JP7285799B2 - 事故分析装置、事故分析方法及びプログラム - Google Patents

Description

本発明は、事故分析装置、事故分析方法及びプログラムに関する。

現在、自動車が走行している間、進行方向等の映像を例えば常時記録しておくことが可
能なドライブレコーダーと呼ばれる車載カメラが提供されている。ドライバーは、自身が
運転する自動車にドライブレコーダーを取り付けておくことで、事故発生時の状況説明や
事故が生じた原因の推定等に役立てることができる。

特開２０１８－６５６８０号公報

交通事故が発生すると、保険会社は、事故状況を整理することで事故状況を正確に把握
し、事故状況と過去の事故事例とを突合することで過失割合を算出する。従来、これらの
作業は人手で行っており、手間のかかる作業であった。

そこで、本発明は、好適に事故の状況を分析できる事故分析装置等を提供することを目的とする。

本発明の一態様に係る事故分析装置は、車両が備えるセンサにより計測される車両データと車両が備えるカメラで撮影される映像データとを取得する取得部と、車両データに基づいて、車両の絶対位置を推定する車両位置推定部と、車両位置推定部により推定された車両の絶対位置と、映像データに写っている他車の映像を解析することで得られる、車両と他車との相対的な位置関係を示す情報と、に基づいて他車の絶対位置を推定する他車位置推定部と、を備え、車両位置推定部は、車両が備える測位装置により測定された位置情報に基づいて車両の絶対位置を推定する第１推定部と、映像データの１フレーム目が撮影された第１タイミングにおいて測位装置により測定された位置情報と、映像データの２フレーム目が撮影された第２タイミングの映像データを解析することで得られる、第１タイミングで測定された位置情報に対する車両の相対位置と、に基づいて第２タイミングにおける車両の絶対位置を推定する第２推定部と、第２タイミングにおいて第１推定部により推定した絶対位置と、第２タイミングにおいて第２推定部により推定した絶対位置と、を所定の重みに基づいて平均することで、第２タイミングにおける車両の絶対位置を推定する第３推定部と、を含む。

本発明によれば、好適に事故の状況を分析することができる。

本実施形態に係る事故分析システムの一例を示す図である。 事故分析装置が事故の状況を分析する際の処理手順の概要を示すフローチャートである。 事故分析装置が出力する事故の状況を示す情報の一例を示す図である。 事故分析装置のハードウェア構成例を示す図である。 事故分析装置の機能ブロック構成例を示す図である。 事故分析装置が周辺物の検出及び座標特定を行う際の処理手順を説明するための図である。 事故分析装置が車両と周辺物との相対的な位置関係を推定する際の処理手順を説明するための図である。 事故分析装置が車両と周辺物との絶対位置を推定する際の処理手順を説明するための図である。 車両の絶対位置を推定する処理を説明するための図である。 事故分析装置が生成する画像の一例を示す図である。 衝突方向を説明するための図である。 接触対象を判定する処理を説明するための図である。 接触部位を説明するための図である。 歩行者と横断歩道・安全地帯の位置関係を特定する処理を説明するための図である。 車両及び他車の進行方向を説明するための図である。 事故の状況に関する特定内容を示す図である。 事故事例ＤＢの一例を示す図である。

添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一
の符号を付したものは、同一又は同様の構成を有する。

＜システム構成＞
図１は、本実施形態に係る事故分析システムの一例を示す図である。図１に示す事故分
析システム１は、事故分析装置１０と、端末２０とを含む。事故分析装置１０と、端末２
０は、無線又は有線の通信ネットワークＮを介して接続され、相互に通信を行うことがで
きる。

事故分析装置１０は、事故車両である車両Ｃ（以下の説明において、便宜上「自車」と
呼ぶことがある）が備えるセンサにより計測される車両データと、車両Ｃが備えるカメラ
Ｄで撮影された映像データとを取得し、取得した車両データと映像データとに基づいて、
車両Ｃが起こした事故の状況を分析する機能を有する。また、事故分析装置１０は、分析
により得られた事故の状況と、過去に生じた事故の状況と過去の事故事例に関する情報（
以下、「事故事例」と言う。）とを対応づけた事故事例データベースとを比較することで
、車両Ｃが起こした事故の状況に対応する事故事例を検索する機能を有する。また、事故
分析装置１０は、事故の状況を分析することで得られた車両Ｃの位置と他車の位置とを地
図データ上にマッピングすることで、車両Ｃが起こした事故の状況を示す画像を生成する
機能を有する。車両Ｃが起こした事故の状況を示す画像はどのようなものであってもよい
が、例えば俯瞰図であってもよいし、動画であってもよい。

事故分析装置１０は、１又は複数の物理的な情報処理装置等から構成されていてもよい
し、ハイパーバイザー（hypervisor）上で動作する仮想的な情報処理装置を用いて構成さ
れていてもよいし、クラウドサーバを用いて構成されていてもよい。

車両Ｃが備えるセンサは、例えば、ＧＰＳ受信器、車速センサ、加速度センサ、地磁気
センサ、スロットルセンサ及び／又はウィンカー検出センサ等であってもよい。また、車
両Ｃが備えるセンサにより計測される車両データとは、例えば、車両Ｃの現在位置を示す
緯度及び経度データ、車両Ｃの車速、車両Ｃの加速度、車両Ｃの向いている方向（例えば
北を０度とした場合の角度）、スロットル開度（アクセル開度）及びウィンカーの動作状
況等であってもよい。これに限定されず、車両Ｃは更に他のセンサを備えていてもよい。
また、以上列挙したセンサは、車両Ｃが備えるセンサであってもよいし、カメラＤが備え
るセンサであってもよい。例えば、ＧＰＳ受信器、加速度センサ及び地磁気センサは、車
両ＣではなくカメラＤが備えるセンサであってもよい。

カメラＤは、少なくとも車両Ｃの進行方向の映像を撮影することができるように、車両
Ｃのフロント部分又はフロントガラスに取り付けられている。カメラＤは、ドライブレコ
ーダーであってもよい。また、カメラＤは、更に、車両Ｃの側面方向及び後方を撮影可能
なものであってもよい。

端末２０は、例えば保険会社のオペレータ等が操作する端末であり、事故分析装置１０
が分析した事故の状況、事故の状態に対応する事故事例、及び事故分析装置１０が生成し
た画像を表示する。端末２０は、パーソナルコンピュータ（ＰＣ）、ノートＰＣ、タブレ
ット端末、スマートフォンなど、ディスプレイを備えた情報処理装置であればあらゆる情
報処理装置を用いることができる。

図２は、事故分析装置１０が事故の状況を分析する際の処理手順の概要を示すフローチ
ャートである。まず、事故分析装置１０は、事故を起こした車両Ｃの車両データと事故時
の映像データとを取得する（Ｓ１０、Ｓ１１）。当該車両データ及び映像データは、例え
ば、ＳＤカードやＵＳＢメモリ等の非一時的な記憶媒体に記録されており、当該記録媒体
を事故分析装置１０に接続することで事故分析装置１０に取り込まれもよい。若しくは、
車両Ｃ又はカメラＤが備える通信機能を用いて、無線信号により事故分析装置１０に送信
されることとしてもよい。

続いて、事故分析装置１０は、事故時の映像データをフレームごとに画像解析すること
で、フレームごとの画像に写っている車両Ｃの周囲に存在する１以上の周辺物（他の車両
、人、標識、道路の構造物など）を特定し、更に、特定した周辺物が画像内に写っている
位置を示す座標を特定する（Ｓ１２）。続いて、事故分析装置１０は、特定した周辺物の
座標に基づいて、車両Ｃと車両Ｃの周辺に存在する周辺物との間の相対的な位置関係を推
定する（Ｓ１３）。

続いて、事故分析装置１０は、車両Ｃが備えるＧＰＳセンサにより取得された車両Ｃの
位置情報及び／又は事故時の映像データを用いて車両Ｃの絶対位置を推定する。また、事
故分析装置１０は、推定した車両Ｃの絶対位置と、ステップＳ１３の処理手順で推定した
、車両Ｃと車両Ｃの周辺に存在する周辺物との間の相対的な位置関係とに基づいて、車両
Ｃの周辺に存在する周辺物の絶対位置を推定する（Ｓ１４）。

続いて、事故分析装置１０は、算出した車両Ｃと車両Ｃの周辺に存在する周辺物との絶
対位置を地図データにマッピングすることで、事故の状況を示す画像（俯瞰図や動画を含
む）を生成する（Ｓ１５）。

続いて、事故分析装置１０は、車両Ｃが備える加速度センサにより取得された、衝突の
瞬間に車両Ｃに発生した前後方向及び左右方向の加速度に基づいて、車両Ｃが他の車両や
障害物等に衝突した方向（例えば正面から衝突した等）を推定する（Ｓ１６）。

続いて、事故分析装置１０は、車両Ｃの車両データと、事故時の映像データと、ステッ
プＳ１４の処理手順で推定した車両Ｃ及び車両Ｃの周辺に存在する周辺物の絶対位置と、
ステップＳ１６の処理手順で推定した車両Ｃの衝突方向と、地図データとを用いて、車両
Ｃが起こした事故の状況を示す情報を分析する（Ｓ１７）。当該情報には複数の項目（タ
グと称してもよい）が含まれており、各項目の組み合わせにより事故の状況が特定される
。続いて、事故分析装置１０は、各項目をキーに事故事例データベースを検索することで
、車両Ｃが起こした事故の状況に対応する事故事例を取得する（Ｓ１８）。

以上説明した処理手順の順序は、処理に矛盾が生じない限り任意に入れ替えることがで
きる。例えば、ステップＳ１５の処理手順は、ステップＳ１６、ステップＳ１７又はステ
ップＳ１８の処理手順のいずれかの後であってもよい。

図３は、事故の状況を示す情報に含まれる項目の一例を示す図である。事故の状況を示
す情報は、図３に示すようにＡ～Ｎまでの複数の項目を含んでいる。なお、図３に示す「
Ａ：接触の対象（自動車、障害物等）」は、車両Ｃが接触した対象物を示す情報である。
「Ｂ：接触部位」は、車両Ｃが対象物と接触した部位（例えば、正面、右側面、左前バン
パーなど）を示す。「Ｃ：道路種別」は、事故時に車両Ｃが走行していた道路の種別（直
線、カーブ、交差点、Ｔ字路、高速道路等）を示す。「Ｄ：自車及び他車の信号色」は、
交差点における事故において、車両Ｃ側の信号色及び相手方の信号色を示す。「Ｅ：歩行
者と横断歩道・安全地帯の位置関係」は、歩行者が横断歩道又は安全地帯上で事故にあっ
たのか、又は、歩行者が横断歩道又は安全地帯ではない場所で事故にあったのかを示す。

「Ｆ：自車・他車進行方向」は、車両Ｃ及び他車が、事故時において、直進していたの
か、車線変更していたのか、左折していたのか、右折していたのか、早回り右折をしてい
たのか等を示す。「Ｇ：高速道路上の車線位置」は、高速道路で事故が生じた場合におけ
る車両Ｃが走行していた車線（本線、追い越し車線）を示す。「Ｈ：交差点における優先
関係」は、交差点で事故が発生した場合に、車両Ｃ及び他車のうちどちらが交差点を優先
して通貨すべきであったのかを示す。「Ｉ：一時停止、信号無視違反の有無」は、車両Ｃ
及び他車が、一時停止違反又は信号無視をしていたか否かを示す。「Ｊ：制限速度を守っ
ているか否か」は、車両Ｃ及び他車が、事故直前に制限速度を守っていたか否かを示す。
「Ｋ：自車・他車の衝突前速度」は、事故直前における車両Ｃ及び他車の車速を示す。「
Ｌ：道路上の障害物の有無」は、衝突時、車両Ｃが走行していた道路に障害物が存在して
いたか否かを示す。「Ｍ：衝突対象のドアの開閉」は、衝突時に、相手車両のドアが開い
たのか否かを示す。「Ｎ：衝突前のウィンカーの有無」は、衝突前に、車両Ｃがウィンカ
ーを作動させていたか否かを示す。

＜ハードウェア構成＞
図４は、事故分析装置１０のハードウェア構成例を示す図である。事故分析装置１０は
、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphical processing unit）等のプロ
セッサ１１、メモリ、ＨＤＤ（Hard Disk Drive）及び／又はＳＳＤ（Solid State Drive
）等の記憶装置１２、有線又は無線通信を行う通信ＩＦ（Interface）１３、入力操作を
受け付ける入力デバイス１４、及び情報の出力を行う出力デバイス１５を有する。入力デ
バイス１４は、例えば、キーボード、タッチパネル、マウス及び／又はマイク等である。
出力デバイス１５は、例えば、ディスプレイ及び／又はスピーカ等である。

＜機能ブロック構成＞
図５は、事故分析装置１０の機能ブロック構成例を示す図である。事故分析装置１０は
、記憶部１００と、取得部１０１と、分析部１０２と、生成部１０３と、検索部１０４と
、出力部１０５とを含む。記憶部１００は、事故分析装置１０が備える記憶装置１２を用
いて実現することができる。また、取得部１０１と、分析部１０２と、生成部１０３と、
検索部１０４と、出力部１０５とは、事故分析装置１０のプロセッサ１１が、記憶装置１
２に記憶されたプログラムを実行することにより実現することができる。また、当該プロ
グラムは、記憶媒体に格納することができる。当該プログラムを格納した記憶媒体は、コ
ンピュータ読み取り可能な非一時的な記憶媒体（Non-transitory computer readable med
ium）であってもよい。非一時的な記憶媒体は特に限定されないが、例えば、ＵＳＢメモ
リ又はＣＤ－ＲＯＭ等の記憶媒体であってもよい。

記憶部１００は、事故の状況と事故の事故事例とを対応づけた事故事例ＤＢ（DataBase
）と、地図データＤＢとを記憶する。事故事例ＤＢには、過失割合を示す情報が含まれて
いてもよい。発生した事故の状況に対応する事故事例及び過失割合は、事故の状況を示す
情報をキーとして検索可能であってもよい。地図データＤＢには、道路データ、道路幅、
進行方向、道路種別、交通標識（一時停止、進入禁止等）、制限速度、信号機の位置、交
差点における交差道路数等の各種データが含まれる。なお、記憶部１００は、事故分析装
置１０と通信可能な外部のサーバで実現されることとしてもよい。

取得部１０１は、車両Ｃ（事故車両）が備えるセンサにより計測される車両データと車
両Ｃが備えるカメラで撮影される映像データとを取得する機能を有する。

分析部１０２は、取得部１０１が取得した車両データと映像データとに基づいて、車両
Ｃが起こした事故の状況を分析する機能を有する。なお、分析部１０２が分析する事故の
状況には、少なくとも、車両Ｃが交差点を通過する場合における信号の色、交差点を通過
する際の優先関係、及び、車両Ｃの車速が制限速度を超えているか否かを含んでいてもよ
い。

また、車両Ｃの車両データには、少なくとも車両Ｃが備えるＧＰＳ装置により測定され
た車両Ｃの絶対位置を示す情報が含まれており、分析部１０２は、車両Ｃの絶対位置を示
す情報と、映像データに写っている他車の映像を解析することで得られる、車両Ｃと当該
他車との相対的な位置関係を示す情報とに基づいて当該他車の絶対位置を推定するように
してもよい。また、分析部１０２は、車両Ｃ及び他車の絶対位置を時系列で推定するよう
にしてもよい。

また、分析部１０２は、当該映像データを分析することで車両Ｃの絶対位置を推定し、
映像データを分析することで推定した事故車両の絶対位置と、ＧＰＳ装置により測定され
た車両Ｃの絶対位置とを所定の重みに基づいて平均した絶対位置を、車両Ｃの絶対位置と
みなすことで、事故の状況を分析するようにしてもよい。

また、分析部１０２は、映像データのうち他車が写っている箇所の画像サイズと、画像
サイズと距離との対応関係を示すデータとを比較し、車両Ｃと他車との相対的な位置関係
を示す情報の一つである、車両Ｃと当該他車との間の距離を推定することで、事故の状況
を分析するようにしてもよい。

また、分析部１０２は、映像データのうち他車が写っている箇所の座標と映像データの
中心座標との差分と、座標と角度との対応関係を示すデータとを比較し、車両Ｃと他車と
の相対的な位置関係を示す情報の一つである、車両Ｃの進行方向と他車が存在する方向と
の角度差を推定することで、事故の状況を分析するようにしてもよい。

生成部１０３は、車両Ｃの絶対位置と他車の絶対位置とを地図データにマッピングする
ことで、車両Ｃが起こした事故の状況を示す画像を生成する機能を有する。当該画像には
、俯瞰図や動画を含んでいてもよい。例えば、生成部１０３は、事故の状況を示す画像を
時系列順に並べた動画を生成するようにしてもよい。

検索部１０４は、分析部１０２により分析された車両Ｃが起こした事故の状況と、事故
の状況と過去の事故事例とを対応づけた事故事例ＤＢ（事故事例データ）とを比較するこ
とで、車両Ｃが起こした事故の状況に対応する事故事例を検索する機能を有する。また、
検索部１０４は、車両Ｃが起こした事故の状況に対応する事故事例として、車両Ｃが起こ
した事故における車両Ｃの過失割合を検索するようにしてもよい。

また、事故事例には、過失割合を修正する１以上の修正割合（修正情報）が含まれてい
てもよい。検索部１０４は、１以上の修正割合の中に、事故車両が起こした事故の状況に
対応する修正割合が存在する場合、事故車両の過失割合を当該修正割合に従って修正する
ようにしてもよい。修正割合については後述する。

出力部１０５は、分析部１０２が分析した事故の状況を示す情報、検索部１０４が検索
した事故の状態に対応する事故事例、及び、生成部１０３が生成した事故の状況を示す画
像を端末２０に出力する機能を有する。

＜処理手順＞
続いて、事故分析装置１０が、車両Ｃが起こした事故状況を分析する際の処理手順を、
図２で説明した処理手順に沿って詳細に説明する。以下の説明においては、事故分析装置
１０は、事故を起こした車両Ｃから車両データ及び映像データを取得済みであるものとす
る。また、車両データ及び映像データには、それぞれ時刻情報又は同期情報が含まれてい
るものとする。すなわち、本実施形態では、ある時点における映像データを分析する際、
当該時点に対応する車両データを用いて分析を行うことが可能である、逆に、ある時点に
おける車両データを分析する際、当該時点に対応する映像データを用いて分析を行うこと
が可能である。

（周辺物の検出及び座標特定）
図６は、事故分析装置１０が周辺物の検出及び座標特定を行う際の処理手順を説明する
ための図である。当該処理手順は、図２のステップＳ１２の処理手順に対応する。

分析部１０２は、映像データをフレームごとに分解することで得られた各画像を解析す
ることで、画像内に写っている車両、人、自転車、交通標識、信号機（信号の色や矢印信
号を含む）、道路周辺の構造物（電柱、街路灯、ガードレール等）、落下物、路面文字、
横断歩道及び車線等を含む１以上の周辺物を特定する。また、分析部１０２は、特定した
１以上の周辺物の各々について、画像内にて周辺物が写っている領域の座標を特定する。

図６の例は、映像データをフレームごとに分解することで得られた各画像のうちＸフレ
ーム目の画像例を示している。Ｘ軸は、左端を０とする左右方向のピクセル数（Ｘ方向の
座標）を示し、Ｙ軸は、下端を０とする上下方向のピクセル数（Ｙ方向の座標）を示して
いる。図６の例では、車両Ｃが走行している車線（左から２つ目の車線）の左側の車線の
奥にトラックが写っており、車両Ｃが走行している車線の右側の車線に乗用車が写ってい
る。分析部１０２は、認識対象（例えば他の車両、人、自転車、道路標識、信号機、道路
周辺の構造物（電柱、街路灯、ガードレール等）、落下物及び車線等）を認識することが
可能な能力を学習した学習済みモデルを備えており、当該学習済みモデルに画像を入力す
ることで、画像内に写っている１以上の周辺物の種別及び周辺物の領域を特定するように
してもよい。このような処理は、例えばＹＯＬＯ（Your Only Look Once）、Ｍａｓｋ
Ｒ－ＣＮＮ（Mask Regional Convolutional Neural Network）等の既存技術を利用するこ
とで実現することが可能である。

図６のＡの例では、分析部１０２は、領域Ｃ１（Ｘ＝７００及びＹ＝３００の点を左上
とし、Ｘ＝９００及びＹ＝３００の点を右下とする長方形領域）にトラックが写っている
ことと、領域Ｃ２（Ｘ＝１４００及びＹ＝２５０の点を左上とし、Ｘ＝１７５０及びＹ＝
５０の点を右下とする長方形領域）に乗用車が写っていることを特定している。また、同
様に、領域Ｃ３～Ｃ６（座標は図示せず）には、電柱が写っていることを特定している。

図６のＢの例は、分析部１０２が、フレーム毎に周辺物を特定した結果の例を示してい
る。

また、分析部１０２は、フレームごとの画像の解析結果を突合することで、車両がウィ
ンカーを点滅させているか否か、車両のドアが開閉したか否か及び人が立っているのか座
っているのか又は倒れているのかを特定するようにしてもよい。例えば、分析部１０２は
、ウィンカーの点滅有無を、各画像にて認識された車両のウィンカー部分の色が周期的に
変化しているか否かを判定することで特定するようにしてもよい。

また、分析部１０２は、車両のドアが開閉したか否かを、各画像にて認識された車両の
ドア部分の変化を判定することで特定するようにしてもよい。また、分析部１０２は、人
が立っているのか座っているのか又は倒れているのかを、人が写っている領域の上下方向
の長さと左右方向の長さの比率に基づいて特定するようにしてもよい。なお、人の姿勢の
特定は、例えば、Realtime Multi-Person 2D Pose Estimation using Part Affinity Fie
lds等の従来技術を利用することができる。

（自車と周辺物との相対的な位置関係の推定）
図７は、事故分析装置１０が車両Ｃと周辺物との相対的な位置関係を推定する際の処理
手順を説明するための図である。当該処理は、図２のステップＳ１３の処理手順に対応す
る。

分析部１０２は、画像内で特定された１以上の周辺物が写っている領域に基づいて、車
両Ｃと車両Ｃの周辺に存在する周辺物との間の相対的な位置関係を周辺物ごとに推定する
。より詳細には、分析部１０２は、周辺物が写っている領域の大きさに基づいて、車両Ｃ
から当該周辺物までの距離（図７のＢにおけるｄ１及びｄ２）を推定する。また、分析部
１０２は、周辺物が写っている領域の中心座標と画像の中心座標との左右方向の差分に基
づいて、車両Ｃの進行方向（画像の中心方向）を基準（０度）とした場合における、当該
周辺物が存在する左右方向の角度（図７のＢにおけるθ１及びθ２）を推定する。

［周辺物までの距離の算出例］
図７のＡを用いて具体例を示す。まず、分析部１０２には、カメラＤを用いて１ｍ先に
、長さ１ｍの物体を垂直方向（又は水平方向）に置いて撮影した場合、画像内において何
ピクセルを占めるのかを示すデータが格納済みであるものとする。当該データは、カメラ
の画角（レンズ角）によって異なることから、カメラＤの機種ごとに対応づけられて格納
されていてもよい。また、カメラＤの機種によっては、広角レンズ又は魚眼レンズを利用
していることが多い。そのため、分析部１０２は、カメラＤで撮影された映像データにつ
いて、カメラＤのレンズ特性に合わせて歪み補正を行った後で、以下に示す、周辺物まで
の距離の算出及び周辺物が存在する左右方向の角度の算出を行うようにしてもよい。歪み
補正については、キューピック補間等の従来技術を利用することで実現可能である。

図７のＡの例では、１ｍ先に長さ１ｍの物体を垂直方向に置いて撮影した場合、垂直方
向に１００ピクセルであると仮定する。同様に、１０ｍ先に、長さ１ｍの物体を垂直方向
（又は水平方向）に置いて撮影した場合、画像内において何ピクセルを占めるのかを予め
調べておく。図７の例では、１０ｍ先に長さ１ｍの物体を垂直方向に置いて撮影した場合
、垂直方向に１０ピクセルであると仮定する。

また、周辺物ごとに垂直方向（又は水平方向）の大きさを予め定めておく。例えば、ト
ラックの場合、垂直方向の長さ（高さ）は２ｍであり、乗用車の場合は１．５ｍといった
ように定めてもよい。

前述した通り、１ｍ先にある長さ１ｍの物体の垂直方向のピクセル数が１００ピクセル
であり、１０ｍ先にある長さ１ｍの物体の垂直方向のピクセル数が１０ピクセルであると
すると、高さ２ｍのトラックが１ｍ先にある場合、垂直方向のピクセル数は２００ピクセ
ルであり、高さ２ｍのトラックが１０ｍ先にある場合、垂直方向のピクセル数は２０ピク
セルであると計算することができる。より具体的には、ピクセル数をＸとし、距離をＹと
すると、以下の式が成立する。

Ｙ＝２００÷Ｘ （式１）
次に、分析部１０２は、式１を用いて、車両Ｃとトラックとの間の距離を算出する。図
７のＡの例では、領域Ｃ１の垂直方向の長さは、５０（（４００－３００）÷２）＝５０
ピクセルである。従って、式１によれば、Ｙ＝２００÷５０＝４ｍであると算出すること
ができる。

なお、車両ＣにカメラＤを取り付ける高さ（地面からの高さ）及びカメラＤを向けるべ
き方向が高精度で固定されている状況であれば、Ｙ軸の値のみで周辺物までの距離を特定
することが可能である。しかしながら、以上説明した処理手順によれば、ドライブレコー
ダーをレンタルする場合等のようにカメラＤの取り付け位置がドライバーによって異なる
場合であっても、車両Ｃと周辺物との間の距離を特定することが可能になる。

［周辺物が存在する左右方向の角度の算出例］
図７のＡを用いて具体例を示す。まず、分析部１０２には、カメラＤの画角（レンズ角
）を示すデータを格納してあるものとする。当該データは、カメラＤの機種によって異な
ることから、カメラＤの機種ごとに対応づけられて格納されていてもよい。

ここで、カメラＤの画角を画面の左右方向のピクセル数で割ることで、１ピクセルが画
角の何度に該当するのかが判明する。例えば画面の左右方向の全ピクセル数が２０００ピ
クセルであり、カメラＤの画角が８０度である場合、２００ピクセルは８度に該当する。
つまり、画像において周辺物が写っている領域の中心位置と、画像の中心位置との水平方
向におけるピクセル数の差分を計算することで、周辺物が、車両Ｃの進行方向を０度とし
た場合に、周辺物が存在する左右方向の角度（水平面における角度）を算出することがで
きる。

例えば、図７のＡにおいてトラックが写っている領域のＸ方向の中心位置は、Ｘ＝８０
０である。また、カメラＤの画角は８０度であり、画面の左右方向の全ピクセル数は２０
００ピクセルであるとする。また、画像の中心位置は、Ｘ＝１０００である。従って、ト
ラックが写っている領域の中心位置と、画像の中心位置とは、２００ピクセル（１０００
－８００）離れている。前述した通り、２００ピクセルは８度に該当することから、車両
Ｃとトラックとの間の左右方向の角度（図７のＢのθ１）は８度であると算出することが
できる。

なお、以上説明した計算方法では、周辺物が車両Ｃに極端に接近し、周辺物の一部が画
像の外に出てしまった場合には距離及び角度の算出が不可能になる。しかしながら、周辺
物の一部が画像の外に出ている場合は、周辺物と車両Ｃとの距離は一定の距離以内である
と推定することが可能である。また、前後のフレームの画像における周辺物の位置の変化
に基づいて、画像から消えた周辺物の位置を推定することも可能である。

例えば、あるフレームＸの画像では周辺物の一部が画像の外に出ているが、１フレーム
前であるフレームＸ－１の画像では、当該周辺物の全体が写っており、車両Ｃと当該周辺
物との間の距離が１０ｍであったと仮定する。また、更に１フレーム前であるフレームＸ
－２の画像では、車両Ｃと当該周辺物との間の距離が１１ｍであったと仮定する。この場
合、フレームＸの画像における車両Ｃと当該周辺物との間の距離は、９ｍの距離であると
推定することができる。また、周辺物が車両である場合、車両全体を画像認識することで
距離の推定を行うのではなく、車両の一部（例えばナンバープレートなど）に限定して画
像認識するようにしてもよい。これにより、車両の一部が画像の外に出た場合であっても
、ナンバープレートが画像に写っている限り、車両Ｃとの間の距離及び角度を推定するこ
とが可能になる。

（自車位置と周辺物の絶対位置を推定）
図８は、事故分析装置１０が車両Ｃと周辺物との絶対位置を推定する際の処理手順を説
明するための図である。当該処理は、図２のステップＳ１４の処理手順に対応する。

まず、分析部１０２は、車両Ｃの絶対位置を推定する。分析部１０２は、車両Ｃの車両
データに含まれる、車両Ｃが備えるＧＰＳセンサにより取得された車両Ｃの位置情報を用
いて、車両Ｃの絶対位置を推定するようにしてもよい。又は、分析部１０２は、事故時の
映像データを、例えばStructure From MotionまたはSimultaneous Localization and Map
pingと呼ばれる従来技術（以下、便宜上「ＳＦＭ」と言う）を用いて分析することで得ら
れた車両Ｃの絶対位置と、ＧＰＳセンサにより推定された車両Ｃの絶対位置とを合成する
ことで、より正確な車両Ｃの絶対位置を推定するようにしてもよい。

［ＳＦＭに基づく車両Ｃの絶対位置の推定］
ＳＦＭを用いることで、映像データにおける各フレームの画像に含まれる特徴点を抽出
し、抽出した特徴点から各フレームの画像における対応点（対応する特徴点）を特定し、
更に特定した対応点の動きを追うことでカメラの動きを再現することができる。特徴点の
抽出には、例えば、ＳＩＦＴ特徴量と呼ばれる従来技術を用いることで実現することがで
きる。また、対応点の特定は、例えばＦＬＡＮＮ（Fast Library for Approximate Neare
st Neighbors）と呼ばれる従来技術を用いることで実現することができる。

ここで、映像データを撮影したカメラは、車両Ｃに搭載されたカメラＤであることから
、再現されたカメラの動きは、車両Ｃの動きであるとみなすことができる。また、車両Ｃ
の車両データには車速データが含まれていることから、当該車速データと映像データにお
けるフレームレートとを突合することで、各フレーム間で車両Ｃが移動した距離を推定す
ることができる。例えば、車両Ｃが時速６０ｋｍで走行しており、映像データのフレーム
レートが１秒間に１５フレームである場合、１フレームあたりの車両Ｃの移動距離は約１
ｍになる。

なお、並走している他の車両ではなく、周囲の環境に対する車両Ｃの動きを求めるため
に、分析部１０２は、特徴点を抽出する際、移動している周辺物の特徴点を除外し、固定
的に設置されている周辺物を対象に特徴点を抽出する。例えば、分析部１０２は、交通標
識、信号機及び道路周辺の構造物（電柱、街路灯、ガードレール等）を対象に特徴点を抽
出するようにしてもよい。なお、周辺物の種別については、前述した学習済みモデルに識
別させることで把握可能である。

例えば、図８のＡは、フレームＮにおける画像データであり、図８のＢは、フレームＮ
＋１における画像データを示している。図８のＡと図８のＢでは、固定的に設置されてい
る周辺物に対応する領域Ｃ３～Ｃ６は車両Ｃの移動に従って後方に移動しているが、移動
しているトラックの領域Ｃ１の位置は殆ど変化しておらず、対向車線を車両Ｃに向かって
走行している乗用車の領域Ｃ２の位置は、大きく変化している。

ＳＦＭを用いることで、分析部１０２は、例えば、２フレーム目の車両Ｃの位置は、１
フレーム目と比較して２ｍ前方かつ１ｍ左に移動しており、３フレーム目の車両Ｃの位置
は、２フレーム目と比較して２．５ｍ前方かつ０．５ｍ左に移動しているといったように
、映像データの１フレーム目を基準とした車両Ｃの相対位置を示す情報を算出することが
できる。

続いて、分析部１０２は、ＧＰＳセンサにより取得された車両Ｃの絶対位置を示す位置
情報の中から、映像データの１フレーム目が撮影された時刻に該当する位置情報を選択す
る。ＧＰＳセンサにより取得された位置情報には時刻情報が含まれており、本実施形態に
おける映像データにも録画された時刻を示す時刻情報が含まれている。従って、分析部１
０２は、映像データに含まれる時刻と位置情報に含まれる時刻とを突合することで、映像
データの１フレーム目に該当するＧＰＳの位置情報を選択することができる。

続いて、分析部１０２は、映像データの１フレーム目に該当するＧＰＳの位置情報を用
いて、映像データの２フレーム目以降における車両Ｃの絶対位置を特定する。前述した通
り、分析部１０２は、フレーム間における相対的な移動を示す情報を算出している。また
、本実施形態における車両データには、映像の正面方向がどの方角を向いているのかを示
す方位データが含まれており、前方がどの方向を指しているのかを方位データより把握可
能である。従って、分析部１０２は、選択したＧＰＳの位置情報を１フレーム目における
車両Ｃの絶対位置とすることで、２フレーム目の車両Ｃの相対位置（ＳＦＭにより求めた
相対位置）に相当する車両Ｃの絶対位置（緯度及び経度）を算出することができる。例え
ば、ＧＰＳセンサにより取得された１フレーム目の緯度が１３４．４５度であり、経度が
３２．８５度である場合、当該緯度及び経度を起点として、北方向に２ｍ前方かつ西方向
に１ｍ移動した位置に該当する緯度及び経度が、２フレーム目における車両Ｃの絶対位置
になる。分析部１０２は、当該処理をフレームごとに繰り返すことで、ＳＦＭに基づく車
両Ｃの絶対位置（緯度及び経度）を、全てのフレームについて算出する。

［車両Ｃの絶対位置の推定］
図９に示すように、分析部１０２は、ＳＦＭに基づく車両Ｃの絶対位置と、ＧＰＳによ
る車両Ｃの絶対位置とを用いて、車両Ｃの絶対位置をフレームごとに推定する。図９の左
図に示す地点ｆ１１～ｆ１６は、それぞれ、映像データの１フレーム～６フレームを解析
することで得られた車両Ｃの絶対位置であると仮定する。また、図９の中央の図に示す地
点ｆ２１～ｆ２６は、ＧＰＳにより得られた車両Ｃの絶対位置のうち、映像データの１フ
レーム～６フレームに対応する時刻における車両Ｃの絶対位置であると仮定する。図９の
右図に示す地点ｆ３１～ｆ３６は、推定された車両Ｃの絶対位置を示す。なお、前述した
通り、映像データの１フレームに対応する車両Ｃの絶対位置を示す地点ｆ１１は、地点ｆ
２１と同一地点である。

分析部１０２は、例えば、ＳＦＭに基づく車両Ｃの絶対位置と、ＧＰＳによる車両Ｃの
絶対位置とを単純に平均した絶対位置を、車両Ｃの絶対位置として推定してもよい。例え
ば、時速３０ｋｍ以上については、合計値を２で割った値を車両Ｃの絶対位置とするよう
にしてもよい。もし、地点ｆ１３及び地点ｆ２３における車両Ｃの車速が３０ｋｍ以上で
あった場合、車両Ｃの絶対位置（地点ｆ３３）のうち緯度は、（地点ｆ１３の緯度＋地点
ｆ２３の緯度）÷２で算出することができる。同様に、車両Ｃの絶対位置（地点ｆ３３）
のうち経度は、（地点ｆ１３の経度＋地点ｆ２３の経度）÷２で算出することができる。

また、分析部１０２は、車両Ｃの車速に応じて、ＳＦＭに基づく車両Ｃの絶対位置と、
ＧＰＳによる車両Ｃの絶対位置とを所定の重みで平均した絶対位置を、車両Ｃの絶対位置
とするものであってもよい。例えば、時速３０ｋｍ未満（例えば５ｋｍなど）については
、ＳＦＭに基づく車両Ｃの絶対位置の方が精度が高いとみなして、ＳＦＭに基づく車両Ｃ
の絶対位置と、ＧＰＳによる車両Ｃの絶対位置とを、例えば４：１の割合で平均した絶対
位置を、車両Ｃの絶対位置とするようにしてもよい。もし、地点ｆ１６及び地点ｆ２６に
おける車両Ｃの車速が５ｋｍ以上であった場合、車両Ｃの絶対位置（地点ｆ３６）のうち
緯度は、（地点ｆ１６の緯度×４＋地点ｆ２６の緯度×１）÷５で算出することができる
。同様に、車両Ｃの絶対位置（地点ｆ３６）のうち経度は、（地点ｆ１６の経度×４＋地
点ｆ２６の経度×１）÷５で算出することができる。

なお、分析部１０２は、ノイズ除去処理がなされたＳＦＭに基づく車両Ｃの絶対位置と
、ノイズ除去処理がなされたＧＰＳによる車両Ｃの絶対位置と用いて、車両Ｃの絶対位置
をフレームごとに推定するようにしてもよい。ノイズ除去には、例えばカルマンフィルタ
を利用することとしてもよい。ＳＦＭに基づく車両Ｃの絶対位置のノイズを除去するため
に使用するカルマンフィルタと、ＧＰＳによる車両Ｃの絶対位置のノイズを除去するため
に使用するカルマンフィルタとは、異なるカルマンフィルタであってもよい。推定する車
両Ｃの絶対位置の精度をより向上させることが可能になる。

［周辺物の絶対位置を推定］
分析部１０２は、推定したフレームごとの車両Ｃの絶対位置と、フレームごとの車両Ｃ
と周辺物との相対的な位置関係とに基づき、周辺物の絶対位置をフレームごとに算出する
。前述した通り、車両Ｃと周辺物との相対的な位置関係は、図７のＢに示すように、車両
Ｃと周辺物との間の距離と、車両Ｃの進行方向（画像の中心方向）を基準（０度）とした
場合における、当該周辺物が存在する左右方向の角度で示される。分析部１０２は、フレ
ームごとの車両Ｃの絶対位置についてフレーム間で差分を取ることで得られた車両Ｃの絶
対位置の移動方向を車両Ｃの進行方向とし、推定した進行方向を基準として、周辺物の相
対位置に対応する緯度及び経度を算出することで、周辺物の絶対位置（緯度、経度）を得
ることができる。

（事故状況を示す画像の生成）
生成部１０３は、以上説明した処理手順により推定した、フレームごとの車両Ｃの絶対
位置と周辺物の絶対位置とを道路地図上にマッピングすることで事故状況を示す画像を生
成する。当該処理は、図２のステップＳ１５の処理手順に対応する。

図１０は、事故分析装置１０が生成する画像の一例を示す図である。図１０におけるＹ
軸及びＸ軸は、それぞれ、緯度及び経度に対応する。図１０のＡ～Ｅに示す道路において
、中央の線は中央分離帯を示している。また、右側２車線は下から上に向かって走行する
車線であり、左側２車線は、上から下に向かって走行する車線である。図１０のＡ～Ｅは
、それぞれ、フレームＸ、フレームＸ＋１、フレームＸ＋２、フレームＸ＋３、フレーム
Ｘ＋４に対応しているものと仮定するが、あくまで一例でありこれに限定されるものでは
ない。フレームごとの車両Ｃの絶対位置と周辺物の絶対位置とを道路地図上にマッピング
することで、事故の状況を再現することができる。例えば図１０のＡの時点では車両Ｃの
対向車線から乗用車Ｖ２走ってきており、図１０のＢの時点で車両Ｃと乗用車Ｖ２が接近
しており衝突した様子が図示されている。なお、衝突の有無及び衝突部位の表示について
は、後述する「衝突位置の推定」に関する処理手順により推定した結果を利用することと
してもよい。

なお、図１０のＣ～Ｅでは、乗用車Ｖ２が存在しない。これは、車両Ｃの後方に乗用車
Ｖ２が移動したことで、カメラＤに乗用車Ｖ２が写らなくなったためである。もし、カメ
ラＤが、車両の後方も撮影可能である場合、車両Ｃの後方を撮影した映像データを解析す
ることで、衝突後における乗用車Ｖ２の動きを推定して事故状況を示す画像に反映させる
ことが可能である。

（衝突方向の推定）
分析部１０２は、衝突の瞬間に車両Ｃに発生した加速度に基づいて、車両Ｃが他の車両
、障害物等に衝突した方向を推定する。当該処理は、図２のステップＳ１６の処理手順に
対応する。

より具体的には、分析部１０２は、衝突の瞬間に車両Ｃに発生した加速度パターンによ
り、衝突の方向判断を行う。衝突が発生すると、車両Ｃには、衝突対象が存在する方向に
マイナスの加速度が発生するともに、衝突の反動によって、衝突方向とは反対向きにも加
速度が発生する。つまり、車両Ｃには、衝突物のある方向と、当該方向と１８０度反対方
向を結ぶ軸上で往復するように加速度が発生することが一般的である。

そこで、分析部１０２は、衝突時点の時刻から所定の期間内における加速度センサから
の出力値を方向別に合計し、合計値が大きい方向を衝突方向と推定する。より詳細には、
図１１のＡに示すように、加速度の方向を、車両Ｃの正面方向を０度とした場合に、正面
（Ｄ１：３３７．５度～２２．５度）、右前方（Ｄ２：２２．５度～６７．５度）、右（
Ｄ３方向：６７．５度～１１２．５度）、右後方（Ｄ４：１１２．５度～１５７．５度）
、後方（Ｄ５：１５７．５度～２０２．５度）、左後方（Ｄ６：２０２．５度～２４７．
５度）、左（Ｄ７：２４７．５度～２９２．５度）、及び左前方（Ｄ８：２９２．５度～
３３７．５度）の８方向別に合計し、合計値が大きい方向を衝突方向とみなす。なお、加
速度センサで計測される加速度は、慣性の法則に従った加速度である。従って、衝突の際
、衝突方向に正の加速度が計測される。

なお、分析部１０２は、加速度センサが最も大きな加速度を検出した時点を衝突時点の
時刻とみなすようにしてもよい。カメラＤがドライブレコーダーである場合、分析部１０
２は、ドライブレコーダーに記録された衝突時点の時刻を衝突時点の時刻とみなすように
してもよい。

図１１のＢに示すように、車両Ｃが車両Ｖと右前方で接触した場合、加速度センサから
は、例えば、時刻１（４５度方向、３．０Ｇ）、時刻２（４７度方向、１．０Ｇ）、時刻
３（２２５度方向、２．５Ｇ）、時刻４（２２７度方向、０．５Ｇ）、時刻５（４０度方
向、２．０Ｇ）という加速度データが時系列順に取得されたと仮定する。つまり、車両Ｃ
は、時刻１の時点で車両Ｖと衝突したことで、急激に減速し、その後、右前方及び左後方
との間で往復するような加速度が生じている。

この場合、右前方（Ｄ２）に該当する加速度の合計は、３．０Ｇ＋１．０Ｇ＋２．０Ｇ
＝６．０Ｇであり、左後方（Ｄ６）に該当する加速度の合計は、２．５Ｇ＋０．５Ｇ＝３
．０Ｇである。従って、分析部１０２は、右前方（Ｄ２）方向を、衝突方向と推定する。

また、分析部１０２は、映像データを分析することで、車両Ｃが歩行者に衝突した方向
を推定するようにしてもよい。例えば、前述した周辺物の検出を行う処理において、画像
において、歩行者が所定の大きさ以上に写った場合に、車両Ｃと歩行者とが、正面（Ｄ１
）方向で衝突したと推定するようにしてもよい。車両Ｃと歩行者とが衝突する場合、加速
度センサが検出する加速度は、他車と衝突する場合と比較して小さいこと、及び、車両Ｃ
と歩行者とが衝突する場合、正面衝突することが殆どである。従って、車両Ｃと歩行者と
の衝突を検出する場合、映像データを分析することが好ましい。

（事故の状況を示す情報の出力）
分析部１０２は、車両Ｃが起こした事故の状況を示す情報を出力する。当該処理は、図
２のステップＳ１７の処理手順に対応する。前述したように、分析部１０２は、事故の状
況を示す情報として、図３に示す各項目を出力する。以下、図３に示す各項目を特定する
際の処理手順を詳細に説明する。なお、以下の説明にて、「他車」とは車両Ｃが衝突した
相手を意味する。

［Ａ：接触の対象（自動車、障害物等）］
分析部１０２は、車両Ｃが衝突した時刻において、車両Ｃの衝突方向を中心とする所定
範囲（例えば４５度の範囲）に存在する周辺物のうち車両Ｃに最も近い周辺物を、車両Ｃ
に接触した対象物であると特定する。より具体的には、分析部１０２は、車両Ｃが衝突し
た時刻における周辺物の絶対位置（又は車両Ｃが衝突した時刻に最も近いフレームの画像
を検索することで得られた周辺物の絶対位置）のうち、車両Ｃの衝突方向を中心とする所
定範囲に存在し、かつ、車両Ｃに最も近い位置に存在する周辺物を抽出し、抽出した周辺
物を、車両Ｃに接触した対象物であると特定する。

図１２を用いて具体例を説明する。図１２において、車両Ｃは右前方で周辺物と衝突し
たものと仮定する。図１２のＡの場合、車両Ｃの右前方方向に最も近い位置にある対象物
は乗用車Ｖ１である。従って、分析部１０２は、車両Ｃは、乗用車Ｖ１と衝突したと特定
する。同様に図１２のＢの場合、車両Ｃの右前方方向に最も近い位置にある対象物は乗用
車Ｖ５である。従って、分析部１０２は、車両Ｃは、乗用車Ｖ５と衝突したと特定する。

なお、車両Ｃの衝突方向が、カメラＤで撮影していない方向である場合（つまり、車両
Ｃの前方しか撮影していない場合）、その方向については周辺物の絶対値を推定すること
ができないことから、接触した対象物を特定することができない。この場合、分析部１０
２は、何らかの車が衝突したものとみなすようにしてもよい。

［Ｂ：接触部位］
分析部１０２は、車両Ｃの衝突位置に応じて、接触部位を特定する。具体的には、衝突
方向が図１１の正面（Ｄ１）である場合、接触部位は、図１３に示す前バンパーであると
する。また、衝突方向が右前方（Ｄ２）である場合、接触部位は、図１３に示す右前バン
パーであるとする。また、衝突方向が右（Ｄ３）である場合、接触部位は、図１３に示す
右側面であるとする。また、衝突方向が右後方（Ｄ４）である場合、接触部位は、図１３
に示す右後バンパーであるとする。また、衝突方向が後方（Ｄ５）である場合、接触部位
は、図１３に示す後バンパーであるとする。また、衝突方向が左後方（Ｄ６）である場合
、接触部位は、図１３に示す左後バンパーであるとする。また、衝突方向が左（Ｄ７）で
ある場合、接触部位は、図１３に示す左側面であるとする。また、衝突方向が左前方（Ｄ
８）である場合、接触部位は、図１３に示す左前バンパーであるとする。

［Ｃ：道路種別］
分析部１０２は、車両Ｃが衝突した時刻における車両Ｃの絶対位置と、地図データとを
突合することで、衝突時に車両Ｃが走行していた道路の道路種別を特定する。分析部１０
２が特定する道路種別には、一般道、高速道路といった情報に加えて、直線道路、カーブ
、交差点の中及びＴ字路の中といった情報が含まれていてもよい。

［Ｄ：自車及び他車の信号色］
分析部１０２は、映像データをフレームごとに画像解析することで特定した信号機の色
や矢印信号を用いて、信号色を特定する。例えば、分析部１０２は、衝突時に車両Ｃが走
行していた道路の道路種別が交差点の中である場合、映像データを解析することで特定さ
れた信号機の色のうち、衝突時の時刻に最も近い時刻のフレームの画像であって、かつ、
車両Ｃが交差点に進入する前に特定された信号機の色を、車両Ｃ側の信号色（青、黄、赤
のいずれか）であると特定する。車両Ｃが交差点に進入する前か否かは、車両Ｃの絶対位
置と地図データとを突合することで判定可能である。

なお、交差点において交差する側の信号色は映像データには映らないか、又はごく短い
時間しか映っておらず判定が困難であることが想定される。そこで、分析部１０２は、車
両Ｃ側の信号色が青である場合、交差する側の信号色は赤であると特定するようにしても
よい。もし、車両Ｃと衝突した他車が交差点を交差する側の道路を走行している場合、当
該他車の側の信号は赤であった（つまり、他車は赤信号で交差点に進入した）と特定され
ることになる。同様に、分析部１０２は、車両Ｃ側の信号色が赤である場合、交差する側
の信号色は青であると特定するようにしてもよい。もし、車両Ｃと衝突した他車が交差点
を交差する側の道路を走行している場合、当該他車の側の信号は青であった（つまり、他
車は青信号で交差点に進入した）と特定されることになる。

［Ｅ：歩行者と横断歩道・安全地帯の位置関係］
車両Ｃと接触した対象が歩行者である場合、分析部１０２は、映像データをフレームご
とに画像解析することで特定した歩行者の絶対位置及び横断歩道（又は安全地帯）の絶対
位置を用いて、歩行者と横断歩道・安全地帯の位置関係を特定する。なお、分析部１０２
は、横断歩道の絶対位置については、地図データから取得するようにしてもよい。

分析部１０２は、車両Ｃが歩行者と衝突した時刻よりも前のフレームの画像であって最
後に横断歩道又は安全地帯が写っているフレームの画像を解析することで得られる車両Ｃ
の絶対位置と、接触した歩行者の絶対位置とを結んだ線が横断歩道又は安全地帯の領域の
うち最も車両Ｃから遠い側とぶつかる点を算出する。続いて、分析部１０２は、人の絶対
位置と当該点との距離が所定距離（例えば７ｍ）以内である場合、事故に遭った歩行者は
横断歩道又は安全地帯上にいたと特定する。また、分析部１０２は、人の絶対位置と当該
点との距離が所定距離（例えば７ｍ）を超える場合、事故に遭った歩行者は横断歩道又は
安全地帯上にはいなかったと特定する。

図１４は、歩行者と横断歩道・安全地帯の位置関係を特定する処理を説明するための図
である。例えば、図１４において、分析部１０２は、車両Ｃの絶対位置（車両Ｃの中心の
絶対位置）Ｐ１と歩行者の絶対位置Ｐ３を結ぶ線Ｌが横断歩道のうち最も車両Ｃから遠い
側とぶつかる点Ｐ２を算出し、歩行者の絶対位置Ｐ３と点Ｐ２との間の距離が所定距離で
ある場合、歩行者Ｒは横断歩道上にいたものとみなす。

図１４のＡの例では、歩行者は横断歩道上にいるが、図１４のＢの例では、歩行者は横
断歩道上にはいない。しかしながら、どちらの例も、分析部１０２は、歩行者の絶対値Ｐ
３と点Ｐ２との距離が所定距離以内であれは、歩行者は横断歩道上にあるとみなす。これ
は、事故事例上、事故にあった歩行者が横断歩道上を確実に歩いていたのか否かはそれほ
ど重要ではなく、横断歩道から多少はみ出ていたとしても横断歩道を歩いていたものと判
断されることが多いためである。

［Ｆ：交差点における自車・他車の走行軌跡］
分析部１０２は、事故が交差点付近で生じた場合（車両Ｃが衝突した時刻における車両
Ｃの絶対位置が、交差点の中心位置から所定の範囲内である場合）、フレームごとの車両
Ｃの絶対位置を交差点の地図データ上に並べることで、車両Ｃの走行軌跡を特定する。ま
た、分析部１０２は、フレームごとの他車の絶対位置を交差点の地図データ上に並べるこ
とで、他車の走行軌跡を特定する。より具体的には、分析部１０２は、走行軌跡の曲率の
大きさ及び方向に基づいて、車両Ｃ及び他車が交差点を直進したのか、右折したのか、左
折したのか、早回り右折をしたのかを特定する。

図１５は、車両Ｃ及び他車の進行方向を説明するための図である。例えば、分析部１０
２は、交差点を含む所定領域内の走行軌跡の曲率が所定の値未満である場合、車両Ｃ又は
他車は交差点を直進したと判定し、当該所定領域内の走行軌跡の曲率が所定の値以上であ
る場合、車両Ｃ又は他車は交差点を左折又は右折したと判定するようにしてもよい。また
、分析部１０２は、右折をする自車及び他車の走行軌跡が交差点中心の内側を通っている
場合、早回り右折と判定するようにしてもよい。また、分析部１０２は、所定時間（例え
ば２秒等）以内に曲率が逆方向になった場合、車両Ｃ及び他車は車線変更をしたと判定す
るようにしてもよい。

「Ｇ：高速道路上の車線位置」
分析部１０２は、事故が高速道路上で生じた場合（車両Ｃが衝突した時刻における車両
Ｃの絶対位置が、高速道路上である場合）、映像データをフレームごとに分析することで
、又は、車両Ｃの絶対位置と地図データとを突合することで、車両Ｃが、本線を走行して
いたのか追い越し車線を走行していたのかを特定する。例えば、一番右の車線を走行して
いる場合は追い越し車線を走行していたと特定し、一番右以外の車線を走行している場合
は本線を走行していたと特定する。

「Ｈ：交差点における優先関係」
分析部１０２は、事故が交差点付近で生じた場合、地図データから、交差点における一
時停止標識の有無及び道路幅を抽出することで、車両Ｃが優先的に交差点に進入可能な側
であったのか否かを判定する。より具体的には、交差点を交差する道路のうち、一時停止
標識が無い側を走行している車両を優先であると特定する。また、交差点を交差する道路
幅に二倍以上の差異がある場合、広い方の道路を走行している車両を優先であると特定す
る。また、一時停止標識が存在せず、かつ、道路幅に差異がない場合は、優先関係がない
と特定する。

「Ｉ：一時停止、信号無視違反の有無」
分析部１０２は、フレームごとの車両Ｃ及び他車の絶対位置を並べることで得られる車
両Ｃの走行軌跡と地図データとを突合することで、車両Ｃ及び他車が一時停止標識を停止
せずに通過したか否かを特定する。また、分析部１０２は、車両Ｃ又は他車が一時停止標
識を停止せずに通過した場合、通過した時点における車両Ｃ又は他車の車速が、一時停止
標識の前後の所定区間（例えば前後３ｍ等）において所定速度（例えば５ｋｍ等）以上で
ある場合、一時停止違反であると特定する。一方、分析部１０２は、通過した時点におけ
る車両Ｃ又は他車の車速が所定速度未満である場合、一時停止違反をしていないと特定す
る。

また、分析部１０２は、フレームごとの車両Ｃの絶対位置を並べることで得られる車両
Ｃの走行軌跡と地図データとを突合することで、車両Ｃが信号を通過したか否かを検出す
る。信号を通過している場合、分析部１０２は、信号を通過した時刻よりも前のフレーム
の画像であって最後に信号機が写っているフレームの画像を解析することで得られる信号
機の色を取得する。信号の色が赤であった場合、分析部１０２は、車両Ｃは、信号を通過
する際に信号無視をしていたと特定する。

「Ｊ：制限速度を守っているか否か」
分析部１０２は、フレームごとの車両Ｃの絶対位置を並べることで得られる車両Ｃの走
行軌跡と地図データとを突合することで、車両Ｃが走行した道路に設定されている制限速
度を特定する。また、分析部１０２は、車両Ｃの車両データに含まれる車速データのうち
、車両Ｃが衝突した時刻より所定時間前（例えば５秒前）のタイミングの車速と制限速度
とを突合する。当該車速が制限速度を上回っている場合、分析部１０２は、車両Ｃは速度
違反をしていたと特定する。当該車速が制限速度以下である場合、分析部１０２は、車両
Ｃは速度違反をしていなかったと特定する。

「Ｋ：自車・他車の衝突前速度」
分析部１０２は、車両Ｃの車両データに含まれる車速データから、車両Ｃの衝突前の速
度を特定する。また、分析部１０２は、他車の車速を、映像データのフレームごとに推定
した他車の絶対位置の変化から算出する。例えば、１フレームあたりの他車の移動距離が
１ｍであり、映像データのフレームレートが１秒間に１５フレームである場合、他車は時
速６０ｋｍで走行していたと特定することができる。

「Ｌ：道路上の障害物の有無」
分析部１０２は、映像データをフレームごとに画像解析することで、道路上の障害物の
有無を特定する。分析部１０２は、車両Ｃが走行している車線道路上に道路と判断できな
い対象物が存在し、当該対象物が人、車、自転車及びバイクのいずれでもなく、かつ、フ
レーム間で絶対位置が移動していない場合、障害物であるとみなすようにしてもよい。

「Ｍ：衝突した他車のドアの開閉」
分析部１０２は、映像データをフレームごとに画像解析することで、他車のドアが開い
ていたのか閉していたのかを特定する。

「Ｎ：衝突前のウィンカー動作の有無」
分析部１０２は、車両Ｃの車両データに含まれるウィンカー作動情報から、車両Ｃが衝
突前にウィンカーを動作させていたのか否かを特定する。また、分析部１０２は、映像デ
ータをフレームごとに画像解析することで、衝突前にウィンカーを動作させていたのか否
かを特定する。

事故の状況を示す情報に含まれる各項目について、以上説明した処理手順により特定さ
れる内容を図１６に示す。

（対応する事故事例の検索）
図１７は、事故事例ＤＢの一例を示す図である。図１７に示すように、事故事例は、事
故事例を検索するための「検索条件」と、事故の内容を示す「事故内容」と、基本の過失
割合を示す「過失割合（基本）」と、過失割合の修正が必要になる条件である「修正要素
」とを含む。

図１７の例では、車両Ｃが衝突した対象が車であり（図１６の項目Ａにて「乗用車又は
トラック」に該当）、交差点の中で車両Ｃと車が衝突した事故であり（項目Ｃにて「交差
点の中」に該当）、直進車と右折車の事故であり（項目Ｆにて、車両Ｃが直進で他車が右
折、又は、他車が直進で車両Ｃが右折に該当）、直進車は赤信号であり右折車は黄色であ
る（項目Ｄにて、車両Ｃが赤で他車が黄色、又は、車両Ｃが黄色で他車が赤）である場合
に、事故事例１に該当することと、直進車と右折車の過失割合は７０対３０であることが
示されている。

また、修正要素として、直進車が１５ｋｍ以上の速度違反である場合（項目Ｊ及びＫに
て１５ｋｍ以上の速度違反）には、直進車と右折車の過失割合は７５対２５になることが
示されている。同様に、直進車が３０ｋｍ以上の速度違反である場合（項目Ｊ及びＫにて
３０ｋｍ以上の速度違反）には、直進車と右折車の過失割合は８０対２０になることが示
されている。また、右折車がウィンカーをつけずに右折した場合（項目Ｎにてウィンカー
無し）には、直進車と右折車の過失割合は６０対４０になることが示されている。

なお、修正要素には、過失割合のうち「その他の著しい過失」など、事故分析装置１０
での判定が困難である修正要素も含まれていてもよい。

検索部１０４は、事故の状況を示す情報の各項目について特定された内容と、事故事例
ＤＢとを突合することで、特定された内容と一致する事故事例を検索する。また、検索部
１０４は、事故事例ＤＢから、検索した事故事例に対応する過失割合を取得する。また、
検索部１０４は、検索した事故事例の修正要素と、事故の状況を示す各項目とを突合する
ことで、該当する修正要素の有無を検索する。該当する修正要素が存在する場合、検索部
１０４は、該当した修正要素の修正割合に応じて過失割合を修正する。

また、出力部１０５は、検索部１０４で検索された事故事例の事故内容と過失割合とを
端末２０に出力する。また、修正要素に、事故分析装置１０での判定が困難である修正要
素が含まれている場合、出力部１０５は、事故事例の番号と、判定した過失割合と、判定
が困難な修正要素の文言とを端末２０に出力するようにしてもよい。

検索部１０４は、事故事例ＤＢを検索する際、検索条件の全てに該当する事故事例に加
えて、検索条件の一部に該当する事故事例も検索するようにしてもよい。また、検索部１
０４は、検索条件の一部に該当する事故事例を検索する場合、一致しない項目の数に応じ
て、事故事例を順位付けし、出力部１０５は、順位順に事故内容を出力するようにしても
よい。

また、事故事例には、更に、発生件数が多い順にランク付けされており、検索部１０４
は、当該ランクが高い順に事故事例ＤＢを検索するようにしてもよい。

＜まとめ＞
以上説明した実施形態によれば、事故分析装置１０は、車両Ｃから取得した車両データ
と映像データとに基づいて、事故の状況を示す情報を分析するようにした。これにより事
故状況と事故事例との突合を迅速に行うことが可能になった。

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定
して解釈するためのものではない。実施形態で説明したフローチャート、シーケンス、実
施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したもの
に限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構
成同士を部分的に置換し又は組み合わせることが可能である。

１０…事故分析装置、１１…プロセッサ、１２…記憶装置、１３…通信ＩＦ、１４…入
力デバイス、１５…出力デバイス、２０…端末、１００…記憶部、１０１…取得部、１０
２…分析部、１０３…生成部、１０４…検索部、１０５…出力部

Claims (8)

1. 車両が備えるセンサにより計測される車両データと前記車両が備えるカメラで撮影される映像データとを取得する取得部と、
   前記車両データに基づいて、前記車両の絶対位置を推定する車両位置推定部と、
   前記車両位置推定部により推定された前記車両の絶対位置と、前記映像データに写っている他車の映像を解析することで得られる、前記車両と前記他車との相対的な位置関係を示す情報と、に基づいて前記他車の絶対位置を推定する他車位置推定部と、を備え、
   前記車両位置推定部は、
   前記車両が備える測位装置により測定された位置情報に基づいて前記車両の絶対位置を推定する第１推定部と、
   前記映像データの１フレーム目が撮影された第１タイミングにおいて前記測位装置により測定された位置情報と、前記映像データの２フレーム目が撮影された第２タイミングの前記映像データを解析することで得られる、前記第１タイミングで測定された位置情報に対する前記車両の相対位置と、に基づいて前記第２タイミングにおける前記車両の絶対位置を推定する第２推定部と、
   前記第２タイミングにおいて前記第１推定部により推定した絶対位置と、前記第２タイミングにおいて前記第２推定部により推定した絶対位置と、を所定の重みに基づいて平均することで、前記第２タイミングにおける前記車両の絶対位置を推定する第３推定部と、を含む、
   事故分析装置。
2. 前記他車位置推定部は、前記映像データのうち前記他車が写っている箇所の前記映像データの中心を基準とした座標に基づいて、前記車両の進行方向と前記他車が存在する方向との角度差を推定する、
   請求項１に記載の事故分析装置。
3. 前記他車位置推定部は、前記他車が写っている箇所の座標と、座標と角度との対応関係を示すデータとを比較することで、前記車両の進行方向と前記他車が存在する方向との角度差を推定する、
   請求項２に記載の事故分析装置。
4. 前記第３推定部は、前記車両の車速に応じて前記所定の重みを設定する、
   請求項１から３のいずれか１項に記載の事故分析装置。
5. 事故分析装置が行う事故分析方法であって、
   車両が備えるセンサにより計測される車両データと前記車両が備えるカメラで撮影される映像データとを取得する取得ステップと、
   前記車両データに基づいて、前記車両の絶対位置を推定する車両位置推定ステップと、
   前記車両位置推定ステップで推定された前記車両の絶対位置と、前記映像データに写っている他車の映像を解析することで得られる、前記車両と前記他車との相対的な位置関係を示す情報と、に基づいて前記他車の絶対位置を推定する他車位置推定ステップと、を備え、
   前記車両位置推定ステップは、
   前記車両が備える測位装置により測定された位置情報に基づいて前記車両の絶対位置を推定する第１推定ステップと、
   前記映像データの１フレーム目が撮影された第１タイミングにおいて前記測位装置により測定された位置情報と、前記映像データの２フレーム目が撮影された第２タイミングの前記映像データを解析することで得られる、前記第１タイミングで測定された位置情報に対する前記車両の相対位置と、に基づいて前記第２タイミングにおける前記車両の絶対位置を推定する第２推定ステップと、
   前記第２タイミングにおいて前記第１推定ステップで推定した絶対位置と、前記第２タイミングにおいて前記第２推定ステップで推定した絶対位置と、を所定の重みに基づいて平均することで、前記第２タイミングにおける前記車両の絶対位置を推定する第３推定ステップと、を含む、
   事故分析方法。
6. 前記他車位置推定ステップでは、前記映像データのうち前記他車が写っている箇所の前記映像データの中心を基準とした座標に基づいて、前記車両の進行方向と前記他車が存在する方向との角度差を推定する、
   請求項５に記載の事故分析方法。
7. コンピュータに、
   車両が備えるセンサにより計測される車両データと前記車両が備えるカメラで撮影される映像データとを取得する取得ステップと、
   前記車両データに基づいて、前記車両の絶対位置を推定する車両位置推定ステップと、
   前記車両位置推定ステップで推定された前記車両の絶対位置と、前記映像データに写っている他車の映像を解析することで得られる、前記車両と前記他車との相対的な位置関係を示す情報と、に基づいて前記他車の絶対位置を推定する他車位置推定ステップと、
   を実行させるためのプログラムであって、
   前記車両位置推定ステップは、
   前記車両が備える測位装置により測定された位置情報に基づいて前記車両の絶対位置を推定する第１推定ステップと、
   前記映像データの１フレーム目が撮影された第１タイミングにおいて前記測位装置により測定された位置情報と、前記映像データの２フレーム目が撮影された第２タイミングの前記映像データを解析することで得られる、前記第１タイミングで測定された位置情報に対する前記車両の相対位置と、に基づいて前記第２タイミングにおける前記車両の絶対位置を推定する第２推定ステップと、
   前記第２タイミングにおいて前記第１推定ステップで推定した絶対位置と、前記第２タイミングにおいて前記第２推定ステップで推定した絶対位置と、を所定の重みに基づいて平均することで、前記第２タイミングにおける前記車両の絶対位置を推定する第３推定ステップと、を含む、
   プログラム。
8. 前記他車位置推定ステップでは、前記映像データのうち前記他車が写っている箇所の前記映像データの中心を基準とした座標に基づいて、前記車両の進行方向と前記他車が存在する方向との角度差を推定する、
   請求項７に記載のプログラム。

Images