JP7204527B2 - 事故確率分析装置および事故確率分析方法 - Google Patents

Description

本発明の実施形態は、事故確率分析装置および事故確率分析方法に関する。

従来、過去のイベントの発生実績に基づいて、当該イベントが発生する可能性が高い交通状況を分析する技術が知られている。イベントの例としては、交通事故がある。

例えば、過去の情報を学習する機械学習等によって交通事故の発生を予測する技術が知られている。例えば、ニューラルネットワークの自己組織化マップ（Self-Organizing Map）によって事故の発生確率を算出する技術が開示されている。

特開２０１４－０３５６３９号公報 特表２０１８－５０５４２２号公報 特開２００８－１６５６０４号公報 特開２０１８－０１８２１４号公報

しかしながら、所定のイベントが発生する可能性が高い交通状況を分析するためにニューラルネットワークを用いると正確な予測はできるものの、演算処理の処理負荷が重くなるという課題があった。

実施形態の事故確率分析装置は、分布情報生成部と、事故率算出部と、取得部と、事故率予測部と、を備える。分布情報生成部は、所定の時間単位ごとの交通状況を表す交通情報を、過去の事故実績と、複数の分析指標と、に基づいてマッピングした分布情報を生成する。事故率算出部は、分布情報が複数の分析指標の各々の所定の単位ごとに分割された複数の分割単位の各々の事故率を算出する。取得部は、交通情報が計測された時点よりも後の時刻における新たな交通情報を取得する。事故率予測部は、複数の分割単位の各々の事故率に基づいて、複数の分割単位のうち、新たな交通情報に対応付けられた複数の分析指標に対応する分割単位を特定し、特定した当該分割単位の事故率を、新たな交通情報に対応する予測事故率として特定する。

図１は、実施形態にかかる事故予測システムの全体構成の一例を示す図である。 図２は、実施形態にかかる過去の交通情報の履歴の一例を示す図である。 図３は、実施形態にかかる事故履歴情報の一例を示す図である。 図４は、実施形態にかかる分布情報の一例を示す図である。 図５は、実施形態にかかる事故率算出結果の一例を示す図である。 図６は、実施形態にかかる事故率の算出処理の流れの一例を示すフローチャートである。 図７は、実施形態にかかる予測事故率の特定処理の流れの一例を示すフローチャートである。 図８は、変形例１にかかる分布情報の一例を示す図である。

（実施形態）
図１は、本実施形態にかかる事故予測システムＳの全体構成の一例を示す図である。事故予測システムＳは、サーバ装置１と、車両感知器２ａ～２ｎ（以下、単に車両感知器２という）とを備える。なお、本実施形態においては、イベントの一例である交通事故を例として説明する。本実施形態においては特に指定が無い限り、「事故」は「交通事故」を指すものとする。

図１に示す車両感知器２は、道路を走行する車両の交通量、速度、占有率等を、所定の時間単位ごとに計測し、計測結果を示す計測情報を計測時刻と対応付けて、交通情報としてサーバ装置１に送信する。一例として、車両感知器２は、所定の区間ごとに道路脇等に設置されるものとする。

所定の時間単位は、例えば５分とするが、これに限定されるものではない。

交通量は、所定の時間単位当たりに車両感知器２の計測対象範囲を通過した車両の台数である。また、速度は、所定の時間単位当たりに車両感知器２の計測対象範囲を通過した車両の速度の平均値である。なお、平均値の算出手法は、調和平均または荷重平均等であるが、特に限定されるものではない。占有率は、車両感知器２の計測対象区間の道路の面積において車両が占める割合の、所定の時間単位における平均値である。車両感知器２による交通量、速度、占有率等の計測は、公知の手法を採用することができる。

交通情報は、所定の時間単位ごとの交通状況を表す情報である。より詳細には、交通情報は、交通状況を表す複数の計測情報と計測時刻とが対応付けられた情報である。本実施形態においては、交通情報は、計測時刻と、占有率と、交通量と、速度とが対応付けられた情報とする。なお、複数の計測情報は、占有率、交通量、または速度に限定されるものではないが、少なくとも交通量と速度とを含むものとする。

サーバ装置１は、例えば、道路を管理する交通管制センター等に設けられる。サーバ装置１は、ＣＰＵ等の制御装置と、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等の記憶装置と、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ等の外部記憶装置と、ディスプレイ装置等の表示装置と、キーボードやマウス等の入力装置とを備えており、通常のコンピュータを利用したハードウェア構成となっている。サーバ装置１は、本実施形態におけるイベント発生確率分析装置の一例である。

図１に示すように、サーバ装置１は、取得部１１と、分布情報生成部１２と、事故率算出部１３と、事故率予測部１４と、出力部１５と、記憶部１６とを備える。

記憶部１６は、過去の交通情報の履歴１６１と、事故履歴情報１６２と、事故率算出結果１６３と、を記憶する。記憶部１６は、例えば、ＨＤＤ等の記憶装置である。

過去の交通情報の履歴１６１は、過去の所定の期間において所定の時間単位ごとに計測された複数の交通情報の記録である。過去の所定の期間は、例えば過去１年間とするが、これに限定されるものではない。

図２は、本実施形態にかかる過去の交通情報の履歴１６１の一例を示す図である。図２に示す例では、過去の交通情報の履歴１６１には、５分置きに計測された占有率と、交通量と、速度と、計測時刻とが対応付けられた交通情報が、複数登録されている。本実施形態においては、図２に示す過去の交通情報の履歴１６１の１行（１レコード）を、１件の交通情報とする。

図１に戻り、事故履歴情報１６２は、過去の所定の期間における所定の時間単位ごとの事故の有無を示す情報である。事故履歴情報１６２の過去の所定の期間は、過去の交通情報の履歴１６１における過去の所定の期間と同じ期間であるものとする。また、事故履歴情報１６２の対象となる道路の区間は、過去の交通情報の履歴１６１に含まれる交通情報が計測された区間と同一であるものとする。

図３は、本実施形態にかかる事故履歴情報１６２の一例を示す図である。図３に示すように、事故履歴情報１６２は、所定の時間単位ごとの時刻と、当該時刻における事故の有無が、対応付けられた情報である。事故履歴情報１６２における所定の時間単位は、過去の交通情報の履歴１６１の所定の時間単位と同じ時間長であり、本実施形態においては５分とする。事故履歴情報１６２は、本実施形態における過去の事故実績の一例である。また、事故履歴情報１６２は、本実施形態におけるイベント発生実績の一例である。

図１に戻り、事故率算出結果１６３は、後述の事故率算出部１３によって算出された事故率の算出結果である。事故率算出結果１６３の算出の手法および内容の詳細については後述する。なお、事故率算出結果１６３は、イベント発生率算出結果ともいう。

取得部１１は、車両感知器２から交通情報を取得する。取得部１１は、取得した交通情報を記憶部１６に保存する。取得部１１が保存した交通情報が蓄積された結果が、過去の交通情報の履歴１６１である。また、取得部１１は、後述の事故率算出部１３によって事故率算出結果１６３が算出された後も、随時新たな交通情報を取得するものとする。取得部１１は、取得した交通情報を事故率予測部１４に送出する。

分布情報生成部１２は、過去の交通情報の履歴１６１を、事故履歴情報１６２と、複数の分析指標とに基づいてマッピングした分布情報を生成する。

分析指標は、後述の事故率算出部１３が事故率を算出する際に、過去の交通情報の履歴１６１および事故履歴情報１６２を分析する分析軸として使用する情報である。本実施形態においては、複数の分析指標は、一例として、交通情報に含まれる複数の計測情報と同じ項目であり、占有率、交通量、および速度とする。

ここで、分布情報について図４を用いて説明する。
図４は、本実施形態にかかる分布情報３０の一例を示す図である。本実施形態においては、分布情報３０は、３つの分析指標つまり占有率、交通量、および速度の各々を軸とした３次元の分布図となる。本実施形態においては、分析指標の数が３つであるため、分布情報３０が３次元になるが、分析指標の数に応じて軸の数は異なるものとする。また、図４では、分布情報生成部１２は、３次元の分布図として分布情報３０を生成しているが、サーバ装置１の内部的には、テーブル形式で分布情報３０のデータを保持しているものとしても良い。

分布情報生成部１２は、記憶部１６に記憶された過去の交通情報の履歴１６１を、占有率、交通量、および速度の各々の値に基づいて、３つの分析指標を軸とする３次元空間にマッピングする。図４に示す分布情報３０内の１つの丸（ドット）が、１件の交通情報に相当する。

また、分布情報生成部１２は、事故履歴情報１６２に基づいて、複数の交通情報を、事故が発生した時刻における交通情報と、事故が発生していない時刻における交通情報とに分類する。

より詳細には、分布情報生成部１２は、過去の交通情報の履歴１６１に登録された複数の交通情報のうち、事故履歴情報１６２に登録された事故の発生「あり」の時刻に計測された交通情報を、事故が発生した時刻における交通情報として特定する。また、分布情報生成部１２は、過去の交通情報の履歴１６１に登録された複数の交通情報のうち、事故履歴情報１６２に登録された事故の発生「なし」の時刻に計測された交通情報を、事故が発生していない時刻における交通情報として特定する。図４では、分布情報３０において、事故が発生していない時刻における交通情報を黒丸、事故が発生した時刻における交通情報を水玉模様の丸で示す。

分布情報生成部１２は、生成した分布情報３０を、事故率算出部１３に送出する。

図１に戻り、事故率算出部１３は、分布情報３０が複数の分析指標の各々の所定の単位ごとに分割された複数の分割単位の各々の事故率を算出する。本実施形態において、事故率算出部１３が算出する事故率は、過去において実際に事故が発生した確率である。事故率算出部１３は、本実施形態におけるイベント発生率算出部の一例である。

ここで、再び図４を用いて、事故率の算出について説明する。図４に示すように、事故率算出部１３は、分布情報３０を、占有率、交通量、および速度の各々の所定の単位ごとに分割する。例えば、図４に示す例では、事故率算出部１３は、占有率を“ａ％”ごと、交通量を“ｂ台”ごと、速度を“ｃｋｍ／ｈ”ごとのスケールで等間隔に分割するものとする。

複数の分析指標の各々の所定の単位の値は特に限定されるものではないが、各複数の分析指標の各々の最小単位よりも大きな値とする。つまり、占有率の最小単位が１％である場合、占有率の所定の単位“ａ％”は、２％以上とする。また、交通量の最小単位が１台である場合、交通量の所定の単位“ｂ台”は、２台以上とする。また、速度の最小単位が１ｋｍ／ｈである場合、速度の所定の単位“ｃｋｍ／ｈ”は、２ｋｍ／ｈ以上とする。各々の軸の所定の単位は、一例として、交通管制センターの職員等によって予め設定され、記憶部１６に登録されるものとする。

本実施形態においては、分布情報３０が複数の分析指標の各々の所定の単位ごとに分割された個々の領域を、セル３０１という。本実施形態では分析指標が３つあるため、セル３０１は、３次元の領域となり、具体的には３辺の長さがそれぞれａ、ｂ、ｃの立方体または直方体となる。セル３０１は、本実施形態における分割単位の一例である。

より詳細には、事故率算出部１３は、分布情報３０を複数の分析指標の各々の所定の単位ごとに、複数のセル３０１に分割する。また、事故率算出部１３は、複数のセル３０１の各々に含まれる交通情報の合計件数に占める事故が発生した時刻における交通情報の件数の割合を、事故率として算出する。例えば、１つのセル３０１に、事故が発生した時刻における交通情報が４件、事故が発生していない時刻における交通情報が９６件含まれる場合、当該セル３０１の事故率は、４％である。また、いずれの交通情報も該当しないセル３０１がある場合、当該セル３０１の事故率は０％となる。

事故率算出部１３は、分布情報３０に含まれる複数のセル３０１の各々の事故率を、事故率算出結果１６３として記憶部１６に保存する。

図５は、本実施形態にかかる事故率算出結果１６３の一例を示す図である。図５に示すように、事故率算出部１３は、セル３０１を特定可能な情報と、セル３０１の事故率とを対応付けて保存する。セル３０１を特定可能な情報は、例えば、セル３０１の３辺に相当する複数の分析指標の値の範囲である。図５では、一例として、セル３０１の各辺に相当する占有率を“５％”、交通量を“２０台”、速度を“１０ｋｍ／ｈ”としている。

なお、事故率算出結果１６３複数のセル３０１の各々を特定可能な識別情報を定め、当該識別情報と事故率とを対応付けて保存するものとしても良い。

図１に戻り、事故率予測部１４は、分布情報３０における複数の分析指標の所定の単位ごとの事故率に基づいて、新たな交通情報に対応する予測事故率を特定する。なお、事故率予測部１４は、イベント発生率予測部ともいう。

新たな交通情報は、例えば、車両検知器２によって計測された最新の交通情報であるが、これに限定されるものではなく、事故率の算出に用いられた交通情報の交通情報が計測された時点よりも後の時刻における交通情報であれば良い。一例として、新たな交通情報は、将来の時刻における交通情報の予測結果でも良い。

本実施形態においては、交通情報から予測される事故の発生可能性の高さを示す指標を、予測事故率といい、過去において実際に事故が発生した確率である事故率と区別する。

より詳細には、事故率予測部１４は、複数のセル３０１のうち、新たな交通情報に対応付けられた複数の分析指標に対応するセル３０１を特定し、特定した当該セル３０１の事故率を、新たな交通情報に対応する予測事故率として特定する。

本実施形態においては、事故率予測部１４は、取得部１１によって新たな交通情報が取得された場合に、新たな交通情報の占有率、交通量、速度に対応するセル３０１の事故率を、記憶部１６に保存された事故率算出結果１６３から検索する。そして、事故率予測部１４は、新たな交通情報の占有率、交通量、速度に対応するセル３０１の事故率を、予測事故率として特定する。

例えば、取得部１１が、車両感知器２から、占有率“８％”、交通量“３０台”、速度“１５ｋｍ／ｈ”の新たな交通情報を取得した場合、当該新たな交通情報は、図５に示す例では、占有率“６～１０％”、交通量“２１～４０台”、速度“１１～２０ｋｍ／ｈ”のセル３０１に対応付けられる。占有率“６～１０％”、交通量“２１～４０台”、速度“１１～２０ｋｍ／ｈ”のセル３０１の事故率は“４％”であるため、事故率予測部１４は、予測事故率を“４％”と特定する。

事故率予測部１４は、算出した予測事故率を、出力部１５に送出する。

図１に戻り、出力部１５は、予測事故率を、外部に出力する。例えば、出力部１５は、ディスプレイ装置等の表示装置に、現在の交通情報と予測事故率とを表示することにより、管制センターの職員等に現在の交通情報において事故が発生する確率を知らせることができる。あるいは、出力部１５は、道路に設置された情報板、またはサービスエリア等に設けられた表示装置等に、予測事故率をネットワークを介して送信しても良い。また、出力部１５は、ＤＳＲＣ（Dedicated Short Range Communication：専用狭域通信）を用いて、道路を走行する車両に搭載された車載器と通信を行うＩＴＳスポット等に、予測事故率を出力しても良い。出力部１５が情報板、サービスエリア等の表示装置、ＩＴＳスポット等に予測事故率を出力することにより、車両のドライバに予測事故率の情報を提供することができる。

また、出力部１５は、予測事故率が閾値以上の場合に、警報を出力する。閾値は、例えば管制センターの職員等によって予め設定され、記憶部１６に保存されるものとする。閾値の値は、特に限定されるものではない。一例として、出力部１５は、予測事故率が閾値以上の場合に、ディスプレイ装置等の表示装置に事故の発生確率が高いことを報知するメッセージ、または画像等を表示する。また、出力部１５は、予測事故率が閾値以上の場合に、情報板、サービスエリア等の表示装置、ＩＴＳスポット等に事故の発生確率が高いことを報知するメッセージ、または画像等を表示しても良い。警報の出力手段は特に限定されるものではなく、音声等であっても良い。

また、出力部１５は、電子メールや、スマートフォンのアプリケーションの通知等によって、予測事故率の情報、または警報を出力しても良い。電子メールの送信先アドレスは、例えば、予め記憶部１６に登録されるものとする。

次に、以上のように構成されたサーバ装置１における事故率の算出処理の流れについて説明する。

図６は、本実施形態にかかる事故率の算出処理の流れの一例を示すフローチャートである。このフローチャートが開始される前に、記憶部１６には、過去の所定の期間における交通情報が、過去の交通情報の履歴１６１として保存されているものとする。

まず、分布情報生成部１２は、過去の交通情報の履歴１６１と、事故履歴情報１６２とから分布情報３０を生成する（Ｓ１）。より詳細には、分布情報生成部１２は、過去の交通情報の履歴１６１を、占有率、交通量、および速度の各々の値に基づいて、３つの分析指標を軸とする３次元空間にマッピングする。また、分布情報生成部１２は、事故履歴情報１６２に基づいて、過去の交通情報の履歴１６１に含まれる複数の交通情報の各々における事故の発生の有無を特定し、特定結果を分布情報３０に反映する。

次に、事故率算出部１３は、分布情報３０を、占有率、交通量、速度の各々の所定の単位ごとに、複数のセル３０１に分割する（Ｓ２）。

そして、事故率算出部１３は、複数のセル３０１の各々の事故率を算出し、算出結果を、事故率算出結果１６３として記憶部１６に保存する（Ｓ３）。

次に、以上のように算出された事故率に基づく予測事故率の特定処理の流れについて説明する。

図７は、本実施形態にかかる予測事故率の特定処理の流れの一例を示すフローチャートである。このフローチャートが開始される前に、図６で説明した事故率の算出処理が実行済みであるものとする。

まず、取得部１１は、車両検知器２から最新の交通情報を取得する（Ｓ１１）。なお、このフローチャートでは、最新の交通情報に基づく予測事故率を算出するものとするが、事故率の算出に用いられた交通情報の交通情報が計測された時点よりも後の時刻における交通情報であれば良い。例えば、取得部１１は、外部装置から、将来の時刻における交通情報の予測結果を取得しても良い。

次に、事故率予測部１４は、最新の交通情報が対応するセル３０１を特定する（Ｓ１２）。具体的には、事故率予測部１４は、取得部１１が取得した最新の交通情報（または将来の時刻における交通情報の予測結果）に含まれる占有率、交通量、速度に対応するセル３０１を、記憶部１６に保存された事故率算出結果１６３から特定する。

そして、事故率予測部１４は、最新の交通情報に対応する予測事故率を特定する（Ｓ１３）。具体的には、事故率予測部１４は、最新の交通情報の占有率、交通量、速度に対応するセル３０１の事故率を、最新の交通情報に対応する予測事故率として特定する。事故率予測部１４は、特定した予測事故率を、出力部１５に送出する。

出力部１５は、予測事故率が閾値以上であるか否かを判断する（Ｓ１４）。出力部１５は、予測事故率が閾値以上であると判断した場合に（Ｓ１４“Ｙｅｓ”）、警報を出力する（Ｓ１５）。また、出力部１５は、予測事故率が閾値未満であると判断した場合は（Ｓ１４“Ｎｏ”）、このフローチャートの処理は終了する。なお、出力部１５は、予測事故率が閾値以上であるか否かに関わらず、予測事故率を、外部に出力して管制センターの職員またはドライバに情報提供をしても良い。

このように、本実施形態のサーバ装置１は、過去の交通情報の履歴１６１を、過去のイベント発生実績と複数の分析指標とに基づいてマッピングした分布情報３０を生成し、分布情報３０が複数の分析指標の各々の所定の単位ごとに分割された複数のセル３０１の各々のイベント率を算出する。分布情報３０の生成、およびイベント率の算出は、統計的な演算処理であるため、機械学習または深層学習のよりも計算量が少なく、処理負荷が低い。このため、本実施形態のサーバ装置１によれば、所定のイベントが発生する可能性が高い交通状況を分析する演算処理の処理負荷を低減することができる。

より具体的には、本実施形態のサーバ装置１は、過去の交通情報の履歴１６１を、事故履歴情報１６２と複数の分析指標とに基づいてマッピングした分布情報３０を生成し、分布情報３０が複数の分析指標の各々の所定の単位ごとに分割された複数のセル３０１の各々の事故率を算出する。このため、本実施形態のサーバ装置１によれば、事故が発生する可能性が高い交通状況を分析する演算処理の処理負荷を低減することができる。

また、本実施形態のサーバ装置１は、複数のセル３０１の各々の事故率に基づいて、当該事故率の算出に用いられた交通情報の交通情報が計測された時点よりも後の時刻における新たな交通情報に対応する予測事故率を特定する。このため、本実施形態のサーバ装置１によれば、機械学習または深層学習よりも簡易な処理で、事故の発生確率を予測することができる。このため、本実施形態のサーバ装置１によれば、演算に使用可能な計算資源、または処理時間を低減することができる。

また、本実施形態のサーバ装置１は、複数のセル３０１のうち、新たな交通情報に対応付けられた複数の分析指標に対応するセル３０１を特定し、特定した当該セル３０１の事故率を、新たな交通情報に対応する予測事故率として特定する。このため、本実施形態のサーバ装置１によれば、新たな交通情報に対応する予測事故率を容易に特定することができる。

また、本実施形態のサーバ装置１は、過去の交通情報および事故実績から算出した事故率に基づいて、予測事故率を算出するため、予測事故率の算出根拠をユーザ（交通管制センターの職員等）が容易に把握することができる。このため、本実施形態のサーバ装置１によれば、ユーザ等が予測事故率の算出根拠を調査または他者に説明することが容易となる。

また、本実施形態のサーバ装置１は、予測事故率を外部に出力するため、交通管制センターの職員またはドライバに、情報提供をすることができる。

また、本実施形態のサーバ装置１は、予測事故率が閾値以上の場合に、警報を出力するため、現在の交通状況が事故の発生可能性の高い状態であることを、交通管制センターの職員またはドライバに把握させ、注意喚起をすることができる。

なお、交通管制センターにおいては、本実施形態のサーバ装置１による事故率の算出または予測事故率の特定と、機械学習または深層学習による事故予測とを併用しても良い。例えば、本実施形態のサーバ装置１による予測事故率の特定結果を、機械学習による事故予測の結果の比較対象としても良い。一例として、ユーザは、機械学習による事故予測の結果と、本実施形態のサーバ装置１による予測事故率の特定結果とを比較し、所定の値以上の差異が生じた場合に、機械学習の学習モデルの再学習を実行しても良い。

なお、本実施形態においては、事故率算出部１３が事故率算出結果１６３を記憶部１６に保存するものとしたが、事故率算出結果１６３だけでなく、分布情報３０自体を記憶部１６に保存しても良い。

（変形例１）
上述の実施形態においては、分布情報生成部１２は、３つの分析指標の数に基づいて分布情報３０を生成したが分析指標の数はこれに限定されるものではない。

図８は、本変形例にかかる分布情報１０３０の一例を示す図である。本変形例においては、分析指標は交通量と、速度の２つであるため、分布情報１０３０は２次元の分布図となる。また、本変形例においては、セル３０１は、分布情報１０３０を、交通量と、速度の各々の所定の単位で分割した２次元の領域となる。

（変形例２）
本実施形態においては、複数の分析指標は、交通情報に含まれる複数の計測情報と同じ項目となっているが、複数の分析指標は、複数の計測情報以外の情報を含むものとしても良い。例えば、複数の分析指標は、天候、降雨量、気温、路温等を含むものでも良い。

例えば、分布情報生成部１２は、過去の交通情報の履歴１６１の計測時刻と、天候、降雨量、気温、路温等の計測時刻とに基づいて、天候、降雨量、気温、路温等と過去の交通情報の履歴１６１とを統合する。そして、分布情報生成部１２は、天候、降雨量、気温、路温等と統合した過去の交通情報の履歴１６１、および事故履歴情報１６２に基づいて、分布情報３０を生成する。

（変形例３）
上述の実施形態では、交通情報は、計測時刻と、占有率と、交通量と、速度とが対応付けられた情報としたが、さらに、交通情報は、計測地点を特定する情報が対応付けられた情報でも良い。計測地点は、車両感知器２の設置位置、または、車両感知器２の計測対象の区間とする。

例えば、分布情報生成部１２は、分布情報３０を計測地点ごとに個別に生成しても良い。この場合、事故率算出部１３は、計測地点ごとに生成された複数の分布情報３０の各々をセル３０１に分割し、当該セル３０１ごとの事故率を算出する。

また、事故率予測部１４は、事故率算出結果１６３から、新たな交通情報の計測地点と、占有率と、交通量と、速度とに対応するセル３０１を検索し、検索したセル３０１の事故率を、新たな交通情報の予測事故率として特定する。

また、分布情報生成部１２は、予めグループ化された複数の計測地点ごとに、分布情報３０を生成しても良い。一例として、複数の車両感知器２の計測対象の区間が隣接している場合、または、複数の車両感知器２の計測対象の区間の地理的条件が類似する場合に、複数の計測地点がグループ化されるものとする。

また、交通情報が計測地点を特定する情報を含む場合に、複数の分析指標は、当該計測地点における道路の勾配、急カーブの有無等の地形の情報を含むものとしても良い。

（変形例４）
出力部１５は、分布情報３０をディスプレイ等の表示装置に表示しても良い。例えば、分布情報生成部１２は、生成した分布情報３０を記憶部１６に保存するものとする。出力部１５は、ユーザからの指示を受けた場合に、保存された分布情報３０を記憶部１６から読み出して、分布図として表示装置に表示する。

本変形例によれば、交通情報および事故の発生の有無を、ユーザに対して視覚的に把握させることができるため、事故の発生確率の高い占有率と、交通量と、速度等をユーザが容易に理解することができる。

（その他の変形例）
サーバ装置１の取得部１１は、予測事故率の特定の際に取得した交通情報を、記憶部１６に蓄積しても良い。この場合、分布情報生成部１２および事故率算出部１３は、所定の期間以上の交通情報が蓄積されたタイミングで、蓄積された交通情報に基づいて、分布情報の生成および事故率の算出を再度実行しても良い。

また、上述の実施形態においては、取得部１１が保存した交通情報が蓄積された結果が、過去の交通情報の履歴１６１であるものとしたが、過去の交通情報の履歴１６１は、外部の装置から送信されるものとしても良い。

また、上述の実施形態においては、複数の分析指標の各々の所定の単位は、予め設定され、記憶部１６に登録されるものとしたが、事故率算出部１３が動的に決定するものとしても良い。例えば、事故率算出部１３は、複数のセル３０１の各々に対応付けられる交通情報の件数が所定の件数以上となるように、複数の分析指標の各々の所定の単位を変更しても良い。また、事故率算出部１３は、全てのセル３０１のうち、交通情報の件数が０件となるセル３０１の割合が所定の割合以下となるように、複数の分析指標の各々の所定の単位を変更しても良い。

また、上述の実施形態においては、事故率算出部１３は、分布情報３０が複数の分析指標の各々の所定の単位ごとに等間隔で分割するものとしたが、所定の単位は、等間隔でなくとも良い。例えば、マッピングされる交通情報の件数が少ないセル３０１は大きく、マッピングされる交通情報の件数が少ないセル３０１は小さくなるように、複数の分析指標の各々の所定の単位が、不均等であっても良い。

なお、上述の各実施形態では、サーバ装置１を、道路上で発生する交通事故の発生の分析に用いているが、サーバ装置１の分析対象はこれに限定されるものではない。例えば、サーバ装置１は、渋滞発生予測や、土砂災害などにも適用することができる。

一例として、「イベント」が「渋滞」である場合には、サーバ装置１は、過去の渋滞発生実績と、複数の分析指標とを対応付けた分布情報を生成する。この場合、サーバ装置１は、渋滞発生率の分析、および渋滞発生予測をすることができる。また、この場合の複数の分析指標は、例えば、交通量、速度、占有率等である。

また、他の一例として、「イベント」が「土砂災害」である場合には、サーバ装置１は、過去の土砂災害発生実績と、複数の分析指標とを対応付けた分布情報を生成する。この場合、サーバ装置１は、土砂災害発生率の分析、および土砂災害発生予測をすることができる。この場合の複数の分析指標は、例えば、道路の周辺の地形、線形（道路の形状）、雨量、風向、風速、または法面の傾斜角度等である。

以上説明したとおり、上述の実施形態および変形例によれば、所定のイベントが発生する可能性が高い交通状況を分析する演算処理の処理負荷を低減することができる。

本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムは、インストール可能な形式または実行可能な形式のファイルでＣＤ－ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。

また、本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムを、ＲＯＭ等に予め組み込んで提供するように構成しても良い。

本実施形態のサーバ装置１で実行される事故率の算出プログラムおよび予測事故率の特定プログラムは、上述した各部（取得部、分布情報生成部、事故率算出部、事故率予測部、出力部１５）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ（プロセッサ）が上記記憶媒体から事故率の算出プログラムおよび予測事故率の特定プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、取得部、分布情報生成部、事故率算出部、事故率予測部、出力部１５が主記憶装置上に生成されるようになっている。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ サーバ装置
２，２ａ～２ｎ 車両感知器
１１ 取得部
１２ 分布情報生成部
１３ 事故率算出部
１４ 事故率予測部
１５ 出力部
１６ 記憶部
３０，１０３０ 分布情報
１６１ 過去の交通情報の履歴
１６２ 事故履歴情報
１６３ 事故率算出結果
３０１ セル
Ｓ 事故予測システム

Claims (5)

1. 所定の時間単位ごとの交通状況を表す交通情報を、過去の事故実績と、複数の分析指標と、に基づいてマッピングした分布情報を生成する分布情報生成部と、
   前記分布情報が前記複数の分析指標の各々の所定の単位ごとに分割された複数の分割単位の各々の事故率を算出する事故率算出部と、
   前記交通情報が計測された時点よりも後の時刻における新たな交通情報を取得する取得部と、
   前記複数の分割単位の各々の事故率に基づいて、前記複数の分割単位のうち、前記新たな交通情報に対応付けられた前記複数の分析指標に対応する分割単位を特定し、特定した当該分割単位の前記事故率を、前記新たな交通情報に対応する予測事故率として特定する事故率予測部と、
   を備える事故確率分析装置。
2. 前記予測事故率を、外部に出力する出力部、をさらに備える、
   請求項１に記載の事故確率分析装置。
3. 前記出力部は、前記予測事故率が閾値以上の場合に、警報を出力する、
   請求項２に記載の事故確率分析装置。
4. 前記複数の分析指標は、少なくとも、交通量と速度と占有率とを含む、
   請求項１から３のいずれか１項に記載の事故確率分析装置。
5. 分布情報生成部が、所定の時間単位ごとの交通状況を表す交通情報を、過去の事故実績と、複数の分析指標と、に基づいてマッピングした分布情報を生成する分布情報生成ステップと、
   事故率算出部が、前記分布情報が前記複数の分析指標の各々の所定の単位ごとに分割された複数の分割単位の各々の事故率を算出する事故率算出ステップと、
   取得部が、前記交通情報が計測された時点よりも後の時刻における新たな交通情報を取得する取得ステップと、
   事故率予測部が、前記複数の分割単位の各々の事故率に基づいて、前記複数の分割単位のうち、前記新たな交通情報に対応付けられた前記複数の分析指標に対応する分割単位を特定し、特定した当該分割単位の前記事故率を、前記新たな交通情報に対応する予測事故率として特定する事故率予測ステップと、
   を含む事故確率分析方法。

Images