JP7507930B2 - Accident Analysis Equipment - Google Patents

Accident Analysis Equipment Download PDF

Info

Publication number
JP7507930B2
JP7507930B2 JP2023084402A JP2023084402A JP7507930B2 JP 7507930 B2 JP7507930 B2 JP 7507930B2 JP 2023084402 A JP2023084402 A JP 2023084402A JP 2023084402 A JP2023084402 A JP 2023084402A JP 7507930 B2 JP7507930 B2 JP 7507930B2
Authority
JP
Japan
Prior art keywords
vehicle
accident
absolute position
analysis unit
frame
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2023084402A
Other languages
Japanese (ja)
Other versions
JP2023104982A (en
Inventor
一晃 沓沢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tokio Marine and Nichido Fire Insurance Co Ltd
Original Assignee
Tokio Marine and Nichido Fire Insurance Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tokio Marine and Nichido Fire Insurance Co Ltd filed Critical Tokio Marine and Nichido Fire Insurance Co Ltd
Priority to JP2023084402A priority Critical patent/JP7507930B2/en
Publication of JP2023104982A publication Critical patent/JP2023104982A/en
Application granted granted Critical
Publication of JP7507930B2 publication Critical patent/JP7507930B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Time Recorders, Dirve Recorders, Access Control (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Description

本発明は、事故分析装置に関する。 The present invention relates to an accident analysis device.

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。 Currently, there are on-board cameras known as drive recorders that can constantly record video of the direction of travel while the vehicle is moving. By installing a drive recorder in the vehicle that the driver is driving, the driver can use the video to explain the situation in the event of an accident and to estimate the cause of the accident.

特開２０１８－６５６８０号公報JP 2018-65680 A

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。 When a traffic accident occurs, insurance companies organize the accident circumstances to accurately understand the accident situation, and then calculate the degree of fault by comparing the accident circumstances with past accident cases. Traditionally, this work was done manually and was time-consuming.

そこで、本発明は、事故状況を好適に分析可能とする技術を提供することを目的とする。 The present invention aims to provide technology that enables optimal analysis of accident situations.

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、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。 The accident analysis device according to one aspect of the present invention includes an acquisition unit that acquires vehicle data measured by a sensor equipped in the vehicle and video data captured by a camera equipped in the vehicle, and a vehicle position estimation unit that estimates the absolute position of the vehicle based on the vehicle data. The vehicle position estimation unit includes a first estimation unit that estimates the absolute position of the vehicle based on position information measured by a positioning device equipped in the vehicle, a second estimation unit that estimates the absolute position of the vehicle at a second timing based on the position information measured by the positioning device at a first timing when a first frame of video data is captured and the relative position of the vehicle with respect to the position information measured at the first timing, which is obtained by analyzing the video data at a second timing when a second frame of video data is captured, and a third estimation unit that estimates the absolute position of the vehicle at the second timing by averaging the absolute position estimated by the first estimation unit at the second timing and the absolute position estimated by the second estimation unit at the second timing based on a predetermined weight.

本発明によれば、事故状況を好適に分析可能とする技術を提供することができる。 The present invention provides technology that enables optimal analysis of accident conditions.

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。1 is a diagram illustrating an example of an accident analysis system according to an embodiment of the present invention. 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。4 is a flowchart showing an outline of a processing procedure when the accident analysis device analyzes the circumstances of an accident. 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。FIG. 2 is a diagram showing an example of information indicating the situation of an accident output by the accident analysis device. 事故分析装置のハードウェア構成例を示す図である。FIG. 2 is a diagram illustrating an example of a hardware configuration of an accident analysis device. 事故分析装置の機能ブロック構成例を示す図である。FIG. 2 is a diagram illustrating an example of a functional block configuration of an accident analysis device. 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。10 is a diagram for explaining a processing procedure when the accident analysis device detects surrounding objects and identifies their coordinates. FIG. 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。4 is a diagram for explaining a processing procedure when the accident analysis device estimates the relative positional relationship between a vehicle and surrounding objects; FIG. 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。4 is a diagram for explaining a processing procedure when the accident analysis device estimates the absolute positions of a vehicle and surrounding objects. FIG. 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。10 is a diagram for explaining a process of estimating an absolute position of a vehicle; 事故分析装置が生成する画像の一例を示す図である。FIG. 2 is a diagram showing an example of an image generated by the accident analysis device. 衝突方向を説明するための図である。FIG. 13 is a diagram for explaining a collision direction. 接触対象を判定する処理を説明するための図である。11A and 11B are diagrams for explaining a process of determining a contact object; 接触部位を説明するための図である。FIG. 13 is a diagram for explaining a contact portion. 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。11 is a diagram for explaining a process for identifying the positional relationship between a pedestrian and a crosswalk/safety zone. FIG. 車両及び他車の進行方向を説明するための図である。FIG. 2 is a diagram for explaining the traveling directions of a vehicle and other vehicles. 事故の状況に関する特定内容を示す図である。FIG. 13 is a diagram showing specific details regarding the accident situation. 事故事例ＤＢの一例を示す図である。FIG. 2 is a diagram illustrating an example of an accident case DB.

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。 The following describes an embodiment of the present invention with reference to the attached drawings. In each drawing, the same reference numerals denote the same or similar configurations.

＜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２０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。 <System Configuration>
Fig. 1 is a diagram showing an example of an accident analysis system according to the present embodiment. The accident analysis system 1 shown in Fig. 1 includes an accident analysis device 10 and a terminal 20. The accident analysis device 10 and the terminal 20 are connected via a wireless or wired communication network N and can communicate with each other.

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。 The accident analysis device 10 has a function of acquiring vehicle data measured by a sensor equipped in the accident vehicle, vehicle C (which may be referred to as "own vehicle" in the following description for convenience), and video data captured by a camera D equipped in vehicle C, and analyzing the situation of the accident caused by vehicle C based on the acquired vehicle data and video data. The accident analysis device 10 also has a function of searching for an accident case corresponding to the situation of the accident caused by vehicle C by comparing the situation of the accident acquired by the analysis with an accident case database in which the situation of accidents that have occurred in the past and information on past accident cases (hereinafter referred to as "accident cases") are associated. The accident analysis device 10 also has a function of generating an image showing the situation of the accident caused by vehicle C by mapping the position of vehicle C and the position of other vehicles acquired by analyzing the situation of the accident on map data. The image showing the situation of the accident caused by vehicle C may be of any type, and may be, for example, an overhead view or a video.

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。 The accident analysis device 10 may be configured from one or more physical information processing devices, or may be configured using a virtual information processing device that operates on a hypervisor, or may be configured using a cloud server.

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。 The sensors equipped in the vehicle C may be, for example, a GPS receiver, a vehicle speed sensor, an acceleration sensor, a geomagnetic sensor, a throttle sensor, and/or a turn signal detection sensor. The vehicle data measured by the sensors equipped in the vehicle C may be, for example, latitude and longitude data indicating the current position of the vehicle C, the vehicle speed of the vehicle C, the acceleration of the vehicle C, the direction in which the vehicle C is facing (for example, the angle when the north is 0 degrees), the throttle opening (accelerator opening), and the operation status of the turn signal. Without being limited to this, the vehicle C may further be equipped with other sensors. The sensors listed above may be sensors equipped in the vehicle C or may be sensors equipped in the camera D. For example, the GPS receiver, the acceleration sensor, and the geomagnetic sensor may be sensors equipped in the camera D rather than in the vehicle C.

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。 The camera D is attached to the front part or windshield of the vehicle C so that it can capture images at least in the direction in which the vehicle C is traveling. The camera D may be a drive recorder. The camera D may also be capable of capturing images of the side and rear of the vehicle C.

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。 The terminal 20 is a terminal operated by, for example, an operator of an insurance company, and displays the accident situation analyzed by the accident analysis device 10, accident cases corresponding to the accident state, and images generated by the accident analysis device 10. The terminal 20 can be any information processing device equipped with a display, such as a personal computer (PC), a notebook PC, a tablet terminal, or a smartphone.

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。 Figure 2 is a flowchart showing an outline of the processing procedure when the accident analysis device 10 analyzes the circumstances of an accident. First, the accident analysis device 10 acquires vehicle data of the vehicle C that caused the accident and video data at the time of the accident (S10, S11). The vehicle data and video data may be recorded on a non-transitory storage medium such as an SD card or USB memory, and may be imported into the accident analysis device 10 by connecting the storage medium to the accident analysis device 10. Alternatively, the vehicle data and video data may be transmitted to the accident analysis device 10 by wireless signal using a communication function provided in the vehicle C or the camera D.

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）。 Then, the accident analysis device 10 performs image analysis on the video data at the time of the accident for each frame to identify one or more surrounding objects (other vehicles, people, signs, road structures, etc.) that exist around the vehicle C that are captured in the image for each frame, and further identifies the coordinates indicating the position where the identified surrounding objects are captured in the image (S12). Next, the accident analysis device 10 estimates the relative positional relationship between the vehicle C and the surrounding objects that exist around the vehicle C based on the coordinates of the identified surrounding objects (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）。 Next, the accident analysis device 10 estimates the absolute position of vehicle C using the position information of vehicle C acquired by a GPS sensor equipped in vehicle C and/or the video data at the time of the accident. In addition, the accident analysis device 10 estimates the absolute positions of the surrounding objects present around vehicle C based on the estimated absolute position of vehicle C and the relative positional relationship between vehicle C and the surrounding objects present around vehicle C estimated in the processing procedure of step S13 (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）。 Next, the accident analysis device 10 generates an image (including an overhead view and video) showing the accident situation by mapping the calculated absolute positions of vehicle C and the surrounding objects around vehicle C onto map data (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）。 Next, the accident analysis device 10 estimates the direction in which vehicle C collided with another vehicle or an obstacle (e.g., a head-on collision) based on the acceleration in the forward/backward and left/right directions that occurred in vehicle C at the moment of the collision, which is acquired by an acceleration sensor equipped in vehicle C (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）。 Then, the accident analysis device 10 analyzes information indicating the circumstances of the accident caused by vehicle C using the vehicle data of vehicle C, the video data at the time of the accident, the absolute positions of vehicle C and surrounding objects around vehicle C estimated in the processing procedure of step S14, the collision direction of vehicle C estimated in the processing procedure of step S16, and the map data (S17). The information includes multiple items (which may be called tags), and the circumstances of the accident are specified by the combination of each item. Next, the accident analysis device 10 searches the accident case database using each item as a key to obtain accident cases corresponding to the circumstances of the accident caused by vehicle C (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。 The order of the processing steps described above can be arbitrarily changed as long as no inconsistencies occur in the processing. For example, the processing step of step S15 may be performed after any of the processing steps of step S16, step S17, or step S18.

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。 Figure 3 is a diagram showing an example of items included in the information showing the accident situation. As shown in Figure 3, the information showing the accident situation includes multiple items A to N. Note that "A: Contact object (automobile, obstacle, etc.)" in Figure 3 is information showing the object that vehicle C contacted. "B: Contact part" shows the part where vehicle C contacted the object (for example, the front, right side, left front bumper, etc.). "C: Road type" shows the type of road (straight, curve, intersection, T-junction, expressway, etc.) on which vehicle C was traveling at the time of the accident. "D: Signal color of own vehicle and other vehicle" shows the signal color of vehicle C and the signal color of the other vehicle in the case of an accident at an intersection. "E: Positional relationship between pedestrian and crosswalk/safety zone" shows whether the pedestrian had an accident on a crosswalk or safety zone, or whether the pedestrian had an accident in a place other than a crosswalk or safety zone.

「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。 "F: Direction of travel of own vehicle and other vehicle" indicates whether vehicle C and other vehicle were going straight, changing lanes, turning left, turning right, or making a quick right turn at the time of the accident. "G: Lane position on the expressway" indicates the lane (main lane, overtaking lane) in which vehicle C was traveling when the accident occurred on the expressway. "H: Priority at intersection" indicates which of vehicle C and other vehicle should have had priority to pass the intersection when an accident occurred at an intersection. "I: Whether or not vehicle C and other vehicle violated a stop sign or ignored a traffic signal" indicates whether vehicle C and other vehicle violated a stop sign or ignored a traffic signal. "J: Whether or not the speed limit was observed" indicates whether vehicle C and other vehicle were observing the speed limit immediately before the accident. "K: Speed before collision of own vehicle and other vehicle" indicates the vehicle speed of vehicle C and other vehicle immediately before the accident. "L: Whether or not there was an obstacle on the road" indicates whether or not there was an obstacle on the road on which vehicle C was traveling at the time of the collision. "M: Door of the collision target open/closed" indicates whether the door of the other vehicle was open at the time of the collision. "N: Turn signal on/off before collision" indicates whether vehicle C had its turn signal on before the collision.

＜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。 <Hardware Configuration>
4 is a diagram showing an example of a hardware configuration of the accident analysis device 10. The accident analysis device 10 includes a processor 11 such as a central processing unit (CPU) or a graphical processing unit (GPU), a storage device 12 such as a memory, a hard disk drive (HDD) and/or a solid state drive (SSD), a communication interface (IF) 13 for wired or wireless communication, an input device 14 for accepting input operations, and an output device 15 for outputting information. The input device 14 is, for example, a keyboard, a touch panel, a mouse, and/or a microphone. The output device 15 is, for example, a display and/or a speaker.

＜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１２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 medium）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。 <Function block configuration>
FIG. 5 is a diagram showing an example of a functional block configuration of the accident analysis device 10. The accident analysis device 10 includes a storage unit 100, an acquisition unit 101, an analysis unit 102, a generation unit 103, a search unit 104, and an output unit 105. The storage unit 100 can be realized by using the storage unit 12 provided in the accident analysis device 10. The acquisition unit 101, the analysis unit 102, the generation unit 103, the search unit 104, and the output unit 105 can be realized by the processor 11 of the accident analysis device 10 executing a program stored in the storage unit 12. The program can be stored in a storage medium. The storage medium storing the program may be a non-transitory computer readable medium. The non-transitory storage medium is not particularly limited, and may be, for example, a storage medium such as a USB memory or a CD-ROM.

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。 The memory unit 100 stores an accident case database (DB) that associates accident situations with accident cases, and a map data DB. The accident case DB may include information indicating the degree of fault. The accident cases and the degree of fault corresponding to the circumstances of the accident that occurred may be searchable using the information indicating the circumstances of the accident as a key. The map data DB includes various data such as road data, road width, direction of travel, road type, traffic signs (stop, no entry, etc.), speed limits, traffic light positions, and the number of intersecting roads at intersections. The memory unit 100 may be realized by an external server that can communicate with the accident analysis device 10.

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。 The acquisition unit 101 has a function of acquiring vehicle data measured by a sensor equipped in vehicle C (accident vehicle) and video data captured by a camera equipped in vehicle C.

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。 The analysis unit 102 has a function of analyzing the circumstances of an accident caused by vehicle C based on the vehicle data and video data acquired by the acquisition unit 101. The circumstances of the accident analyzed by the analysis unit 102 may include at least the color of the traffic light when vehicle C passes through the intersection, the priority relationship when passing through the intersection, and whether or not the vehicle speed of vehicle C exceeds the speed limit.

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。 The vehicle data of vehicle C may include information indicating the absolute position of vehicle C measured by at least a GPS device equipped in vehicle C, and the analysis unit 102 may estimate the absolute position of the other vehicle based on the information indicating the absolute position of vehicle C and information indicating the relative positional relationship between vehicle C and the other vehicle obtained by analyzing an image of the other vehicle captured in the video data. The analysis unit 102 may also estimate the absolute positions of vehicle C and the other vehicle in a time series.

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。 The analysis unit 102 may also analyze the circumstances of the accident by estimating the absolute position of vehicle C by analyzing the video data, and averaging the absolute position of the accident vehicle estimated by analyzing the video data and the absolute position of vehicle C measured by the GPS device based on a predetermined weight, and considering the averaged absolute position as the absolute position of vehicle C.

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。 The analysis unit 102 may also analyze the circumstances of the accident by comparing the image size of the portion of the video data in which the other vehicle is captured with data indicating the correspondence between image size and distance, and estimating the distance between vehicle C and the other vehicle, which is one piece of information indicating the relative positional relationship between vehicle C and the other vehicle.

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。 The analysis unit 102 may also analyze the circumstances of the accident by comparing the difference between the coordinates of the location in the video data where the other vehicle is captured and the center coordinates of the video data with data indicating the correspondence between coordinates and angles, and estimating the angle difference between the traveling direction of vehicle C and the direction in which the other vehicle is located, which is one piece of information indicating the relative positional relationship between vehicle C and the other vehicle.

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。 The generation unit 103 has a function of generating an image showing the situation of an accident caused by vehicle C by mapping the absolute position of vehicle C and the absolute positions of other vehicles onto map data. The image may include an overhead view and a video. For example, the generation unit 103 may generate a video in which images showing the situation of the accident are arranged in chronological order.

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。 The search unit 104 has a function of searching for an accident case corresponding to the situation of the accident caused by vehicle C by comparing the situation of the accident caused by vehicle C analyzed by the analysis unit 102 with an accident case DB (accident case data) that associates the accident situation with past accident cases. In addition, the search unit 104 may search for the fault ratio of vehicle C in the accident caused by vehicle C as an accident case corresponding to the situation of the accident caused by vehicle C.

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。 The accident case may also include one or more correction ratios (correction information) for correcting the fault ratio. When a correction ratio corresponding to the circumstances of the accident caused by the accident vehicle is present among the one or more correction ratios, the search unit 104 may correct the fault ratio of the accident vehicle according to the correction ratio. The correction ratios will be described later.

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。 The output unit 105 has a function of outputting, to the terminal 20, information indicating the accident situation analyzed by the analysis unit 102, accident cases corresponding to the accident conditions searched for by the search unit 104, and images indicating the accident situations generated by the generation unit 103.

＜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。 <Processing Procedure>
Next, the process steps of the accident analysis device 10 when analyzing the accident situation caused by the vehicle C will be described in detail along the process steps described in Fig. 2. In the following description, it is assumed that the accident analysis device 10 has already acquired vehicle data and video data from the vehicle C that caused the accident. It is also assumed that the vehicle data and video data each contain time information or synchronization information. That is, in this embodiment, when analyzing video data at a certain point in time, it is possible to perform the analysis using the vehicle data corresponding to that point in time, and conversely, when analyzing vehicle data at a certain point in time, it is possible to perform the analysis using the video data corresponding to that point in time.

（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。 (Detection of surrounding objects and identification of coordinates)
6 is a diagram for explaining a processing procedure when the accident analysis device 10 detects surrounding objects and identifies their coordinates. This processing procedure corresponds to the processing procedure of step S12 in FIG.

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。 The analysis unit 102 analyzes each image obtained by breaking down the video data into frames, thereby identifying one or more surrounding objects, including vehicles, people, bicycles, traffic signs, traffic lights (including traffic light colors and arrow signals), structures around the road (electric poles, street lights, guardrails, etc.), fallen objects, road markings, pedestrian crossings, and traffic lanes, that appear in the image. Furthermore, the analysis unit 102 identifies the coordinates of the area in which the surrounding object appears in the image for each of the one or more identified surrounding objects.

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。 The example of FIG. 6 shows an example of an Xth frame image among the images obtained by breaking down the video data into frames. The X-axis indicates the number of pixels in the left-right direction (X-coordinate) with the left end at 0, and the Y-axis indicates the number of pixels in the up-down direction (Y-coordinate) with the bottom end at 0. In the example of FIG. 6, a truck is shown at the back of the lane to the left of the lane in which the vehicle C is traveling (the second lane from the left), and a passenger car is shown in the lane to the right of the lane in which the vehicle C is traveling. The analysis unit 102 is equipped with a trained model that has learned the ability to recognize recognition objects (e.g., other vehicles, people, bicycles, road signs, traffic lights, structures around the road (electric poles, street lights, guardrails, etc.), fallen objects, and lanes, etc.), and may specify the type and area of one or more surrounding objects shown in the image by inputting an image into the trained model. This type of processing can be achieved by using existing technologies such as YOLO (Your Only Look Once) and Mask R-CNN (Mask Regional Convolutional Neural Network).

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。 In the example of A in FIG. 6, the analysis unit 102 has determined that a truck is captured in area C1 (a rectangular area with X=700 and Y=300 at the top left and X=900 and Y=300 at the bottom right), and that a passenger car is captured in area C2 (a rectangular area with X=1400 and Y=250 at the top left and X=1750 and Y=50 at the bottom right). Similarly, it has determined that utility poles are captured in areas C3 to C6 (coordinates not shown).

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。 The example in FIG. 6B shows an example of the results of the analysis unit 102 identifying surrounding objects for each frame.

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。 The analysis unit 102 may also identify whether or not a vehicle is flashing its turn signal, whether or not a vehicle door has been opened or closed, and whether a person is standing, sitting, or lying down by comparing the analysis results of the images for each frame. For example, the analysis unit 102 may identify whether or not a turn signal is flashing by determining whether or not the color of the turn signal portion of the vehicle recognized in each image changes periodically.

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。 The analysis unit 102 may also determine whether a vehicle door has been opened or closed by determining a change in the vehicle door portion recognized in each image. The analysis unit 102 may also determine whether a person is standing, sitting, or lying down based on the ratio of the vertical length to the horizontal length of the area in which the person is captured. The person's posture may be determined, for example, using the Realtime Multi-Person 2D Pose Estimation using Part Affinity Function.
Conventional techniques such as lds can be used.

（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。 (Estimation of the relative positional relationship between the vehicle and surrounding objects)
7 is a diagram for explaining the processing procedure when the accident analysis device 10 estimates the relative positional relationship between the vehicle C and surrounding objects. This processing corresponds to the processing procedure of step S13 in FIG.

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。 The analysis unit 102 estimates the relative positional relationship between the vehicle C and the surrounding objects around the vehicle C for each surrounding object based on the area in which the one or more surrounding objects identified in the image are captured. More specifically, the analysis unit 102 estimates the distance from the vehicle C to the surrounding object (d1 and d2 in B of FIG. 7) based on the size of the area in which the surrounding object is captured. In addition, the analysis unit 102 estimates the left-right angle (θ1 and θ2 in B of FIG. 7) at which the surrounding object exists when the traveling direction of the vehicle C (toward the center of the image) is set as the reference (0 degrees) based on the left-right difference between the center coordinates of the area in which the surrounding object is captured and the center coordinates of the image.

［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。 [Example of calculating distance to surrounding objects]
A specific example will be shown using A in FIG. 7. First, the analysis unit 102 is assumed to have stored data indicating how many pixels an object 1 m long occupies in an image when it is placed vertically (or horizontally) 1 m ahead and photographed using the camera D. The data may be stored in association with each model of the camera D, since it varies depending on the angle of view (lens angle) of the camera. In addition, depending on the model of the camera D, a wide-angle lens or a fisheye lens is often used. Therefore, the analysis unit 102 may perform distortion correction on the video data photographed by the camera D in accordance with the lens characteristics of the camera D, and then calculate the distance to the surrounding objects and the left-right angle at which the surrounding objects are present, as shown below. Distortion correction can be achieved by using conventional technology such as cubic interpolation.

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。 In the example of A in Figure 7, if a 1m long object is placed vertically 1m away and photographed, it is assumed that it will occupy 100 pixels in the vertical direction. Similarly, if a 1m long object is placed vertically (or horizontally) 10m away and photographed, it is determined in advance how many pixels it will occupy in the image. In the example of Figure 7, it is assumed that a 1m long object is placed vertically 10m away and photographed, it is assumed that it will occupy 10 pixels in the vertical direction.

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。 The vertical (or horizontal) size of each surrounding object is also determined in advance. For example, the vertical length (height) of a truck may be set to 2 m, and that of a passenger car may be set to 1.5 m.

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。 As mentioned above, if a 1m long object 1m away has 100 pixels in the vertical direction, and a 1m long object 10m away has 10 pixels in the vertical direction, then if a 2m high track is 1m away, the number of vertical pixels can be calculated to be 200 pixels, and if a 2m high track is 10m away, the number of vertical pixels can be calculated to be 20 pixels. More specifically, if the number of pixels is X and the distance is Y, the following formula holds.

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。 Y = 200 ÷ X (Equation 1)
Next, the analysis unit 102 calculates the distance between the vehicle C and the truck using Equation 1. In the example of A in Fig. 7, the vertical length of the area C1 is 50 ((400-300)÷2) = 50 pixels. Therefore, according to Equation 1, it can be calculated that Y = 200÷50 = 4 m.

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。 If the height (height from the ground) at which camera D is attached to vehicle C and the direction in which camera D should be pointed are fixed with high precision, it is possible to determine the distance to the surrounding objects using only the Y-axis value. However, according to the processing procedure described above, it becomes possible to determine the distance between vehicle C and the surrounding objects even if the mounting position of camera D varies depending on the driver, such as when a drive recorder is rented.

［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。 [Example of calculation of left and right angles when surrounding objects are present]
A specific example will be shown using A in Fig. 7. First, it is assumed that the analysis unit 102 stores data indicating the angle of view (lens angle) of the camera D. Since the data differs depending on the model of the camera D, the data may be stored in association with each model of the camera D.

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。 Here, by dividing the angle of view of camera D by the number of pixels in the left-right direction of the screen, it is possible to determine how many degrees of the angle of view 1 pixel corresponds to. For example, if the total number of pixels in the left-right direction of the screen is 2000 pixels, and the angle of view of camera D is 80 degrees, then 200 pixels corresponds to 8 degrees. In other words, by calculating the difference in the number of pixels in the horizontal direction between the center position of the area in which the surrounding object is captured in the image and the center position of the image, it is possible to calculate the left-right angle (angle in the horizontal plane) at which the surrounding object exists when the direction of travel of vehicle C is set to 0 degrees.

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＝８００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２０００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。 For example, in A of FIG. 7, the center position in the X direction of the area in which the truck is captured is X=800. Furthermore, the angle of view of camera D is 80 degrees, and the total number of pixels in the horizontal direction of the screen is 2000 pixels. Furthermore, the center position of the image is X=1000. Therefore, the center position of the area in which the truck is captured and the center position of the image are separated by 200 pixels (1000-800). As mentioned above, 200 pixels correspond to 8 degrees, so the horizontal angle between vehicle C and the truck (θ1 in B of FIG. 7) can be calculated to be 8 degrees.

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。 Note that with the calculation method described above, if a surrounding object comes extremely close to vehicle C and part of the surrounding object is outside the image, it becomes impossible to calculate the distance and angle. However, if part of the surrounding object is outside the image, it is possible to estimate that the distance between the surrounding object and vehicle C is within a certain distance. It is also possible to estimate the position of a surrounding object that has disappeared from the image based on the change in the position of the surrounding object in the images of previous and subsequent frames.

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。 For example, suppose that in an image of a certain frame X, part of a surrounding object is outside the image, but in the image of frame X-1, which is one frame before, the entire surrounding object is captured, and the distance between vehicle C and the surrounding object is 10 m. Furthermore, suppose that in the image of frame X-2, which is one frame before, the distance between vehicle C and the surrounding object is 11 m. In this case, the distance between vehicle C and the surrounding object in the image of frame X can be estimated to be 9 m. Furthermore, when the surrounding object is a vehicle, the image recognition may be limited to a part of the vehicle (such as the license plate), rather than estimating the distance by image recognition of the entire vehicle. This makes it possible to estimate the distance and angle between vehicle C even if part of the vehicle is outside the image, as long as the license plate is captured in the image.

（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。 (Estimates the absolute position of the vehicle and surrounding objects)
8 is a diagram for explaining the processing procedure when the accident analysis device 10 estimates the absolute positions of the vehicle C and surrounding objects. This processing corresponds to the processing procedure of step S14 in FIG.

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 Mapping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。 First, the analysis unit 102 estimates the absolute position of the vehicle C. The analysis unit 102 may estimate the absolute position of the vehicle C using position information of the vehicle C acquired by a GPS sensor equipped in the vehicle C, which is included in the vehicle data of the vehicle C. Alternatively, the analysis unit 102 may estimate a more accurate absolute position of the vehicle C by combining the absolute position of the vehicle C obtained by analyzing the video data at the time of the accident using a conventional technology called Structure From Motion or Simultaneous Localization and Mapping (hereinafter referred to as "SFM" for convenience) with the absolute position of the vehicle C estimated by the GPS sensor.

［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 Nearest 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。 [Estimation of absolute position of vehicle C based on SFM]
By using SFM, feature points included in the image of each frame in the video data are extracted, corresponding points (corresponding feature points) in the image of each frame are identified from the extracted feature points, and the movement of the identified corresponding points is tracked to reproduce the movement of the camera. The extraction of feature points can be realized, for example, by using a conventional technology called SIFT feature. Also, the identification of corresponding points can be realized, for example, by using a conventional technology called FLANN (Fast Library for Approximate Nearest Neighbors).

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１ｍになる。 Here, the camera that captured the video data is camera D mounted on vehicle C, so the reproduced camera movement can be considered to be the movement of vehicle C. In addition, since the vehicle data for vehicle C includes vehicle speed data, the distance traveled by vehicle C between each frame can be estimated by matching the vehicle speed data with the frame rate of the video data. For example, if vehicle C is traveling at a speed of 60 km/h and the frame rate of the video data is 15 frames per second, the distance traveled by vehicle C per frame will be approximately 1 m.

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。 In order to determine the movement of vehicle C relative to the surrounding environment, rather than other vehicles traveling parallel to it, the analysis unit 102 excludes feature points of moving surrounding objects when extracting feature points, and extracts feature points of fixed surrounding objects. For example, the analysis unit 102 may extract feature points of traffic signs, traffic lights, and structures around roads (electric poles, street lights, guardrails, etc.). The type of surrounding object can be identified by using the trained model described above.

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。 For example, A in Figure 8 shows image data in frame N, and B in Figure 8 shows image data in frame N+1. In A and B in Figure 8, areas C3 to C6 corresponding to fixedly installed surrounding objects move backward as vehicle C moves, but the position of area C1 of the moving truck hardly changes, and the position of area C2 of a passenger car traveling in the oncoming lane toward vehicle C changes significantly.

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。 By using SFM, the analysis unit 102 can calculate information indicating the relative position of vehicle C with respect to the first frame of the video data, such as, for example, that the position of vehicle C in the second frame has moved 2 m forward and 1 m to the left compared to the first frame, and that the position of vehicle C in the third frame has moved 2.5 m forward and 0.5 m to the left compared to the second frame.

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１０２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。 Then, the analysis unit 102 selects the location information corresponding to the time when the first frame of the video data was captured from the location information indicating the absolute position of vehicle C acquired by the GPS sensor. The location information acquired by the GPS sensor includes time information, and the video data in this embodiment also includes time information indicating the time when it was recorded. Therefore, the analysis unit 102 can select the GPS location information corresponding to the first frame of the video data by comparing the time included in the video data with the time included in the location information.

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。 Next, the analysis unit 102 uses the GPS position information corresponding to the first frame of the video data to identify the absolute position of the vehicle C in the second and subsequent frames of the video data. As described above, the analysis unit 102 calculates information indicating the relative movement between frames. In addition, the vehicle data in this embodiment includes orientation data indicating which direction the front of the video faces, and it is possible to grasp which direction the front is pointing from the orientation data. Therefore, the analysis unit 102 can calculate the absolute position (latitude and longitude) of the vehicle C corresponding to the relative position of the vehicle C in the second frame (relative position obtained by SFM) by using the selected GPS position information as the absolute position of the vehicle C in the first frame. For example, if the latitude and longitude of the first frame acquired by the GPS sensor are 134.45 degrees and the longitude are 32.85 degrees, the latitude and longitude corresponding to a position moved 2 m forward in the north direction and 1 m in the west direction from the latitude and longitude as the starting point will be the absolute position of the vehicle C in the second frame. The analysis unit 102 repeats this process for each frame to calculate the absolute position (latitude and longitude) of vehicle C based on the SFM for all frames.

［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ｆ２１と同一地点である。 [Estimation of the absolute position of vehicle C]
As shown in FIG. 9, the analysis unit 102 estimates the absolute position of the vehicle C for each frame using the absolute position of the vehicle C based on the SFM and the absolute position of the vehicle C based on the GPS. It is assumed that the points f11 to f16 shown in the left diagram of FIG. 9 are the absolute positions of the vehicle C obtained by analyzing the first to sixth frames of the video data, respectively. It is also assumed that the points f21 to f26 shown in the center diagram of FIG. 9 are the absolute positions of the vehicle C at the times corresponding to the first to sixth frames of the video data, among the absolute positions of the vehicle C obtained by the GPS. The points f31 to f36 shown in the right diagram of FIG. 9 indicate the estimated absolute positions of the vehicle C. As described above, the point f11 indicating the absolute position of the vehicle C corresponding to one frame of the video data is the same point as the point f21.

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。 The analysis unit 102 may estimate the absolute position of vehicle C by, for example, simply averaging the absolute position of vehicle C based on SFM and the absolute position of vehicle C based on GPS. For example, for speeds of 30 km/h or more, the absolute position of vehicle C may be determined by dividing the total value by 2. If the speed of vehicle C at points f13 and f23 is 30 km/h or more, the latitude of the absolute position of vehicle C (point f33) can be calculated by (latitude of point f13 + latitude of point f23) ÷ 2. Similarly, the longitude of the absolute position of vehicle C (point f33) can be calculated by (longitude of point f13 + longitude of point f23) ÷ 2.

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。 The analysis unit 102 may also determine the absolute position of the vehicle C by averaging the absolute position of the vehicle C based on the SFM and the absolute position of the vehicle C based on the GPS with a predetermined weight according to the vehicle speed of the vehicle C. For example, for a speed of less than 30 km/h (e.g., 5 km/h), the absolute position of the vehicle C based on the SFM may be considered to be more accurate, and the absolute position of the vehicle C based on the SFM and the absolute position of the vehicle C based on the GPS may be averaged in a ratio of, for example, 4:1 to determine the absolute position of the vehicle C. If the vehicle speed of the vehicle C at points f16 and f26 is 5 km or faster, the latitude of the absolute position of the vehicle C (point f36) can be calculated by (latitude of point f16 x 4 + latitude of point f26 x 1) ÷ 5. Similarly, the longitude of vehicle C's absolute position (point f36) can be calculated as (longitude of point f16 x 4 + longitude of point f26 x 1) ÷ 5.

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。 The analysis unit 102 may estimate the absolute position of the vehicle C for each frame using the absolute position of the vehicle C based on the SFM that has been subjected to noise removal processing and the absolute position of the vehicle C based on the GPS that has been subjected to noise removal processing. For example, a Kalman filter may be used for noise removal. The Kalman filter used to remove noise from the absolute position of the vehicle C based on the SFM and the Kalman filter used to remove noise from the absolute position of the vehicle C based on the GPS may be different Kalman filters. This makes it possible to further improve the accuracy of the estimated absolute position of the vehicle C.

［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。 [Estimate the absolute position of surrounding objects]
The analysis unit 102 calculates the absolute position of the surrounding object for each frame based on the estimated absolute position of the vehicle C for each frame and the relative positional relationship between the vehicle C and the surrounding object for each frame. As described above, the relative positional relationship between the vehicle C and the surrounding object is indicated by the distance between the vehicle C and the surrounding object and the angle in the left-right direction where the surrounding object exists when the traveling direction of the vehicle C (the center direction of the image) is set as the reference (0 degrees), as shown in B of FIG. 7. The analysis unit 102 determines the moving direction of the absolute position of the vehicle C obtained by taking the difference between the absolute positions of the vehicle C for each frame as the traveling direction of the vehicle C, and calculates the latitude and longitude corresponding to the relative position of the surrounding object based on the estimated traveling direction, thereby obtaining the absolute position (latitude, longitude) of the surrounding object.

（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。 (Generation of images showing accident situations)
The generation unit 103 generates an image showing the accident situation by mapping the absolute position of the vehicle C and the absolute positions of the surrounding objects for each frame, which are estimated by the above-described processing procedure, on a road map. This processing corresponds to the processing procedure of step S15 in FIG. 2.

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。 Figure 10 is a diagram showing an example of an image generated by the accident analysis device 10. The Y-axis and X-axis in Figure 10 correspond to latitude and longitude, respectively. In the roads shown in A to E in Figure 10, the center line indicates a median strip. The two lanes on the right side are lanes where traffic runs from bottom to top, and the two lanes on the left side are lanes where traffic runs from top to bottom. It is assumed that A to E in Figure 10 correspond to frame X, frame X+1, frame X+2, frame X+3, and frame X+4, respectively, but this is merely an example and is not limited to this. The situation of the accident can be reproduced by mapping the absolute position of vehicle C and the absolute positions of surrounding objects for each frame on a road map. For example, at the time point A in Figure 10, a passenger car V2 is coming from the opposite lane of vehicle C, and at the time point B in Figure 10, vehicle C and passenger car V2 are approaching each other and colliding. In addition, the presence or absence of a collision and the collision site may be displayed using the results estimated by the processing procedure related to "estimating the collision position" described later.

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。 In addition, passenger car V2 is not present in C to E of Figure 10. This is because passenger car V2 has moved behind vehicle C and is no longer captured by camera D. If camera D could capture the rear of the vehicle, it would be possible to estimate the movement of passenger car V2 after the collision by analyzing the video data captured behind vehicle C and reflect this in the image showing the accident situation.

（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。 (Estimation of collision direction)
The analysis unit 102 estimates the direction in which the vehicle C collides with another vehicle, an obstacle, etc., based on the acceleration generated in the vehicle C at the moment of the collision. This process corresponds to the process procedure of step S16 in FIG. 2.

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。 More specifically, the analysis unit 102 determines the direction of the collision based on the acceleration pattern generated in the vehicle C at the moment of the collision. When a collision occurs, the vehicle C experiences negative acceleration in the direction of the object of collision, and also experiences acceleration in the opposite direction to the collision direction due to the reaction of the collision. In other words, the vehicle C generally experiences acceleration that travels back and forth on an axis connecting the direction of the object of collision and the direction 180 degrees opposite to that direction.

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。 Therefore, the analysis unit 102 sums up the output values from the acceleration sensor for a predetermined period from the time of the collision by direction, and estimates the direction with the largest total value as the collision direction. More specifically, as shown in A of FIG. 11, assuming that the front direction of the vehicle C is 0 degrees, the acceleration directions are summed up for eight directions: front (D1: 337.5 degrees to 22.5 degrees), right front (D2: 22.5 degrees to 67.5 degrees), right (D3 direction: 67.5 degrees to 112.5 degrees), right rear (D4: 112.5 degrees to 157.5 degrees), rear (D5: 157.5 degrees to 202.5 degrees), left rear (D6: 202.5 degrees to 247.5 degrees), left (D7: 247.5 degrees to 292.5 degrees), and left front (D8: 292.5 degrees to 337.5 degrees), and the direction with the largest total value is deemed to be the collision direction. The acceleration measured by the acceleration sensor follows the law of inertia. Therefore, in the event of a collision, a positive acceleration is measured in the direction of the collision.

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１０２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。 The analysis unit 102 may regard the time when the acceleration sensor detects the greatest acceleration as the time of the collision. If the camera D is a drive recorder, the analysis unit 102 may regard the time of the collision recorded in the drive recorder as the time of the collision.

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。 As shown in FIG. 11B, when vehicle C comes into contact with vehicle V on its right front, it is assumed that the acceleration sensor acquires acceleration data in chronological order at, for example, time 1 (45 degree direction, 3.0 G), time 2 (47 degree direction, 1.0 G), time 3 (225 degree direction, 2.5 G), time 4 (227 degree direction, 0.5 G), and time 5 (40 degree direction, 2.0 G). In other words, vehicle C suddenly decelerates upon colliding with vehicle V at time 1, and then accelerates back and forth between the right front and left rear.

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。 In this case, the total acceleration corresponding to the right front (D2) is 3.0G + 1.0G + 2.0G = 6.0G, and the total acceleration corresponding to the left rear (D6) is 2.5G + 0.5G = 3.0G. Therefore, the analysis unit 102 estimates that the right front (D2) direction is the collision direction.

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。 The analysis unit 102 may also estimate the direction in which the vehicle C collided with the pedestrian by analyzing the video data. For example, in the process of detecting surrounding objects described above, if a pedestrian appears in an image larger than a predetermined size, it may be estimated that the vehicle C and the pedestrian collided in the frontal (D1) direction. When the vehicle C collides with a pedestrian, the acceleration detected by the acceleration sensor is smaller than when there is a collision with another vehicle, and when the vehicle C collides with a pedestrian, it almost always occurs as a head-on collision. Therefore, when detecting a collision between the vehicle C and a pedestrian, it is preferable to analyze the video data.

（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。 (Output of information showing the accident situation)
The analysis unit 102 outputs information indicating the situation of the accident caused by the vehicle C. This process corresponds to the process procedure of step S17 in Fig. 2. As described above, the analysis unit 102 outputs each item shown in Fig. 3 as information indicating the situation of the accident. The process procedure for identifying each item shown in Fig. 3 will be described in detail below. In the following description, "other vehicle" refers to the other vehicle with which the vehicle C collided.

［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。 [A: Object of contact (car, obstacle, etc.)]
The analysis unit 102 identifies the peripheral object that is closest to the vehicle C among the peripheral objects that exist within a predetermined range (e.g., a range of 45 degrees) centered on the collision direction of the vehicle C at the time when the vehicle C collided as the object that contacted the vehicle C. More specifically, the analysis unit 102 extracts the peripheral object that exists within a predetermined range centered on the collision direction of the vehicle C and that exists at a position closest to the vehicle C among the absolute positions of the peripheral objects at the time when the vehicle C collided (or the absolute positions of the peripheral objects obtained by searching the image of the frame closest to the time when the vehicle C collided), and identifies the extracted peripheral object as the object that contacted the vehicle C.

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。 A specific example will be described with reference to FIG. 12. In FIG. 12, it is assumed that vehicle C collides with a surrounding object on the right front side. In the case of A in FIG. 12, the object located closest to the right front direction of vehicle C is passenger car V1. Therefore, the analysis unit 102 determines that vehicle C has collided with passenger car V1. Similarly, in the case of B in FIG. 12, the object located closest to the right front direction of vehicle C is passenger car V5. Therefore, the analysis unit 102 determines that vehicle C has collided with passenger car V5.

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１０２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。 If the collision direction of vehicle C is in a direction not captured by camera D (i.e., if only the front of vehicle C is captured), the absolute value of the surrounding objects cannot be estimated in that direction, and therefore the object that came into contact cannot be identified. In this case, the analysis unit 102 may determine that a vehicle of some kind has collided.

［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（Ｄ８）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。 [B: Contact site]
The analysis unit 102 identifies the contact area according to the collision position of the vehicle C. Specifically, when the collision direction is the front (D1) in FIG. 11, the contact area is the front bumper shown in FIG. 13. When the collision direction is the right front (D2), the contact area is the right front bumper shown in FIG. 13. When the collision direction is the right (D3), the contact area is the right side surface shown in FIG. 13. When the collision direction is the right rear (D4), the contact area is the right rear bumper shown in FIG. 13. When the collision direction is the rear (D5), the contact area is the rear bumper shown in FIG. 13. When the collision direction is the left rear (D6), the contact area is the left rear bumper shown in FIG. 13. When the collision direction is the left (D7), the contact area is the left side surface shown in FIG. 13. When the collision direction is the left front (D8), the contact area is the left front bumper shown in FIG. 13.

［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１０２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。 [C: Road type]
The analysis unit 102 identifies the road type of the road on which the vehicle C was traveling at the time of the collision by comparing the absolute position of the vehicle C at the time of the collision with the map data. The road type identified by the analysis unit 102 may include information such as a straight road, a curve, inside an intersection, and inside a T-junction, in addition to information such as a general road or an expressway.

［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。 [D: Signal colors of own vehicle and other vehicles]
The analysis unit 102 identifies the traffic light color using the traffic light color and arrow signal identified by image analysis of the video data for each frame. For example, if the road type of the road on which the vehicle C was traveling at the time of the collision was an intersection, the analysis unit 102 identifies the traffic light color of the image of the frame at the time closest to the time of the collision and identified before the vehicle C entered the intersection, among the traffic light colors identified by analyzing the video data, as the traffic light color on the vehicle C's side (either green, yellow, or red). Whether the vehicle C has entered the intersection or not can be determined by comparing the absolute position of the vehicle C with the map data.

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。 It is assumed that the color of the signal on the intersecting side at the intersection is not shown in the video data or is shown for only a very short time, making it difficult to determine. Therefore, the analysis unit 102 may determine that the color of the signal on the intersecting side is red when the signal on the vehicle C side is green. If the vehicle that collided with vehicle C was traveling on the road that intersects the intersection, the signal on the vehicle side will be determined to be red (i.e., the vehicle entered the intersection on a red light). Similarly, the analysis unit 102 may determine that the color of the signal on the intersecting side is green when the signal on the vehicle C side is red. If the vehicle that collided with vehicle C was traveling on the road that intersects the intersection, the signal on the vehicle side will be determined to be green (i.e., the vehicle entered the intersection on a green light).

［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。 [E: Positional relationship between pedestrians, crosswalks, and safety zones]
If the object that has come into contact with the vehicle C is a pedestrian, the analysis unit 102 identifies the positional relationship between the pedestrian and the crosswalk/safety zone using the absolute position of the pedestrian and the absolute position of the crosswalk (or safety zone) identified by performing image analysis on the video data for each frame. Note that the analysis unit 102 may obtain the absolute position of the crosswalk from map data.

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。 The analysis unit 102 calculates the point where a line connecting the absolute position of the vehicle C, obtained by analyzing an image of a frame before the time when the vehicle C collided with the pedestrian and the absolute position of the pedestrian that was hit, hits the side of the crosswalk or safety zone that is farthest from the vehicle C. Next, if the distance between the absolute position of the person and the point is within a predetermined distance (e.g., 7 m), the analysis unit 102 determines that the pedestrian involved in the accident was on a crosswalk or safety zone. Furthermore, if the distance between the absolute position of the person and the point exceeds a predetermined distance (e.g., 7 m), the analysis unit 102 determines that the pedestrian involved in the accident was not on a crosswalk or safety zone.

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。 Figure 14 is a diagram for explaining the process of identifying the positional relationship between a pedestrian and a crosswalk/safety zone. For example, in Figure 14, the analysis unit 102 calculates point P2 where line L connecting absolute position P1 of vehicle C (absolute position of the center of vehicle C) and absolute position P3 of the pedestrian hits the side of the crosswalk farthest from vehicle C, and if the distance between the pedestrian's absolute position P3 and point P2 is a predetermined distance, it considers pedestrian R to have been on the crosswalk.

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Ｐ３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。 In the example of A in FIG. 14, the pedestrian is on the crosswalk, but in the example of B in FIG. 14, the pedestrian is not on the crosswalk. However, in both examples, the analysis unit 102 considers the pedestrian to be on the crosswalk if the distance between the pedestrian's absolute value P3 and point P2 is within a specified distance. This is because, in accident cases, it is not so important whether the pedestrian involved in the accident was definitely walking on the crosswalk, and it is often determined that the pedestrian was walking on the crosswalk even if he or she was slightly off the crosswalk.

［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。 [F: Trajectories of own and other vehicles at an intersection]
When an accident occurs near an intersection (when the absolute position of vehicle C at the time when vehicle C collides is within a predetermined range from the center position of the intersection), the analysis unit 102 identifies the travel trajectory of vehicle C by arranging the absolute position of vehicle C for each frame on the map data of the intersection. Also, the analysis unit 102 identifies the travel trajectory of the other vehicle by arranging the absolute position of the other vehicle for each frame on the map data of the intersection. More specifically, the analysis unit 102 identifies whether vehicle C and the other vehicle went straight through the intersection, turned right, turned left, or made a quick right turn based on the magnitude and direction of the curvature of the travel trajectory.

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１０２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。 Figure 15 is a diagram for explaining the traveling directions of vehicle C and the other vehicle. For example, the analysis unit 102 may determine that vehicle C or the other vehicle has gone straight through the intersection if the curvature of the travel trajectory in a predetermined area including the intersection is less than a predetermined value, and may determine that vehicle C or the other vehicle has turned left or right at the intersection if the curvature of the travel trajectory in the predetermined area is equal to or greater than a predetermined value. The analysis unit 102 may also determine that the vehicle has made a quick right turn if the travel trajectories of the vehicle and the other vehicle making a right turn pass through the inside of the center of the intersection. The analysis unit 102 may also determine that vehicle C and the other vehicle have changed lanes if the curvature becomes reversed within a predetermined time (e.g., 2 seconds).

「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。 "G: Lane position on the highway"
When an accident occurs on a highway (when the absolute position of vehicle C at the time of collision is on the highway), the analysis unit 102 identifies whether vehicle C was traveling on the main lane or in the passing lane by analyzing the video data for each frame or by comparing the absolute position of vehicle C with map data. For example, when vehicle C is traveling in the rightmost lane, it is identified as traveling in the passing lane, and when vehicle C is traveling in a lane other than the rightmost lane, it is identified as traveling on the main lane.

「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。 "H: Priority at intersections"
When an accident occurs near an intersection, the analysis unit 102 extracts from the map data the presence or absence of a stop sign at the intersection and the road width to determine whether or not the vehicle C had priority to enter the intersection. More specifically, of the roads that cross the intersection, the analysis unit 102 identifies the vehicle traveling on the side without a stop sign as having priority. Also, if the difference in width between the roads that cross the intersection is more than twice as large, the analysis unit 102 identifies the vehicle traveling on the wider road as having priority. Also, if there is no stop sign and there is no difference in road width, the analysis unit 102 identifies that there is no priority relationship.

「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。 "I: Stop sign, signal violation or not?"
The analysis unit 102 identifies whether the vehicle C and the other vehicle passed a stop sign without stopping by comparing the travel trajectory of the vehicle C obtained by arranging the absolute positions of the vehicle C and the other vehicle for each frame with the map data. In addition, when the vehicle C or the other vehicle passes a stop sign without stopping, if the vehicle speed of the vehicle C or the other vehicle at the time of passing is equal to or higher than a predetermined speed (e.g., 5 km) in a predetermined section (e.g., 3 m before and after) before and after the stop sign, the analysis unit 102 identifies that the vehicle C or the other vehicle did not violate the stop sign. On the other hand, if the vehicle speed of the vehicle C or the other vehicle at the time of passing is less than the predetermined speed, the analysis unit 102 identifies that the vehicle did not violate the stop sign.

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。 The analysis unit 102 also detects whether or not vehicle C has passed through a traffic light by comparing the travel trajectory of vehicle C, obtained by arranging the absolute positions of vehicle C for each frame, with the map data. If vehicle C has passed through a traffic light, the analysis unit 102 obtains the color of the traffic light by analyzing the image of the frame before the time when the traffic light was passed and which is the last frame in which the traffic light is shown. If the color of the traffic light is red, the analysis unit 102 determines that vehicle C ran a red light when passing through the traffic light.

「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。 "J: Are you obeying the speed limit?"
The analysis unit 102 identifies the speed limit set for the road on which the vehicle C traveled by comparing the travel trajectory of the vehicle C obtained by arranging the absolute positions of the vehicle C for each frame with the map data. The analysis unit 102 also compares the vehicle speed at a timing a predetermined time before (e.g., 5 seconds before) the time of the collision of the vehicle C, among the vehicle speed data included in the vehicle data of the vehicle C, with the speed limit. If the vehicle speed exceeds the speed limit, the analysis unit 102 identifies that the vehicle C was speeding. If the vehicle speed is equal to or less than the speed limit, the analysis unit 102 identifies that the vehicle C was not speeding.

「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。 "K: Pre-collision speed of your vehicle and other vehicle"
The analysis unit 102 identifies the speed of the vehicle C before the collision from the vehicle speed data included in the vehicle data of the vehicle C. The analysis unit 102 also calculates the vehicle speed of the other vehicle from the change in the absolute position of the other vehicle estimated for each frame of the video data. For example, if the moving distance of the other vehicle per frame is 1 m and the frame rate of the video data is 15 frames per second, it can be identified that the other vehicle was traveling at a speed of 60 km/h.

「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。 "L: Presence or absence of obstacles on the road"
The analysis unit 102 identifies the presence or absence of an obstacle on the road by performing image analysis on the video data for each frame. The analysis unit 102 may determine that an object that cannot be determined as a road is present on the lane road on which the vehicle C is traveling, that the object is not a person, a car, a bicycle, or a motorcycle, and that the absolute position of the object does not move between frames, as an obstacle.

「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。 "M: Opening and closing the door of the other vehicle involved in the collision"
The analysis unit 102 performs image analysis on the video data for each frame to identify whether the door of the other vehicle was open or closed.

「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。 "N: Whether or not the turn signal was activated before the collision"
The analysis unit 102 identifies whether or not the turn signal of the vehicle C was activated before the collision from the turn signal activation information included in the vehicle data of the vehicle C. The analysis unit 102 also identifies whether or not the turn signal was activated before the collision by performing image analysis on the video data for each frame.

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。 Figure 16 shows the content identified for each item included in the information indicating the accident situation by the processing procedure described above.

（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。 (Search for corresponding accident cases)
Fig. 17 is a diagram showing an example of an accident case DB. As shown in Fig. 17, an accident case includes "search conditions" for searching for an accident case, "accident details" indicating the details of the accident, "fault ratio (basic)" indicating the basic fault ratio, and "correction factors" which are conditions that require correction of the fault ratio.

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。 In the example of Figure 17, if the object that vehicle C collided with was a car (corresponding to "passenger car or truck" in item A of Figure 16), the accident occurred in an intersection where vehicle C collided with a car (corresponding to "in the intersection" in item C), the accident occurred between a vehicle going straight and a vehicle turning right (corresponding to item F where vehicle C goes straight and another vehicle turns right, or another vehicle goes straight and vehicle C turns right), and the light was red for the vehicle going straight and yellow for the vehicle turning right (corresponding to item D where vehicle C is red and another vehicle is yellow, or vehicle C is yellow and another vehicle is red), then it corresponds to accident example 1 and the fault ratio of the vehicle going straight and the vehicle turning right is 70:30.

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。 In addition, as a correction factor, it is shown that if a vehicle going straight violates the speed limit by 15 km or more (speeding violation of 15 km or more in items J and K), the fault ratio between the vehicle going straight and the vehicle turning right is 75:25. Similarly, if a vehicle going straight violates the speed limit by 30 km or more (speeding violation of 30 km or more in items J and K), the fault ratio between the vehicle going straight and the vehicle turning right is 80:20. Also, if a vehicle turning right turns right without using its turn signal (no turn signal in item N), the fault ratio between the vehicle going straight and the vehicle turning right is 60:40.

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。 The correction factors may also include correction factors that are difficult for the accident analysis device 10 to determine, such as "other significant negligence" in the degree of fault.

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。 The search unit 104 searches for accident cases that match the identified content by matching the content identified for each item of the information indicating the accident situation with the accident case DB. The search unit 104 also obtains the fault ratio corresponding to the searched accident case from the accident case DB. The search unit 104 also searches for the presence or absence of a corresponding correction element by matching the correction element of the searched accident case with each item indicating the accident situation. If a corresponding correction element is present, the search unit 104 corrects the fault ratio according to the correction ratio of the corresponding correction element.

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。 The output unit 105 also outputs the accident details and the fault ratio of the accident case searched by the search unit 104 to the terminal 20. In addition, if the correction elements include correction elements that are difficult to determine by the accident analysis device 10, the output unit 105 may output the number of the accident case, the determined fault ratio, and the wording of the correction element that is difficult to determine to the terminal 20.

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１０４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。 When searching the accident case DB, the search unit 104 may search for accident cases that meet some of the search conditions, in addition to accident cases that meet all of the search conditions. When searching for accident cases that meet some of the search conditions, the search unit 104 may rank the accident cases according to the number of mismatched items, and the output unit 105 may output the accident details in order of rank.

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。 In addition, the accident cases may be further ranked in descending order of frequency of occurrence, and the search unit 104 may search the accident case DB in descending order of rank.

＜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。 <Summary>
According to the embodiment described above, the accident analysis device 10 analyzes information indicating the circumstances of the accident based on the vehicle data and video data acquired from the vehicle C. This makes it possible to quickly match the accident circumstances with accident cases.

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。 The above-described embodiments are intended to facilitate understanding of the present invention, and are not intended to limit the present invention. The flow charts, sequences, elements included in the embodiments, and their arrangements, materials, conditions, shapes, sizes, etc., described in the embodiments are not limited to those exemplified, and may be modified as appropriate. In addition, configurations shown in different embodiments may be partially substituted or combined.

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、１０２…分析部、１０３…生成部、１０４…検索部、１０５…出力部 10...accident analysis device, 11...processor, 12...storage device, 13...communication IF, 14...input device, 15...output device, 20...terminal, 100...storage unit, 101...acquisition unit, 102...analysis unit, 103...generation unit, 104...search unit, 105...output unit

Claims (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、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。 An acquisition unit that acquires vehicle data measured by a sensor equipped in a vehicle and video data captured by a camera equipped in the vehicle;
a vehicle position estimating unit that estimates an absolute position of the vehicle based on the vehicle data;
The vehicle position estimation unit
a first estimation unit that estimates an absolute position of the vehicle based on position information measured by a positioning device provided in the vehicle;
a second estimation unit that estimates an absolute position of the vehicle at a second timing based on position information measured by the positioning device at a first timing when a first frame of the video data is captured and a relative position of the vehicle with respect to the position information measured at the first timing, the relative position being obtained by analyzing the video data at a second timing when a second frame of the video data is captured;
a third estimator that estimates an absolute position of the vehicle at the second timing by averaging, based on a predetermined weight, the absolute position estimated by the first estimator at the second timing and the absolute position estimated by the second estimator at the second timing.
Accident analysis equipment.
JP2023084402A 2020-03-16 2023-05-23 Accident Analysis Equipment Active JP7507930B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023084402A JP7507930B2 (en) 2020-03-16 2023-05-23 Accident Analysis Equipment

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020044900A JP7285799B2 (en) 2020-03-16 2020-03-16 Accident analysis device, accident analysis method and program
JP2023084402A JP7507930B2 (en) 2020-03-16 2023-05-23 Accident Analysis Equipment

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2020044900A Division JP7285799B2 (en) 2020-03-16 2020-03-16 Accident analysis device, accident analysis method and program

Publications (2)

Publication Number Publication Date
JP2023104982A JP2023104982A (en) 2023-07-28
JP7507930B2 true JP7507930B2 (en) 2024-06-28

Family

ID=73546496

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2020044900A Active JP7285799B2 (en) 2020-03-16 2020-03-16 Accident analysis device, accident analysis method and program
JP2023084402A Active JP7507930B2 (en) 2020-03-16 2023-05-23 Accident Analysis Equipment

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2020044900A Active JP7285799B2 (en) 2020-03-16 2020-03-16 Accident analysis device, accident analysis method and program

Country Status (1)

Country Link
JP (2) JP7285799B2 (en)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7053776B1 (en) 2020-12-21 2022-04-12 セイコーソリューションズ株式会社 Traffic accident situation analysis system, traffic accident situation analysis method and program
CN113436442B (en) * 2021-06-29 2022-04-08 西安电子科技大学 Vehicle speed estimation method using multiple geomagnetic sensors
WO2023017652A1 (en) * 2021-08-11 2023-02-16 ソニーグループ株式会社 Information processing device, information processing method, server device, vehicle device, and information processing program
JP7358593B1 (en) 2022-09-26 2023-10-10 株式会社デンソーテン In-vehicle device, operation method of in-vehicle device, and program

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012198656A (en) 2011-03-18 2012-10-18 Toyota Motor Corp Bicycle detection device and irradiation device

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006085285A (en) 2004-09-14 2006-03-30 Matsushita Electric Ind Co Ltd Dangerous vehicle prediction device
US20140297090A1 (en) 2011-11-11 2014-10-02 Hitachi, Ltd. Autonomous Mobile Method and Autonomous Mobile Device
US9602974B2 (en) 2012-12-28 2017-03-21 Trimble Inc. Dead reconing system based on locally measured movement

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012198656A (en) 2011-03-18 2012-10-18 Toyota Motor Corp Bicycle detection device and irradiation device

Also Published As

Publication number Publication date
JP2020194528A (en) 2020-12-03
JP2023104982A (en) 2023-07-28
JP7285799B2 (en) 2023-06-02

Similar Documents

Publication Publication Date Title
JP6679152B1 (en) Accident analysis device, accident analysis method and program
JP7507930B2 (en) Accident Analysis Equipment
US11767024B2 (en) Augmented reality method and apparatus for driving assistance
JP6838248B2 (en) Information processing device
CN112829678B (en) Method and system for processing reports received from a vehicle
CN108437986B (en) Vehicle driving assistance system and assistance method
Zhao et al. A novel multi-lane detection and tracking system
JP4985142B2 (en) Image recognition apparatus and image recognition processing method of image recognition apparatus
JP5938569B2 (en) Advanced driver support system considering azimuth information and operation method thereof
KR102613839B1 (en) Detection of emergency vehicles
JP7165201B2 (en) recognition device
EP2549457A1 (en) Vehicle-mounting vehicle-surroundings recognition apparatus and vehicle-mounting vehicle-surroundings recognition system
JP2013225295A5 (en)
KR102031503B1 (en) Method and system for detecting multi-object
JP6129268B2 (en) Vehicle driving support system and driving support method
KR20200043252A (en) Overlooking image generation system of vehicle and method thereof
Kim et al. An intelligent and integrated driver assistance system for increased safety and convenience based on all-around sensing
Chen et al. Video-based on-road driving safety system with lane detection and vehicle detection
Kim et al. Image segmentation-based bicycle riding side identification method
Song et al. Lateral driving assistance using optical flow and scene analysis
JP7140895B1 (en) Accident analysis device, accident analysis method and program
Klette et al. Vision-based driver assistance systems
JP7038881B1 (en) Accident analyzer, accident analysis method and program
Rezaei et al. Vision-based driver-assistance systems
JP7323716B2 (en) Image processing device and image processing method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230616

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240528

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240618