JP7204527B2

JP7204527B2 - Accident probability analysis device and accident probability analysis method

Info

Publication number: JP7204527B2
Application number: JP2019033929A
Authority: JP
Inventors: 裕亮下川; 智彦谷本; 義和大場
Original assignee: Toshiba Corp; Toshiba Infrastructure Systems and Solutions Corp
Current assignee: Toshiba Corp; Toshiba Infrastructure Systems and Solutions Corp
Priority date: 2019-02-27
Filing date: 2019-02-27
Publication date: 2023-01-16
Anticipated expiration: 2039-02-27
Also published as: JP2020140328A

Description

本発明の実施形態は、事故確率分析装置および事故確率分析方法に関する。 TECHNICAL FIELD Embodiments of the present invention relate to an accident probability analysis device and an accident probability analysis method.

従来、過去のイベントの発生実績に基づいて、当該イベントが発生する可能性が高い交通状況を分析する技術が知られている。イベントの例としては、交通事故がある。 Conventionally, there is known a technique for analyzing traffic conditions in which an event is highly likely to occur, based on past event occurrence records. An example of an event is a traffic accident.

例えば、過去の情報を学習する機械学習等によって交通事故の発生を予測する技術が知られている。例えば、ニューラルネットワークの自己組織化マップ（Self-Organizing Map）によって事故の発生確率を算出する技術が開示されている。 For example, there is known a technique for predicting the occurrence of a traffic accident by machine learning or the like that learns past information. For example, a technique for calculating the probability of occurrence of an accident using a self-organizing map of a neural network has been disclosed.

特開２０１４－０３５６３９号公報JP 2014-035639 A 特表２０１８－５０５４２２号公報Japanese Patent Publication No. 2018-505422 特開２００８－１６５６０４号公報JP 2008-165604 A 特開２０１８－０１８２１４号公報JP 2018-018214 A

しかしながら、所定のイベントが発生する可能性が高い交通状況を分析するためにニューラルネットワークを用いると正確な予測はできるものの、演算処理の処理負荷が重くなるという課題があった。 However, when a neural network is used to analyze traffic conditions in which there is a high possibility that a given event will occur, accurate prediction can be made, but there is a problem that the processing load of arithmetic processing becomes heavy.

実施形態の事故確率分析装置は、分布情報生成部と、事故率算出部と、取得部と、事故率予測部と、を備える。分布情報生成部は、所定の時間単位ごとの交通状況を表す交通情報を、過去の事故実績と、複数の分析指標と、に基づいてマッピングした分布情報を生成する。事故率算出部は、分布情報が複数の分析指標の各々の所定の単位ごとに分割された複数の分割単位の各々の事故率を算出する。取得部は、交通情報が計測された時点よりも後の時刻における新たな交通情報を取得する。事故率予測部は、複数の分割単位の各々の事故率に基づいて、複数の分割単位のうち、新たな交通情報に対応付けられた複数の分析指標に対応する分割単位を特定し、特定した当該分割単位の事故率を、新たな交通情報に対応する予測事故率として特定する。 An accident probability analysis device according to an embodiment includes a distribution information generation unit, an accident rate calculation unit, an acquisition unit, and an accident rate prediction unit . The distribution information generator generates distribution information by mapping traffic information representing traffic conditions for each predetermined time unit based on past accident records and a plurality of analysis indices. The accident rate calculation unit calculates an accident rate for each of a plurality of divided units obtained by dividing the distribution information into predetermined units for each of the plurality of analysis indices. The acquiring unit acquires new traffic information at a time after the time when the traffic information was measured. The accident rate prediction unit identifies, among the plurality of division units, the division unit corresponding to the plurality of analysis indices associated with the new traffic information based on the accident rate of each of the plurality of division units. The accident rate of the division unit is specified as the predicted accident rate corresponding to the new traffic information.

図１は、実施形態にかかる事故予測システムの全体構成の一例を示す図である。Drawing 1 is a figure showing an example of the whole accident prediction system composition concerning an embodiment. 図２は、実施形態にかかる過去の交通情報の履歴の一例を示す図である。FIG. 2 is a diagram illustrating an example of a history of past traffic information according to the embodiment; 図３は、実施形態にかかる事故履歴情報の一例を示す図である。FIG. 3 is a diagram illustrating an example of accident history information according to the embodiment; 図４は、実施形態にかかる分布情報の一例を示す図である。FIG. 4 is a diagram illustrating an example of distribution information according to the embodiment; 図５は、実施形態にかかる事故率算出結果の一例を示す図である。FIG. 5 is a diagram illustrating an example of an accident rate calculation result according to the embodiment; 図６は、実施形態にかかる事故率の算出処理の流れの一例を示すフローチャートである。FIG. 6 is a flowchart illustrating an example of the flow of accident rate calculation processing according to the embodiment. 図７は、実施形態にかかる予測事故率の特定処理の流れの一例を示すフローチャートである。FIG. 7 is a flowchart illustrating an example of the flow of processing for identifying a predicted accident rate according to the embodiment. 図８は、変形例１にかかる分布情報の一例を示す図である。FIG. 8 is a diagram illustrating an example of distribution information according to Modification 1. As illustrated in FIG.

（実施形態）
図１は、本実施形態にかかる事故予測システムＳの全体構成の一例を示す図である。事故予測システムＳは、サーバ装置１と、車両感知器２ａ～２ｎ（以下、単に車両感知器２という）とを備える。なお、本実施形態においては、イベントの一例である交通事故を例として説明する。本実施形態においては特に指定が無い限り、「事故」は「交通事故」を指すものとする。 (embodiment)
FIG. 1 is a diagram showing an example of the overall configuration of an accident prediction system S according to this embodiment. The accident prediction system S includes a server device 1 and vehicle sensors 2a to 2n (hereinafter simply referred to as vehicle sensors 2). In addition, in this embodiment, a traffic accident, which is an example of an event, will be described as an example. In this embodiment, "accident" means "traffic accident" unless otherwise specified.

図１に示す車両感知器２は、道路を走行する車両の交通量、速度、占有率等を、所定の時間単位ごとに計測し、計測結果を示す計測情報を計測時刻と対応付けて、交通情報としてサーバ装置１に送信する。一例として、車両感知器２は、所定の区間ごとに道路脇等に設置されるものとする。 The vehicle detector 2 shown in FIG. 1 measures the traffic volume, speed, occupancy rate, etc. of vehicles traveling on the road for each predetermined time unit, and associates the measurement information indicating the measurement result with the measurement time to It is transmitted to the server device 1 as information. As an example, it is assumed that the vehicle detector 2 is installed on the side of the road or the like for each predetermined section.

所定の時間単位は、例えば５分とするが、これに限定されるものではない。 The predetermined time unit is, for example, 5 minutes, but is not limited to this.

交通量は、所定の時間単位当たりに車両感知器２の計測対象範囲を通過した車両の台数である。また、速度は、所定の時間単位当たりに車両感知器２の計測対象範囲を通過した車両の速度の平均値である。なお、平均値の算出手法は、調和平均または荷重平均等であるが、特に限定されるものではない。占有率は、車両感知器２の計測対象区間の道路の面積において車両が占める割合の、所定の時間単位における平均値である。車両感知器２による交通量、速度、占有率等の計測は、公知の手法を採用することができる。 The traffic volume is the number of vehicles passing through the measurement target range of the vehicle sensor 2 per predetermined unit of time. The speed is the average value of the speeds of vehicles that have passed through the measurement target range of the vehicle sensor 2 per predetermined unit of time. Note that the method for calculating the average value is harmonic averaging, weighted averaging, or the like, but is not particularly limited. The occupancy rate is the average value of the percentage of the road area occupied by vehicles in the section to be measured by the vehicle sensor 2 in a predetermined unit of time. A well-known method can be adopted for measuring the traffic volume, speed, occupancy rate, etc. by the vehicle detector 2 .

交通情報は、所定の時間単位ごとの交通状況を表す情報である。より詳細には、交通情報は、交通状況を表す複数の計測情報と計測時刻とが対応付けられた情報である。本実施形態においては、交通情報は、計測時刻と、占有率と、交通量と、速度とが対応付けられた情報とする。なお、複数の計測情報は、占有率、交通量、または速度に限定されるものではないが、少なくとも交通量と速度とを含むものとする。 Traffic information is information representing traffic conditions for each predetermined time unit. More specifically, the traffic information is information in which a plurality of pieces of measurement information representing traffic conditions and measurement times are associated with each other. In this embodiment, the traffic information is information in which measurement time, occupation rate, traffic volume, and speed are associated with each other. Note that the plurality of pieces of measurement information are not limited to occupancy, traffic volume, or speed, but include at least traffic volume and speed.

サーバ装置１は、例えば、道路を管理する交通管制センター等に設けられる。サーバ装置１は、ＣＰＵ等の制御装置と、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等の記憶装置と、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ等の外部記憶装置と、ディスプレイ装置等の表示装置と、キーボードやマウス等の入力装置とを備えており、通常のコンピュータを利用したハードウェア構成となっている。サーバ装置１は、本実施形態におけるイベント発生確率分析装置の一例である。 The server device 1 is provided, for example, in a traffic control center that manages roads. The server device 1 includes a control device such as a CPU, a storage device such as ROM (Read Only Memory) and RAM (Random Access Memory), an external storage device such as HDD (Hard Disk Drive) and flash memory, and a display device. and an input device such as a keyboard and a mouse, and has a hardware configuration using a normal computer. The server device 1 is an example of an event occurrence probability analysis device in this embodiment.

図１に示すように、サーバ装置１は、取得部１１と、分布情報生成部１２と、事故率算出部１３と、事故率予測部１４と、出力部１５と、記憶部１６とを備える。 As shown in FIG. 1 , the server device 1 includes an acquisition unit 11 , a distribution information generation unit 12 , an accident rate calculation unit 13 , an accident rate prediction unit 14 , an output unit 15 and a storage unit 16 .

記憶部１６は、過去の交通情報の履歴１６１と、事故履歴情報１６２と、事故率算出結果１６３と、を記憶する。記憶部１６は、例えば、ＨＤＤ等の記憶装置である。 The storage unit 16 stores past traffic information history 161 , accident history information 162 , and accident rate calculation results 163 . The storage unit 16 is, for example, a storage device such as an HDD.

過去の交通情報の履歴１６１は、過去の所定の期間において所定の時間単位ごとに計測された複数の交通情報の記録である。過去の所定の期間は、例えば過去１年間とするが、これに限定されるものではない。 The past traffic information history 161 is a record of a plurality of traffic information measured in predetermined time units during a predetermined period in the past. The past predetermined period is, for example, the past one year, but is not limited to this.

図２は、本実施形態にかかる過去の交通情報の履歴１６１の一例を示す図である。図２に示す例では、過去の交通情報の履歴１６１には、５分置きに計測された占有率と、交通量と、速度と、計測時刻とが対応付けられた交通情報が、複数登録されている。本実施形態においては、図２に示す過去の交通情報の履歴１６１の１行（１レコード）を、１件の交通情報とする。 FIG. 2 is a diagram showing an example of past traffic information history 161 according to this embodiment. In the example shown in FIG. 2, in the past traffic information history 161, a plurality of pieces of traffic information are registered in which occupancy rates measured every five minutes, traffic volumes, speeds, and measurement times are associated with each other. ing. In this embodiment, one line (one record) of the past traffic information history 161 shown in FIG. 2 is regarded as one traffic information.

図１に戻り、事故履歴情報１６２は、過去の所定の期間における所定の時間単位ごとの事故の有無を示す情報である。事故履歴情報１６２の過去の所定の期間は、過去の交通情報の履歴１６１における過去の所定の期間と同じ期間であるものとする。また、事故履歴情報１６２の対象となる道路の区間は、過去の交通情報の履歴１６１に含まれる交通情報が計測された区間と同一であるものとする。 Returning to FIG. 1, the accident history information 162 is information indicating the presence or absence of an accident for each predetermined time unit during a predetermined period in the past. It is assumed that the past predetermined period of the accident history information 162 is the same period as the past predetermined period of the past traffic information history 161 . It is also assumed that the section of the road targeted by the accident history information 162 is the same as the section for which the traffic information included in the past traffic information history 161 was measured.

図３は、本実施形態にかかる事故履歴情報１６２の一例を示す図である。図３に示すように、事故履歴情報１６２は、所定の時間単位ごとの時刻と、当該時刻における事故の有無が、対応付けられた情報である。事故履歴情報１６２における所定の時間単位は、過去の交通情報の履歴１６１の所定の時間単位と同じ時間長であり、本実施形態においては５分とする。事故履歴情報１６２は、本実施形態における過去の事故実績の一例である。また、事故履歴情報１６２は、本実施形態におけるイベント発生実績の一例である。 FIG. 3 is a diagram showing an example of the accident history information 162 according to this embodiment. As shown in FIG. 3, the accident history information 162 is information in which the time for each predetermined time unit and the presence or absence of an accident at that time are associated with each other. The predetermined time unit in the accident history information 162 has the same length of time as the predetermined time unit in the past traffic information history 161, and is five minutes in this embodiment. The accident history information 162 is an example of past accident results in this embodiment. Also, the accident history information 162 is an example of event occurrence results in this embodiment.

図１に戻り、事故率算出結果１６３は、後述の事故率算出部１３によって算出された事故率の算出結果である。事故率算出結果１６３の算出の手法および内容の詳細については後述する。なお、事故率算出結果１６３は、イベント発生率算出結果ともいう。 Returning to FIG. 1, the accident rate calculation result 163 is the calculation result of the accident rate calculated by the accident rate calculation unit 13, which will be described later. Details of the calculation method and contents of the accident rate calculation result 163 will be described later. Note that the accident rate calculation result 163 is also called an event occurrence rate calculation result.

取得部１１は、車両感知器２から交通情報を取得する。取得部１１は、取得した交通情報を記憶部１６に保存する。取得部１１が保存した交通情報が蓄積された結果が、過去の交通情報の履歴１６１である。また、取得部１１は、後述の事故率算出部１３によって事故率算出結果１６３が算出された後も、随時新たな交通情報を取得するものとする。取得部１１は、取得した交通情報を事故率予測部１４に送出する。 The acquisition unit 11 acquires traffic information from the vehicle detector 2 . The acquisition unit 11 stores the acquired traffic information in the storage unit 16 . A history 161 of past traffic information is a result of accumulating the traffic information stored by the acquisition unit 11 . Further, the acquisition unit 11 acquires new traffic information as needed even after the accident rate calculation result 163 is calculated by the accident rate calculation unit 13, which will be described later. Acquisition unit 11 sends the acquired traffic information to accident rate prediction unit 14 .

分布情報生成部１２は、過去の交通情報の履歴１６１を、事故履歴情報１６２と、複数の分析指標とに基づいてマッピングした分布情報を生成する。 The distribution information generator 12 generates distribution information by mapping the past traffic information history 161 based on the accident history information 162 and a plurality of analysis indexes.

分析指標は、後述の事故率算出部１３が事故率を算出する際に、過去の交通情報の履歴１６１および事故履歴情報１６２を分析する分析軸として使用する情報である。本実施形態においては、複数の分析指標は、一例として、交通情報に含まれる複数の計測情報と同じ項目であり、占有率、交通量、および速度とする。 The analysis index is information used as an analysis axis for analyzing the past traffic information history 161 and the accident history information 162 when the accident rate calculation unit 13, which will be described later, calculates the accident rate. In this embodiment, the plurality of analysis indicators are, for example, the same items as the plurality of measurement information included in the traffic information, such as occupancy rate, traffic volume, and speed.

ここで、分布情報について図４を用いて説明する。
図４は、本実施形態にかかる分布情報３０の一例を示す図である。本実施形態においては、分布情報３０は、３つの分析指標つまり占有率、交通量、および速度の各々を軸とした３次元の分布図となる。本実施形態においては、分析指標の数が３つであるため、分布情報３０が３次元になるが、分析指標の数に応じて軸の数は異なるものとする。また、図４では、分布情報生成部１２は、３次元の分布図として分布情報３０を生成しているが、サーバ装置１の内部的には、テーブル形式で分布情報３０のデータを保持しているものとしても良い。 Here, the distribution information will be explained using FIG.
FIG. 4 is a diagram showing an example of distribution information 30 according to this embodiment. In this embodiment, the distribution information 30 is a three-dimensional distribution map with three analysis indexes, that is, occupancy rate, traffic volume, and speed, as axes. In this embodiment, since the number of analysis indices is three, the distribution information 30 is three-dimensional, but the number of axes differs according to the number of analysis indices. In FIG. 4, the distribution information generator 12 generates the distribution information 30 as a three-dimensional distribution map. It is good to have.

分布情報生成部１２は、記憶部１６に記憶された過去の交通情報の履歴１６１を、占有率、交通量、および速度の各々の値に基づいて、３つの分析指標を軸とする３次元空間にマッピングする。図４に示す分布情報３０内の１つの丸（ドット）が、１件の交通情報に相当する。 The distribution information generator 12 extracts the past traffic information history 161 stored in the storage unit 16 into a three-dimensional space with three analysis indices as axes, based on the respective values of occupancy, traffic volume, and speed. map to One circle (dot) in the distribution information 30 shown in FIG. 4 corresponds to one traffic information.

また、分布情報生成部１２は、事故履歴情報１６２に基づいて、複数の交通情報を、事故が発生した時刻における交通情報と、事故が発生していない時刻における交通情報とに分類する。 Also, based on the accident history information 162, the distribution information generator 12 classifies the plurality of traffic information into traffic information at the time when the accident occurred and traffic information at the time when the accident did not occur.

より詳細には、分布情報生成部１２は、過去の交通情報の履歴１６１に登録された複数の交通情報のうち、事故履歴情報１６２に登録された事故の発生「あり」の時刻に計測された交通情報を、事故が発生した時刻における交通情報として特定する。また、分布情報生成部１２は、過去の交通情報の履歴１６１に登録された複数の交通情報のうち、事故履歴情報１６２に登録された事故の発生「なし」の時刻に計測された交通情報を、事故が発生していない時刻における交通情報として特定する。図４では、分布情報３０において、事故が発生していない時刻における交通情報を黒丸、事故が発生した時刻における交通情報を水玉模様の丸で示す。 More specifically, the distribution information generating unit 12 determines the number of traffic information items registered in the history 161 of past traffic information that was measured at the time when an accident occurred registered in the accident history information 162. Traffic information is identified as traffic information at the time when the accident occurred. In addition, the distribution information generation unit 12 selects the traffic information measured at the time of "no" occurrence of the accident registered in the accident history information 162 among the plurality of traffic information registered in the past traffic information history 161. , is identified as traffic information at a time when an accident does not occur. In FIG. 4, in the distribution information 30, black circles indicate traffic information at times when no accidents occur, and polka-dot circles indicate traffic information at times when accidents occur.

分布情報生成部１２は、生成した分布情報３０を、事故率算出部１３に送出する。 The distribution information generator 12 sends the generated distribution information 30 to the accident rate calculator 13 .

図１に戻り、事故率算出部１３は、分布情報３０が複数の分析指標の各々の所定の単位ごとに分割された複数の分割単位の各々の事故率を算出する。本実施形態において、事故率算出部１３が算出する事故率は、過去において実際に事故が発生した確率である。事故率算出部１３は、本実施形態におけるイベント発生率算出部の一例である。 Returning to FIG. 1, the accident rate calculation unit 13 calculates the accident rate for each of a plurality of divided units obtained by dividing the distribution information 30 into predetermined units for each of the plurality of analysis indexes. In the present embodiment, the accident rate calculated by the accident rate calculator 13 is the probability that an accident actually occurred in the past. The accident rate calculator 13 is an example of an event occurrence rate calculator in this embodiment.

ここで、再び図４を用いて、事故率の算出について説明する。図４に示すように、事故率算出部１３は、分布情報３０を、占有率、交通量、および速度の各々の所定の単位ごとに分割する。例えば、図４に示す例では、事故率算出部１３は、占有率を“ａ％”ごと、交通量を“ｂ台”ごと、速度を“ｃｋｍ／ｈ”ごとのスケールで等間隔に分割するものとする。 Here, the calculation of the accident rate will be described with reference to FIG. 4 again. As shown in FIG. 4, the accident rate calculator 13 divides the distribution information 30 into predetermined units of occupation rate, traffic volume, and speed. For example, in the example shown in FIG. 4, the accident rate calculation unit 13 divides the occupancy rate by "a%", the traffic volume by "b vehicles", and the speed by "ckm/h" into equal intervals. shall be

複数の分析指標の各々の所定の単位の値は特に限定されるものではないが、各複数の分析指標の各々の最小単位よりも大きな値とする。つまり、占有率の最小単位が１％である場合、占有率の所定の単位“ａ％”は、２％以上とする。また、交通量の最小単位が１台である場合、交通量の所定の単位“ｂ台”は、２台以上とする。また、速度の最小単位が１ｋｍ／ｈである場合、速度の所定の単位“ｃｋｍ／ｈ”は、２ｋｍ／ｈ以上とする。各々の軸の所定の単位は、一例として、交通管制センターの職員等によって予め設定され、記憶部１６に登録されるものとする。 Although the value of each predetermined unit of each of the plurality of analysis indices is not particularly limited, it should be a value larger than the minimum unit of each of each of the plurality of analysis indices. That is, when the minimum unit of the occupation rate is 1%, the predetermined unit of the occupation rate "a%" is set to 2% or more. In addition, when the minimum unit of traffic volume is one vehicle, the predetermined unit of traffic volume “b vehicles” shall be two or more vehicles. Further, when the minimum unit of speed is 1 km/h, the predetermined unit of speed "ckm/h" shall be 2 km/h or more. As an example, the predetermined unit of each axis is set in advance by a staff member of the traffic control center or the like and registered in the storage unit 16 .

本実施形態においては、分布情報３０が複数の分析指標の各々の所定の単位ごとに分割された個々の領域を、セル３０１という。本実施形態では分析指標が３つあるため、セル３０１は、３次元の領域となり、具体的には３辺の長さがそれぞれａ、ｂ、ｃの立方体または直方体となる。セル３０１は、本実施形態における分割単位の一例である。 In the present embodiment, individual regions obtained by dividing the distribution information 30 into predetermined units for each of the plurality of analysis indexes are called cells 301 . Since there are three analysis indexes in this embodiment, the cell 301 is a three-dimensional area, specifically a cube or rectangular parallelepiped with three sides of lengths a, b, and c. A cell 301 is an example of a division unit in this embodiment.

より詳細には、事故率算出部１３は、分布情報３０を複数の分析指標の各々の所定の単位ごとに、複数のセル３０１に分割する。また、事故率算出部１３は、複数のセル３０１の各々に含まれる交通情報の合計件数に占める事故が発生した時刻における交通情報の件数の割合を、事故率として算出する。例えば、１つのセル３０１に、事故が発生した時刻における交通情報が４件、事故が発生していない時刻における交通情報が９６件含まれる場合、当該セル３０１の事故率は、４％である。また、いずれの交通情報も該当しないセル３０１がある場合、当該セル３０１の事故率は０％となる。 More specifically, the accident rate calculator 13 divides the distribution information 30 into a plurality of cells 301 for each predetermined unit of each of the plurality of analysis indices. The accident rate calculation unit 13 also calculates the ratio of the number of traffic information items at the time when the accident occurred to the total number of traffic information items included in each of the plurality of cells 301 as an accident rate. For example, if one cell 301 contains 4 pieces of traffic information at the time when the accident occurred and 96 pieces of traffic information at the time when the accident did not occur, the accident rate of the cell 301 is 4%. Also, if there is a cell 301 that does not correspond to any traffic information, the accident rate of that cell 301 is 0%.

事故率算出部１３は、分布情報３０に含まれる複数のセル３０１の各々の事故率を、事故率算出結果１６３として記憶部１６に保存する。 The accident rate calculation unit 13 stores the accident rate of each of the plurality of cells 301 included in the distribution information 30 in the storage unit 16 as the accident rate calculation result 163 .

図５は、本実施形態にかかる事故率算出結果１６３の一例を示す図である。図５に示すように、事故率算出部１３は、セル３０１を特定可能な情報と、セル３０１の事故率とを対応付けて保存する。セル３０１を特定可能な情報は、例えば、セル３０１の３辺に相当する複数の分析指標の値の範囲である。図５では、一例として、セル３０１の各辺に相当する占有率を“５％”、交通量を“２０台”、速度を“１０ｋｍ／ｈ”としている。 FIG. 5 is a diagram showing an example of the accident rate calculation result 163 according to this embodiment. As shown in FIG. 5, the accident rate calculation unit 13 associates and stores information that can identify the cell 301 and the accident rate of the cell 301 . The information that can identify the cell 301 is, for example, ranges of values of a plurality of analysis indices corresponding to three sides of the cell 301 . In FIG. 5, as an example, the occupancy rate corresponding to each side of the cell 301 is "5%", the traffic volume is "20", and the speed is "10 km/h".

なお、事故率算出結果１６３複数のセル３０１の各々を特定可能な識別情報を定め、当該識別情報と事故率とを対応付けて保存するものとしても良い。 Note that identification information that can identify each of the plurality of cells 301 in the accident rate calculation result 163 may be determined, and the identification information and the accident rate may be stored in association with each other.

図１に戻り、事故率予測部１４は、分布情報３０における複数の分析指標の所定の単位ごとの事故率に基づいて、新たな交通情報に対応する予測事故率を特定する。なお、事故率予測部１４は、イベント発生率予測部ともいう。 Returning to FIG. 1 , the accident rate prediction unit 14 identifies a predicted accident rate corresponding to new traffic information based on the accident rate for each predetermined unit of the plurality of analysis indices in the distribution information 30 . Note that the accident rate prediction unit 14 is also called an event occurrence rate prediction unit.

新たな交通情報は、例えば、車両検知器２によって計測された最新の交通情報であるが、これに限定されるものではなく、事故率の算出に用いられた交通情報の交通情報が計測された時点よりも後の時刻における交通情報であれば良い。一例として、新たな交通情報は、将来の時刻における交通情報の予測結果でも良い。 The new traffic information is, for example, the latest traffic information measured by the vehicle detector 2, but is not limited to this, and the traffic information of the traffic information used to calculate the accident rate is measured. It is sufficient if the traffic information is at a time later than the current time. As an example, the new traffic information may be a prediction result of traffic information at a future time.

本実施形態においては、交通情報から予測される事故の発生可能性の高さを示す指標を、予測事故率といい、過去において実際に事故が発生した確率である事故率と区別する。 In the present embodiment, an index indicating the probability of occurrence of an accident predicted from traffic information is referred to as a predicted accident rate, which is distinguished from the accident rate, which is the probability that an accident actually occurred in the past.

より詳細には、事故率予測部１４は、複数のセル３０１のうち、新たな交通情報に対応付けられた複数の分析指標に対応するセル３０１を特定し、特定した当該セル３０１の事故率を、新たな交通情報に対応する予測事故率として特定する。 More specifically, the accident rate prediction unit 14 identifies, among the plurality of cells 301, cells 301 corresponding to a plurality of analysis indicators associated with new traffic information, and calculates the accident rate of the identified cells 301. , as the predicted accident rate corresponding to the new traffic information.

本実施形態においては、事故率予測部１４は、取得部１１によって新たな交通情報が取得された場合に、新たな交通情報の占有率、交通量、速度に対応するセル３０１の事故率を、記憶部１６に保存された事故率算出結果１６３から検索する。そして、事故率予測部１４は、新たな交通情報の占有率、交通量、速度に対応するセル３０１の事故率を、予測事故率として特定する。 In this embodiment, when new traffic information is acquired by the acquisition unit 11, the accident rate prediction unit 14 predicts the accident rate of the cell 301 corresponding to the occupancy rate, traffic volume, and speed of the new traffic information as follows: The accident rate calculation result 163 stored in the storage unit 16 is searched. Then, the accident rate prediction unit 14 specifies the accident rate of the cell 301 corresponding to the new traffic information occupancy rate, traffic volume, and speed as the predicted accident rate.

例えば、取得部１１が、車両感知器２から、占有率“８％”、交通量“３０台”、速度“１５ｋｍ／ｈ”の新たな交通情報を取得した場合、当該新たな交通情報は、図５に示す例では、占有率“６～１０％”、交通量“２１～４０台”、速度“１１～２０ｋｍ／ｈ”のセル３０１に対応付けられる。占有率“６～１０％”、交通量“２１～４０台”、速度“１１～２０ｋｍ／ｈ”のセル３０１の事故率は“４％”であるため、事故率予測部１４は、予測事故率を“４％”と特定する。 For example, when the acquisition unit 11 acquires new traffic information from the vehicle detector 2 with an occupancy rate of 8%, a traffic volume of 30 vehicles, and a speed of 15 km/h, the new traffic information is In the example shown in FIG. 5, it is associated with a cell 301 with an occupation rate of "6 to 10%", a traffic volume of "21 to 40 vehicles", and a speed of "11 to 20 km/h". Since the accident rate of the cell 301 with the occupancy rate of "6 to 10%", the traffic volume of "21 to 40 vehicles", and the speed of "11 to 20 km/h" is "4%", the accident rate prediction unit 14 predicts an accident Specify the rate as "4%".

事故率予測部１４は、算出した予測事故率を、出力部１５に送出する。 The accident rate prediction unit 14 sends the calculated predicted accident rate to the output unit 15 .

図１に戻り、出力部１５は、予測事故率を、外部に出力する。例えば、出力部１５は、ディスプレイ装置等の表示装置に、現在の交通情報と予測事故率とを表示することにより、管制センターの職員等に現在の交通情報において事故が発生する確率を知らせることができる。あるいは、出力部１５は、道路に設置された情報板、またはサービスエリア等に設けられた表示装置等に、予測事故率をネットワークを介して送信しても良い。また、出力部１５は、ＤＳＲＣ（Dedicated Short Range Communication：専用狭域通信）を用いて、道路を走行する車両に搭載された車載器と通信を行うＩＴＳスポット等に、予測事故率を出力しても良い。出力部１５が情報板、サービスエリア等の表示装置、ＩＴＳスポット等に予測事故率を出力することにより、車両のドライバに予測事故率の情報を提供することができる。 Returning to FIG. 1, the output unit 15 outputs the predicted accident rate to the outside. For example, the output unit 15 displays the current traffic information and the predicted accident rate on a display device such as a display device, thereby informing the staff of the control center or the like of the probability of an accident occurring in the current traffic information. can. Alternatively, the output unit 15 may transmit the predicted accident rate to an information board installed on the road or a display device installed in a service area or the like via a network. In addition, the output unit 15 uses DSRC (Dedicated Short Range Communication) to output the predicted accident rate to an ITS spot or the like that communicates with an in-vehicle device mounted on a vehicle traveling on the road. Also good. By outputting the predicted accident rate to an information board, a display device in a service area, an ITS spot, or the like, the output unit 15 can provide information on the predicted accident rate to the driver of the vehicle.

また、出力部１５は、予測事故率が閾値以上の場合に、警報を出力する。閾値は、例えば管制センターの職員等によって予め設定され、記憶部１６に保存されるものとする。閾値の値は、特に限定されるものではない。一例として、出力部１５は、予測事故率が閾値以上の場合に、ディスプレイ装置等の表示装置に事故の発生確率が高いことを報知するメッセージ、または画像等を表示する。また、出力部１５は、予測事故率が閾値以上の場合に、情報板、サービスエリア等の表示装置、ＩＴＳスポット等に事故の発生確率が高いことを報知するメッセージ、または画像等を表示しても良い。警報の出力手段は特に限定されるものではなく、音声等であっても良い。 Moreover, the output part 15 outputs a warning, when a prediction accident rate is more than a threshold value. The threshold is set in advance by, for example, a staff member of the control center and stored in the storage unit 16 . A threshold value is not particularly limited. As an example, the output unit 15 displays a message, an image, or the like on a display device such as a display device to notify that the probability of occurrence of an accident is high when the predicted accident rate is equal to or higher than a threshold. Further, when the predicted accident rate is equal to or higher than the threshold, the output unit 15 displays a message or an image notifying that the probability of occurrence of an accident is high on an information board, a display device such as a service area, an ITS spot, or the like. Also good. The warning output means is not particularly limited, and may be voice or the like.

また、出力部１５は、電子メールや、スマートフォンのアプリケーションの通知等によって、予測事故率の情報、または警報を出力しても良い。電子メールの送信先アドレスは、例えば、予め記憶部１６に登録されるものとする。 In addition, the output unit 15 may output information on the predicted accident rate or an alarm by e-mail, notification from a smartphone application, or the like. It is assumed that the destination address of the e-mail is registered in advance in the storage unit 16, for example.

次に、以上のように構成されたサーバ装置１における事故率の算出処理の流れについて説明する。 Next, the flow of the accident rate calculation processing in the server apparatus 1 configured as described above will be described.

図６は、本実施形態にかかる事故率の算出処理の流れの一例を示すフローチャートである。このフローチャートが開始される前に、記憶部１６には、過去の所定の期間における交通情報が、過去の交通情報の履歴１６１として保存されているものとする。 FIG. 6 is a flowchart showing an example of the flow of accident rate calculation processing according to the present embodiment. It is assumed that the traffic information for a predetermined period in the past is stored in the storage unit 16 as the past traffic information history 161 before this flowchart is started.

まず、分布情報生成部１２は、過去の交通情報の履歴１６１と、事故履歴情報１６２とから分布情報３０を生成する（Ｓ１）。より詳細には、分布情報生成部１２は、過去の交通情報の履歴１６１を、占有率、交通量、および速度の各々の値に基づいて、３つの分析指標を軸とする３次元空間にマッピングする。また、分布情報生成部１２は、事故履歴情報１６２に基づいて、過去の交通情報の履歴１６１に含まれる複数の交通情報の各々における事故の発生の有無を特定し、特定結果を分布情報３０に反映する。 First, the distribution information generator 12 generates the distribution information 30 from the past traffic information history 161 and the accident history information 162 (S1). More specifically, the distribution information generation unit 12 maps the past traffic information history 161 into a three-dimensional space centered on the three analysis indices based on the respective values of occupancy, traffic volume, and speed. do. Also, based on the accident history information 162, the distribution information generation unit 12 identifies whether or not an accident has occurred in each of the plurality of pieces of traffic information included in the past traffic information history 161, and outputs the identification result to the distribution information 30. reflect.

次に、事故率算出部１３は、分布情報３０を、占有率、交通量、速度の各々の所定の単位ごとに、複数のセル３０１に分割する（Ｓ２）。 Next, the accident rate calculator 13 divides the distribution information 30 into a plurality of cells 301 for each predetermined unit of occupation rate, traffic volume, and speed (S2).

そして、事故率算出部１３は、複数のセル３０１の各々の事故率を算出し、算出結果を、事故率算出結果１６３として記憶部１６に保存する（Ｓ３）。 Then, the accident rate calculation unit 13 calculates the accident rate of each of the plurality of cells 301, and stores the calculation result in the storage unit 16 as the accident rate calculation result 163 (S3).

次に、以上のように算出された事故率に基づく予測事故率の特定処理の流れについて説明する。 Next, the flow of processing for specifying the predicted accident rate based on the accident rate calculated as described above will be described.

図７は、本実施形態にかかる予測事故率の特定処理の流れの一例を示すフローチャートである。このフローチャートが開始される前に、図６で説明した事故率の算出処理が実行済みであるものとする。 FIG. 7 is a flow chart showing an example of the flow of processing for identifying a predicted accident rate according to this embodiment. It is assumed that the accident rate calculation process described with reference to FIG. 6 has already been executed before this flowchart is started.

まず、取得部１１は、車両検知器２から最新の交通情報を取得する（Ｓ１１）。なお、このフローチャートでは、最新の交通情報に基づく予測事故率を算出するものとするが、事故率の算出に用いられた交通情報の交通情報が計測された時点よりも後の時刻における交通情報であれば良い。例えば、取得部１１は、外部装置から、将来の時刻における交通情報の予測結果を取得しても良い。 First, the acquisition unit 11 acquires the latest traffic information from the vehicle detector 2 (S11). In this flowchart, the predicted accident rate is calculated based on the latest traffic information. Good to have. For example, the acquisition unit 11 may acquire a prediction result of traffic information at a future time from an external device.

次に、事故率予測部１４は、最新の交通情報が対応するセル３０１を特定する（Ｓ１２）。具体的には、事故率予測部１４は、取得部１１が取得した最新の交通情報（または将来の時刻における交通情報の予測結果）に含まれる占有率、交通量、速度に対応するセル３０１を、記憶部１６に保存された事故率算出結果１６３から特定する。 Next, the accident rate prediction unit 14 identifies the cell 301 corresponding to the latest traffic information (S12). Specifically, the accident rate prediction unit 14 selects the cell 301 corresponding to the occupancy rate, traffic volume, and speed included in the latest traffic information acquired by the acquisition unit 11 (or the prediction result of traffic information at a future time). , from the accident rate calculation result 163 stored in the storage unit 16 .

そして、事故率予測部１４は、最新の交通情報に対応する予測事故率を特定する（Ｓ１３）。具体的には、事故率予測部１４は、最新の交通情報の占有率、交通量、速度に対応するセル３０１の事故率を、最新の交通情報に対応する予測事故率として特定する。事故率予測部１４は、特定した予測事故率を、出力部１５に送出する。 Then, the accident rate prediction unit 14 identifies the predicted accident rate corresponding to the latest traffic information (S13). Specifically, the accident rate prediction unit 14 identifies the accident rate of the cell 301 corresponding to the latest traffic information occupancy rate, traffic volume, and speed as the predicted accident rate corresponding to the latest traffic information. The accident rate prediction unit 14 sends the identified predicted accident rate to the output unit 15 .

出力部１５は、予測事故率が閾値以上であるか否かを判断する（Ｓ１４）。出力部１５は、予測事故率が閾値以上であると判断した場合に（Ｓ１４“Ｙｅｓ”）、警報を出力する（Ｓ１５）。また、出力部１５は、予測事故率が閾値未満であると判断した場合は（Ｓ１４“Ｎｏ”）、このフローチャートの処理は終了する。なお、出力部１５は、予測事故率が閾値以上であるか否かに関わらず、予測事故率を、外部に出力して管制センターの職員またはドライバに情報提供をしても良い。 The output unit 15 determines whether or not the predicted accident rate is greater than or equal to the threshold (S14). When the output unit 15 determines that the predicted accident rate is equal to or greater than the threshold (S14 "Yes"), it outputs an alarm (S15). Further, when the output unit 15 determines that the predicted accident rate is less than the threshold (S14 "No"), the processing of this flowchart ends. Note that the output unit 15 may output the predicted accident rate to the outside to provide information to the staff of the control center or the driver, regardless of whether the predicted accident rate is equal to or greater than the threshold.

このように、本実施形態のサーバ装置１は、過去の交通情報の履歴１６１を、過去のイベント発生実績と複数の分析指標とに基づいてマッピングした分布情報３０を生成し、分布情報３０が複数の分析指標の各々の所定の単位ごとに分割された複数のセル３０１の各々のイベント率を算出する。分布情報３０の生成、およびイベント率の算出は、統計的な演算処理であるため、機械学習または深層学習のよりも計算量が少なく、処理負荷が低い。このため、本実施形態のサーバ装置１によれば、所定のイベントが発生する可能性が高い交通状況を分析する演算処理の処理負荷を低減することができる。 As described above, the server device 1 of the present embodiment generates the distribution information 30 by mapping the past traffic information history 161 based on the past event occurrence results and a plurality of analysis indices, and the distribution information 30 is generated by mapping a plurality of is calculated for each of the plurality of cells 301 divided into predetermined units for each of the analysis indices. Since the generation of the distribution information 30 and the calculation of the event rate are statistical computational processes, the amount of computation and the processing load are lower than those of machine learning or deep learning. Therefore, according to the server device 1 of the present embodiment, it is possible to reduce the processing load of arithmetic processing for analyzing traffic conditions in which there is a high possibility that a predetermined event will occur.

より具体的には、本実施形態のサーバ装置１は、過去の交通情報の履歴１６１を、事故履歴情報１６２と複数の分析指標とに基づいてマッピングした分布情報３０を生成し、分布情報３０が複数の分析指標の各々の所定の単位ごとに分割された複数のセル３０１の各々の事故率を算出する。このため、本実施形態のサーバ装置１によれば、事故が発生する可能性が高い交通状況を分析する演算処理の処理負荷を低減することができる。 More specifically, the server device 1 of the present embodiment generates the distribution information 30 by mapping the past traffic information history 161 based on the accident history information 162 and a plurality of analysis indices, and the distribution information 30 is An accident rate is calculated for each of the plurality of cells 301 divided into predetermined units for each of the plurality of analysis indices. Therefore, according to the server device 1 of the present embodiment, it is possible to reduce the processing load of arithmetic processing for analyzing traffic conditions in which there is a high possibility that an accident will occur.

また、本実施形態のサーバ装置１は、複数のセル３０１の各々の事故率に基づいて、当該事故率の算出に用いられた交通情報の交通情報が計測された時点よりも後の時刻における新たな交通情報に対応する予測事故率を特定する。このため、本実施形態のサーバ装置１によれば、機械学習または深層学習よりも簡易な処理で、事故の発生確率を予測することができる。このため、本実施形態のサーバ装置１によれば、演算に使用可能な計算資源、または処理時間を低減することができる。 In addition, based on the accident rate of each of the plurality of cells 301, the server device 1 of the present embodiment calculates a new traffic information at a time after the traffic information used to calculate the accident rate is measured. Identify the predicted accident rate corresponding to various traffic information. Therefore, according to the server device 1 of the present embodiment, it is possible to predict the probability of occurrence of an accident by simpler processing than machine learning or deep learning. Therefore, according to the server device 1 of the present embodiment, it is possible to reduce computational resources that can be used for computation or processing time.

また、本実施形態のサーバ装置１は、複数のセル３０１のうち、新たな交通情報に対応付けられた複数の分析指標に対応するセル３０１を特定し、特定した当該セル３０１の事故率を、新たな交通情報に対応する予測事故率として特定する。このため、本実施形態のサーバ装置１によれば、新たな交通情報に対応する予測事故率を容易に特定することができる。 Further, the server device 1 of the present embodiment identifies cells 301 corresponding to a plurality of analysis indexes associated with new traffic information among the plurality of cells 301, and calculates the accident rate of the identified cells 301 as follows: It is specified as a predicted accident rate corresponding to new traffic information. Therefore, according to the server device 1 of the present embodiment, it is possible to easily specify the predicted accident rate corresponding to new traffic information.

また、本実施形態のサーバ装置１は、過去の交通情報および事故実績から算出した事故率に基づいて、予測事故率を算出するため、予測事故率の算出根拠をユーザ（交通管制センターの職員等）が容易に把握することができる。このため、本実施形態のサーバ装置１によれば、ユーザ等が予測事故率の算出根拠を調査または他者に説明することが容易となる。 In addition, since the server device 1 of the present embodiment calculates the predicted accident rate based on the accident rate calculated from the past traffic information and the accident record, the basis for calculation of the predicted accident rate is provided to the user (staff of the traffic control center, etc.). ) can be easily grasped. Therefore, according to the server device 1 of the present embodiment, it becomes easy for a user or the like to research or explain to others the grounds for calculating the predicted accident rate.

また、本実施形態のサーバ装置１は、予測事故率を外部に出力するため、交通管制センターの職員またはドライバに、情報提供をすることができる。 In addition, since the server device 1 of the present embodiment outputs the predicted accident rate to the outside, it is possible to provide information to the staff of the traffic control center or the driver.

また、本実施形態のサーバ装置１は、予測事故率が閾値以上の場合に、警報を出力するため、現在の交通状況が事故の発生可能性の高い状態であることを、交通管制センターの職員またはドライバに把握させ、注意喚起をすることができる。 In addition, since the server device 1 of the present embodiment outputs an alarm when the predicted accident rate is equal to or higher than the threshold value, the traffic control center staff can notify the traffic control center staff that the current traffic conditions are highly likely to cause an accident. Alternatively, it is possible to make the driver grasp and call attention.

なお、交通管制センターにおいては、本実施形態のサーバ装置１による事故率の算出または予測事故率の特定と、機械学習または深層学習による事故予測とを併用しても良い。例えば、本実施形態のサーバ装置１による予測事故率の特定結果を、機械学習による事故予測の結果の比較対象としても良い。一例として、ユーザは、機械学習による事故予測の結果と、本実施形態のサーバ装置１による予測事故率の特定結果とを比較し、所定の値以上の差異が生じた場合に、機械学習の学習モデルの再学習を実行しても良い。 In the traffic control center, the calculation of the accident rate or the identification of the predicted accident rate by the server device 1 of the present embodiment may be combined with the accident prediction by machine learning or deep learning. For example, the result of specifying the predicted accident rate by the server device 1 of the present embodiment may be used as a target for comparison with the result of accident prediction by machine learning. As an example, the user compares the result of accident prediction by machine learning with the specified result of the predicted accident rate by the server device 1 of the present embodiment, and if there is a difference of a predetermined value or more, the machine learning The model may be retrained.

なお、本実施形態においては、事故率算出部１３が事故率算出結果１６３を記憶部１６に保存するものとしたが、事故率算出結果１６３だけでなく、分布情報３０自体を記憶部１６に保存しても良い。 In this embodiment, the accident rate calculation unit 13 stores the accident rate calculation result 163 in the storage unit 16. However, not only the accident rate calculation result 163 but also the distribution information 30 itself is stored in the storage unit 16. You can

（変形例１）
上述の実施形態においては、分布情報生成部１２は、３つの分析指標の数に基づいて分布情報３０を生成したが分析指標の数はこれに限定されるものではない。 (Modification 1)
In the above-described embodiment, the distribution information generator 12 generated the distribution information 30 based on the number of three analysis indices, but the number of analysis indices is not limited to this.

図８は、本変形例にかかる分布情報１０３０の一例を示す図である。本変形例においては、分析指標は交通量と、速度の２つであるため、分布情報１０３０は２次元の分布図となる。また、本変形例においては、セル３０１は、分布情報１０３０を、交通量と、速度の各々の所定の単位で分割した２次元の領域となる。 FIG. 8 is a diagram showing an example of distribution information 1030 according to this modification. In this modification, the analysis indicators are traffic volume and speed, so the distribution information 1030 is a two-dimensional distribution map. In addition, in this modification, the cell 301 is a two-dimensional area obtained by dividing the distribution information 1030 by each predetermined unit of traffic volume and speed.

（変形例２）
本実施形態においては、複数の分析指標は、交通情報に含まれる複数の計測情報と同じ項目となっているが、複数の分析指標は、複数の計測情報以外の情報を含むものとしても良い。例えば、複数の分析指標は、天候、降雨量、気温、路温等を含むものでも良い。 (Modification 2)
In this embodiment, the plurality of analysis indicators are the same items as the plurality of measurement information included in the traffic information, but the plurality of analysis indicators may include information other than the plurality of measurement information. For example, the multiple analysis indices may include weather, rainfall, air temperature, road temperature, and the like.

例えば、分布情報生成部１２は、過去の交通情報の履歴１６１の計測時刻と、天候、降雨量、気温、路温等の計測時刻とに基づいて、天候、降雨量、気温、路温等と過去の交通情報の履歴１６１とを統合する。そして、分布情報生成部１２は、天候、降雨量、気温、路温等と統合した過去の交通情報の履歴１６１、および事故履歴情報１６２に基づいて、分布情報３０を生成する。 For example, the distribution information generation unit 12 generates weather, rainfall, air temperature, road temperature, etc. based on the measurement time of the past traffic information history 161 and the measurement time of weather, rainfall, air temperature, road temperature, etc. It integrates with the history 161 of past traffic information. The distribution information generator 12 then generates the distribution information 30 based on the past traffic information history 161 and the accident history information 162 integrated with weather, rainfall, air temperature, road temperature, and the like.

（変形例３）
上述の実施形態では、交通情報は、計測時刻と、占有率と、交通量と、速度とが対応付けられた情報としたが、さらに、交通情報は、計測地点を特定する情報が対応付けられた情報でも良い。計測地点は、車両感知器２の設置位置、または、車両感知器２の計測対象の区間とする。 (Modification 3)
In the above-described embodiment, the traffic information is information in which the measurement time, occupancy rate, traffic volume, and speed are associated with each other. Any information is fine. The measurement point is the installation position of the vehicle sensor 2 or the section to be measured by the vehicle sensor 2 .

例えば、分布情報生成部１２は、分布情報３０を計測地点ごとに個別に生成しても良い。この場合、事故率算出部１３は、計測地点ごとに生成された複数の分布情報３０の各々をセル３０１に分割し、当該セル３０１ごとの事故率を算出する。 For example, the distribution information generator 12 may generate the distribution information 30 individually for each measurement point. In this case, the accident rate calculator 13 divides each of the plurality of distribution information 30 generated for each measurement point into cells 301 and calculates the accident rate for each cell 301 .

また、事故率予測部１４は、事故率算出結果１６３から、新たな交通情報の計測地点と、占有率と、交通量と、速度とに対応するセル３０１を検索し、検索したセル３０１の事故率を、新たな交通情報の予測事故率として特定する。 Further, the accident rate prediction unit 14 searches the cell 301 corresponding to the new traffic information measurement point, occupancy rate, traffic volume, and speed from the accident rate calculation result 163, and detects the accident in the searched cell 301. rate as the predicted accident rate for new traffic information.

また、分布情報生成部１２は、予めグループ化された複数の計測地点ごとに、分布情報３０を生成しても良い。一例として、複数の車両感知器２の計測対象の区間が隣接している場合、または、複数の車両感知器２の計測対象の区間の地理的条件が類似する場合に、複数の計測地点がグループ化されるものとする。 Also, the distribution information generator 12 may generate the distribution information 30 for each of a plurality of pre-grouped measurement points. As an example, when sections to be measured by a plurality of vehicle detectors 2 are adjacent to each other, or when geographical conditions of the sections to be measured by a plurality of vehicle sensors 2 are similar, a plurality of measurement points are grouped. shall be converted.

また、交通情報が計測地点を特定する情報を含む場合に、複数の分析指標は、当該計測地点における道路の勾配、急カーブの有無等の地形の情報を含むものとしても良い。 Also, when the traffic information includes information specifying a measurement point, the plurality of analysis indices may include terrain information such as the slope of the road at the measurement point, the presence or absence of a sharp curve, and the like.

（変形例４）
出力部１５は、分布情報３０をディスプレイ等の表示装置に表示しても良い。例えば、分布情報生成部１２は、生成した分布情報３０を記憶部１６に保存するものとする。出力部１５は、ユーザからの指示を受けた場合に、保存された分布情報３０を記憶部１６から読み出して、分布図として表示装置に表示する。 (Modification 4)
The output unit 15 may display the distribution information 30 on a display device such as a display. For example, the distribution information generation unit 12 stores the generated distribution information 30 in the storage unit 16 . Upon receiving an instruction from the user, the output unit 15 reads out the stored distribution information 30 from the storage unit 16 and displays it as a distribution map on the display device.

本変形例によれば、交通情報および事故の発生の有無を、ユーザに対して視覚的に把握させることができるため、事故の発生確率の高い占有率と、交通量と、速度等をユーザが容易に理解することができる。 According to this modification, the user can visually grasp the traffic information and whether or not an accident has occurred. can be easily understood.

（その他の変形例）
サーバ装置１の取得部１１は、予測事故率の特定の際に取得した交通情報を、記憶部１６に蓄積しても良い。この場合、分布情報生成部１２および事故率算出部１３は、所定の期間以上の交通情報が蓄積されたタイミングで、蓄積された交通情報に基づいて、分布情報の生成および事故率の算出を再度実行しても良い。 (Other modifications)
The acquisition unit 11 of the server device 1 may store the traffic information acquired when specifying the predicted accident rate in the storage unit 16 . In this case, the distribution information generation unit 12 and the accident rate calculation unit 13 re-generate the distribution information and calculate the accident rate based on the accumulated traffic information at the timing when traffic information for a predetermined period or more is accumulated. may be executed.

また、上述の実施形態においては、取得部１１が保存した交通情報が蓄積された結果が、過去の交通情報の履歴１６１であるものとしたが、過去の交通情報の履歴１６１は、外部の装置から送信されるものとしても良い。 In the above-described embodiment, the past traffic information history 161 is the result of accumulating the traffic information saved by the acquisition unit 11. However, the past traffic information history 161 is stored in an external device It may be sent from

また、上述の実施形態においては、複数の分析指標の各々の所定の単位は、予め設定され、記憶部１６に登録されるものとしたが、事故率算出部１３が動的に決定するものとしても良い。例えば、事故率算出部１３は、複数のセル３０１の各々に対応付けられる交通情報の件数が所定の件数以上となるように、複数の分析指標の各々の所定の単位を変更しても良い。また、事故率算出部１３は、全てのセル３０１のうち、交通情報の件数が０件となるセル３０１の割合が所定の割合以下となるように、複数の分析指標の各々の所定の単位を変更しても良い。 Further, in the above-described embodiment, the predetermined unit of each of the plurality of analysis indices is set in advance and registered in the storage unit 16. However, it is assumed that the accident rate calculation unit 13 dynamically determines Also good. For example, the accident rate calculation unit 13 may change the predetermined unit of each of the plurality of analysis indices so that the number of traffic information items associated with each of the plurality of cells 301 is equal to or greater than a predetermined number. Further, the accident rate calculation unit 13 sets a predetermined unit for each of the plurality of analysis indicators so that the ratio of the cells 301 in which the number of cases of traffic information is 0 out of all the cells 301 is equal to or less than a predetermined ratio. You can change it.

また、上述の実施形態においては、事故率算出部１３は、分布情報３０が複数の分析指標の各々の所定の単位ごとに等間隔で分割するものとしたが、所定の単位は、等間隔でなくとも良い。例えば、マッピングされる交通情報の件数が少ないセル３０１は大きく、マッピングされる交通情報の件数が少ないセル３０１は小さくなるように、複数の分析指標の各々の所定の単位が、不均等であっても良い。 In the above-described embodiment, the accident rate calculation unit 13 divides the distribution information 30 into each predetermined unit of each of the plurality of analysis indexes at equal intervals. At least good. For example, the predetermined unit of each of the plurality of analysis indicators is uneven so that cells 301 with a small number of mapped traffic information items are large and cells 301 with a small number of mapped traffic information items are small. Also good.

なお、上述の各実施形態では、サーバ装置１を、道路上で発生する交通事故の発生の分析に用いているが、サーバ装置１の分析対象はこれに限定されるものではない。例えば、サーバ装置１は、渋滞発生予測や、土砂災害などにも適用することができる。 In each of the above-described embodiments, the server device 1 is used to analyze the occurrence of traffic accidents that occur on roads, but the analysis target of the server device 1 is not limited to this. For example, the server device 1 can be applied to traffic congestion prediction, landslide disasters, and the like.

一例として、「イベント」が「渋滞」である場合には、サーバ装置１は、過去の渋滞発生実績と、複数の分析指標とを対応付けた分布情報を生成する。この場合、サーバ装置１は、渋滞発生率の分析、および渋滞発生予測をすることができる。また、この場合の複数の分析指標は、例えば、交通量、速度、占有率等である。 As an example, when the "event" is "traffic jam", the server device 1 generates distribution information in which past traffic jam occurrence records are associated with a plurality of analysis indices. In this case, the server device 1 can analyze the rate of occurrence of congestion and predict the occurrence of congestion. Also, the plurality of analysis indices in this case are, for example, traffic volume, speed, occupancy rate, and the like.

また、他の一例として、「イベント」が「土砂災害」である場合には、サーバ装置１は、過去の土砂災害発生実績と、複数の分析指標とを対応付けた分布情報を生成する。この場合、サーバ装置１は、土砂災害発生率の分析、および土砂災害発生予測をすることができる。この場合の複数の分析指標は、例えば、道路の周辺の地形、線形（道路の形状）、雨量、風向、風速、または法面の傾斜角度等である。 As another example, when the "event" is a "landslide disaster", the server device 1 generates distribution information in which past records of occurrence of landslide disasters are associated with a plurality of analysis indices. In this case, the server device 1 can analyze the occurrence rate of landslide disasters and predict the occurrence of landslide disasters. In this case, the plurality of analysis indexes are, for example, terrain around the road, alignment (shape of the road), rainfall, wind direction, wind speed, slope angle, and the like.

以上説明したとおり、上述の実施形態および変形例によれば、所定のイベントが発生する可能性が高い交通状況を分析する演算処理の処理負荷を低減することができる。 As described above, according to the above-described embodiments and modifications, it is possible to reduce the processing load of arithmetic processing for analyzing traffic conditions in which there is a high possibility that a predetermined event will occur.

本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムは、インストール可能な形式または実行可能な形式のファイルでＣＤ－ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。 The accident rate calculation program and the predicted accident rate identification program executed by the server device 1 of the present embodiment are stored as files in an installable or executable format on a CD-ROM, a flexible disk (FD), or a CD-R. , DVD (Digital Versatile Disk) or other computer-readable recording medium.

また、本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。 Further, the accident rate calculation program and the predicted accident rate identification program executed by the server device 1 of the present embodiment are stored in a computer connected to a network such as the Internet, and provided by being downloaded via the network. It may be configured as follows. Further, the accident rate calculation program and the predicted accident rate identification program executed by the server device 1 of the present embodiment may be configured to be provided or distributed via a network such as the Internet.

また、本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムを、ＲＯＭ等に予め組み込んで提供するように構成しても良い。 Further, the accident rate calculation program and the predicted accident rate identification program executed by the server device 1 of the present embodiment may be configured so as to be pre-installed in a ROM or the like and provided.

本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムは、上述した各部（取得部、分布情報生成部、事故率算出部、事故率予測部、出力部１５）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ（プロセッサ）が上記記憶媒体から事故率の算出プログラムおよび予測事故率の特定プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、取得部、分布情報生成部、事故率算出部、事故率予測部、出力部１５が主記憶装置上に生成されるようになっている。 The accident rate calculation program and the predicted accident rate identification program executed by the server device 1 of the present embodiment include the above-described units (acquisition unit, distribution information generation unit, accident rate calculation unit, accident rate prediction unit, output unit 15 ), and as the actual hardware, a CPU (processor) reads out and executes an accident rate calculation program and a predicted accident rate specification program from the storage medium, and each of the above parts becomes a main storage device. An acquisition unit, a distribution information generation unit, an accident rate calculation unit, an accident rate prediction unit, and an output unit 15 are generated on the main storage device.

本発明のいくつかの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。これら新規な実施形態は、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、変更を行うことができる。これら実施形態やその変形は、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。 While several embodiments of the invention have been described, these embodiments have been presented by way of example and are not intended to limit the scope of the invention. These novel embodiments can be implemented in various other forms, and various omissions, replacements, and modifications can be made without departing from the scope of the invention. These embodiments and their modifications are included in the scope and gist of the invention, and are included in the scope of the invention described in the claims and equivalents thereof.

１サーバ装置
２，２ａ～２ｎ車両感知器
１１取得部
１２分布情報生成部
１３事故率算出部
１４事故率予測部
１５出力部
１６記憶部
３０，１０３０分布情報
１６１過去の交通情報の履歴
１６２事故履歴情報
１６３事故率算出結果
３０１セル
Ｓ事故予測システム 1 server device 2, 2a to 2n vehicle detector 11 acquisition unit 12 distribution information generation unit 13 accident rate calculation unit 14 accident rate prediction unit 15 output unit 16 storage unit 30, 1030 distribution information 161 past traffic information history 162 accident history Information 163 Accident rate calculation results 301 Cell S Accident prediction system

Claims

a distribution information generation unit that generates distribution information obtained by mapping traffic information representing traffic conditions for each predetermined time unit based on past accident records and a plurality of analysis indices;
an accident rate calculation unit that calculates an accident rate for each of a plurality of divided units obtained by dividing the distribution information into predetermined units for each of the plurality of analysis indices;
an acquisition unit that acquires new traffic information at a time after the traffic information was measured;
Based on the accident rate of each of the plurality of division units, a division unit corresponding to the plurality of analysis indicators associated with the new traffic information is specified among the plurality of division units, and the specified division an accident rate prediction unit that identifies the unit accident rate as a predicted accident rate corresponding to the new traffic information;
Accident probability analysis device.

further comprising an output unit that outputs the predicted accident rate to an external device;
The accident probability analysis device according to claim 1 .

The output unit outputs an alarm when the predicted accident rate is equal to or greater than a threshold.
The accident probability analysis device according to claim 2 .

The plurality of analysis indicators include at least traffic volume , speed, and occupancy ,
The accident probability analysis device according to any one of claims 1 to 3 .

a distribution information generation step in which the distribution information generation unit generates distribution information obtained by mapping traffic information representing traffic conditions for each predetermined time unit based on past accident records and a plurality of analysis indices;
an accident rate calculation step in which the accident rate calculation unit calculates an accident rate for each of a plurality of divided units obtained by dividing the distribution information into predetermined units for each of the plurality of analysis indices;
an acquisition step in which an acquisition unit acquires new traffic information at a time after the time at which the traffic information was measured;
An accident rate prediction unit identifies a division unit corresponding to the plurality of analysis indices associated with the new traffic information among the plurality of division units based on the accident rate of each of the plurality of division units. an accident rate prediction step of identifying the accident rate of the identified divisional unit as a predicted accident rate corresponding to the new traffic information;
accident probability analysis method including;