JP4262405B2

JP4262405B2 - Vehicle accident prediction occurrence index calculation system and method

Info

Publication number: JP4262405B2
Application number: JP2000344572A
Authority: JP
Inventors: 浩一長田; 雅彦大屋; 正人羽柴
Original assignee: Tokio Marine and Nichido Fire Insurance Co Ltd
Current assignee: Tokio Marine and Nichido Fire Insurance Co Ltd
Priority date: 2000-11-13
Filing date: 2000-11-13
Publication date: 2009-05-13
Anticipated expiration: 2020-11-13
Also published as: JP2002149899A

Description

【０００１】
【発明が属する技術分野】
本発明は、気象情報を用いた自動車事故の発生予測技術に関する。
【０００２】
【従来の技術】
例えば、特開平５−１９７７０８号公報には、送電線の雪害などの気象被害の発生を予測するために、学習制御を行う情報処理機構に既存の事故発生時の気象データを学習させて、気象データの入力により事故の発生の有無を判別するニューラルネットを構築しておき、対象区域の現況以前の実測気象データ及び以降の予測気象データをニューラルネットに入力させて、事故発生有りと判別されたときに、警報出力機構に警報を所定時間だけ継続して発報させる。この公報記載の技術は、多くの気象データを必要とし、さらに多くのリソースを用いるニューラルネットを用いている。また、得られる結果は事故の発生の有無だけである。送電線の雪害は事故が１日に何件も発生するようなものではなく、雪害にて送電線が一箇所切れただけでも大きな問題だからである。
【０００３】
【発明が解決しようとする課題】
このように従来技術は予測対象の性質の違い等から自動車事故の発生予測に単純に適用できない。
【０００４】
よって本発明の目的は、気象情報を用いた自動車事故の発生予測を行うための新規な技術を提供することである。
【０００５】
【課題を解決するための手段】
本発明に係る自動車事故予測発生指数計算システムは、予測時間帯の予測降雪量に関する情報（例えば、予測降雪量の情報、予測降水量の情報、又は時間帯終了時点の予測積雪深と時間帯開始時点の予測積雪深との差の情報）と、予測時間帯より前の所定の時間帯における降雪量に関する情報（例えば、降雪量の情報、降水量の情報、又は時間帯開始時点の積雪深と時間帯終了時点の積雪深との差の情報、若しくはこれらの予測情報）と、予測時間帯を代表する気温の情報（例えば、予測平均気温）とを取得し、記憶装置に格納する情報取得手段と、予測時間帯の予測降雪量に関する情報と、予測時間帯より前の所定の時間帯における降雪量に関する情報と、予測時間帯を代表する気温の情報とに基づき、自動車事故の予測発生指数の値を計算し、記憶装置に格納する計算手段とを有する。
【０００６】
このようにすれば、自動車事故の予測発生指数の値を得ることができ、この値の大小にて予測時間帯における事故発生の危険性を知ることができるようになる。予測発生指数の値は、事故の有無だけを表すものではなく、予測事故発生件数などに対応するものである。
【０００７】
また、本発明に係る自動車事故予測発生指数計算システムを、計算手段により計算された自動車事故の予測発生指数に基づき、事故発生の危険レベルを決定し、記憶装置に格納する手段をさらに有するような構成とすることも可能である。これにより、より明確に自動車事故発生の危険性を把握できるようになる。
【０００８】
なお、上で述べた予測降雪量に関する情報又は降雪量に関する情報を、少なくとも降雪量の情報、降水量の情報、又は所定時における積雪深と所定時から一定期間経過後の積雪深との差の情報のいずれかを用いて得られる情報とする場合もある。
【０００９】
さらに、本発明に係る自動車事故予測発生指数計算システムを、事故発生の危険レベルに対応する、予め登録されたメッセージ（例えば事故注意に関するコメント）を出力する手段をさらに有するような構成とすることも可能である。これにより、一般顧客などが自動車事故の危険性について認知することができるようになる。
【００１０】
なお、上で述べた計算手段を、予測時間帯の予測降雪量に関する情報と、予測時間帯より前の所定の時間帯における降雪量に関する情報と、予測時間帯を代表する気温の情報とを変数とする関数を用いて、自動車事故の予測発生指数の値を計算するような構成とすることも可能である。過去の自動車事故の情報と過去の気象情報とを分析して、発生事故件数と相関の高い情報を変数として用いているものである。
【００１１】
上で述べた自動車事故予測発生指数計算システムは、コンピュータにて実行されるプログラムにて実現される場合がある。この際、プログラムは自動車事故予測発生指数計算方法をコンピュータに実施させるものであり、例えばフロッピー・ディスク、ＣＤ−ＲＯＭ、光磁気ディスク、半導体メモリ、ハードディスク等の記憶媒体又は記憶装置に格納される。なお、中間的な処理結果はメモリに一時保管される。
【００１２】
【発明の実施の形態】
本発明の一実施の形態のシステム概要を図１に示す。例えばインターネットであるネットワーク１には、顧客が操作し且つウェブ（Ｗｅｂ）ブラウザ機能を有する顧客端末９と、本実施の形態において中心的な情報処理を実施する事故予測発生指数計算システム３と、Ｗｅｂサーバ機能やメール・サーバ機能を有する情報公開用サーバ５と、マスメディアに設置され且つ例えば事故予測発生指数計算システム３から情報を受信して報道に使用するためのマスメディア用サーバ１１と、蓄積された過去の気象情報及び未来の気象に関する予測情報を配信する気象情報サーバ７とが接続されている。
【００１３】
なお、図１では情報公開用サーバ５、顧客端末９及びマスメディア用サーバ１１は１台しか示されていないが、１台だけでなく複数台であってもよい。気象情報サーバ７も複数台存在していても良いが、気象情報サーバ７からの気象情報を使用する事故予測発生指数計算システム３は、いずれのサーバからどのような気象情報を取得するのかについての設定が必要となる。顧客端末９は、いわゆるパーソナルコンピュータであっても、携帯端末であっても、携帯電話機であってもよい。
【００１４】
また、気象情報サーバ７、マスメディア用サーバ１１及び情報公開用サーバ５は、ネットワーク１を介して事故予測発生指数計算システム３に接続されている必要は無く、例えば公衆回線網等を用いて通信が必要となった時点で接続するような構成であってもよい。顧客端末９は事故予測発生指数計算システム３に接続できなくともよい。
【００１５】
事故予測発生指数計算システム３は、キーボードやマウス並びにディスプレイ等の入出力装置を含む入出力部３３と、ネットワーク１を介して他のコンピュータと通信を行うための通信部３１と、入出力部３３又は通信部３１を介して気象情報を取得する気象情報取得部３５と、取得した気象情報を用いて自動車事故の予測発生指数を計算する事故予測発生指数計算部３７と、計算された予測発生指数に基づき危険レベルを決定する危険レベル決定部３９と、コメントＤＢ４３から危険レベルに対応するコメントを取得するコメント取得部４１と、気象情報取得部３５が取得した気象情報、並びに事故予測発生指数計算部３７及び危険レベル決定部３９の処理結果等を保管しておくデータ保管部４５とが設けられている。なお、通信部３１又は入出力部３３とのデータのやり取りは、気象情報取得部３５だけではなく、事故予測発生指数計算部３７、危険レベル決定部３９及びコメント取得部４１とも必要に応じて行われる。
【００１６】
図１のシステムの処理概要を説明しておく。例えば事故予測発生指数計算システム３の気象情報取得部３５は、ネットワーク１を介して気象情報サーバ７にアクセスし、気象情報（過去の気象情報及び予測気象情報、又は予測気象情報）を取得する。そして、事故予測発生指数計算システム３の事故予測発生指数計算部３７は、以下に詳細に説明するように、予測時間帯の自動車事故の予測発生指数を計算する。そして、当該指数に基づき危険レベル決定部３９が危険レベルを決定して、当該危険レベルに対応してコメント取得部４１は顧客に伝達すべきコメントをコメントＤＢ４３から取得する。
【００１７】
事故予測発生指数計算システム３の通信部３１は、危険レベル及びコメント又はコメントを、マスメディア用サーバ１１や情報公開用サーバ５に送信する。コメント等の情報を受信したマスメディア用サーバ１１は受信した情報を、当該マスメディアにおける報道に使用するため記憶装置に格納しておく。情報公開用サーバ５は、Ｗｅｂページ上でコメント等の情報を公開したり、予め登録している顧客のメール・アドレスに当該コメント等の情報をメールで送信する。顧客端末９は、顧客の指示に従って、例えば情報公開用サーバ５にアクセスすると、コメント等の情報を含むＷｅｂページの情報を取得することができ、当該Ｗｅｂページを表示装置に表示する。このようにして、顧客にコメント等の情報が伝達されるようになる。
【００１８】
なお、気象情報取得部３５が事故予測発生指数計算部３７が必要とする気象情報を通信部３１を介して取得するのではなく、入出力部３３を介して取得するようにしてもよい。すなわち、事故予測発生指数計算システム３の運営者が、例えば別途取得した気象情報をキーボード等の入出力部３３を用いて事故予測発生指数計算システム３に入力するようにしてもよい。また、危険レベルやコメントといった情報についても、ディスプレイ等の入出力部３３に出力して、別途マスメディアに伝達したり、別途情報公開用サーバ５に入力するようにしてもよい。
【００１９】
次に、図２を用いて事故予測発生指数計算システム３における処理のフローを説明する。最初に、気象情報取得部３５は、自動車事故の予測発生指数を計算するために必要な気象情報を取得する（ステップＳ１）。上でも述べたように、通信部３１に気象情報サーバ７へアクセスさせて、必要な気象情報を取得するようにしてもよいし、入出力部３３に含まれる例えばキーボードから入力された気象情報を取得するようにしてもよい。さらに他の記録媒体に記憶された気象情報を読み出すような構成であってもよい。本実施の形態では、平日の６時から１２時までの予測と、１２時から１８時までの予測とを実施する。そして、前者の予測（以下第１の時間帯の予測と呼ぶ）については、６時から１２時の予測降水量と、０時の積雪深（０時時点の積雪の深さ）と、６時の積雪深と、６時から１２時の予測平均気温とを取得する。なお、０時の積雪深と６時の積雪深との代わりに、（６時の積雪深）−（０時の積雪深）の値（６時と０時の積雪深差）を取得するようにしてもよい。後者の予測（以下第２の時間帯の予測と呼ぶ）については、１２時から１８時の予測降水量と、０時の積雪深と、１２時の積雪深と、１２時から１８時の予測平均気温とを取得する。なお、０時の積雪深と１２時の積雪深との代わりに、（１２時の積雪深）−（０時の積雪深）の値（１２時と０時の積雪深差）を取得するようにしてもよい。
【００２０】
気象情報取得部３５は、取得した気象情報をデータ保管部４５に格納する。データ保管部４５に格納されるデータの一例を図３を用いて説明する。データ保管部４５は、日付毎に、６時から１２時の予測降水量と、０時の積雪深と、６時の積雪深と、６時と０時の積雪深差と、６時から１２時の予測平均気温と、１２時から１８時の予測降水量と、１２時の積雪深と、１２時と０時の積雪深差と、１２時から１８時の予測平均気温と、６時から１２時の事故の予測発生指数と、６時から１２時の危険レベルと、１２時から１８時の事故の予測発生指数と、１２時から１８時の危険レベルとが格納されるようになっている。なお、０時の積雪深、６時の積雪深、１２時の積雪深は、６時と０時の積雪深差、１２時と０時の積雪深差の情報を取得できれば、不要である。もし、６時と０時の積雪深差、１２時と０時の積雪深差の情報を取得できなければ、取得した０時の積雪深、６時の積雪深及び１２時の積雪深を用いて、例えば気象情報取得部３５が６時と０時の積雪深差及び１２時と０時の積雪深差を計算して、データ保管部４５に記憶する。
【００２１】
６時から１２時の平均気温についても、この情報を直接取得できない場合には、例えば６時、７時、８時、９時、１０時、１１時の予測気温（６時の予測気温は実際の気温の場合あり）の情報を取得し、それらの平均を計算することにより６時から１２時の予測平均気温としてデータ保管部４５に記憶したり、６時の予測気温（６時の予測気温は実際の気温の場合あり）と１２時（又は１１時）の予測気温とを取得して、それらの平均を計算することにより６時から１２時の予測平均気温としてデータ保管部４５に格納したりする場合もある。同じように１２時から１８時の平均気温の情報を直接取得できない場合には、１２時、１３時、１４時、１５時、１６時、１７時の予測気温（１２時の予測気温は実際の気温の場合あり）の情報を取得し、それらの平均を計算することにより１２時から１８時の予測平均気温としてデータ保管部４５に記憶したり、１２時の予測気温（１２時の予測気温は実際の気温の場合あり）と１８時（又は１７時）の予測気温との平均を計算することにより１２時から１８時の予測平均気温としてデータ保管部４５に保管したりする場合もある。気温の場合、１時間おきのデータを平均しなくとも、２時間おき、３時間おき等のデータを平均しても使用するような形態であっても良い。
【００２２】
次に、事故予測発生指数計算部３７が、自動車事故の予測発生指数を計算する（ステップＳ３）。本実施の形態では上で述べたように第１及び第２の時間帯に分けて、自動車事故の予測発生指数を計算する。
【００２３】
第１の時間帯においては、６時から１２時の予測降水量と、６時と０時の積雪深差と、６時から１２時の予測平均気温とに基づき自動車事故の予測発生指数（事故件数の大小を表す指数）を計算する。これらの変数は、過去の自動車事故のデータ（事故年月日、事故時間、事故場所等）と過去の気象データ（降雪量（降水量）、積雪深、気温等）を基に分析を行った結果、第１の時間帯における自動車事故件数との相関が他の類似する変数に比して高いものである。また、回帰分析により各変数の係数が計算されており、全体として以下のような式にて表される。
【００２４】
（自動車事故の予測発生指数）＝31.41（切片）＋0.72×（６時から１２時の予測降水量）＋1.42×（６時と０時の積雪深差）−1.68×（６時から１２時の予測平均気温）（１）
【００２５】
なお、６時から１２時の予測降水量ではなく、予測降雪量を使用することも可能である。また、６時と０時の積雪深差ではなく、０時から６時の降雪量若しくは降水量を使用することも可能である。なお、ステップＳ３を実行する時間によっては、予測値を用いる場合もある。また、降雪量又は降水量についての情報は、他の気象情報を考慮して計算された他の情報の場合もある。さらに、６時から１２時の予測平均気温でなく、第１の時間帯を代表する気温の情報であってもよい。例えば、第１の時間帯における所定の時刻の予測気温を用いることもできる。このように変数の種類を変更すれば、係数の値も変化する。よって、再度回帰分析を行って係数を計算し直す必要がある。なお、過去の自動車事故のデータを用いているので、係数には場所及び時間帯の特性が含まれる。
【００２６】
例えば、６時から１２時の予測降水量が１（mm）であり、６時と０時の積雪深差が２０（cm）であり、６時から１２時の平均気温が−５（度）である場合には、６９．１という自動車事故の予測発生指数が計算できる。
【００２７】
第２の時間帯においては、１２時から１８時の予測降水量と、１２と０時の積雪深差と、１２時から１８時の予測平均気温とに基づいて自動車事故の予測発生指数を計算する。これらの変数も、第１の時間帯と同じように、過去の自動車事故のデータと過去の気象データを基に分析を行った結果、第２の時間帯における自動車事故件数との相関が他の類似する変数に比して高いものである。また、回帰分析により各変数の係数が計算されており、全体として以下のような式にて表される。
【００２８】
（自動車事故の予測発生指数）＝28.92（切片）＋3.37×（１２時から１８時の予測降水量）＋0.74×（１２時と０時の積雪深差）−1.30×（１２時から１８時の予測平均気温）（２）
【００２９】
なお、１２時から１８時の予測降水量ではなく、予測降雪量を使用することも可能である。また、１２時と０時の積雪深差ではなく、０時から１２時の降雪量若しくは降水量を使用することも可能である。なお、ステップＳ３を実行する時間によっては、予測値を用いる場合もある。また、降雪量又は降水量についての情報は、他の気象情報を考慮して計算された他の情報の場合もある。さらに、１２時から１８時の予測平均気温でなく、第２の時間帯を代表する気温の情報であってもよい。例えば、第２の時間帯における所定の時刻の予測気温を用いることもできる。このように変数の種類を変更すれば、係数の値もまた変化する。よって、再度回帰分析を行って係数を計算し直す必要がある。なお、過去の自動車事故のデータを用いているので、係数には場所及び時間帯の特性が含まれる。
【００３０】
例えば、１２時から１８時の予測降水量が３（mm）であり、１２時と０時の積雪深差が２０（cm）であり、１２時から１８時の平均気温が−５（度）である場合には、６０．４という自動車事故の予測発生指数が計算される。
【００３１】
事故予測発生指数計算部３７は、第１の時間帯については上で述べたような（１）式に従って、第２の時間帯については上で述べたような（２）式に従って、自動車事故の予測発生指数を計算し、計算結果をデータ保管部４５に格納する。また、入出力部３３に含まれるディスプレイに、計算結果である自動車事故の予測発生指数を表示する場合もある。
【００３２】
次に、危険レベル決定部３９は、事故予測発生指数計算部３７が計算した、自動車事故の予測発生指数を用いて、危険レベルを決定する（ステップＳ５）。第１の時間帯の場合には、例えば図４のように各危険レベルについて予測発生指数の範囲が決められている。すなわち、予測発生指数が２０．０以下であれば危険レベルはレベル１である。２０．１以上４０．０以下であれば危険レベルはレベル２である。４０．１以上７０．０以下であれば危険レベルはレベル３である。７０．１以上であれば危険レベルはレベル４である。危険レベル決定部３９は、予測発生指数がいずれの範囲に属するかを検査して、危険レベルを決定する。
【００３３】
また、第２の時間帯の場合には、例えば図５のように各レベルについて予測発生指数の範囲が決められている。すなわち、予測発生指数が２０．０以下であれば危険レベルはレベル１である。２０．１以上４０．０以下であれば危険レベルはレベル２である。４０．１以上６０．０以下であれば危険レベルはレベル３である。６０．１以上であれば危険レベルはレベル４である。危険レベル決定部３９は、予測発生指数がいずれの範囲に属するか検査して、危険レベルを決定する。
【００３４】
このように、時間帯毎に閾値を変更することも同じにすることも可能である。危険レベル決定部３９は、決定した危険レベルをデータ保管部４５に保管する。
【００３５】
そして、コメント取得部４１は、コメントＤＢ４３を参照して、決定された危険レベルに対応するコメントを取得する（ステップＳ７）。図６にコメントＤＢ４３の一例を示す。すなわち、レベル１に対応して「通常の件数の事故が発生することが予想されます。ただし、天候が急変したり、場所によっては事故が増えることも予想されますので、注意して運行して下さい。」という情報が格納されている。また、レベル２に対応して「普段より事故が増えることが予想されます。特に交差点付近の追突や、カーブで車が制御できなくなることも予想されますので、スピードを落として走行して下さい。」という情報が格納されている。レベル３に対応して「かなり多くの事故発生が予想されます。車が制御できなくなり、事故が多発することが考えられます。スピードを落として走行することを特にお勧めします。」という情報が格納されている。レベル４に対応して「大変多くの事故が発生することが予想されます。車が制御できなくなり、追突事故等の可能性が高まります。普段の日と比較して、特にスピードを落として走行して下さい。」という情報が格納されている。本実施の形態では、第１の時間帯のコメントと第２の時間帯のコメントとを同じにしているが、コメントＤＢ４３に２種類以上のコメントを用意しておき、時間帯に合わせて使い分けるようにすることも可能である。また、２種類以上のコメントを用意しておき、任意の組み合せで出力するような構成であってもよい。
【００３６】
よって、コメント取得部４１は、危険レベルに対応するレベルのコメントをコメントＤＢ４３から取得することができる。
【００３７】
そして、入出力部３３又は通信部３１が、危険レベルの値及びコメント、又はコメントを出力する（ステップＳ９）。すなわち、入出力部３３に含まれるディスプレイやプリンタに、危険レベルの値及びコメント、又はコメントを表示又は印刷する。また、通信部３１が、マスメディア用サーバ１１及び情報公開用サーバ５に、危険レベルの値及びコメント、又はコメントを送信する。
【００３８】
これに対してマスメディア用サーバ１１は、受信した情報を記憶装置に格納する。そして、マスメディアの担当者が報道に使用する。一方、情報公開用サーバ５は、受信した情報を、所定のＷｅｂページに掲載したり、予め登録されたメール・アドレス宛てに送信する。顧客は、顧客端末９を操作して、情報公開用サーバ５にアクセスすることにより、危険レベルやコメントを取得することができるようになる。また、顧客端末９にメールを受信することにより、危険レベルやコメントを取得することができる。
【００３９】
このように危険レベルやコメントを受信した顧客は、自動車事故防止に役立てることができるようになる。
【００４０】
上でも述べたが、ディスプレイやプリンタに出力された情報を、別途ＦＡＸでマスメディアに送信したり、電子メールで送信したり、電話を用いて口頭で伝えることも可能である。さらに、ディスプレイやプリンタに出力された情報を、情報公開用サーバ５の管理者に渡して、当該管理者が所定のＷｅｂページに情報を掲載したり、電子メールの発送処理を行ったりするような構成であってもよい。
【００４１】
以上説明した実施の形態は一例であって様々な変形が可能である。例えば図１において事故予測発生指数計算システム３と情報公開用サーバ５を別途設けているが、一体化してもよい。図１に示したサーバについては、１台のサーバで全ての機能を実現しても良いし、複数台のサーバで必要な機能を実現するような構成であってもよい。
【００４２】
また、上の（１）及び（２）式は一例であって、様々な変形が可能である。上で述べた変形の他、時間帯の変更が可能である。例えば、上の例では６時間ごとに予測する時間帯を区切っているが、例えば３時間ごとに予測する時間帯を区切ったり１２時間ごとに予測する時間帯を区切ったりすることも可能である。３，６，１２以外の数字を用いることも可能である。また、変数についても（１）式については６時間単位のデータを用いているが、全部又は一部を３時間単位又は１２時間単位などのデータを用いることも可能である。（２）式についても同様である。また３，６，１２以外の数字を用いることも可能である。
【００４３】
また、追加の気象情報を変数として使用するような構成も可能である。例えば、雪の解け具合を表すために日照量（又は日照時間）を新たな変数として用いることも可能である。また、上では事故予測発生指数を顧客に配信しないようにしていたが、危険レベル、コメント共に配信するような構成であってもよい。
【００４４】
情報公開用サーバ５は、ＦＡＸサービスとして危険レベルやコメントをＦＡＸで顧客へ配信するような構成であってもよい。
【００４５】
また、上で述べた事故予測発生指数計算システムは、コンピュータとプログラムの組合せで実装される場合があり、当該プログラムは、例えばフロッピー（登録商標）・ディスク、ＣＤ−ＲＯＭ、光磁気ディスク、半導体メモリ、ハードディスク等の記憶媒体又は記憶装置に格納される。なお、中間的な処理結果はメモリに一時保管される。
【００４６】
【発明の効果】
以上のように、気象情報を用いた自動車事故の発生予測を行うための新規な技術を提供することができた。
【図面の簡単な説明】
【図１】本発明の一実施の形態における機能ブロック図である。
【図２】図１のシステムの処理フローを示す図である。
【図３】データ保管部に格納されるデータの一例を示す。
【図４】危険レベル決定部で用いられるデータの一例を示す図である。
【図５】危険レベル決定部で用いられるデータの一例を示す図である。
【図６】コメントＤＢに格納されるデータの一例を示す図である。
【符号の説明】
１ネットワーク３事故予測発生指数計算システム
５情報公開用サーバ７気象情報サーバ９顧客端末
１１マスメディア用サーバ
３１通信部３３入出力部３５気象情報取得部
３７事故予測発生指数計算部３９危険レベル決定部
４１コメント取得部４３コメントＤＢ
４５データ保管部[0001]
[Technical field to which the invention belongs]
The present invention relates to an automobile accident occurrence prediction technique using weather information.
[0002]
[Prior art]
For example, in Japanese Patent Application Laid-Open No. 5-197708, in order to predict the occurrence of weather damage such as snow damage on a transmission line, an information processing mechanism that performs learning control is made to learn weather data when an accident occurs and A neural network was constructed to determine whether an accident occurred by inputting data, and measured weather data before the current state of the target area and predicted weather data after that were input to the neural network, and it was determined that an accident occurred. Sometimes, the alarm output mechanism continuously issues an alarm for a predetermined time. The technique described in this publication uses a neural network that requires a lot of weather data and uses more resources. Also, the only result obtained is whether or not an accident has occurred. This is because snow damage to power transmission lines is not such that many accidents occur a day, and even if one power transmission line breaks due to snow damage, it is a serious problem.
[0003]
[Problems to be solved by the invention]
As described above, the conventional technology cannot be simply applied to the prediction of the occurrence of an automobile accident due to the difference in the nature of the prediction target.
[0004]
Therefore, an object of the present invention is to provide a novel technique for predicting the occurrence of an automobile accident using weather information.
[0005]
[Means for Solving the Problems]
The vehicle accident prediction occurrence index calculation system according to the present invention provides information related to the predicted snowfall in the predicted time zone (for example, predicted snowfall information, predicted precipitation information, or predicted snow depth and time zone start at the end of the time zone). Information on the difference between the predicted snow depth at the time point) and information on the amount of snowfall in a predetermined time zone before the predicted time zone (for example, information on snowfall amount, precipitation information, or snow depth at the start of the time zone) Information acquisition means for acquiring information on the difference from the snow depth at the end of the time zone or prediction information thereof) and information on the temperature representative of the prediction time zone (for example, predicted average temperature) and storing the information in the storage device Based on information on the predicted amount of snowfall in the forecast time zone, information on the snowfall amount in a predetermined time zone before the forecast time zone, and information on the temperature representative of the forecast time zone, Total value And has a calculating means for storing in a storage device.
[0006]
In this way, it is possible to obtain the value of the predicted occurrence index of an automobile accident, and to know the risk of occurrence of an accident in the predicted time zone from the magnitude of this value. The value of the predicted occurrence index does not represent only the presence or absence of an accident, but corresponds to the number of predicted accidents.
[0007]
Further, the vehicle accident prediction occurrence index calculation system according to the present invention further includes means for determining the risk level of occurrence of an accident based on the vehicle accident prediction occurrence index calculated by the calculation means and storing it in a storage device. A configuration is also possible. This makes it possible to grasp the risk of an automobile accident more clearly.
[0008]
Note that the information on the predicted amount of snowfall or information on the amount of snowfall described above is at least the amount of snowfall information, the amount of precipitation information, or the difference between the snow depth at a predetermined time and the snow depth after a certain period of time has elapsed since the predetermined time. In some cases, the information is obtained using any of the information.
[0009]
Furthermore, the automobile accident prediction occurrence index calculation system according to the present invention may be configured to further include means for outputting a pre-registered message (for example, a comment on accident attention) corresponding to the danger level of the accident occurrence. Is possible. As a result, general customers can recognize the danger of a car accident.
[0010]
Note that the calculation means described above can be used to change information on the predicted amount of snowfall in the predicted time zone, information on the amount of snowfall in a predetermined time zone before the predicted time zone, and information on the temperature representative of the predicted time zone. It is also possible to adopt a configuration that calculates the value of the predicted occurrence index of an automobile accident using the function Information on past car accidents and past weather information are analyzed, and information having a high correlation with the number of accidents occurred is used as a variable.
[0011]
The vehicle accident prediction occurrence index calculation system described above may be realized by a program executed by a computer. At this time, the program causes the computer to execute an automobile accident prediction occurrence index calculation method, and is stored in a storage medium or storage device such as a floppy disk, a CD-ROM, a magneto-optical disk, a semiconductor memory, or a hard disk. The intermediate processing result is temporarily stored in the memory.
[0012]
DETAILED DESCRIPTION OF THE INVENTION
FIG. 1 shows a system outline of an embodiment of the present invention. For example, in the network 1 that is the Internet, a customer terminal 9 that is operated by a customer and has a Web (Web) browser function, an accident prediction occurrence index calculation system 3 that performs central information processing in the present embodiment, a Web An information disclosure server 5 having a server function and a mail server function, a mass media server 11 installed in the mass media and receiving information from, for example, the accident prediction occurrence index calculation system 3 and using it for reporting; The meteorological information server 7 that distributes the past meteorological information and forecast information related to the future meteorology is connected.
[0013]
In FIG. 1, only one information disclosure server 5, customer terminal 9, and mass media server 11 are shown, but not only one but also a plurality of servers may be used. There may be a plurality of weather information servers 7, but the accident prediction occurrence index calculation system 3 that uses the weather information from the weather information server 7 determines what weather information is acquired from which server. Setting is required. The customer terminal 9 may be a so-called personal computer, a mobile terminal, or a mobile phone.
[0014]
Further, the weather information server 7, the mass media server 11, and the information disclosure server 5 do not need to be connected to the accident prediction occurrence index calculation system 3 via the network 1, but communicate using, for example, a public network. The configuration may be such that the connection is made when it becomes necessary. The customer terminal 9 may not be connected to the accident prediction occurrence index calculation system 3.
[0015]
The accident prediction occurrence index calculation system 3 includes an input / output unit 33 including input / output devices such as a keyboard, a mouse, and a display, a communication unit 31 for communicating with other computers via the network 1, and an input / output unit 33. Or the weather information acquisition part 35 which acquires weather information via the communication part 31, the accident prediction occurrence index calculation part 37 which calculates the prediction occurrence index of a motor vehicle accident using the acquired weather information, and the calculated prediction occurrence index A risk level determination unit 39 for determining a risk level based on the above, a comment acquisition unit 41 for acquiring a comment corresponding to the risk level from the comment DB 43, weather information acquired by the weather information acquisition unit 35, and an accident prediction occurrence index calculation unit 37 and a data storage unit 45 for storing processing results of the risk level determination unit 39 and the like. Data exchange with the communication unit 31 or the input / output unit 33 is performed not only by the weather information acquisition unit 35 but also by the accident prediction occurrence index calculation unit 37, the risk level determination unit 39, and the comment acquisition unit 41 as necessary. Is called.
[0016]
An outline of the processing of the system shown in FIG. For example, the weather information acquisition unit 35 of the accident prediction occurrence index calculation system 3 accesses the weather information server 7 via the network 1 and acquires weather information (past weather information and predicted weather information, or predicted weather information). Then, the accident prediction occurrence index calculation unit 37 of the accident prediction occurrence index calculation system 3 calculates the prediction occurrence index of the automobile accident in the prediction time zone as will be described in detail below. Then, the risk level determination unit 39 determines the risk level based on the index, and the comment acquisition unit 41 acquires a comment to be transmitted to the customer from the comment DB 43 corresponding to the risk level.
[0017]
The communication unit 31 of the accident prediction occurrence index calculation system 3 transmits the danger level and the comment or comment to the mass media server 11 and the information disclosure server 5. The mass media server 11 that has received the information such as comments stores the received information in a storage device for use in reporting on the mass media. The information disclosure server 5 publishes information such as comments on the Web page, or transmits information such as comments to the customer's registered mail address by email. When the customer terminal 9 accesses, for example, the information disclosure server 5 in accordance with a customer instruction, the customer terminal 9 can acquire information on a Web page including information such as comments, and displays the Web page on a display device. In this way, information such as comments is transmitted to the customer.
[0018]
Note that the weather information acquisition unit 35 may acquire the weather information required by the accident prediction occurrence index calculation unit 37 not via the communication unit 31 but via the input / output unit 33. That is, the operator of the accident prediction occurrence index calculation system 3 may input, for example, separately acquired weather information into the accident prediction occurrence index calculation system 3 using the input / output unit 33 such as a keyboard. Also, information such as a danger level and a comment may be output to the input / output unit 33 such as a display and transmitted to the mass media separately or input to the information disclosure server 5 separately.
[0019]
Next, a processing flow in the accident prediction occurrence index calculation system 3 will be described with reference to FIG. Initially, the weather information acquisition part 35 acquires the weather information required in order to calculate the prediction index of a motor vehicle accident (step S1). As described above, the communication unit 31 may be accessed to the weather information server 7 to acquire necessary weather information. For example, the weather information input from the keyboard included in the input / output unit 33 may be obtained. You may make it acquire. Furthermore, the structure which reads the weather information memorize | stored in the other recording medium may be sufficient. In the present embodiment, prediction from 6 o'clock to 12 o'clock on weekdays and prediction from 12 o'clock to 18 o'clock are performed. For the former prediction (hereinafter referred to as the first time zone prediction), the predicted precipitation from 6:00 to 12:00, the snow depth at 0:00 (the depth of snow at 0:00), and 6:00 Snow depth and predicted average temperature from 6:00 to 12:00. In addition, instead of the snow depth at 0 o'clock and the snow depth at 6 o'clock, the value of (6 o'clock snow depth)-(0 o'clock snow depth) is obtained (the difference in snow depth between 6 o'clock and 0 o'clock). It may be. For the latter prediction (hereinafter referred to as prediction in the second time zone), the predicted precipitation from 12:00 to 18:00, the snow depth at 0:00, the snow depth at 12:00, and the prediction from 12:00 to 18:00 Get the average temperature and. Instead of the snow depth at 0 o'clock and the snow depth at 12 o'clock, the value of (the snow depth at 12 o'clock)-(the snow depth at 0 o'clock) (the difference in snow depth between 12:00 and 0 o'clock) is obtained. It may be.
[0020]
The weather information acquisition unit 35 stores the acquired weather information in the data storage unit 45. An example of data stored in the data storage unit 45 will be described with reference to FIG. For each date, the data storage unit 45 stores the predicted precipitation amount from 6 o'clock to 12 o'clock, the snow depth at 0 o'clock, the snow depth at 6 o'clock, the difference in snow depth between 6 o'clock and 0 o'clock, and 12 o'clock to 12 o'clock. Predicted average temperature at 12:00, predicted precipitation from 12:00 to 18:00, snow depth at 12:00, difference in snow depth between 12:00 and 0:00, predicted average temperature from 12:00 to 18:00, and from 6:00 The predicted occurrence index of the accident at 12:00, the danger level from 6 o'clock to 12 o'clock, the predicted occurrence index of accident from 12 o'clock to 18 o'clock, and the danger level from 12 o'clock to 18 o'clock are stored. Yes. It should be noted that the snow depth at 0 o'clock, the snow depth at 6 o'clock, and the snow depth at 12 o'clock are not necessary if information on the snow depth difference between 6 o'clock and 0 o'clock and the snow depth difference between 12 o'clock and 0 o'clock can be acquired. If the information on the snow depth difference between 6 o'clock and 0 o'clock and the snow depth difference between 12 o'clock and 0 o'clock cannot be acquired, the obtained snow depth at 0 o'clock, snow depth at 6 o'clock and snow depth at 12 o'clock are used. For example, the weather information acquisition unit 35 calculates the snow depth difference between 6 o'clock and 0 o'clock and the snow depth difference between 12:00 and 0 o'clock and stores it in the data storage unit 45.
[0021]
If this information cannot be obtained directly for the average temperature from 6 o'clock to 12 o'clock, for example, the predicted temperature at 6 o'clock, 7 o'clock, 8 o'clock, 9 o'clock, 10 o'clock, 11 o'clock (the predicted temperature at 6 o'clock is actually obtains information of May have temperature), and stores in the data storage unit 45 as a prediction average temperature of 12 o'clock to 6 o'clock by calculating the average of the prediction temperatures predicted temperature (6:00 o'clock 6 Is the actual temperature) and the predicted temperature at 12:00 (or 11:00) is obtained, and the average of these is calculated and stored in the data storage unit 45 as the predicted average temperature from 6:00 to 12:00. Sometimes. Similarly, if the average temperature information from 12:00 to 18:00 cannot be obtained directly, the predicted temperature at 12:00 , 13:00, 14:00, 15:00, 16:00, and 17:00 (the predicted temperature at 12:00 is the actual temperature It is possible to store the information in the data storage unit 45 as the predicted average temperature from 12:00 to 18:00 by obtaining the information of the temperature (which may be the temperature) and calculating the average of them, or the predicted temperature at 12:00 (the predicted temperature at 12:00 is It may be stored in the data storage unit 45 as the predicted average temperature from 12:00 to 18:00 by calculating the average of the predicted temperature at 18:00 (or 17:00) in the case of actual temperature). In the case of the temperature, the data may be used even if the data such as every 2 hours or every 3 hours is averaged without averaging the data every hour.
[0022]
Next, the accident prediction occurrence index calculation part 37 calculates the prediction occurrence index of a car accident (step S3). In the present embodiment, as described above, the predicted occurrence index of an automobile accident is calculated in the first and second time zones.
[0023]
In the first time zone, the forecasted car accident occurrence index (accident) is based on the forecasted precipitation from 6:00 to 12:00, the snow depth difference between 6:00 and 0:00, and the predicted average temperature from 6:00 to 12:00. (Index indicating the number of cases). These variables were analyzed based on past car accident data (accident date, accident time, accident location, etc.) and past meteorological data (snowfall (precipitation), snow depth, temperature, etc.). As a result, the correlation with the number of automobile accidents in the first time zone is higher than other similar variables. Moreover, the coefficient of each variable is calculated by regression analysis, and is represented by the following formula as a whole.
[0024]
(Predicted occurrence index of car accidents) = 31.41 (intercept) + 0.72 x (predicted precipitation from 6 o'clock to 12 o'clock) + 1.42 x (difference in snow depth between 6 o'clock and 0 o'clock)-1.68 x (from 6 o'clock) Predicted average temperature at 12:00) (1)
[0025]
In addition, it is also possible to use the predicted snowfall amount instead of the predicted precipitation amount from 6:00 to 12:00. It is also possible to use the amount of snowfall or precipitation from 0 o'clock to 6 o'clock instead of the difference in snow depth between 6 o'clock and 0 o'clock. Note that a predicted value may be used depending on the time for executing step S3. Further, the information about the amount of snowfall or the amount of precipitation may be other information calculated in consideration of other weather information. Furthermore, instead of the predicted average temperature from 6 o'clock to 12 o'clock, the temperature information representing the first time zone may be used. For example, the predicted temperature at a predetermined time in the first time zone can also be used. If the type of variable is changed in this way, the value of the coefficient also changes. Therefore, it is necessary to perform regression analysis again and recalculate the coefficients. In addition, since the data of the past automobile accident are used, the coefficient includes the location and time zone characteristics.
[0026]
For example, the predicted precipitation from 6:00 to 12:00 is 1 (mm), the snow depth difference between 6:00 and 0:00 is 20 (cm), and the average temperature from 6:00 to 12:00 is -5 (degrees) In this case, it is possible to calculate a predicted vehicle accident occurrence index of 69.1.
[0027]
In the second time zone, calculate the forecast index for car accidents based on the predicted precipitation from 12:00 to 18:00, the difference in snow depth between 12:00 and 10:00, and the predicted average temperature from 12:00 to 18:00 To do. As with the first time zone, these variables were also analyzed based on past car accident data and past weather data. As a result, the correlation between the number of car accidents in the second time zone and other variables High compared to similar variables. Moreover, the coefficient of each variable is calculated by regression analysis, and is represented by the following formula as a whole.
[0028]
(Predicted occurrence index of car accidents) = 28.92 (intercept) + 3.37 x ( predicted precipitation from 12:00 to 18:00) + 0.74 x (difference in snow depth between 12:00 and 0:00)-1.30 x (from 12:00) 18:00 predicted average temperature) (2)
[0029]
In addition, it is also possible to use the predicted snowfall amount instead of the predicted precipitation amount from 12:00 to 18:00. It is also possible to use the amount of snowfall or precipitation from 0:00 to 12:00 instead of the snow depth difference between 12:00 and 0:00. Note that a predicted value may be used depending on the time for executing step S3. Further, the information about the amount of snowfall or the amount of precipitation may be other information calculated in consideration of other weather information. Furthermore, instead of the predicted average temperature from 12:00 to 18:00, it may be information on the temperature representative of the second time zone. For example, the predicted temperature at a predetermined time in the second time zone can be used. If the type of variable is changed in this way, the value of the coefficient also changes. Therefore, it is necessary to perform regression analysis again and recalculate the coefficients. In addition, since the data of the past automobile accident are used, the coefficient includes the location and time zone characteristics.
[0030]
For example, the predicted precipitation from 12:00 to 18:00 is 3 (mm), the snow depth difference from 12:00 to 0:00 is 20 (cm), and the average temperature from 12:00 to 18:00 is -5 (degrees) In this case, the predicted occurrence index of an automobile accident of 60.4 is calculated.
[0031]
The accident prediction occurrence index calculation unit 37 calculates the vehicle accident according to the equation (1) as described above for the first time zone and the equation (2) as described above for the second time zone. The predicted occurrence index is calculated, and the calculation result is stored in the data storage unit 45. In some cases, a predicted occurrence index of a car accident as a calculation result is displayed on a display included in the input / output unit 33.
[0032]
Next, the risk level determination unit 39 determines the risk level using the predicted vehicle accident occurrence index calculated by the accident prediction occurrence index calculation unit 37 (step S5). In the case of the first time zone, for example, as shown in FIG. 4, the range of the predicted occurrence index is determined for each risk level. That is, if the predicted occurrence index is 20.0 or less, the danger level is level 1. If it is 20.1 or more and 40.0 or less, the danger level is level 2. If it is 40.1 or more and 70.0 or less, the danger level is level 3. If it is 70.1 or higher, the danger level is level 4. The danger level determination unit 39 determines which range the predicted occurrence index belongs to and determines the danger level.
[0033]
In the case of the second time zone, for example, as shown in FIG. 5, the range of the predicted occurrence index is determined for each level. That is, if the predicted occurrence index is 20.0 or less, the danger level is level 1. If it is 20.1 or more and 40.0 or less, the danger level is level 2. If it is 40.1 or more and 60.0 or less, the danger level is level 3. If it is 60.1 or higher, the danger level is level 4. The risk level determination unit 39 determines which range the predicted occurrence index belongs to determine the risk level.
[0034]
In this way, it is possible to change the threshold value for each time zone or to make it the same. The risk level determination unit 39 stores the determined risk level in the data storage unit 45.
[0035]
And the comment acquisition part 41 acquires the comment corresponding to the determined danger level with reference to comment DB43 (step S7). FIG. 6 shows an example of the comment DB 43. In other words, in response to Level 1, “It is expected that a normal number of accidents will occur. However, it is expected that the weather will change suddenly and the number of accidents will increase depending on the location. Is stored. Also, in response to Level 2, “It is expected that more accidents will occur than usual. In particular, it is expected that rear-end collisions near intersections and cars will become uncontrollable at curves. "Is stored. Corresponding to level 3, "a considerable number of accidents are expected. Cars can not be controlled and accidents can occur frequently. It is especially recommended to drive at a reduced speed." Is stored. Corresponding to level 4, “It is expected that many accidents will occur. The car will become uncontrollable and the possibility of a rear-end collision will increase. Driving at a reduced speed, especially compared to normal days Is stored. " In the present embodiment, the comments in the first time zone and the comments in the second time zone are the same, but two or more types of comments are prepared in the comment DB 43 so that they are used properly according to the time zone. It is also possible to make it. Moreover, the structure which prepares two or more types of comments, and outputs them in arbitrary combinations may be sufficient.
[0036]
Therefore, the comment acquisition unit 41 can acquire a comment at a level corresponding to the danger level from the comment DB 43.
[0037]
Then, the input / output unit 33 or the communication unit 31 outputs a danger level value and a comment or a comment (step S9). In other words, the danger level value and the comment or the comment are displayed or printed on the display or printer included in the input / output unit 33. In addition, the communication unit 31 transmits a danger level value and a comment or a comment to the mass media server 11 and the information disclosure server 5.
[0038]
On the other hand, the mass media server 11 stores the received information in the storage device. And mass media representatives use it for reporting. On the other hand, the information disclosure server 5 posts the received information on a predetermined Web page or transmits it to a pre-registered mail address. The customer can acquire the danger level and the comment by operating the customer terminal 9 and accessing the information disclosure server 5. Further, the risk level and the comment can be acquired by receiving the mail at the customer terminal 9.
[0039]
As described above, the customer who receives the danger level and the comment can be used for preventing the automobile accident.
[0040]
As described above, the information output to the display or printer can be separately sent to mass media by FAX, sent by e-mail, or spoken verbally using a telephone. Further, the information output to the display or printer is transferred to the administrator of the information disclosure server 5 so that the administrator posts the information on a predetermined Web page or performs an e-mail sending process. It may be a configuration.
[0041]
The embodiment described above is an example, and various modifications are possible. For example, although the accident prediction occurrence index calculation system 3 and the information disclosure server 5 are separately provided in FIG. 1, they may be integrated. The server shown in FIG. 1 may be configured so that all functions are realized by a single server, or a necessary function is realized by a plurality of servers.
[0042]
The above equations (1) and (2) are examples, and various modifications are possible. In addition to the modifications described above, the time zone can be changed. For example, in the above example, the time zone to be predicted every 6 hours is divided, but for example, the time zone to be predicted every 3 hours can be divided or the time zone to be predicted every 12 hours can be divided. It is also possible to use numbers other than 3, 6, and 12. As for the variables, 6-hour data is used for equation (1), but all or part of the data can be used in units of 3 hours or 12 hours. The same applies to equation (2). It is also possible to use numbers other than 3, 6 and 12.
[0043]
Moreover, the structure which uses additional weather information as a variable is also possible. For example, it is possible to use the amount of sunlight (or duration of sunlight) as a new variable in order to express how snow melts. Further, in the above, the accident prediction occurrence index is not distributed to the customer, but it may be configured such that both the danger level and the comment are distributed.
[0044]
The information disclosure server 5 may be configured to deliver a danger level and a comment as a FAX service to customers by FAX.
[0045]
Moreover, accidents prediction generation exponential computing system described above, it may be implemented by a combination of computer and program, the program, for example, a floppy disk, CD-ROM, magneto-optical disks, semiconductor It is stored in a storage medium or storage device such as a memory or a hard disk. The intermediate processing result is temporarily stored in the memory.
[0046]
【The invention's effect】
As described above, it was possible to provide a novel technique for predicting the occurrence of an automobile accident using weather information.
[Brief description of the drawings]
FIG. 1 is a functional block diagram according to an embodiment of the present invention.
FIG. 2 is a diagram showing a processing flow of the system of FIG. 1;
FIG. 3 shows an example of data stored in a data storage unit.
FIG. 4 is a diagram illustrating an example of data used in a risk level determination unit.
FIG. 5 is a diagram illustrating an example of data used in a danger level determination unit.
FIG. 6 is a diagram illustrating an example of data stored in a comment DB.
[Explanation of symbols]
DESCRIPTION OF SYMBOLS 1 Network 3 Accident prediction occurrence index calculation system 5 Information disclosure server 7 Weather information server 9 Customer terminal 11 Mass media server 31 Communication unit 33 Input / output unit 35 Weather information acquisition unit 37 Accident prediction occurrence index calculation unit 39 Risk level determination unit 41 Comment Acquisition Unit 43 Comment DB
45 Data storage

Claims

予測時間帯の予測降雪量に関する値と、前記予測時間帯より前の所定の時間帯の開始時点の積雪深と当該所定の時間帯の終了時点の積雪深との差である積雪深差と、前記予測時間帯の予測平均気温又は前記予測時間帯における所定の時刻の予測気温である予測時間帯代表気温とを取得し、データ保管部に格納する情報取得ステップと、
前記予測時間帯の予測降雪量に関する値と前記積雪深差と前記予測時間帯代表気温とを変数とし且つ各前記変数と前記予測時間帯に応じて設定される所定の係数との積和に定数項を加算する、自動車事故の予測発生指数を計算するための関数に、前記情報取得ステップにおいて取得され且つ前記データ保管部に格納された、前記予測時間帯の予測降雪量に関する値と前記積雪深差と前記予測時間帯代表気温とを代入して、前記予測時間帯について自動車事故の予測発生指数の値を計算し、前記データ保管部に格納する計算ステップと、
前記計算ステップにおいて計算され且つ前記データ保管部に格納された前記自動車事故の予測発生指数が、前記自動車事故の予測発生指数の範囲と事故発生の危険レベルとが対応付けられて格納されているテーブルにおいていずれの前記自動車事故の予測発生指数の範囲に属するかを検査して、対応する事故発生の危険レベルを決定し、前記データ保管部に格納するステップと、
を含み、コンピュータに実行される自動車事故予測方法。A value relating to a predicted snowfall amount in a predicted time zone , and a snow depth difference which is a difference between a snow depth at a start time of a predetermined time zone before the predicted time zone and a snow depth at the end time of the predetermined time zone ; An information acquisition step of acquiring a predicted time zone representative temperature that is a predicted average temperature of the predicted time zone or a predicted temperature at a predetermined time in the predicted time zone , and storing it in a data storage unit;
A constant is a sum of products of a value related to the predicted snowfall amount in the predicted time zone, the snow depth difference and the predicted temperature zone representative temperature, and a predetermined coefficient set in accordance with the predicted time zone. A function for calculating a predicted occurrence index of an automobile accident, adding a term, a value related to a predicted snowfall amount in the predicted time zone, which is acquired in the information acquisition step and stored in the data storage unit, and the snow depth Substituting the difference and the predicted time zone representative temperature , calculating the value of the predicted occurrence index of a car accident for the predicted time zone , and storing in the data storage unit,
A table in which the predicted occurrence index of the automobile accident calculated in the calculation step and stored in the data storage unit is stored in association with the range of the predicted occurrence index of the automobile accident and the risk level of the accident occurrence In which of the predicted occurrence index range of the car accident, determine the corresponding accident occurrence risk level, and store in the data storage unit,
A vehicle accident prediction method executed on a computer.