセンサデータ通知を、学習部１１５ｂへ出力する。受付部１１２は、通信部１０６が出力した危険性判定要求を取得し、取得した危険性判定要求を受け付ける。受付部１１２は、受け付けた危険性判定要求を、学習部１１５ｂへ出力する。 学習部１１５ｂは、受付部１１２が出力した危険性判定要求を取得し、取得した危険性判定要求に含まれる外れ値を含むセンサデータ通知から時刻を示す情報と、位置を示す情報とを取得する。
学習部１１５ｂは、歩行者の異常行動の位置を二次元データに表したデータを、時間方向に一又は複数配列することによって、歩行者環境特徴量行列を作成する。
学習部１１５ｂは、自動車の異常行動の位置を二次元データに表したデータを、時間方向に一又は複数配列することによって自動車環境特徴量行列を作成する。
学習部１１５ｂは、歩行者環境特徴量行列と、自動車環境特徴量行列とに基づいて、歩行者環境特徴量行列と、自動車環境特徴量行列とを入力とし、この入力と、ユーザの危険性との関係を表す学習モデルを学習する。
学習部１１５ｂは、歩行者環境特徴量行列と、自動車環境特徴量行列とを、ディープニューラルネットワークに入力することによって、異常行動を起こした歩行者の危険性を学習させる。
学習部１１５ｂは、異常行動を起こした歩行者の危険性を学習させることによって得られた危険性の判定結果を含み、危険性判定装置１００ａを宛先とする危険性判定応答を作成し、作成した危険性判定応答を、通信部１０６へ出力する。
通信部１０６は、学習部１１５ｂが出力した危険性判定応答を取得し、取得した危険性判定応答を、危険性判定装置１００ａへ送信する。
危険性判定システム１ａの動作は、図１２を適用できる。ただし、ステップＳ９の処理が、学習装置１００ｂによって行われる。

実施形態の変形例の危険性判定システムによれば、学習装置１００ｂに、歩行者環境特徴量行列と、自動車環境特徴量行列とに基づいて、歩行者環境特徴量行列と、自動車環境特徴量行列とを入力とし、この入力と、ユーザの危険性との関係を表す学習モデルを学習によって生成させることによって、実施形態の危険性判定システム１と比較して、危険性判定装置１００ａの処理負荷を低減できる。

以上、実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の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、組合せを行うことができる。これら実施形態は、発明の範囲や要旨に含まれると同時に、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ものである。
なお、上述した危険性判定システム１に含まれる自動車２００と、端末装置３００と、危険性判定装置１００と、危険性判定システム１ａに含まれる自動車２００と、端末装置３００と、危険性判定装置１００ａと、学習装置１００ｂとは、コンピュータで実現するようにしてもよい。その場合、各機能ブロックの機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録する。この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、ＣＰＵが実行することで実現してもよい。ここでいう「コンピュータシステム」とは、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や周辺機器などのハードウェアを含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭなどの可搬媒体のことをいう。また、「コンピュータ読み取り可能な記録媒体」は、コンピュータシステムに内蔵されるハードディスクなどの記憶装置を含む。
さらに「コンピュータ読み取り可能な記録媒体」とは、短時間の間、動的にプログラムを保持するものを含んでいてもよい。短時間の間、動的にプログラムを保持するものは、例えば、インターネットなどのネットワークや電話回線などの通信回線を介してプログラムを送信する場合の通信線である。
また、「コンピュータ読み取り可能な記録媒体」には、サーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよい。また、上記プログラムは、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。また、上記プログラムは、プログラマブルロジックデバイスを用いて実現されるものであってもよい。プログラマブルロジックデバイスは、例えば、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）である。

１…危険性判定システム、５０…通信網、１００…危険性判定装置、１０４、１０４ａ…情報処理部、１０６…通信部、１０８…ＤＢ、１１２…受付部、１１３…分析部、１１４、１１４ａ…処理部、１１５…学習部、２００－１～２００－ｍ、２００…自動車、２０２…センサ、２０４…情報処理部、２０６…通信部、３００－１～３００－ｎ…端末装置、３０２…センサ、３０４…情報処理部、３０６…通信部、３０８…ＤＢ、３１０…表示部、３１２…受付部、３１４…処理部、３１６…通信部

Claims (10)

1. 複数の端末装置の各々が送信する前記端末装置の識別情報とセンサの検出値と前記センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータ通知を受け付ける受付部と、
   複数のセンサデータ通知を記憶する記憶部と、
   前記記憶部に記憶している複数の前記センサデータ通知のうち、前記受付部が受け付けたセンサデータ通知に含まれる前記端末装置の前記識別情報と同じ前記端末装置の前記識別情報を含むセンサデータ通知に含まれるセンサの検出値に基づいて、受け付けた前記センサの前記検出値が外れ値であるか否かを判定し、外れ値であると判定した場合に前記外れ値に基づいて、前記端末装置のユーザの異常行動を導出する分析部と、
   前記分析部が異常行動を導出した場合に、前記外れ値を含むセンサデータ通知に含まれる時刻を示す情報と、位置を示す情報と、導出した前記異常行動を示す情報とに基づいて、前記端末装置を携帯しているユーザの危険性を判定する処理部と
   を備え、
   前記処理部は、前記外れ値を含む前記センサデータ通知に含まれる時刻を示す情報と、位置を示す情報とに基づいて、前記異常行動を時空間に表現し、前記異常行動を起点として、前記起点に該当する位置から所定の範囲での異常行動と、前記起点に該当する時間から所定の範囲での異常行動とに基づいて、ユーザの危険性を判定する、危険性判定装置。
2. 前記分析部は、前記外れ値をクラスター分析し、クラスター分析した結果に該当する異常行動を示す情報を、センサの検出値と異常行動を示す情報とを関連付けた異常行動関連情報から導出する、請求項１に記載の危険性判定装置。
3. 前記分析部は、センサの検出値と、異常行動を示す情報とを関連付けた異常行動関連情報と、前記外れ値であると判定した前記センサの前記検出値とに基づいて、前記端末装置のユーザの異常行動を導出する、請求項１又は請求項２に記載の危険性判定装置。
4. 前記分析部は、前記記憶部に記憶している複数の前記センサデータ通知のうち、前記受付部が受け付けたセンサデータ通知に含まれる前記端末装置の識別情報と同じ識別情報を含むセンサデータ通知に含まれるセンサの検出値に基づいて、モデルベース判定と、機械学習とのいずれか一項又は両方によって、受け付けた前記センサの前記検出値が外れ値であるかを判定し、
   前記処理部は、前記外れ値を含むセンサデータ通知に含まれる時刻を示す情報と、位置を示す情報とに基づいて、モデルベース判定と、機械学習とのいずれか一項又は両方によって、前記端末装置を携帯しているユーザの危険性を判定する、請求項１から請求項３のいずれか一項に記載の危険性判定装置。
5. 第１軸と、第２軸とを有する座標系で表される二次元で表したデータである二次元データにおいて、前記第１軸と前記第２軸との各々が複数に分割され、分割された前記第１軸及び前記第２軸によってセルが形成され、
   前記分析部は、前記位置に該当するセルに、前記異常行動を示す情報を表す、請求項１から請求項４のいずれか一項に記載の危険性判定装置。
6. 複数の前記端末装置が送信するセンサデータ通知の各々には、前記ユーザが乗車する自動車に搭載されたセンサが検出したセンサの検出値と、前記端末装置に搭載されたセンサが検出したセンサの検出値とのいずれか一方又は両方が含まれ、
   前記危険性判定装置は、
   前記ユーザの異常行動を示す情報を表した二次元データの時系列データと、前記自動車の異常行動を表した二次元データの時系列データとに基づいて、ユーザの異常行動を示す情報を表した二次元データと、自動車の異常行動を表した二次元データとを入力とし、前記入力と、ユーザの危険性との関係を表す学習モデルを学習によって生成する学習部を備え、
   前記処理部は、前記学習部が生成した前記学習モデルに基づいて、前記ユーザの危険性を判定する、請求項５に記載の危険性判定装置。
7. 前記処理部は、前記異常行動を示す情報を表したセルと、前記セルの周辺のセルである
   周辺セルとの各々に関連付けて記憶されている異常行動に基づいて、前記端末装置を携帯しているユーザの危険性を判定する、請求項５に記載の危険性判定装置。
8. 前記処理部が判定した前記ユーザの危険性を、前記ユーザへ通知する通信部
   を備える、請求項１から請求項７のいずれか一項に記載の危険性判定装置。
9. 危険性判定装置が実行する危険性判定方法であって、
   複数の端末装置の各々が送信する前記端末装置の識別情報とセンサの検出値と前記センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータ通知を受け付けるステップと、
   複数のセンサデータ通知を記憶する記憶部に記憶している複数の前記センサデータ通知のうち、受け付けたセンサデータ通知に含まれる前記端末装置の前記識別情報と同じ前記端末装置の前記識別情報を含むセンサデータ通知に含まれるセンサの検出値に基づいて、受け付けた前記センサの前記検出値が外れ値であるか否かを判定し、外れ値であると判定した場合に前記外れ値に基づいて、前記端末装置のユーザの異常行動を導出するステップと、
   前記異常行動を導出した場合に、前記外れ値を含む前記センサデータ通知に含まれる時刻を示す情報と、位置を示す情報とに基づいて、前記異常行動を時空間に表現し、前記異常行動を起点として、前記起点に該当する位置から所定の範囲での異常行動と、前記起点に該当する時間から所定の範囲での異常行動とに基づいて、前記端末装置を携帯しているユーザの危険性を判定するステップと
   を有する、危険性判定方法。
10. 危険性判定装置のコンピュータに、
    複数の端末装置の各々が送信する前記端末装置の識別情報とセンサの検出値と前記センサの検出値を取得した時刻を示す情報及び位置を示す情報とを関連付けた情報であるセンサデータ通知を受け付けるステップと、
    複数のセンサデータ通知を記憶する記憶部に記憶している複数の前記センサデータ通知のうち、受け付けたセンサデータ通知に含まれる前記端末装置の前記識別情報と同じ前記端末装置の前記識別情報を含むセンサデータ通知に含まれるセンサの検出値に基づいて、受け付けた前記センサの前記検出値が外れ値であるか否かを判定し、外れ値であると判定した場合に前記外れ値に基づいて、前記端末装置のユーザの異常行動を導出するステップと、
    前記異常行動を導出した場合に、前記外れ値を含む前記センサデータ通知に含まれる時刻を示す情報と、位置を示す情報とに基づいて、前記異常行動を時空間に表現し、前記異常行動を起点として、前記起点に該当する位置から所定の範囲での異常行動と、前記起点に該当する時間から所定の範囲での異常行動とに基づいて、前記端末装置を携帯しているユーザの危険性を判定するステップと
    を実行させる、プログラム。

Images