JP7255490B2 - 情報処理装置、および情報処理方法、並びにプログラム - Google Patents

Description

本開示は、情報処理装置、および情報処理方法、並びにプログラムに関し、特に、テレマティクスを利用して、交通事故を低減させ、結果として、自動車保険に係る被保険者である運転者および保険事業者の費用負担を低減できるようにした情報処理装置、および情報処理方法、並びにプログラムに関する。

従来の自動車保険は、運転者となる被保険者の年齢、対象車両の走行距離、対象車両の年式、過去の事故実績等に基づく等級により算定されてきた。

ここで、自動車事故を回避するためには、常日頃の運転者の運転傾向が大きく影響を与える。事故が起こりやすい運転傾向を持つ者と、そうでない者とでは、自動車事故を引き起こす可能性は大きく異なる。

ところが、現実の自動車保険では、運転者の運転傾向については何ら考慮されず、事故等の結果のみを算定の基準としていた。そのため、従来の保険においては、上述した運転者の年齢、対象車両の走行距離、対象車両の年式、過去の事故実績等に基づいた条件が同じであれば、運転傾向に応じて自動車事故を引き起こす可能性が大きく異なるにも関わらず、事故が起こりやすい条件の運転傾向を持つ者と、そうでない者との間において同じ保険料になっていた。

そこで、自動車等の移動体に通信システムを組み合わせて、ナビゲーションに代表されるリアルタイムに情報を提供するテレマティクスを利用して保険の掛け金を算定する技術が普及してきている。テレマティクスでは、自動車が情報を受ける他、自動車の車両状態情報を外部に出力することも可能となる。例えば、車載器から通信機を介して収集された車両状態情報に基づいて、車両の運転者の運転習熟度を求め、求められた運転習熟度に基づいて保険料を見積る技術が提案されている。

しかしながら、このテレマティクスを利用した自動車保険を利用する場合、被保険者である運転者は、自らの運転のどのような点について注意すれば、保険料の見積もり額を低減できるのかを知る術がないので、運転習熟度を向上させることができず、保険料の見積りを低減させるといった恩恵を得ることができないことがあった。

ここで、車両に配置したハンドル角センサ、車軸速度センサ、車間距離センサ、並びに、運転者に取付けた脈拍センサ、音声集音マイクなどの検出結果に基づいて、「急ハンドル」、「急ブレーキ」、および「急加速」等の危険の種類を判定すると共に危険箇所を特定し、地図データに反映させ、その情報を運転者に提供することで運転支援に資する技術が提案されている（特許文献１参照）。

この特許文献１に係る技術を適用することにより、上述した運転習熟度を向上させることで、テレマティクスを利用した保険料の見積もりを向上させることが考えられる。

特開２００７－４７９１４号公報

しかしながら、特許文献１に係る技術においては、運転における危険個所を地図上に反映させるのみであり、どのような行為が、どの程度保険料の見積もりに影響するのかが明らかになっておらず、保険料の見積りに影響する運転習熟度を向上させるうえで、どのような点について注意するべきかを知ることができない。

運転習熟度を効率的に向上させることができないと、交通事故等の発生を効果的に抑制することができない恐れがあり、結果として、被保険者により負担される保険料も、保険事業者による保険金の支払いも低減させることができず、双方の負担が大きくなる。

本開示は、このような状況に鑑みてなされたものであり、特に、テレマティクスを利用して、運転者の運転技術を効果的に向上させて、交通事故を低減させ、結果として、自動車保険に係る被保険者である運転者および保険事業者の費用負担を低減するものである。

本開示の第１の側面の情報処理装置は、車両を運転する、自動車保険の契約者である運転者の運転行為の情報を取得する運転行為取得部と、前記運転行為のうち、事故との相関の高い高事故相関運転行為を抽出する高事故相関運転行為特徴量抽出部と、前記高事故相関運転行為の発生確率、寄与度、およびリスク度に基づいて、運転リスク傾向を算出する運転リスク傾向算出部と、前記リスク度の順位が所定の順位よりも上位となる高事故相関運転行為を、優先注意運転行為として選定する優先注意運転行為選定部と、前記運転リスク傾向算出部により算出された運転リスク傾向に基づいて、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度を示す表示画像を生成する表示画像生成部とを含む情報処理装置である。

本開示の第１の側面の情報処理方法は、車両を運転する、自動車保険の契約者である運転者の運転行為の情報を取得する運転行為取得処理と、前記運転行為のうち、事故との相関の高い高事故相関運転行為を抽出する高事故相関運転行為特徴量抽出処理と、前記高事故相関運転行為の発生確率、寄与度、およびリスク度に基づいて、運転リスク傾向を算出する運転リスク傾向算出処理と、前記リスク度の順位が所定の順位よりも上位となる高事故相関運転行為を、優先注意運転行為として選定する優先注意運転行為選定処理と、前記運転リスク傾向算出処理により算出された運転リスク傾向に基づいて、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度を示す表示画像を生成する表示画像生成処理とを含む情報処理方法である。

本開示の第１の側面のプログラムは、車両を運転する、自動車保険の契約者である運転者の運転行為の情報を取得する運転行為取得部と、前記運転行為のうち、事故との相関の高い高事故相関運転行為を抽出する高事故相関運転行為特徴量抽出部と、前記高事故相関運転行為の発生確率、寄与度、およびリスク度に基づいて、運転リスク傾向を算出する運転リスク傾向算出部と、前記リスク度の順位が所定の順位よりも上位となる高事故相関運転行為を、優先注意運転行為として選定する優先注意運転行為選定部と、前記運転リスク傾向算出部により算出された運転リスク傾向に基づいて、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度を示す表示画像を生成する表示画像生成部としてコンピュータを機能させるプログラムである。

本開示の第１の側面においては、車両を運転する、自動車保険の契約者である運転者の運転行為の情報が取得され、前記運転行為のうち、事故との相関の高い高事故相関運転行為が抽出され、前記高事故相関運転行為の発生確率、寄与度、およびリスク度に基づいて、運転リスク傾向が算出され、前記リスク度の順位が所定の順位よりも上位となる高事故相関運転行為が、優先注意運転行為として選定され、算出された運転リスク傾向に基づいて、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度を示す表示画像が生成される。

本開示の第２の側面の情報処理装置は、車両を運転する、自動車保険の契約者である運転者により携帯される情報処理装置であって、前記車両の位置情報を検出する位置検出部と、前記車両の加速度を検出する検出部と、前記位置情報および加速度の情報をサーバに送信すると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像を取得する通信部とを含み、前記表示画像は、前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為の発生確率、寄与度、およびリスク度より算出される運転リスク傾向に基づいて生成され、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度が示される情報処理装置である。

本開示の第２の側面の情報処理方法は、車両を運転する、自動車保険の契約者である運転者により携帯される情報処理装置の情報処理方法であって、前記車両の位置情報を検出する位置検出処理と、前記車両の加速度を検出する検出処理と、前記位置情報および加速度の情報をサーバに送信すると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像を取得する通信処理とを含み、前記表示画像は、前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為の発生確率、寄与度、およびリスク度より算出される運転リスク傾向に基づいて生成され、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度が示される情報処理方法である。

本開示の第２の側面のプログラムは、車両を運転する、自動車保険の契約者である運転者により携帯される情報処理装置を制御するコンピュータを、前記車両の位置情報を検出する位置検出部と、前記車両の加速度を検出する検出部と、前記位置情報および加速度の情報をサーバに送信すると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像を取得する通信部として機能させ、前記表示画像は、前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為の発生確率、寄与度、およびリスク度より算出される運転リスク傾向に基づいて生成され、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度が示されるプログラムである。

本開示の第２の側面においては、車両を運転する、自動車保険の契約者である運転者により携帯される情報処理装置であって、前記車両の位置情報が検出され、前記車両の加速度が検出され、前記位置情報および加速度の情報がサーバに送信されると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像が取得され、前記表示画像は、前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為の発生確率、寄与度、およびリスク度より算出される運転リスク傾向に基づいて生成され、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度が示される。

本開示の一側面によれば、特に、運転者の運転技術を効果的に向上させることで、交通事故を低減させることが可能となり、さらに、交通事故の低減により、自動車保険に係る被保険者である運転者および保険事業者の費用負担を低減させることが可能となる。

本開示の概要を説明するモバイルデバイスによる表示例を示す図である。 本開示の情報処理システムの構成例を説明するブロック図である。 図２の車両におけるモバイルデバイス、車両制御部、および生体情報検出部の構成例を説明するブロック図である。 図２のサーバの構成例を説明するブロック図である。 車両とサーバとのデータの流れを説明する図である。 事故相関抽出部の構成例を説明するブロック図である。 高事故相関運転行為を説明する図である。 高事故相関運転行為の寄与度、発生確率、およびリスク度、並びに評価画像の表示例を説明する図である。 保険料の割引率を説明する図である。 運転状態DB生成処理を説明するフローチャートである。 UI/UX画像表示処理を説明するフローチャートである。 図１１の運転リスク算出処理を説明するフローチャートである。 評価画像の変形例（その１）を説明する図である。 評価画像の変形例（その１）を説明する図である。 評価画像の変形例（その２）を説明する図である。 評価画像の変形例（その３）を説明する図である。 評価画像の変形例（その４）を説明する図である。 評価画像の変形例（その５）を説明する図である。 評価画像の変形例（その５）を説明する図である。 汎用のコンピュータの構成例を説明する図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

以下、本技術を実施するための形態について説明する。説明は以下の順序で行う。
１．本開示の概要
２．本開示の好適な実施の形態
３．変形例（その１）
４．変形例（その２）
５．変形例（その３）
６．変形例（その４）
７．変形例（その５）
８．ソフトウェアにより実行させる例

＜＜１．本開示の概要＞＞

本開示の技術は、テレマティクスを利用した自動車保険において、車両の運転者の運転状態に基づいて、安全運転に寄与する運転行為に応じた、保険料の割引（Cash Back）を運転者に対して提示すると共に、運転状態に応じて、注意すべき運転行為を提示する。これにより、本開示の技術は、運転者への保険料の割引というインセンティブを通して、安全運転への意識を向上させて、交通事故を低減させ、結果として、保険事業者の保険金の負担を低減させ、被保険者の保険金の負担を低減させるものである。

ここで、テレマティクスを利用した自動車保険について説明する。テレマティクスを利用した自動車保険は、大きく分けて走行距離連動型（PAYD（Pay As You Drive））と、運転特性反映型（PHYD（Pay How You Drive））との２種類に分けられる。以下、走行距離連動型のテレマティクスを利用した自動車保険を、PAYD保険と称し、運転特性反映型のテレマティクスを利用した自動車保険を、PHYD保険と称する。

PAYD保険は、走行距離に応じて保険料が設定されるものであり、例えば、走行距離が長いほど保険料が高くなり、走行距離が短いほど保険料が安くなる自動車保険である。

これに対して、PHYD保険は、運転特性に応じて保険料が設定されるものであり、例えば、危険運転であるほど保険料が高くなり、安全運転であるほど保険料が安くなる自動車保険である。

PAYD保険については、運転特性の影響を受けないので、被保険者である運転者が、安全運転を意識して運転も保険料を変化させることはできない。

しかしながら、PHYD保険については、運転者が運転について注意を払い、より安全運転を心がけて運転特性を向上させることにより、保険料を安くすることが可能である。より詳細には、PHYD保険については、運転特性を向上させることにより、保険料の割引（Cash Back）を受けることができる。

すなわち、PHYD保険においては、被保険者である運転者が、運転特性を向上させて、安全運転になるほど、被保険者である運転者は保険料の割引が受けられる。さらに、被保険者である運転者が安全運転になり、交通事故を低減させることも可能となる。結果として、事故が低減することにより、保険事業者の保険金の支払いも低減されることになるので、保険事業者は、保険料を割り引くことで被保険者に対して保険料を還元することができる。

本開示の技術は、PHYD保険について適用されるものである。そこで、以降においては、PHYD保険について、より詳細に説明する。

PHYD保険を利用する場合、例えば、運転者により携帯されるスマートフォンに代表される端末装置に専用のアプリケーションプログラムがインストールされる。このアプリケーションプログラムは、端末装置に内蔵されるGPS（Global Positioning System）を制御して、位置情報を検出させたり、モーションセンサを制御して加速度の情報を検出させて、検出結果を保険事業者により運営されるサーバ装置に送信させる。そして、サーバ装置が、運転特性を解析し、解析結果に応じて保険料の割引の有無を求め、端末装置に送信し、端末装置において、運転者に対して保険料の割引の有無が提示される。

運転者は、提示された保険料の割引の有無を確認することにより、より高い割引を引き出そうと、安全運転を意識することになる。そして、この保険料の割引というインセンティブを通して、運転者は、安全運転の意識を高め、事故の発生を抑制することで、保険事業者による保険金の支払いが低減され、これが保険料の割引となって被保険者に還元される。

換言すれば、運転者に保険料の割引を意識させるように安全運転を促すことにより、交通事故が低減されると共に、被保険者による保険料の負担と、保険事業者による保険金の負担とを低減させることが可能となる。

結果として、PHYD保険の促進により、交通事故の低減と、被保険者および保険事業者による経済的な負担を低減させることが可能となる。

しかしながら、PHYD保険を促進させるにあたっては、運転特性がどのように評価されているのかが不明確であるため、安全運転を心がけても、保険料の割引がなされるような適正な評価が得られるか否かについて、被保険者である運転者により十分に信頼されていない可能性が高い。

さらに、テレマティクスを利用した割引を提示するようにしても、どのような運転行為を運転特性として高く評価するのかが明確でないので、運転者は、割引を高めるために、すなわち、より安全運転を心がけるために、注意すべき運転行為が理解できない恐れがあった。

これらのことから、本開示においては、運転者に対して、どのように運転特性が評価されるのかが明示されるようにすると共に、個人個人に対して注意すべき運転行為を明確に提示するようにする。

これにより、例えば、図１で示されるように、運転者の個人個人に対して、保険料の割引に必要とされる、注意すべき運転行為を具体的に意識させることで、安全運転を促し、交通事故の発生を抑制して、被保険者の保険料の負担と、保険事業者の保険金の負担を低減させる。

図１は、運転者が携帯するモバイルデバイス１１の表示部２１により表示される表示例である。

モバイルデバイス１１は、運転者が自動車を運転する際に携帯され、運転に際して検出される位置情報や加速度などの運転状態の情報を検出し、図示せぬ保険事業者による運営されるサーバに送信する。

図示せぬ保険事業者により運営されるサーバにおいては、運転状態の情報が解析されて、解析結果に応じた保険料の割引の有無が求められると共に、運転状態の解析結果に応じて運転者が注意すべき運転行為を提示する表示画像が生成され、モバイルデバイス１１に送信される。そして、モバイルデバイス１１は、サーバより送信されてくる表示画像を表示する。

図１は、運転状態の情報が解析されて、解析結果に応じた保険料の割引と、運転状態の解析結果に応じて運転者が注意すべき運転行為を提示する表示画像の表示例である。

図１の表示例においては、モバイルデバイス１１の表示部２１の上方に注意すべき運転行為が表示された表示欄３１が表示されている。また、表示欄３１の下には、注意すべき運転行為の評価結果が棒グラフにより表示された表示欄３２が設けられている。さらに、表示欄３２の下には、評価結果に対するコメントが表示された表示欄３３が設けられている。

図１の表示欄３１には、中央下段に「あなたの安全運転への指針」と表示されており、運転者の安全運転への指針が示されていることが表示されている。また、上段においては、左から右に、さらに、下段においては、左および右に「１ｔｈ」乃至「５ｔｈ」と表示され、注意すべき運転行為の上位第１位から第５位が表示されている。

図１の表示欄３１においては、１位の運転行為が「急加速」であり、２位の運転行為が「急ブレーキ」であり、３位の運転行為が「急右ハンドル」であり、４位の運転行為が「急ハンドル」であり、５位の運転行為が「ふらふら運転」であることが示されている。

また、表示欄３２には、左から「急加速」、「急ブレーキ」、「急右ハンドル」、「急ハンドル」、および「ふらふら運転」のそれぞれの運転行為に対する評価が棒グラフにより表示されている。また、表示欄３２の棒グラフの「急加速」、「急ブレーキ」には、点線で割引を得るための評価基準が表示されている。これにより運転者は、あと、どの程度「急加速」と「急ブレーキ」との評価を高めれば割引が得られるのかを認識することができる。

さらに、表示欄３３には、「まずは、急加速を控えることから始めると、効率的にリスクを低減できます。」と表示され、運転行為の中で何を注意すればリスクを低減することができるのかを運転者に促し、何をすれば保険料が割り引かれるのかを運転者に提示することができる。これに合わせて、表示欄３２には、「急加速」のグラフに対して、「まずはここから！」といった注意すべき運転行為を認識しやすくするための吹出表示がなされている。

本開示においては、このような技術を実現させることで、運転者に対する安全運転への意識を向上させて、交通事故を低減させ、結果として、保険事業者による保険金の支払いを低減させて、これによる被保険者である運転者への保険金の割引を実現する。

＜＜２．本開示の好適な実施の形態＞＞
図２は、本開示の情報処理システムの好適な実施の形態の構成例が示されている。

図２の情報処理システム５１は、ネットワーク７１、サーバ７２、並びに、車両７３－１乃至７３－ｎのそれぞれに乗車する運転者により携帯されるモバイルデバイス９１－１乃至９１－ｎ、車両７３－１乃至７３－ｎを制御する車両制御部９２－１乃至９２－ｎ、および運転者の生体情報を検出する生体情報検出部９３－１乃至９３－ｎより構成される。

尚、車両７３－１乃至７３－ｎ、モバイルデバイス９１－１乃至９１－ｎ、車両制御部９２－１乃至９２－ｎ、および生体情報検出部９３－１乃至９３－ｎのそれぞれについて、特に区別する必要がない場合、単に、車両７３、モバイルデバイス９１、車両制御部９２、および生体情報検出部９３と称する。

モバイルデバイス９１は、運転者により携帯されるスマートフォンに代表される携帯端末であり、ユーザ、すなわち、被保険者である運転者の位置情報や加速度などの運転状態の情報を検出して、公衆回線や無線LAN（Local Area Network）などからなるネットワーク７１を介して、保険事業者により運営されるサーバ７２に送信する。また、モバイルデバイス９１は、サーバ７２により運転状態に応じて生成される保険料の割引や運転状態に応じた評価結果に関するUI/UX（User Interface/User Experience）画像からなる表示画像を受信して、提示する。

車両制御部９２は、車両７３の速度などの運転状態の情報を検出して、ネットワーク７１を介してサーバ７２に送信する。

生体情報検出部９３は、運転者の心拍や血圧など各種の生体情報を検出して、運転状態の情報としてネットワーク７１を介してサーバ７２に送信する。

サーバ７２は、ネットワーク７１を介して、モバイルデバイス９１、車両制御部９２、および生体情報検出部９３より送信される各種の運転状態の情報を取得する。また、サーバ７２は、取得した各種の運転状態の情報より、運転者の運転行為を解析し、後述するリスク度からなる評価値を設定して、評価値に応じた保険料の割引を設定すると共に、評価結果に応じたUI/UX画像からなる表示画像を生成し、モバイルデバイス９１に送信する。

モバイルデバイス９１は、この表示画像を、例えば、図１で示されるように表示する。

これにより運転者は、運転行為の中で何を注意すればリスクを低減することができるのか、すなわち、何をすれば保険料が割り引かれるのかを認識することができるので、保険料の割引というインセンティブを通して、安全運転を促進させて、事故を低減させ、事故の低減に伴う保険事業者の保険金の支払いに係る負担を低減させ、もって、被保険者である運転者の保険金の掛け金の負担を低減させる。

＜車両内のモバイルデバイス、車両制御部、および生体情報検出部の構成例＞
次に、図３を参照して、車両７３を運転する運転者により携帯されるモバイルデバイス９１、車両７３を制御する車両制御部９２、および運転者の成体情報を検出する生体情報検出部９３の構成例について説明する。尚、モバイルデバイス９１、および生体情報検出部９３は、運転者により保持されるものであるので、図３においては、車両７３内に含まれた構成として描かれているが、車両７３と電気的、および、物理的のいずれにおいても接続が必須とされるものではない。

（モバイルデバイス９１の構成例）
モバイルデバイス９１は、例えば、スマートフォンなどの携帯端末であり、運転者により携帯されるデバイスであり、制御部１３１、通信部１３２、GPS（Global Positioning System）１３３、慣性センサ１３４、環境センサ１３５、および表示部１３６を備えており、各種の情報を検出してサーバ７２に送信する。

制御部１３１は、プロセッサやメモリなどから構成されており、モバイルデバイス９１の動作の全体を制御する。

通信部１３２は、制御部１３１により制御され、携帯電話公衆回線、ブルートゥース（登録商標）、および無線LAN等からなるネットワーク７１を介して、データやプログラムを、サーバ７２や他の通信装置と送受信する。

GPS１３３は、制御部１３１により制御され、図示せぬ衛星と通信し、衛星から得た信号に基づいて、地球上の緯度および経度からなる情報を、モバイルデバイス９１を携帯する運転者の地球上の位置情報として検出し、制御部１３１に出力する。

慣性センサ１３４は、制御部１３１により制御される、加速度センサおよびジャイロセンサなどの、モバイルデバイス９１を携帯する運転者の加速度および姿勢（方向）の情報を検出するセンサの総称であり、検出した情報を制御部１３１に出力する。尚、慣性センサ１３４により検出される加速度や姿勢（方向）の情報を総称して慣性情報とも称する。

環境センサ１３５は、制御部１３１により制御される、地磁気センサ、大気圧センサ、および二酸化炭素センサなどの各種センサの総称であり、モバイルデバイス９１を携帯する運転者の地磁気に対する方向、運転者の周囲の大気圧、および二酸化炭素濃度等の情報を検出するセンサの総称であり、検出した情報を制御部１３１に出力する。尚、環境センサ１３５により検出される地磁気に対する方向、大気圧、および二酸化炭素濃度等の情報を総称して環境情報とも称する。

表示部１３６は、LCD（Liquid Crystal Display）や有機EL（Electro Luminescence）などからなり、制御部１３１により制御され、例えば、サーバ７２により生成された、保険料の割引や運転状態に応じて生成される各種の運転行為に対する評価やコメントを表示する表示画像を表示する。また、表示部１３６は、タッチパネルからなり、操作部としても機能し、運転者からの操作入力を受け付けると共に、受け付けた操作入力の操作内容に応じた操作信号を制御部１３１に出力する。

制御部１３１は、GPS１３３より供給される位置情報、慣性センサ１３４より供給される慣性情報、および環境センサ１３５より供給される環境情報を、運転状況の情報として通信部１３２を制御して、サーバ７２に送信する。また、制御部１３１は、表示部１３６のタッチパネルが操作されることにより供給される操作信号に応じて、通信部１３２を制御して、サーバ７２に対して表示画像を要求する。さらに、制御部１３１は、通信部１３２を制御して、要求に応じて、運転状況の情報に基づいて、サーバ７２により生成される表示画像の情報を受信し、表示部１３６を制御して表示させる。

（車両制御部９２の構成例）
車両制御部９２は、例えば、ECU（Engine Control Unit）などであり、車両７３の各種の動作を制御し、制御部１５１、通信部１５２、車両情報検出部１５３、車内画像音声検出部１５４、および車外画像検出部１５５を備えており、車両情報を検出してサーバ７２に送信する。

制御部１５１は、プロセッサやメモリからなり、車両制御部９２の動作の全体を制御する。

通信部１５２は、制御部１５１により制御され、携帯電話公衆回線、ブルートゥース（登録商標）、および無線LAN等のネットワーク７１を介して、データやプログラムを、サーバ７２や他の通信装置に対して送受信する。

車両情報検出部１５３は、車両７３の動作に関する各種の情報として、例えば、車両速度、トルク値、ハンドル角、（車両７３の車体の）ヨー角、ギア情報、サイドブレーキ情報、アクセルペダルの踏み込み量、ブレーキペダルの踏み込み量、ウィンカ動作情報、およびライトの点灯状況情報を検出する各種のセンサの総称であり、検出した各種の検出情報を制御部１５１に出力する。尚、車両情報検出部１５３により検出される各種の検出情報を総称して車両情報とも称する。

車内画像音声検出部１５４は、車両７３における車内の運転者の状況を撮像するCMOS（Complementary Metal Oxide Semiconductor）やCCD（Charge Coupled Device）などのイメージセンサと、車内における音声を収録するマイクロフォンとからなり、車両７３内における画像および音声を検出して、制御部１５１に出力する。

車外画像検出部１５５は、車両７３の外部の画像を撮像する、CMOSやCCDなどのイメージセンサからなり、撮像した車外の画像を制御部１５１に出力する。

尚、車内画像音声検出部１５４により検出される画像および音声の情報、並びに、車外画像検出部１５５により検出される車外の画像の情報を総称して、車内外画像情報とも称する。

制御部１５１は、車両情報検出部１５３により検出される車両情報、および車内画像音声検出部１５４および車外画像検出部１５５により検出される車内外画像情報からなる車内外画像情報を、通信部１５２を制御して、ネットワーク７１を介してサーバ７２に送信する。

（生体情報検出部９３の構成例）
生体情報検出部９３は、制御部１７１、通信部１７２、および生体センサ１７３を備えており、例えば、運転者の生体情報を検出して、検出した生体情報をサーバ７２に送信する。

制御部１７１は、プロセッサやメモリからなり、生体情報検出部９３の動作の全体を制御する。

通信部１７２は、制御部１７１により制御され、携帯電話公衆回線、ブルートゥース（登録商標）、および無線LAN等のネットワーク７１を介して、データやプログラムをサーバ７２や他の通信装置と送受信する。

生体センサ１７３は、運転者の生体に関する各種の情報を検出するセンサの総称であり、例えば、心拍センサ、血圧センサ、酸素濃度センサ、筋電センサ、体温計、体組織センサ、アルコールセンサ、最大酸素摂取量センサ、および消費カロリセンサなどであり、検出した生体情報を制御部１７１に出力する。尚、生体センサ１７３により検出される各種の検出結果を総称して生体情報とも称する。

＜サーバの構成例＞
次に、図４を参照して、保険事業者による運営されるサーバ７２の構成例について説明する。

サーバ７２は、制御部２０１、周辺地図情報取得部２０２、地図情報DB（Database）２０３、挙動情報取得部２０４、車内外画像情報取得部２０５、生体情報取得部２０６、通信部２０７、UI/UX画像生成部２０８、運転状態DB（Database）２０９、事故相関抽出部２１０、および事故情報DB（Database）２１１を備えている。

制御部２０１は、プロセッサやメモリからなり、サーバ７２の動作の全体を制御する。制御部２０１は、通信部２０７を制御して、車両７３より供給される位置情報を周辺地図情報取得部２０２、および挙動情報取得部２０４に供給し、慣性情報、環境情報、および車両情報を挙動情報取得部２０４に供給する。また制御部２０１は、車内外画像情報を車内外画像情報取得部２０５に供給し、生体情報を生体情報取得部２０６に供給する。

周辺地図情報取得部２０２は、モバイルデバイス９１から供給される位置情報を取得して、地図情報DB２０３に登録されている位置情報に対応する周辺地図情報を読み出して、運転状態の情報として制御部２０１に出力する。制御部２０１は、周辺地図情報からなる運転状態の情報を、運転者を識別する情報、および取得時刻の情報に対応付けて、運転状態DB２０９に登録する。また、制御部２０１は、位置情報を挙動情報取得部２０４に出力する。

ここで、地図情報DB２０３において、位置情報に対応付けて登録されている周辺地図情報とは、例えば、走行中の道路の制限速度、レーン数、道路種別（高速自動車国道、自動車専用国道、一般国道、県道等）、渋滞情報、一時停止位置、交差点、踏切、トンネル、Zone30適用道路（Zone30：時速30km以下として規定される生活道路に対してなされる安全を確保するための対策の総称）、事故多発地点、ヒヤリハット地点（走行中に運転者が危険に際してヒヤリとしたり、ハッとしたりする経験が多く観測される地点）、および時間帯別の通行人数等の情報である。

挙動情報取得部２０４は、モバイルデバイス９１より供給される位置情報、慣性情報、および環境情報、車両制御部９２より供給される車両情報を取得して、これらの情報に基づいた挙動情報を運転状態の情報として生成し、制御部２０１に出力する。制御部２０１は、挙動情報からなる運転状態の情報を、運転者を識別する情報、および取得時刻の情報に対応付けて、運転状態DB２０９に登録する。

ここで、挙動情報とは、慣性情報、環境情報、車両情報、および車内外画像情報に基づいて生成される情報であり、例えば、車両速度、加速度、横方向加速度、ハンドル角度、ヨー角度、エンジン回転数、トルク値、サイドブレーキ操作フラグ、ライト操作フラグ、ギア操作フラグ、アクセル操作フラグ、ブレーキ操作フラグ、ウィンカ操作フラグ、車線変更挙動、バック挙動、車内外気圧、車内外二酸化炭素濃度、GPSにより求められる緯度経度、およびモバイルデバイス９１の操作情報等である。

車内外画像情報取得部２０５は、車両制御部９２より供給される車内外画像情報を取得して、車内外画像情報を運転状態の情報として制御部２０１に出力する。制御部２０１は、車内外画像情報からなる運転状態の情報を、運転者を識別する情報、および取得時刻の情報に対応付けて、運転状態DB２０９に登録する。

生体情報取得部２０６は、生体情報検出部９３より供給される生体情報に基づいて、運転状態の情報を生成し、制御部２０１に出力する。制御部２０１は、生体情報に基づいた運転状態の情報を、運転者を識別する情報、および取得時刻の情報に対応付けて、運転状態DB２０９に登録する。

ここで、生体情報に基づいた運転状態の情報とは、例えば、体温、脈拍、血圧、血中酸素濃度、血糖度、筋収縮度、アルコール濃度、消費カロリ、疲労度、集中度、ストレス、および睡眠時間である。

事故相関抽出部２１０は、運転状態DB２０９に登録されている各種の運転状態の情報を、事故情報DB２１１に登録される事故情報と照合し、事故相関の高い運転行為（挙動）における、運転者の発生確率と寄与度とに基づいてリスク度を算出する。そして、事故相関抽出部２１０は、リスク度が上位となる優先注意運転行為を抽出し、優先注意運転行為の運転者の発生確率、寄与度、およびリスク度、並びに契約者全体の平均的な発生確率を算出して制御部２０１に出力する。尚、事故相関抽出部２１０の詳細な構成については、図６を参照して後述する。

制御部２０１は、供給されてきた優先注意運転行為の運転者の発生確率、寄与度、およびリスク度、並びに契約者全体の平均的な発生確率からなる情報をUI/UX画像生成部２０８に供給する。

UI/UX画像生成部２０８は、優先注意運転行為の運転者の発生確率、寄与度、およびリスク度、並びに契約者全体の平均的な発生確率の情報に基づいて、対応するUI/UX画像を生成し、制御部２０１に供給する。

制御部２０１は、UI/UX画像生成部２０８より供給される、優先注意運転行為の運転者の発生確率、寄与度、およびリスク度、並びに契約者全体の平均的な発生確率の情報に基づいて生成されたUI/UX画像を、通信部２０７を制御してモバイルデバイス９１に送信する。

モバイルデバイス９１の制御部１３１は、通信部１３２を制御して、サーバ７２より送信されてくる、優先注意運転行為の運転者の発生確率、寄与度、およびリスク度、並びに契約者全体の平均的な発生確率の情報に基づいて生成されたUI/UX画像を受信し、表示部１３６に表示する。

＜データの流れ＞
次に、図５を参照して、サーバ７２と車両７３におけるデータの流れについて説明する。すなわち、上述したサーバ７２と車両７３におけるデータの流れについては、まとめると図５で示されるような関係となる。

モバイルデバイス９１のGPS１３３により生成される、図示せぬ衛星から得た信号に基づいた、地球上の緯度および経度からなる位置情報が周辺地図情報取得部２０２に供給される。

周辺地図情報取得部２０２は、地図情報DB２０３にアクセスし、位置情報に基づいて、対応する地図情報を読み出し、運転状態の情報として、運転者を識別する情報、および取得時刻の情報に対応付けて、運転状態DB２０９に登録する。

GPS１３３により生成される、図示せぬ衛星から得た信号に基づいた、地球上の緯度および経度からなる位置情報、慣性センサ１３４により検出される慣性情報、および環境センサ１３５により検出される環境情報、並びに、車両制御部９２の車両情報検出部１５３により検出される車両情報は、挙動情報取得部２０４に供給される。

挙動情報取得部２０４は、位置情報、慣性情報、および環境情報、並びに、車両情報に基づいて、挙動情報を生成し、運転状態の情報として、運転者を識別する情報、および取得時刻の情報に対応付けて、運転状態DB２０９に登録する。

車両制御部９２の車内画像音声検出部１５４により検出される車内画像情報、および車外画像検出部１５５により検出される車外画像からなる車内外画像情報が、車内外画像情報取得部２０５に供給される。

車内外画像情報取得部２０５は、車内外画像情報を、運転状態の情報として、運転者を識別する情報、および取得時刻の情報に対応付けて、運転状態DB２０９に登録する。

生体情報検出部９３の生体センサ１７３により検出される生体情報が、生体情報取得部２０６に供給される。

生体情報取得部２０６は、生体情報を、運転状態の情報として、運転者を識別する情報、および取得時刻の情報に対応付けて、運転状態DB２０９に登録する。

すなわち、運転状態DB２０９には、地図情報、挙動情報、車内外画像情報、および生体情報が、運転者を識別する情報および取得時刻に対応付けて登録される。尚、運転状態DB２０９に登録される運転状態の情報は、全契約者の複数の運転者について、それぞれが識別されて登録される。

事故相関抽出部２１０は、事故情報DB２１１に事故と対応付けて登録されている地図情報、挙動情報、車内外画像情報、および生体情報の少なくともいずれかに基づいて分類される運転者の運転行為のうち、事故との相関の高い運転行為を抽出し、抽出した運転行為の発生確率と、その運転行為の寄与度とからリスク度を算出する。

そして、事故相関抽出部２１０は、運転者の事故との相関の高い運転行為のリスク度のうち、上位となる運転行為を優先注意運転行為として求め、優先注意運転行為の発生確率および寄与度、並びにリスク度の情報をUI/UX画像生成部２０８に出力する。

また、事故相関抽出部２１０は、全契約者の個別の事故との相関の高い運転行為の平均発生確率を求め、このうち優先注意運転行為の平均発生確率をUI/UX画像生成部２０８に出力する。

尚、事故相関抽出部２１０の構成については、図６を参照して詳細を後述する。

UI/UX画像生成部２０８は、運転者の優先注意運転行為のうち、事故との相関の高い運転行為の発生確率および寄与度、並びにリスク度の情報に基づいて、保険料の割引の有無を計算する。また、UI/UX画像生成部２０８は、優先注意運転行為の運転者の発生確率および寄与度、並びにリスク度の情報、全契約者の優先注意運転行為の平均発生確率、および、保険料の割引の情報の全て、または、その一部を利用してUI/UX画像を生成する。そして、UI/UX画像生成部２０８は、生成したUI/UX画像をモバイルデバイス９１に送信する。モバイルデバイス９１は、UI/UX画像生成部２０８より送信されたUI/UX画像を表示部１３６に表示する。

図２乃至図５で示されるネットワーク７１乃至車両７３からなる情報処理システム５１の構成により、本開示の技術を適用した、テレマティクスを利用した、いわゆる運転特性反映型（PHYD（Pay How You Drive））の自動車運転保険が実現される。

＜事故相関抽出部の構成例＞
次に、図６を参照して、事故相関抽出部２１０の構成例について説明する。

事故相関抽出部２１０は、高事故相関運転行為特徴量抽出部２５１、個人運転リスク傾向算出部２５２、優先注意運転行為選定部２５３、運転行為毎全契約者平均発生確率算出部２５４、および優先注意運転行為全契約者平均発生確率抽出部２５５を備えている。

高事故相関運転行為特徴量抽出部２５１は、運転状態DB２１０に登録されている運転状態の情報のうち、評価画像からなるUI/UX画像を要求する運転者の運転状態の情報より、事故相関の高い運転行為を特徴量として抽出する。そして、高事故相関運転行為特徴量抽出部２５１は、運転者を識別する情報や取得時刻と対応付けて、個人運転リスク傾向算出部２５２に出力する。

ここで、事故相関の高い運転行為とは、例えば、運転状態DB２０９に登録されている運転状態の情報から求められる運転状態のそれぞれについて、全保険契約者のうちの、事故を起こした契約者と、事故を起こさなかった契約者との発生確率とを比較したときの差が所定値よりも大きく、すなわち、事故との相関があるとみなされる運転行為である。

例えば、図７の上段、中段、および下段で示されるように、運転状態の情報から特定される運転行為のうち、急ブレーキ、急加速、および右急ハンドルのそれぞれの運転行為の発生確率を、事故を起こした運転者である事故者のデータと、事故を起こさない安全者のデータとで比較することを考える。

尚、図７の上段において、横軸は急ブレーキ強度であり、縦軸は発生確率である。また、図７の中段において、横軸は急加速強度であり、縦軸は発生確率である。さらに、図７の下段において、横軸は急右ハンドル強度であり、縦軸は発生確率である。そして、それぞれ発生確率のうち低発生確率とみなせる領域が点線より下の範囲で示されている。

このように、急ブレーキ、急加速、および右急ハンドルの３種類の運転行為については、いずれも事故者と安全者との間で顕著に差が生じる強度の範囲、すなわち、事故との相関の高い強度の範囲がある。

すなわち、図７の上段で示されるように、急ブレーキにおいては、急ブレーキ強度の中間付近の範囲、図７の中段で示されるように、急加速においては、強度が最小値から発生確率が低発生確率とみなされる範囲、図７の下段で示されるように、急右ハンドルにおいては、強度が最小値から発生確率が低発生確率とみなされる範囲において、それぞれ事故者と安全者との間に明確な差があり、換言すれば、事故との相関が高い範囲であるとみなせる。

そこで、高事故相関運転行為特徴量抽出部２５１は、この運転行為における、特に、図７で示されるように、すなわち、事故との相関の高い運転行為である、急ブレーキ、急加速、および右急ハンドルのうち、事故者と安全者との発生確率の差が大きい範囲における運転行為を事故相関モデルとして記憶し、事故相関モデルに相当する運転行為を特徴量として抽出する。

急ブレーキとして認められる運転行為のうち、強度が所定の最低値から最高値までの範囲の運転行為が、事故相関の高い運転行為として抽出される。急加速および右急ハンドルにおいても同様である。

また、運転行為は、急ブレーキ、急加速、および右急ハンドルのみならず、例えば、急左ハンドル、ふらふら運転、脇見運転、および前日の睡眠時間が６時間以下など、地図情報、挙動情報、車内外画像情報、および生体情報などの組み合わせなどにより求められる事故相関の高い運転行為であってもよい。

また、運転行為は、位置情報を組み合わせて、例えば、所定の交差点における急ブレーキや、所定の他の動作を組み合わせて、例えば、ウィンカを点灯させる動作をしたときの急加速などでもよい。

高事故相関運転行為特徴量抽出部２５１は、このように予め事故との相関が高い運転行為を事故相関モデルとして記憶しており、運転状態DB２０８に登録されている運転状態の情報に基づいて、事故相関モデルに対応する運転行為を特徴量として抽出するようにしてもよい。

尚、これらの事故相関モデルは、運転状態DB２０９に登録された運転状態の情報に対して、負の二項分布、対数正規分布などをベースとした線形回帰分析や重回帰分析などにより求めるようにしてもよい。また、ベイジアンネットワーク、決定木、サポートベクタマシン、またはニューラルネットワーク等で求めるようにしてもよい。また、以降において、事故相関モデルとして記憶される事故相関の高い運転行為については、高事故相関運転行為と称する。

また、事故相関モデルを生成するにあたって、以上においては、事故という概念に基づいて、事故者の運転行為と安全者の運転行為とを分けて、その発生確率の差が所定値よりも大きい運転行為を高事故相関運転行為として分類する例について説明した。しかしながら、事故相関モデルの生成にあたっては、事故者と安全者との運転行為における発生確率以外に基づいて生成するようにしてもよい。

例えば、単に事故の有無という概念で分けるのではなく、事故を、対人事故、対物事故、車両事故、および人傷事故といったカテゴリに分類し、それぞれのカテゴリにおける事故者と安全者とに分けて、事故相関モデルを生成するようにしてもよい。このようにすることで、対人事故、対物事故、車両事故、および人傷事故などのカテゴリごとの保険料の割引率を設定することができる。事故のカテゴリについては、上述した対人事故、対物事故、車両事故、および人傷事故の４種類以外のカテゴリであってもよく、例えば、運転者の年齢や性別、車両の種別である自動車、トラック、およびバイクなどの条件を組み合わせてカテゴリを設定するようにしてもよい。

個人運転リスク傾向算出部２５２は、高事故相関運転行為特徴量抽出部２５１より抽出される高事故相関運転行為の情報に基づいて、運転者毎に個人の運転リスク傾向を算出する。

ここで、運転リスク傾向とは、運転者個人の高事故相関運転行為のそれぞれの発生確率、および寄与度、並びにリスク度である。

ここで、高事故相関運転行為に設定される寄与度とは、事故の発生との相関の度合いを示すものであり、例えば、運転者個人の高事故相関運転行為として抽出される運転行為を回帰分析することで求めることができる。換言すれば、所定の運転行為の寄与度は、高いほど、事故を誘発させる（事故の発生に寄与する）可能性の高さを示す。

個人運転リスク傾向算出部２５２は、高事故相関運転行為毎に、寄与度と発生確率とに基づいて、リスク度を算出する。リスク度は、例えば、寄与度と発生確率との積により求められる。そして、個人運転リスク傾向算出部２５２は、事故相関の高い運転行為毎の発生確率、寄与度、およびリスク度の情報を優先注意運転行為選定部２５３に出力する。

例えば、高事故相関運転行為ｉ（ｉ＝０，１，２，３，・・・）毎の発生確率を発生確率ｘｉ（ｉ＝０，１，２，３，・・・）で表現し、寄与度を寄与度ｗｉ（ｉ＝０，１，２，３，・・・）で表現し、リスク度をリスク度ｐｉで表現するものとする。ここで、個人運転リスク傾向算出部２５２が、例えば、リスク度ｐｉ（＝Ｆ（ｘｉ，ｗｉ））を発生確率ｘｉ×１００×寄与度ｗｉ×１０で算出するものとする。

ここで、事故相関の高い運転行為ｉ（ｉ＝０乃至５）のそれぞれが、急加速、急ブレーキ、急右ハンドル、急左ハンドル、ふらふら運転、および脇見運転であるものとする。

このとき、図８の左部で示されるように、運転行為ｉ＝０である急加速の寄与度ｗ０が、０．３１１であり、発生確率ｘ０が０．０５１であり、運転行為ｉ＝１の急ブレーキの寄与度ｗ１が、０．２６７であり、発生確率ｘ１が０．０１２であるものとする。また、運転行為ｉ＝２の急右ハンドルの寄与度ｗ２が、０．１２３であり、発生確率ｘ２が０．０３２であり、運転行為ｉ＝３の急左ハンドルの寄与度ｗ３が、０．０９７であり、発生確率ｘ３が０．０２１であるものとする。さらに、運転行為ｉ＝４のふらふら運転の寄与度ｗ４が、０．０６１であり、発生確率ｘ４が０．００１であり、運転行為ｉ＝５の急右ハンドルの寄与度ｗ５が、０．０３２であり、発生確率ｘ２が０．００３であるものとする。

この場合、高事故相関運転行為ｉ（ｉ＝０乃至５）のそれぞれが、急加速、急ブレーキ、急右ハンドル、急左ハンドル、ふらふら運転、および脇見運転であるとき、それぞれのリスク度は、それぞれリスク度ｐ０＝１５．８６（＝Ｆ（ｘ０，ｗ０）＝０．３１１×１００×０．０５１×１０）、リスク度ｐ１＝３．２０４（＝Ｆ（ｘ１，ｗ１）＝０．２６７×１００×０．０１２×１０）、リスク度ｐ２＝３．９３６（＝Ｆ（ｘ２，ｗ２）＝０．１２３×１００×０．０３２×１０）、リスク度ｐ３＝２．０３７（＝Ｆ（ｘ３，ｗ３）＝０．０９７×１００×０．０２１×１０）、リスク度ｐ４＝０．０６１（＝Ｆ（ｘ４，ｗ４）＝０．０６１×１００×０．００１×１０）、リスク度ｐ５＝０．０９６（＝Ｆ（ｘ５，ｗ５）＝０．０３２×１００×０．００３×１０）となる。

優先注意運転行為選定部２５３は、個人運転リスク傾向算出部２５２より供給されてくる個人運転リスク傾向の情報に基づいて、リスク度が所定数だけ上位となる高事故相関運転行為を優先注意運転行為として選定し、UI/UX画像生成部２０８に出力する。また、優先注意運転行為選定部２５３は、選定した優先注意運転行為の情報を、優先注意運転行為全契約者平均発生確率抽出部２５５に出力する。

運転行為毎全契約者平均発生確率算出部２５４は、全契約者の個別の運転リスク傾向の平均値を求めて優先注意運転行為全契約者平均発生確率抽出部２５５に出力する。ここで、個人運転リスク傾向算出部２５２により算出される運転リスク傾向は、運転者個人の個別の運転リスク傾向である。このため、運転行為毎全契約者平均発生確率算出部２５４には、全契約者の運転リスク傾向を算出する他の個人運転リスク傾向算出部２５２からの算出結果である、高事故相関運転行為の発生確率の情報が供給される。これにより、運転行為毎全契約者平均発生確率算出部２５４は、全契約者の全ての高事故相関運転行為の発生確率の平均値を算出して、優先注意運転行為全契約者平均発生確率抽出部２５５に出力する。

優先注意運転行為全契約者平均発生確率抽出部２５５は、上述した運転者の運転リスク傾向に基づいて選定された優先注意運転行為に対応する、全契約者の平均発生確率を抽出してUI/UX画像生成部２０８に出力する。

UI/UX画像生成部２０８は、リスク度が所定数だけ上位となる優先注意運転行為に対する個人運転リスク傾向の情報と、優先注意運転行為に対応する、全契約者の平均発生確率の情報とからUI/UX画像を生成して、モバイルデバイス９１に送信する。

また、UI/UX画像生成部２０８は、優先注意運転行為におけるリスク度に基づいて、保険料の割引（例えば、割引率、Cash Back、Cash Back率）を求める。

UI/UX画像生成部２０８は、例えば、各リスク度ｐｉ（＝Ｆ（ｘｉ，ｗｉ））に応じて、保険料の割引（Cash Back）を算出する。保険料の割引は、優先注意運転行為のリスク度に基づいて求められるものであり、優先注意運転行為毎のリスク度について、例えば、図９で示されるように、リスク度に対する割引率を示す関数により求められる。

図９においては、横軸がリスク度Ｆ（ｘｉ，ｗｉ）（＝ｐｉ）であり、縦軸が保険料の割引（CashBack）（割引率）である。すなわち、リスク度Ｆ（ｘｉ，ｗｉ）が小さい程、保険料の割引率が高く、リスク度が大きくなる程、保険料の割引率が低くなる。そして、図９で示されるような関数により、例えば、所定の運転者の優先注意運転行為の全てにおいて、適用される割引率が、運転者の保険料の割引率として設定される。つまり、優先注意行為が、「急加速」、「急ブレーキ」、および「急ハンドル」の３種類の運転行為である場合、それぞれのリスク度に基づく割引率が、１０％、１５％、および１２％であるとき、運転者の保険料の割引率は、３種類の全ての運転行為に適用される１０％として設定される。

UI/UX画像生成部２０８は、運転者個人の優先注意運転行為に対する運転リスク傾向、および、割引率の情報に基づいて優先注意運転行為に対する評価画像からなるUI/UX表示画像を生成する。

より具体的には、図８の左下部で示されるリスク度のうち、上位５位までの事故相関の高い運転行為が優先注意運転行為とされる場合、UI/UX画像生成部２０８には、運転行為ｉが、ｉ＝０の急加速、ｉ＝１の急ブレーキ、ｉ＝２の急右ハンドル、ｉ＝３の急左ハンドル、およびｉ＝４の脇見運転の、運転者個人の運転リスク傾向の情報と、全契約者の運転リスク傾向の平均値の情報が供給される。

UI/UX画像生成部２０８は、例えば、図８の右部で示されるような運転者の運転を評価する評価画像のUI/UX画像を生成し、モバイルデバイス９１の表示部１３６に表示させる。

図８の右部で示される運転者の運転を評価する評価画像のUI/UX画像は、上方に注意すべき運転行為が表示された表示欄２７１が表示されている。また、表示欄２７１の下には、優先注意運転行為のリスク度が棒グラフにより表示された表示欄２７２が設けられている。さらに、表示欄２７２の下には、運転者の運転リスク傾向に対するコメントが表示された表示欄２７３が設けられている。

図８の右部の表示欄２７１には、下段中央に「あなたの安全運転への指針」と表示されており、評価画像として運転者の安全運転への指針が示されていることが表示されている。また、上段左から右に、さらに、下段左部と右部に「１ｔｈ」乃至「５ｔｈ」と表示され、優先注意運転行為の上位第１位から第５位が表示されている。

図８の表示欄２７１においては、優先注意運転行為の１位の運転行為が「急加速」であり、２位の運転行為が「急ブレーキ」であり、３位の運転行為が「急右ハンドル」であり、４位の運転行為が「急ハンドル」であり、５位の運転行為が「ふらふら運転」であることが示されている。すなわち、図８の左下部で示されるリスク度のうち、上位５位までの事故相関の高い運転行為が優先注意運転行為として示されている。

このため、自らが事故相関の高い運転行為のうち、特に優先的に注意しなければならない運転行為が明示的に表示されるため、安全運転に際して、何を優先的に注意しなければならないのかを適切に認識することができる。

また、表示欄２７２には、左から「急加速」、「急ブレーキ」、「急右ハンドル」、「急ハンドル」、および「ふらふら運転」のそれぞれの個人運転リスク傾向におけるリスク度の高い運転行為に対する、例えば、リスク度ｐ０乃至ｐ３，ｐ５の逆数からなる値が棒グラフにより表示されている。

このため、運転者は、自らの運転のうち、優先注意運転行為がどのように評価されているのかを認識することが可能となる。また、実際のリスク度の逆数として棒グラフが表示されるため、リスク度の高い値が小さく、また、リスク度の低い値が大きく表現されることで、リスク度の低い点が高く評価され、あたかも褒められるように表示されるので、リスク度の高い、苦手部分が強調されて表現されないため、自らの運転リスク傾向に対する評価を受け容れ易く表示されている。

さらに、表示欄２７２の棒グラフの「急加速」、「急ブレーキ」には、保険料の割引を受けるのに必要な目標となるレベルを示す目標レベルグラフが点線で示されている。

図８においては、保険料の割引が受けられる場合については、点線で示される目標レベルグラフの表示はなされない。

目標レベルグラフは、例えば、所定の保険料の割引率を達成するリスク度の逆数の目標値として示されており、目標レベルグラフよりもリスク度の逆数が大きくなると、保険料の割引が得られるように設定される。これにより、運転者は、あとどの程度「急加速」や「急ブレーキ」のリスク度の逆数の評価を高める（リスク度を低減する）ように注意すれば、保険料の割引が得られるのかを認識することができる。

また、表示欄２７３には、「まずは、急加速を控えることから始めると、効率的にリスクを低減できます。」と表示されている。これにより、運転行為の中で何を注意すればリスク度を低減することができるのか、すなわち、運転行為の中で何を注意すれば保険料の割引を引き出すことができるのかを運転者に促すことができる。これに合わせて、グラフ表示欄２８２には、「急加速」のグラフに対して、「まずはここから！」といった注意すべき運転行為を認識しやすくするための吹出表示がなされている。

尚、UI/UX画像生成部２０８は、UI/UX画像を生成するにあたり、運転者個人の優先注意運転行為に対する運転リスク傾向、および、割引率に加えて、例えば、優先注意運転行為に対する全契約者の平均発生確率を利用するようにしてもよい。より具体的には、運転者個人の優先注意運転行為の発生確率と、優先注意運転行為に対する全契約者の平均発生確率とを比較するようなUI/UX画像を生成して、表示することで、全契約者の平均発生確率に対する運転者の発生確率の優劣を提示するようにしてもよい。また、例えば、特定の運転行為について、全契約者との比較により、運転者の方が大きく劣る場合、『あなたは、その運転行為に関して、全契約者の平均と比較して、大きく劣るため、注意が必要です』という表示画像を生成して、表示することにより、客観的事実を明示的に提示することができ、より具体的に注意すべき運転行為を認識した上で、安全運転への意識を高めことができる。

また、保険料の割引率については、他の契約者との相対的な評価を用いると、事故を起こすケースは、極稀であるため、事故を起こした被保険者の保険料の割引率については、事故を起こさなかった被保険者の保険料に対して極端に小さく設定される恐れがある。

しかしながら、上述した手法によれば、運転者個人の運転行為に応じて、過去の事故の有無とは無関係に保険料の割引を評価することができる。すなわち、保険料の割引率については、運転者が過去に事故を起こしたか否かにかかわらず設定されるようにすることで、一度でも事故を起こした運転者に対して割引率が低いといった評価がなされないようにすることができる。このため、過去に事故を起こした運転者に対しても保険料の割引というインセンティブを通して、安全運転への意識を高めることが可能となる。ただし、保険料の割引率を設定するにあたっては、必要に応じて、相対評価を用いるようにしてもよい。

＜運転状態DB生成処理＞
次に、図１０のフローチャートを参照して、運転状態DB生成処理について説明する。

ステップＳ１１において、モバイルデバイス９１のGPS１３３により、図示せぬ衛星から得た信号に基づいて、地球上の緯度および経度からなる位置情報が、サーバ７２の周辺地図情報取得部２０２、および挙動情報取得部２０４に送信される。

ステップＳ３１において、サーバ７２の周辺地図情報取得部２０２は、地図情報DB２０３にアクセスし、位置情報に基づいて、対応する地図情報を抽出する。

ステップＳ１２において、モバイルデバイス９１のGPS１３３により生成される、図示せぬ衛星から得た信号に基づいた、地球上の緯度および経度からなる位置情報がサーバ７２の挙動情報取得部２０４に送信される。

ステップＳ１３において、慣性センサ１３４により検出される慣性情報がサーバ７２の挙動情報取得部２０４に送信される。

ステップＳ１４において、環境センサ１３５により検出される環境情報が、サーバ７２の挙動情報取得部２０４に送信される。

ステップＳ３２において、サーバ７２の挙動情報取得部２０４により、位置情報、慣性情報、および環境情報に基づいて、挙動情報が検出される。

ステップＳ１５において、車内画像音声検出部１５４により検出される車内外画像音声情報、および車外画像検出部１５５により検出される車外画像情報からなる車内外画像情報が、車内外画像情報取得部２０５に送信される。

ステップＳ３３において、車内外画像情報取得部２０５により、車内外画像情報が取得される。

ステップＳ１６において、生体センサ１７３により検出された生体情報が、サーバ７２の生体情報取得部２０６に送信される。

ステップＳ３４において、生体情報取得部２０６により、生体情報が取得される。

ステップＳ３５において、周辺地図情報取得部２０２が、地図情報を、挙動情報取得部２０４が、挙動情報を、車内外画像情報取得部が、車内外画像情報を、生体情報取得部２０６が、生体情報を、それぞれ運転者を識別する情報、および取得時刻の情報に対応付けて、運転状態の情報として運転状態DB２０９に登録する。

ステップＳ１７，Ｓ３６において、それぞれ終了であるか否かが判定されて、終了が指示されない場合、処理は、ステップＳ１１，Ｓ３１に戻り、以降の処理が繰り返される。そして、ステップＳ１７，Ｓ３６において、終了が指示されると、処理が終了する。

以上の処理により、地図情報、挙動情報、車内外画像情報、および生体情報が、運転者を識別する情報、および取得時刻の情報に対応付けられて、運転状態の情報として運転状態DB２０９に登録される。

＜UI/UX画像表示処理＞
次に、図１１のフローチャートを参照して、運転状態DB２０９に登録された運転状態の情報に基づいて、例えば、図８で示されるようなUI/UX画像を表示するUI/UX画像表示処理について説明する。

ステップＳ４１において、制御部１３１は、慣性センサ１３４により検出結果に基づいて、例えば、エンジンの振動や移動速度の変化などから、モバイルデバイス９１の所有者である運転者が車両７３から降車したか否かを判定する。ステップＳ４１において、制御部１３１は、降車が検出されるまで同様の処理を繰り返す。ステップＳ４１において、降車が検出された場合、処理は、ステップＳ４２に進む。

ステップＳ４２において、制御部１３１は、通信部１３２を制御して、評価画像からなるUI/UX画像をサーバ７２に対して要求する。このとき、制御部１３１は、評価画像からなるUI/UX画像を要求すると共に、このモバイルデバイス９１の所有者である運転者を識別する情報を合わせてサーバ７２に送信する。

ステップＳ５１において、制御部２０１は、通信部２０７を制御して、評価画像からなるUI/UX画像の要求があったか否かを判定し、要求があるまで、同様の処理を繰り返す。そして、ステップＳ５１において、評価画像からなるUI/UX画像の要求があった場合、処理は、ステップＳ５２に進む。

ステップＳ５２において、制御部２０１は、事故相関抽出部２１０を制御して、運転リスク傾向算出処理を実行させる。

この運転リスク傾向算出処理により、運転状態DB２０９の運転状態の情報に基づいて、モバイルデバイス９１の所有者である、車両７３の運転者の優先注意運転行為の運転リスク傾向、および、運転者の優先注意運転行為の、全契約者の発生確率が算出される。

ここで運転リスク傾向とは、運転者の優先注意運転行為に対応する発生確率、寄与度、およびリスク度からなるものである。

尚、運転リスク傾向算出処理については、図１２を参照して、詳細を後述する。

ステップＳ５３において、制御部２０１は、算出された、運転者の優先注意運転行為に対応する発生確率、寄与度、およびリスク度を含む運転リスク傾向、および運転者の優先注意運転行為の、全契約者の発生確率の情報をUI/UX画像生成部２０８に供給する。

UI/UX画像生成部２０８は、事故相関抽出部２１０により算出された、運転者の優先注意運転行為に対応するリスク度に基づいて、保険料の割引率を算出する。

すなわち、UI/UX画像生成部２０８は、運転者の優先注意運転行為に対応するリスク度に基づいて、例えば、図９を参照して説明したリスク度と保険料の割引率との関係を示す関数を用いて、保険料の割引率を算出する。

ステップＳ５４において、UI/UX画像生成部２０８は、運転者の優先注意運転行為に対応する発生確率、寄与度、およびリスク度を含む運転リスク傾向に基づいて、UI/UX画像を生成し、制御部２０１に出力する。ここで、生成されるUI/UX画像とは、例えば、図８を参照して説明した運転者の運転を評価する評価画像である。

ステップＳ５５において、制御部２０１は、通信部２０７を制御して、UI/UX画像生成部２０８により生成されたUI/UX画像をモバイルデバイス９１に送信する。

ステップＳ４２において、モバイルデバイス９１の制御部１３１は、通信部１３２を制御して、サーバ７２より送信されてきたUI/UX画像を受信させる。

ステップＳ４３において、制御部１３１は、通信部１３２により受信されたUI/UX画像を表示部１３６に表示させる。

以上の処理により、運転者の運転状態の情報が運転状態DB２１０に登録された運転状態の情報に基づいて、運転者毎の運転リスク傾向が求められ、運転リスク傾向の情報に基づいて、保険料の割引率が算出されると共にUI/UX画像が生成されて表示される。

＜運転リスク傾向算出処理＞
次に、図１２のフローチャートを参照して、運転リスク傾向算出処理について説明する。

ステップＳ８１において、高事故相関運転行為特徴量抽出部２５１は、運転状態DB２１０に登録されている運転状態の情報のうち、評価画像からなるUI/UX画像を要求する運転者の運転状態の情報より求められる運転行為のうち、高事故相関運転行為を特徴量として抽出する。

ステップＳ８２において、個人運転リスク傾向算出部２５２は、高事故相関運転行為特徴量抽出部２５１より抽出される高事故相関運転行為の情報に基づいて、運転者毎の高事故相関運転行為毎の発生確率、寄与度、およびリスク度を算出し、これらを個人の運転リスク傾向として出力する。

より詳細には、個人運転リスク傾向算出部２５２は、高事故相関運転行為特徴量抽出部２５１より抽出される高事故相関運転行為の情報に基づいて、運転者毎の高事故相関運転行為毎の単位運転時間や単位走行距離などにおける発生回数から発生確率を算出する。

また、個人運転リスク傾向算出部２５２は、高事故相関運転行為特徴量抽出部２５１より抽出される高事故相関運転行為の情報に基づいて、事故発生確率、事故件数、および損害額などを目的変数とした回帰分析を行い、高事故相関運転行為毎の寄与度を算出する。

さらに、個人運転リスク傾向算出部２５２は、高事故相関運転行為毎に、発生確率と寄与度との積に対して所定の係数を乗じてリスク度を算出する。

そして、個人運転リスク傾向算出部２５２は、高事故相関運転行為毎に、発生確率、寄与度、およびリスク度を、UI/UX画像を要求した運転者の個人運転リスク傾向として出力する。

ステップＳ８３において、優先注意運転行為選定部２５３は、個人運転リスク傾向の情報に基づいて、リスク度が所定数だけ上位となる高事故相関運転行為を優先注意運転行為として選定し、UI/UX画像生成部２０８に出力する。また、優先注意運転行為選定部２５３は、選定した優先注意運転行為の情報を、優先注意運転行為全契約者平均発生確率抽出部２５５に出力する。

ステップＳ８４において、運転行為毎全契約者平均発生確率算出部２５４は、全契約者の個別の運転リスク傾向における、全高事故相関運転行為毎の平均発生確率を求めて優先注意運転行為全契約者平均発生確率抽出部２５５に出力する。

ステップＳ８５において、優先注意運転行為全契約者平均発生確率抽出部２５５は、全契約者の全高事故相関運転行為毎との平均発生確率のうち、運転者の運転リスク傾向に基づいて選定された優先注意運転行為の平均発生確率を抽出してUI/UX画像生成部２０８に出力する。

以上の処理により、運転者の優先注意運転行為毎の発生確率、寄与度、およびリスク度の情報からなる運転リスク傾向として求められると共に、優先注意運転行為毎の全契約者の発生確率が求められて、それぞれがUI/UX画像生成部２０８に出力される。

また、このように運転リスク傾向の情報が生成されて、UI/UX画像生成部２０８に供給されることにより、運転者は、自らの所有するモバイルデバイス９１に表示される、自らの運転の評価画像からなるUI/UX画像が生成される。

これにより、運転者により、評価画像からなるUI/UX画像が視聴されることで、運転者自らが運転リスク傾向を認識することが可能になる。また、運転者により評価画像が視聴されることで、保険料の割引が受けられるか否かが確認されるのみならず、保険料の割引が受けられない場合、受けられるようにするには、どのような運転行為に対して、どの程度気を付けるようにすればよいのかを認識することが可能となる。

結果として、保険料の割引というインセンティブを通して、運転者の安全運転に対する意識を高めることが可能となり、交通事故の発生を抑制することが可能となる。また、交通事故の発生が抑制されることにより、保険事業者による保険金の負担を低減させることができるので、被保険者である運転者に対して、保険料の割引により還元することが可能となる。

尚、以上においては、車両７３よりモバイルデバイス９１、車両制御部９２、および生体情報検出部９３より検出される各種の検出結果が、運転状態DB２１０に登録され、登録された運転状態の情報に基づいて、運転リスク傾向が求められる例について説明してきた。しかしながら、モバイルデバイス９１、車両制御部９２、および生体情報検出部９３の少なくともいずれかにより検出される検出結果から運転状態の情報が登録されるようにしてもよい。

また、モバイルデバイス９１により検出される検出結果のみでも運転状態の情報を構成することができ、特に、この中でもGPS１３３、および慣性センサ１３４の加速度センサにより検出される位置情報および加速度のみの検出結果でも運転状態の情報を構成することができる。これにより、求められた運転リスク傾向に基づいて生成されるUI/UX画像は、モバイルデバイス９１に表示させることができるので、モバイルデバイス９１のみが車両７３に搭載される構成としてもよい。さらに、モバイルデバイス９１は、GPS１３３、および慣性センサ１３４の加速度センサのみが設けられている構成でもよい。

すなわち、図２の情報処理システム５１は、車両７３を運転する運転者に携帯されるモバイルデバイス９１とサーバ７２とからのみで構成するようにしてもよい。このような構成とすることにより、車両７３に対して特定のセンサを設けるようにしなくても、上述した情報処理システム５１を実現することができる。すなわち、モバイルデバイス９１は、例えば、アプリケーションプログラムをインストールするだけで、上述した機能を実現させるようにすることができるので、低コストで、かつ、容易に情報処理システムを実現させることが可能となる。

また、以上においては、運転者が車両７３を降車するタイミングにおいて、UI/UX画像が生成されて、モバイルデバイス９１の表示部１３６に表示される例について説明してきたが、その他のタイミングでもよい。

すなわち、UI/UX画像が生成されて、モバイルデバイス９１の表示部１３６に表示されるタイミングは、例えば、運転者の乗車/降車の少なくともいずれかのタイミング、累積走行距離が一定値を超えたタイミング、最後に通知したタイミングからの累積走行距離が一定値を超えたタイミング、自宅登録などした場所で運転が終了したタイミング、運転挙動が普段と比べて著しく良かった場合、および悪かった場合の少なくともいずれかのタイミング、Cash Back率の更新があったタイミング、目標Cash Back率の自動更新が発生したタイミング、Cash Back申請ができるようになったタイミング、保険の更新月が近付いてきたタイミング、優先注意運転行為の入れ替えが発生したタイミング、および優先注意運転行為のいずれかが目標Cash Back率を下回った（超えた）タイミング、並びに、これらのタイミングの少なくともいずれかのタイミングでもよい。

さらに、以上においては、情報処理システム５１により実現する例について説明してきたが、例えば、モバイルデバイス９１の高機能化が実現できれば、モバイルデバイス９１にサーバ７２による機能も持たせるようにしてもよい。この場合、各種の地図情報DB２０３、運転状態DB２０９、および事故情報DB２１１については、クライドサーバにより管理させ、その他のサーバ７２による機能をモバイルデバイス９１により実現させるようにしてもよい。

＜＜３．変形例（その１）＞＞
以上においては、リスク度が上位となる優先注意運転行為を項目として表示し、運転者個人のリスク度と、保険料の割引が受けられる基準との差を明示することにより運転者に対して保険料の割引というインセンティブに対する目標を提示して、安全運転を促すUI/UX画像からなる評価画像の表示例について説明してきた。しかしながら、これに限らず、運転者に対して保険料の割引というインセンティブをより明確に提示することで、安全運転を促すようにしてもよい。

図１３は、運転者個人の安全指数、想定Cash Back率（想定割引率）、および目標Cash Back率（目標割引率）、並びに、所定のCash Back率を実現する基準となるリスク度とを比較したグラフを時系列に表示する場合のUI/UX画像の表示例を示している。

図１３の表示例においては、上から数値表示欄２８１、グラフ表示欄２８２、運転行為項目表示欄２８３、および時期表示欄２８４が設けられている。

数値表示欄２８１には、上から安全指数、想定Cash Back率、および目標Cash Back率が表示される。グラフ表示欄２８２には、グラフが表示される。運転行為項目表示欄２８３には、グラフ表示欄２８２の各グラフに対応する優先注意運転行為を識別するアイコンが表示される。時期表示欄２８４は、評価項目が設定された時期が表示される。

図１３の数値表示欄２８１においては、上から「Aさんの安全指数：６４点」、「想定Cash Back率：１０％」、および「目標Cash Back率：１５％」と表記されており、運転者であるAさんの安全指数が６４点であり、想定Cash Back率が１０％であり、目標Cash Back率が１５％であることが示されている。ここで、想定Cash Back率は、これまでのCash Back率の推移から実現されることが想定されるCash Back率である。また、目標Cash Back率は、想定Cash Back率に対して設定されるCash Back率であり、想定Cash Back率より大きな割引率であり、目標となるCash Back率である。さらに、安全指数は、例えば、リスク度が小さくなるほど大きく設定され、リスク度が大きくなる程小さく設定される値である。

グラフ表示欄２８２には、運転行為項目表示欄２８３においてアイコンで示されている運転行為に対する運転者のリスク度と、全契約者のリスク度とを示す棒グラフが表示されている。

図１３の場合、運転行為項目表示欄２８３における各アイコンは、左から急加速、急ブレーキ、急右ハンドル、急左ハンドル、ふらふら運転、および脇見運転を表している。

このため、グラフ表示欄２８２に表示される棒グラフのそれぞれは、図中左から、急加速、急ブレーキ、急右ハンドル、急左ハンドル、ふらふら運転、および脇見運転のそれぞれリスク度の棒グラフであることが示されている。

また、グラフ表示欄２８２においては、模様が付されたグラフが運転者であるAさんの各運転行為に対するリスク度を表し、点線のグラフが、目標Cash Back率が１５％であるときの指標となるリスク度を表している。すなわち、各運転行為に対応する色が付されたグラフの値が、色が付されたグラフを下回ると１５％のCashBackが受けられることになる。

さらに、時期表示欄２８４においては、左から7月、8月、・・・11月と表記されたスライドバー２９１上に、ポインタ２９２が設けられており、タッチパネルとして機能する表示部１３６に触れて、ポインタ２９２を左右にスライドさせることで時期を設定することができる。図１３においては、ポインタ２９２が9月上旬頃に設定されており、上記の表示内容が9月上旬頃であることが示されている。すなわち、運転状態DB２０９に登録される各種の運転状態の情報が取得された時刻に対応付けて登録されているので、ポインタ２９２により指定された取得時刻に対応する高事故相関運転行為から運転リスク傾向の情報を求めることで、時刻（日時）に応じた運転リスク傾向を表示することができる。

図１３においては、運転者であるAさんの9月上旬における運転に対する評価が示されており、安全指数が６４点であり、想定Cash Back率が１０％であり、目標Cash Back率が１５％であることが示されている。また、運転者であるAさんの急加速、急ブレーキ、急右ハンドル、急左ハンドル、ふらふら運転、および脇見運転の各運転行為に対するリスク度が、模様が付されたグラフで示されている。図１３のグラフ表示欄２８２においては、急右ハンドルおよび急左ハンドルの運転者のリスク度が、目標Cash Back率を下回っているので、それぞれのグラフの上部に「GOOD」と表示されている。

ポインタ２９２は左右にスライドさせることで時期を変更させることができるので、例えば、図１４のポインタ２９２’で示されるように、11月下旬頃に移動させると、図１４の数値表示欄２８１、およびグラフ表示欄２８２で示されるように、表示内容が変化する。

すなわち、図１４においては、上から「Aさんの安全指数：７８点」、「想定Cash Back率：１５％」、および「目標Cash Back率：２０％」と表記されており、運転者であるAさんの安全指数が７８点であり、想定Cash Back率が１５％であり、目標Cash Back率が２０％であることが示されている。

また、図１４のグラフ表示欄２８２においては、模様が付されて表示されるグラフが運転者であるAさんの各運転行為に対するリスク度を表し、点線のグラフが、目標Cash Back率が２０％であるときのリスク度を表している。

図１４のグラフ表示欄２８２においては、急左ハンドルの運転者のリスク度が、目標Cash Back率の指標となるリスク度を下回っているので、それぞれのグラフの上部に「GOOD」と表示されている。また、ふらふら運転、および脇見運転の運転者のリスク度については、目標Cash Back率の指標となるリスク度を大きく下回っているので、「GREAT」と表示されている。

すなわち、図１３と図１４との表示例を比較することにより、9月上旬から11月下旬にかけて、安全指数が14点向上しており、急左ハンドルの運転行為については、9月においては目標Cash Back率であった１５％を、11月には想定Cash Back率を１５％とすることで、実現することができたことを運転者に認識させることが可能となる。

また、新たな目標となる目標Cash Back率２０％についても、急左ハンドルについては実現されており、さらに、ふらふら運転および脇見運転については、目標Cash Back率２０％を大きく下回ることができていることを運転者に認識させることが可能となる。さらに、目標Cash Back率２０％を実現するには、急加速、急ブレーキ、および急右ハンドルを意識すればよいことを認識することができる。

これにより、運転者に対して、所定の期間（例えば、図１３の9月上旬から図１４の11月下旬）における運転行為に対する取り組みにより、目標に対する到達度を具体的に認識させることが可能になると共に、次なる課題を具体的に認識させることが可能となる。

結果として、運転者に対して、保険料の割引（Cash Back率）というインセンティブを通して、安全運転への意識を向上させることが可能となる。

尚、図１３，図１４の表示例においては、目標Cash Back率が１５％，２０％である例について説明してきたが、グラフに点線で表示させる目標Cash Back率のグラフは、様々な目標Cash Back率のものに運転者が自由に設定できるようにしてもよい。

＜＜４．変形例（その２）＞＞
以上においては、数値やグラフにより具体的な目標や達成度合いをグラフや数値により表現する評価画像の表示例について説明してきたが、注意すべき運転行為を明示的に表示して、安全運転を促すようにしてもよい。

図１５は、注意すべき運転行為を明示的に表示するようにしたUI/UX画像の表示例を示している。

図１５においては、上段に優先注意運転行為の第１位となる運転行為を示す動画が表示される動画表示欄３１１が設けられており、その下に優先注意運転行為の第１位となる運転行為を提示するコメント欄３１２が設けられている。

動画表示欄３１１においては、優先注意運転行為の第１位となる運転行為が、例えば、急ブレーキである場合、運転者の車両が急ブレーキを踏んだときに想定される、例えば、スピンして事故を起しているような状況を想起させる動画が提示されている。

また、ここでは、優先注意運転行為の第１位となる運転行為が、急ブレーキである場合なので、コメント欄３１２においては、「急ブレーキを行うことは大変危険であることが弊社調査により判明しております。これを控えて下さい。」と表示されている。すなわち、優先注意運転行為の第１位となる運転行為である急ブレーキが危険であり、控えるようにすることが明示的に提示されている。

これにより、運転者に対して、一目で優先注意運転行為の第１位である運転行為を具体的に認識させることが可能となる、優先的に注意すべき運転行為を注意させることで、安全運転を促すことが可能となる。

＜＜５．変形例（その３）＞＞
以上においては、課題となる運転行為を具体的に提示して運転者に認識させる評価画像の表示例について説明してきたが、安全指数を効果的に提示することにより安全運転を促すようにしてもよい。

図１６は、図１３，図１４の表示例における数値表示欄２８１に代えて、安全指数表示欄３３１を設けるようにした表示例が示されている。

図１６の安全指数表示欄３３１には、全契約者の安全指数のヒストグラムをスムージングして結んだ曲線が表示されており、さらに、運転者自身の安全指数が点線で示されている。図１６においては、運転者の安全指数は、７８点として表示されている（You：７８点）。すなわち、図１６の安全指数表示欄３３１におけるヒストグラムにおいては、横軸が安全指数であり、縦軸が頻度（人数）である。

このように表示されることにより、自らの安全指数の全契約者における順位が明確になるので、より高い順位を目指すための目標を設定させたり、全契約者内における、運転者自らがどの程度安全運転を意識しているのかを認識することが可能となる。

また、ポインタ２９２をスライドバー２９１上で移動させることで、時期に応じて安全指数の全契約者内における順位が変化して表示されるので、運転者は、自らの安全指数の時期に応じた推移を確認することが可能となる。

これにより、運転者に対して、安全指数の全契約者に対する順位を認識させることが可能となり、安全運転の取り組みについて、全契約者に対して自らの意識の高さを定量的に認識することが可能となる。また、この際も、優先注意運転行為毎の安全運転に対する取り組みにより、目標に対する到達度を具体的に認識させることが可能になると共に、次の課題を具体的に認識させることが可能となる。

＜＜６．変形例（その４）＞＞
以上においては、安全指数を効果的に提示することにより安全運転を促す評価画像の表示例について説明してきたが、優先注意運転行為毎の安全運転に対する取り組みにより、目標に対する到達度を具体的に認識させると共に、課題となる運転行為を具体的に提示して運転者に認識させるようにしてもよい。

図１７は、図１３，図１４における数値表示欄２８１に代えて、コメント表示欄３５１が設けられている。

図１７のコメント表示欄３５１においては、「全国の方々と比べて急加速、および急ブレーキの多さが目立ちます。まずは、この項目から注意していきましょう」と表記されており、運転者は、他の契約者と比較して、運転行為として「急加速」および「急ブレーキ」のリスク度が高く、注意すべきであることを認識することが可能となる。

コメント表示欄３５１に表示されるコメントの内容については、例えば、運転者の優先注意運転行為の発生確率と、全契約者の優先注意運転行為の平均発生確率との比較において、最も差が大きな優先注意運転行為に関するものであってもよい。また、コメント表示欄３５１に表示されるコメントの内容については、例えば、運転者の優先注意運転行為のリスク度と、目標CashBack率の指標との差が大きい優先注意運転行為に関するものであってもよい。

尚、図１７においても、ポインタ２９２をスライドバー２９１上で移動させることで、時期を変化させて全契約者との比較により注意すべき運転行為が提示されるので、運転者は、自らの注意すべき運転行為の推移を確認することが可能となり、注意してきた運転行為が改善された、または、新たな課題となる運転行為が示されたなどを、自らの運転の変化として認識することが可能となる。

＜＜７．変形例（その５）＞＞
以上においては、これまでの運転者の運転行為に対する評価の推移を示すようにして安全運転を促す評価画像の表示例について説明してきたが、例えば、ナビゲーション装置と連動して、目的地までの走行経路上において、走行後に注意すべき地点を提示するような表示にしてもよい。

すなわち、例えば、ナビゲーション装置で目的地までの走行経路が設定されると、走行経路に沿って走行記録が残されるようにする。このように、走行記録が残されると、図１８で示されるように、走行記録が記録された日時の一覧が、一覧表示欄３７１として表示される。この一覧表示欄３７１においては、走行経路上における、リスク度に応じた色で表記される。例えば、所定値よりも高いリスク度が求められて、危険な走行であったとみなされる走行記録については、地図上の走行経路が赤色で表示され、例えば、所定値よりも低いリスク度が求められる安全な走行であったとみなされる走行記録については、地図上の走行経路が青色で表示されるようにしてもよい。

図１８の一覧表示欄３７１においては、上から「2017/07/12 14:34」、「2017/07/02 10:11」、「2017/06/25 21:24」、「2017/06/25 15:25」、「2017/06/25 09:48」、「2017/06/14 12:22」、「2017/06/05 08:05」と表示されており、2017/07/12の14:34からの所定期間内に走行記録が記録されたことが示されている。

また、2017/07/02の10:11から所定期間内、2017/06/25の21:24から所定期間内、2017/06/25の15:25から所定期間内、2017/06/25の09:48から所定期間内、2017/06/14の12:22からの所定期間内、および、2017/06/05の08:05からの所定期間内のそれぞれにおいて、走行記録が記録されていることが示されている。

例えば、図１８の一覧表示欄３７１において、上から3段目の右下がりの斜線部で表示されている「2017/06/25 21:24」と表記された日時欄３８１が、リスク度が高い走行記録であることを示す赤色で表示されているものとする。

日時欄３８１が、表示部１３６のタッチパネルの機能により選択操作されると、図１９で示されるように、ナビゲーション装置により求められた走行経路を示す地図画像が表示される。

図１９においては、最上段に選択された日時を表示する日時表示欄３９１が表示され、図１８の日時欄３８１において選択された走行記録である「2017/06/25 21:24」の走行記録であることが表されている。

日時表示欄３９１の下には、地図表示欄３９２が設けられている。図１９の地図表示欄３９２においては、走行経路４１１が黒色で表示されており、走行経路上で所定値よりも高いリスク度の高事故相関運転行為がなされた地点においては、右下がりの斜線で示されて表示されている。

さらに、走行経路４１１上において、高事故相関運転行為がなされた右下がりの斜線で示される位置については、操作されることにより、高事故相関運転行為の内容を説明する表記欄３９３が設けられており、高事故相関運転行為の説明がポップアップ表示される。

図１９においては、丸印４１２が操作されることにより、表記欄３９３がポップアップ表示されていることが示されている。表記欄３９３には、「急加速 強度：0.4G 時刻：21:41:31」と表記されており、走行経路上の丸印４１２の地点で過去になされた高事故相関運転行為が、21:41:31になされた急加速であり、そのときの強度が0.4Gであることが表記されている。

さらに、地図表示欄３９２の下には、コメント欄３９４が設けられており、走行記録において、リスク度が所定値よりも高い理由が表記されている。図１９のコメント欄３９４においては、「普段の運転と比べて、著しく走行中の急加速が目立ちます。」とコメントが表記されており、リスク度が所定値よりも高い理由が急加速によるものであることが表示されている。

運転者は、走行記録を見直すことにより、どのような地点で、どのような高事故相関運転行為がなされたかを確認することができ、今後、どのような運転行為を、どのような位置で、どのようなタイミングにおいて注意すればよいのかを認識することができる。

尚、以上においては、リスク度が所定値よりも高い走行記録におけるコメントの表示例が示されているが、リスク度が所定値よりも低く安全運転であったとみなされる走行記録の場合にいついては、コメント欄３９４には、安全運転であった、走行における良かった点をコメントするようにしてもよい。

＜＜８．ソフトウェアにより実行させる例＞＞
ところで、上述した一連の処理は、ハードウェアにより実行させることもできるが、ソフトウェアにより実行させることもできる。一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のコンピュータなどに、記録媒体からインストールされる。

図２０は、汎用のコンピュータの構成例を示している。このパーソナルコンピュータは、CPU(Central Processing Unit)１００１を内蔵している。CPU１００１にはバス１００４を介して、入出力インタフェース１００５が接続されている。バス１００４には、ROM(Read Only Memory)１００２およびRAM(Random Access Memory)１００３が接続されている。

入出力インタフェース１００５には、ユーザが操作コマンドを入力するキーボード、マウスなどの入力デバイスよりなる入力部１００６、処理操作画面や処理結果の画像を表示デバイスに出力する出力部１００７、プログラムや各種データを格納するハードディスクドライブなどよりなる記憶部１００８、LAN（Local Area Network）アダプタなどよりなり、インターネットに代表されるネットワークを介した通信処理を実行する通信部１００９が接続されている。また、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disc-Read Only Memory)、DVD(Digital Versatile Disc)を含む）、光磁気ディスク（ＭＤ(Mini Disc)を含む）、もしくは半導体メモリなどのリムーバブルメディア１０１１に対してデータを読み書きするドライブ１０１０が接続されている。

CPU１００１は、ROM１００２に記憶されているプログラム、または磁気ディスク、光ディスク、光磁気ディスク、もしくは半導体メモリ等のリムーバブルメディア１０１１ら読み出されて記憶部１００８にインストールされ、記憶部１００８からRAM１００３にロードされたプログラムに従って各種の処理を実行する。RAM１００３にはまた、CPU１００１が各種の処理を実行する上において必要なデータなども適宜記憶される。

以上のように構成されるコンピュータでは、CPU１００１が、例えば、記憶部１００８に記憶されているプログラムを、入出力インタフェース１００５及びバス１００４を介して、RAM１００３にロードして実行することにより、上述した一連の処理が行われる。

コンピュータ（CPU１００１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア１０１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。

コンピュータでは、プログラムは、リムーバブルメディア１０１１をドライブ１０１０に装着することにより、入出力インタフェース１００５を介して、記憶部１００８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部１００９で受信し、記憶部１００８にインストールすることができる。その他、プログラムは、ROM１００２や記憶部１００８に、あらかじめインストールしておくことができる。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

尚、図２０におけるCPU１００１が、図４におけるサーバ７２の制御部２０１の機能を実現させる。また、図２０における記憶部１００８が、図４における地図情報DB２０３、運転状態DB２０９、および事故情報DB２１１を実現する。

また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。

なお、本開示の実施の形態は、上述した実施の形態に限定されるものではなく、本開示の要旨を逸脱しない範囲において種々の変更が可能である。

例えば、本開示は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。

また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。

さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。

尚、本開示は、以下のような構成も取ることができる。

＜１＞ 車両を運転する運転者の運転行為の情報を取得する運転行為取得部と、
前記運転行為のうち、事故との相関の高い高事故相関運転行為を抽出する高事故相関運転行為特徴量抽出部と、
前記高事故相関運転行為に基づいて、運転リスク傾向を算出する運転リスク傾向算出部と、
前記運転リスク傾向算出部により算出された運転リスク傾向に基づいて、表示画像を生成する表示画像生成部と
を含む情報処理装置。
＜２＞ 前記運転リスク傾向算出部は、前記高事故相関運転行為の発生確率、寄与度、およびリスク度を運転リスク傾向として算出する
＜１＞に記載の情報処理装置。
＜３＞ 前記運転リスク傾向算出部は、単位期間または単位走行距離における前記高事故相関運転行為の発生確率を算出し、前記単位期間または前記単位走行距離における前記高事故相関運転行為の回帰分析により寄与度を算出し、前記発生確率と前記寄与度との積に基づいて、前記リスク度を算出する
＜２＞に記載の情報処理装置。
＜４＞ 前記リスク度が所定の上位となる高事故相関運転行為を、優先注意運転行為として選定する優先注意運転行為選定部をさらに含む
＜３＞に記載の情報処理装置。
＜５＞ 前記運転者は、自動車保険の契約者であり、
前記自動車保険の全契約者の高事故相関運転行為の平均発生確率を算出する全契約者高事故相関運転行為平均発生確率算出部と、
前記自動車保険の全契約者の高事故相関運転行為の平均発生確率より、前記優先注意運転行為の全契約者の平均発生確率を抽出する優先注意運転行為全契約者平均発生確率抽出部をさらに含む
＜４＞に記載の情報処理装置。
＜６＞ 前記運転者は、自動車保険の契約者であり、
前記表示画像生成部は、前記運転リスク傾向における優先注意運転行為におけるリスク度に基づいて、表示画像を生成する
＜２＞に記載の情報処理装置。
＜７＞ 前記表示画像生成部は、前記運転リスク傾向における優先注意運転行為におけるリスク度に基づいて、前記自動車保険の保険料の割引率に応じたリスク度との比較を示す表示画像を生成する
＜６＞に記載の情報処理装置。
＜８＞ 前記表示画像生成部は、前記運転リスク傾向における優先注意運転行為におけるリスク度が、前記自動車保険の保険料の割引率の指標となるリスク度よりも低い優先注意運転行為について、運転行為の改善を促すコメントを付加した表示画像を生成する
＜７＞に記載の情報処理装置。
＜９＞ 前記保険料の割引率は、前記リスク度が高いほど低く、前記リスク度が低いほど高い関数に基づいて設定される
＜８＞に記載の情報処理装置。
＜１０＞ 前記表示画像生成部は、前記優先注意運転行為におけるリスク度に基づいて安全指数を設定し、前記安全指数を付加した表示画像を生成する
＜７＞に記載の情報処理装置。
＜１１＞ 前記表示画像生成部は、日時を指定する日時指定機能を有する構成を表示画像に含ませ、前記日時指定機能により指定された日時における、前記運転リスク傾向における優先注意運転行為におけるリスク度に基づいて、前記自動車保険の保険料の割引率に応じたリスク度との比較を示す表示画像を生成する
＜７＞に記載の情報処理装置。
＜１２＞ 前記表示画像生成部は、前記運転リスク傾向における優先注意運転行為におけるリスク度が、前記自動車保険の保険料の割引率の指標となるリスク度よりも低い優先注意運転行為について、運転行為の改善を促す動画を付加した表示画像を生成する
＜７＞に記載の情報処理装置。
＜１３＞ 前記表示画像生成部は、前記運転者の運転する車両の走行経路の表示画像を生成し、走行経路上に、前記運転リスク傾向の情報に基づいて、所定のリスク度よりも高い位置を所定の色で表示する表示画像を生成する
＜７＞に記載の情報処理装置。
＜１４＞ 前記車両を運転する運転者の運転行為の情報を抽出する前記運転者の運転状態の検出結果を蓄積する運転状態蓄積部と、
前記運転者の運転する車両の位置情報を取得し、前記位置情報に基づいた地図情報を抽出して、前記運転状態として、前記運転状態蓄積部に蓄積させる地図情報取得部と、
前記運転者の運転する車両の挙動情報を検出し、前記運転状態として、前記運転状態蓄積部に蓄積させる挙動情報取得部と、
前記運転者の運転する車両の車内外画像情報を検出し、前記運転状態として、前記運転状態蓄積部に蓄積させる車内外画像情報取得部と、
前記運転者の生体情報を検出し、前記運転状態として、前記運転状態蓄積部に蓄積させる生体情報取得部とをさらに含む
＜１＞乃至＜１３＞のいずれかに記載の情報処理装置。
＜１５＞ 前記位置情報は、前記運転者により携帯されるモバイルデバイスにより検出され、
前記表示画像生成部により生成された表示画像を、前記運転者により携帯されるモバイルデバイスに送信する送信部をさらに含む
＜１４＞に記載の情報処理装置。
＜１６＞ 車両を運転する運転者の運転行為の情報を取得する運転行為取得処理と、
前記運転行為のうち、事故との相関の高い高事故相関運転行為を抽出する高事故相関運転行為抽出処理と、
前記高事故相関運転行為に基づいて、運転リスク傾向を算出する運転リスク傾向算出処理と、
前記運転リスク傾向算出処理により算出された運転リスク傾向に基づいて、表示画像を生成する表示画像生成処理と
を含む情報処理方法。
＜１７＞ 車両を運転する運転者の運転行為の情報を取得する運転行為取得部と、
前記運転行為のうち、事故との相関の高い高事故相関運転行為を抽出する高事故相関運転行為特徴量抽出部と、
前記高事故相関運転行為に基づいて、運転リスク傾向を算出する運転リスク傾向算出部と、
前記運転リスク傾向算出部により算出された運転リスク傾向に基づいて、表示画像を生成する表示画像生成部と
してコンピュータを機能させるプログラム。
＜１８＞ 車両を運転する運転者により携帯される情報処理装置であって、
前記車両の位置情報を検出する位置検出部と、
前記車両の加速度を検出する検出部と、
前記位置情報および加速度の情報をサーバに送信すると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像を取得する通信部とを含み、
前記表示画像は、前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為より算出される運転リスク傾向に基づいて生成される
情報処理装置。
＜１９＞ 車両を運転する運転者により携帯される情報処理装置の情報処理方法であって、
前記車両の位置情報を検出する位置検出処理と、
前記車両の加速度を検出する検出処理と、
前記位置情報および加速度の情報をサーバに送信すると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像を取得する通信処理とを含み、
前記表示画像は、
前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為より算出される運転リスク傾向に基づいて生成される
情報処理方法。
＜２０＞ 車両を運転する運転者により携帯される情報処理装置を制御するコンピュータを、
前記車両の位置情報を検出する位置検出部と、
前記車両の加速度を検出する検出部と、
前記位置情報および加速度の情報をサーバに送信すると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像を取得する通信部として機能させ、
前記表示画像は、前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為より算出される運転リスク傾向に基づいて生成される
プログラム。

５１ 情報処理システム， ７１ ネットワーク， ７２ サーバ， ７３，７３－１乃至７３－ｎ 車両， ９１，９１－１乃至９１－ｎ モバイルデバイス， ９２，９２－１乃至９２－ｎ 車両制御部， ９３ 生体情報検出部， １３１ 制御部， １３２ 通信部， １３３ GPS， １３４ 慣性センサ， １３５ 環境センサ， １５１ 制御部， １５２ 通信部， １５３ 車両情報検出部， １５４ 車内画像検出部， １５５ 車外画像検出部， １７１ 制御部， １７２ 通信部， １７３ 生体センサ， ２０１ 制御部， ２０２ 周辺地図情報取得部， ２０３ 地図情報DB， ２０４ 挙動情報取得部， ２０５ 車内外画像情報取得部， ２０６ 生体情報検出部， ２０７ 通信部， ２０８ UI/UX画像生成部， ２０９ 運転状態DB， ２１０ 事故相関抽出部， ２１１ 事故情報DB， ２５１ 高事故相関運転行為特徴量抽出部， ２５２ 個人運転リスク傾向算出部， ２５３ 優先注意運転行為選定部， ２５４ 運転行為毎全契約者発生確率算出部， ２５５ 優先注意運転行為全契約者平均発生確率抽出部

Claims (19)

1. 車両を運転する、自動車保険の契約者である運転者の運転行為の情報を取得する運転行為取得部と、
   前記運転行為のうち、事故との相関の高い高事故相関運転行為を抽出する高事故相関運転行為特徴量抽出部と、
   前記高事故相関運転行為の発生確率、寄与度、およびリスク度に基づいて、運転リスク傾向を算出する運転リスク傾向算出部と、
   前記リスク度の順位が所定の順位よりも上位となる高事故相関運転行為を、優先注意運転行為として選定する優先注意運転行為選定部と、
   前記運転リスク傾向算出部により算出された運転リスク傾向に基づいて、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度を示す表示画像を生成する表示画像生成部と
   を含む情報処理装置。
2. 前記表示画像生成部は、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度をグラフで示す表示画像を生成する
   請求項１に記載の情報処理装置。
3. 前記グラフは、棒グラフであり、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度が目標レベルグラフとして表示され、前記表示画像生成部は、前記契約者である前記運転者の前記優先注意運転行為のリスク度を示す棒グラフと、前記目標レベルグラフとの差を、前記差異の程度として示す表示画像を生成する
   請求項２に記載の情報処理装置。
4. 前記目標レベルグラフは、前記自動車保険の保険料の割引が受けられないときに表示される
   請求項３に記載の情報処理装置。
5. 前記運転リスク傾向算出部は、単位期間または単位走行距離における前記高事故相関運転行為の発生確率を算出し、前記単位期間または前記単位走行距離における前記高事故相関運転行為の回帰分析により寄与度を算出し、前記発生確率と前記寄与度との積に基づいて、前記リスク度を算出する
   請求項１に記載の情報処理装置。
6. 前記自動車保険の全契約者の高事故相関運転行為の平均発生確率を算出する全契約者高事故相関運転行為平均発生確率算出部と、
   前記自動車保険の全契約者の高事故相関運転行為の平均発生確率より、前記優先注意運転行為の全契約者の平均発生確率を抽出する優先注意運転行為全契約者平均発生確率抽出部をさらに含む
   請求項１に記載の情報処理装置。
7. 前記表示画像生成部は、前記運転リスク傾向における優先注意運転行為におけるリスク度が、前記自動車保険の保険料の割引率の指標となるリスク度よりも低い優先注意運転行為について、運転行為の改善を促すコメントを付加した表示画像を生成する
   請求項１に記載の情報処理装置。
8. 前記保険料の割引率は、前記リスク度が高いほど低く、前記リスク度が低いほど高い関数に基づいて設定される
   請求項７に記載の情報処理装置。
9. 前記表示画像生成部は、前記優先注意運転行為におけるリスク度に基づいて安全指数を設定し、前記安全指数を付加した表示画像を生成する
   請求項１に記載の情報処理装置。
10. 前記表示画像生成部は、日時を指定する日時指定機能を有する構成を表示画像に含ませ、前記日時指定機能により指定された日時における、前記運転リスク傾向における優先注意運転行為におけるリスク度に基づいて、前記自動車保険の保険料の割引率に応じたリスク度との比較を示す表示画像を生成する
    請求項１に記載の情報処理装置。
11. 前記表示画像生成部は、前記運転リスク傾向における優先注意運転行為におけるリスク度が、前記自動車保険の保険料の割引率の指標となるリスク度よりも低い優先注意運転行為について、運転行為の改善を促す動画を付加した表示画像を生成する
    請求項１に記載の情報処理装置。
12. 前記表示画像生成部は、前記運転者の運転する車両の走行経路の表示画像を生成し、走行経路上に、前記運転リスク傾向の情報に基づいて、所定のリスク度よりも高い位置を所定の色で表示する表示画像を生成する
    請求項１に記載の情報処理装置。
13. 前記車両を運転する運転者の運転行為の情報を抽出する前記運転者の運転状態の検出結果を蓄積する運転状態蓄積部と、
    前記運転者の運転する車両の位置情報を取得し、前記位置情報に基づいた地図情報を抽出して、前記運転状態として、前記運転状態蓄積部に蓄積させる地図情報取得部と、
    前記運転者の運転する車両の挙動情報を検出し、前記運転状態として、前記運転状態蓄積部に蓄積させる挙動情報取得部と、
    前記運転者の運転する車両の車内外画像情報を検出し、前記運転状態として、前記運転状態蓄積部に蓄積させる車内外画像情報取得部と、
    前記運転者の生体情報を検出し、前記運転状態として、前記運転状態蓄積部に蓄積させる生体情報取得部とをさらに含む
    請求項１に記載の情報処理装置。
14. 前記位置情報は、前記運転者により携帯されるモバイルデバイスにより検出され、
    前記表示画像生成部により生成された表示画像を、前記運転者により携帯されるモバイルデバイスに送信する送信部をさらに含む
    請求項１３に記載の情報処理装置。
15. 車両を運転する、自動車保険の契約者である運転者の運転行為の情報を取得する運転行為取得処理と、
    前記運転行為のうち、事故との相関の高い高事故相関運転行為を抽出する高事故相関運転行為特徴量抽出処理と、
    前記高事故相関運転行為の発生確率、寄与度、およびリスク度に基づいて、運転リスク傾向を算出する運転リスク傾向算出処理と、
    前記リスク度の順位が所定の順位よりも上位となる高事故相関運転行為を、優先注意運転行為として選定する優先注意運転行為選定処理と、
    前記運転リスク傾向算出処理により算出された運転リスク傾向に基づいて、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度を示す表示画像を生成する表示画像生成処理と
    を含む情報処理方法。
16. 車両を運転する、自動車保険の契約者である運転者の運転行為の情報を取得する運転行為取得部と、
    前記運転行為のうち、事故との相関の高い高事故相関運転行為を抽出する高事故相関運転行為特徴量抽出部と、
    前記高事故相関運転行為の発生確率、寄与度、およびリスク度に基づいて、運転リスク傾向を算出する運転リスク傾向算出部と、
    前記リスク度の順位が所定の順位よりも上位となる高事故相関運転行為を、優先注意運転行為として選定する優先注意運転行為選定部と、
    前記運転リスク傾向算出部により算出された運転リスク傾向に基づいて、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度を示す表示画像を生成する表示画像生成部と
    してコンピュータを機能させるプログラム。
17. 車両を運転する、自動車保険の契約者である運転者により携帯される情報処理装置であって、
    前記車両の位置情報を検出する位置検出部と、
    前記車両の加速度を検出する検出部と、
    前記位置情報および加速度の情報をサーバに送信すると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像を取得する通信部とを含み、
    前記表示画像は、前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為の発生確率、寄与度、およびリスク度より算出される運転リスク傾向に基づいて生成され、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度が示される
    情報処理装置。
18. 車両を運転する、自動車保険の契約者である運転者により携帯される情報処理装置の情報処理方法であって、
    前記車両の位置情報を検出する位置検出処理と、
    前記車両の加速度を検出する検出処理と、
    前記位置情報および加速度の情報をサーバに送信すると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像を取得する通信処理とを含み、
    前記表示画像は、
    前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為の発生確率、寄与度、およびリスク度より算出される運転リスク傾向に基づいて生成され、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度が示される
    情報処理方法。
19. 車両を運転する、自動車保険の契約者である運転者により携帯される情報処理装置を制御するコンピュータを、
    前記車両の位置情報を検出する位置検出部と、
    前記車両の加速度を検出する検出部と、
    前記位置情報および加速度の情報をサーバに送信すると共に、前記位置情報および加速度の情報に基づいて、前記サーバにより生成される表示画像を取得する通信部として機能させ、
    前記表示画像は、前記車両を運転する運転者の運転行為のうちの、事故との相関の高い高事故相関運転行為の発生確率、寄与度、およびリスク度より算出される運転リスク傾向に基づいて生成され、前記運転リスク傾向における優先注意運転行為毎の前記リスク度の順位、および、前記優先注意運転行為毎の前記自動車保険の保険料の割引率の指標となるリスク度と前記運転者の前記優先注意運転行為のリスク度との差異の程度が示される
    プログラム。

Images