JP7212590B2 - 事故リスク診断方法、事故リスク診断装置、及び事故リスク診断システム - Google Patents

事故リスク診断方法、事故リスク診断装置、及び事故リスク診断システム Download PDF

Info

Publication number
JP7212590B2
JP7212590B2 JP2019127147A JP2019127147A JP7212590B2 JP 7212590 B2 JP7212590 B2 JP 7212590B2 JP 2019127147 A JP2019127147 A JP 2019127147A JP 2019127147 A JP2019127147 A JP 2019127147A JP 7212590 B2 JP7212590 B2 JP 7212590B2
Authority
JP
Japan
Prior art keywords
data
trip
accident
vehicle
accident risk
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
JP2019127147A
Other languages
English (en)
Other versions
JP2021012604A5 (ja
JP2021012604A (ja
Inventor
恭一 中熊
恒夫 祖父江
倫理 北原
伸也 堀越
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.)
Hitachi High Tech Corp
Original Assignee
Hitachi High Tech Corp
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 Hitachi High Tech Corp filed Critical Hitachi High Tech Corp
Priority to JP2019127147A priority Critical patent/JP7212590B2/ja
Priority to EP20837790.3A priority patent/EP3998591A4/en
Priority to US17/621,485 priority patent/US20220351614A1/en
Priority to CN202080046370.2A priority patent/CN114072863A/zh
Priority to PCT/JP2020/022431 priority patent/WO2021005933A1/ja
Publication of JP2021012604A publication Critical patent/JP2021012604A/ja
Publication of JP2021012604A5 publication Critical patent/JP2021012604A5/ja
Application granted granted Critical
Publication of JP7212590B2 publication Critical patent/JP7212590B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Technology Law (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)

Description

本発明は、事故リスク診断方法、事故リスク診断装置、及び事故リスク診断システムに関する。
特許文献１には、複数の運転操作に対して複合的に運転診断を行うことができる運転診断装置について記載されている。運転診断装置は、自車両が交差点で一時停止した場合に、記憶部に記憶されている各指標のうち、自車両が通過した交差点において一時停止を行った車両の停止行動指標、発進行動指標、減速行動指標を抽出し、抽出した停止行動指標を標本として停止行動特性の偏差値を求め、発進行動指標を標本として発進行動特性の偏差値を求め、減速行動指標を標本として減速行動特性の偏差値を求め、偏差値の合計を診断スコアとする。
特許文献２には、運転者の操作を支援する車両用運転支援装置に関して記載されている。車両用運転支援装置は、現在の走行状態と運転操作を示す短時間のデータと、その日の走行状態と運転操作を示す中時間のデータをそれぞれ取得し、短時間のデータの分布と中時間のデータの分布とを比較することにより運転診断を行い、運転診断結果を２つの評価基準に従って評価し警報または運転改善示唆を行う。
特開２０１６－６２２８１号公報 特開２０１３－３０１８８号公報
昨今、テレマティクス技術を活用した自動車保険であるテレマティクス保険の提供が始まっている。テレマティクス保険は、ディープラーニング等の機械学習／ＡＩ技術の向上、自動車がインターネットに接続されたコネクテッドカーに搭載された電子制御／通信技術の向上により実現した自動車保険である。
テレマティクス保険には、実走行距離に応じた保険料を払う実走行距離連動型保険（ＰＡＹＤ(Pay As You Drive)型保険）と、走行速度が速い、コーナーリングが荒い等の運転状況に応じた保険料を支払う運転特性連動型保険（ＰＨＹＤ(Pay How You Drive)型保険
）とがある。いずれも事故を起こすポテンシャルの高い者には高い自動車保険料率が適用され、事故を起こすポテンシャルの低い者には安い自動車保険料率を適用される。
ところで、テレマティクス保険の実施に際しては、車両に設けられている車載機や運転者のスマートフォン等から収集した情報に基づき、運転者が事故を起こすポテンシャル（以下、「事故リスク」と称する。）を運転者の多様な運転状況を考慮しつつ共通の尺度で精度よく推定することが求められる。
ここで特許文献１に記載された技術では、交差点での速度や加速度（停止／発進／減速）のデータを使い、他車の行動特性との偏差から運転者の適正運転状態を診断する。しかし場所が交差点に限定されている上、時間を限定した運転動作を比較するものであり、交差点以外の普段の走行時の事故リスクが高いか低いかについては推定することができない。
また特許文献２に記載された技術では、自車の普段の運転行動と当日の運転行動とを比較して、いつもと比べて危険である、といった通知をすることにより運転者を支援する。しかし普段と当日の運転行動を比較するのはあくまで自車についての相対的な評価であり、他車に比べて自車の事故リスクが高いか低いかを絶対的に評価することはできない。
本発明はこうした背景に鑑みてなされたものであり、その目的は、運転者の事故リスクを精度よく推定する仕組みを提供することにある。
上記目的を達成するための本発明の一つは、事故リスク診断方法であって、情報処理装置が、複数の車両の夫々の日時ごとの走行状態を示すデータである走行データと、前記複数の車両の過去の事故に関する情報と、を記憶するステップ、前記走行データのうち、事故当日前の所定期間の前記走行データと前記事故当日における前記走行データと、を抽出し、抽出した前記走行データに基づき、前記車両の起動から終了までの期間であるトリップを示す情報と当該トリップにおける事故の有無を示す情報とを対応づけたデータであるトリップインデックスデータを生成するステップ、前記トリップにおける前記車両の運転状況を示すデータであるトリップデータを生成するステップ、前記トリップインデックスデータと前記トリップデータに基づき前記トリップ毎の訓練データを生成するステップ、前記訓練データを用いて事故リスクを診断する機械学習モデルである事故リスク診断モデルを生成するステップ、事故リスクの診断対象となる前記車両の前記トリップにおける特徴量を前記事故リスク診断モデルに入力することにより当該車両の事故リスクを診断するステップ、を実行する、事故リスク診断方法。
その他、本願が開示する課題、及びその解決方法は、発明を実施するための形態の欄、及び図面により明らかにされる。
本発明によれば、運転者の事故リスクを精度よく推定する仕組みを提供することができる。
事故リスク診断システムの概略的な構成を示す図である。 診断装置や車載機を実現する情報処理装置の一例である。 診断装置が備える主な機能を示す図である。 車載機が備える主な機能を示す図である。 走行データテーブルの一例である。 事故データテーブルの一例である。 トリップインデックステーブルの一例である。 トリップデータテーブルの一例である。 各種パラメータの構成を示す図である。 訓練データテーブルの一例である。 テストトリップインデックステーブルの一例である。 テストトリップデータテーブルの一例である。 テストデータテーブルの一例である。 事故リスク診断処理を説明するフローチャートである。 トリップデータ生成処理を説明するフローチャートである。 事故情報準備処理を説明するフローチャートである。 訓練データ生成メイン処理を説明するフローチャートである。 トリップ期間（事故前）判定処理を説明するフローチャートである。 トリップ期間（事故当日）判定処理を説明するフローチャートである。 訓練データ生成処理を説明するフローチャートである。 事故リスク診断モデル生成処理を説明するフローチャートである。 テストトリップデータ生成処理を説明するフローチャートである。 テストデータ生成処理を説明するフローチャートである。 事故リスク診断処理を説明するフローチャートである。 （ａ）は、事故リスク診断結果に基づく情報を車載機が表示している様子を示す図である。（ｂ）は、上記情報を携帯情報端末が表示している様子を示す図である。 第２実施形態の車載機が備える主な機能を示す図である。 第３実施形態の車載機が備える主な機能を示す図である。 第３実施形態の診断装置が備える主な機能を示す図である。 第３実施形態の事故リスク診断システムにおいて行われる処理を説明するシーケンス図である。
以下、実施形態について図面を参照しつつ説明する。以下の説明において、同一のまたは類似する構成に同一の符号を付して重複した説明を省略することがある。また以下の説明において、同種の構成を区別して説明する必要がある場合、同種の構成を総称する符号の後に括弧書きで識別子（数字、アルファベット等）を表記することがある。
［第１実施形態］
図１に一実施形態として説明する事故リスク診断システム１の概略的な構成を示している。同図に示すように、事故リスク診断システム1は、事故リスク診断装置（以下、「診
断装置１０」と称する。）と複数の車載機２０とを含む。
診断装置１０は、例えば、実走行距離連動型保険（ＰＡＹＤ(Pay As You Drive)型保険）や運転特性連動型（ＰＨＹＤ(Pay How You Drive)型保険）等のテレマティクス保険を取
り扱う保険会社、保険会社から委託を受けたシステム運用会社等によって管理される情報処理装置（コンピュータ）である。
車載機２０は、車両２に搭載され、自車の運行状況（走行状況）に関する情報（以下、「走行データ」と称する。）を通信ネットワーク５を介して診断装置１０に逐次提供する情報処理装置である。車載機２０の例として、ＥＣＵ（Electronic Control Unit）、Ｔ
ＣＵ（Telematic Control Unit）、ＩＶＩシステム（In-Vehicle Infotainment System）、スマートフォン、フィーチャーフォン、タブレット端末、ヘッドマウントディスプレイ（Head Mounted Display）、音声入力装置、点字入力装置、及び振動検出装置等がある。車両２は、例えば、コネクテッドカー（ＩＣＴ（Information and Communication Technology）端末の機能を備えた車両）である。
診断装置１０と車載機２０とは、通信ネットワーク５を介して互いに通信可能に接続されている。通信ネットワーク５は、例えば、移動体通信（ＬＴＥ、３Ｇ、４Ｇ、５Ｇ等）、無線ＬＡＮ、ＷｉＦｉ（登録商標）、ＷｉＭａｘ（登録商標）、インターネット、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、専用線等の、無線または有
線方式による通信設備によって構成される。通信ネットワーク５を介した通信は、例えば、Ｅｔｈｅｒｎｅｔ（登録商標）、ＴＣＰ／ＩＰ、ＣＡＮ（Controller Area Network）
、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＮＦＣ（Near Field Communication）、ＵＳＢ（Universal Serial Bus）、ＲＳ－２３２Ｃ等に準拠したプロトコルに従って行われる。
診断装置１０は、複数の車両２の夫々に搭載されている車載機２０から提供される走行データ、及び複数の車両２の夫々の事故に関する情報（以下、「事故データ」と称する。）に基づき、車両２の運転者（被保険者）等の診断対象者の事故リスクを診断する機械学習モデル（以下、「事故リスク診断モデル」と称する。）を生成し、生成した事故リスク診断モデルを用いて診断対象者の事故リスクを診断する。尚、事故データは、例えば、所
定の情報源（通信ネットワーク５を介して接続する情報処理システム）から逐次提供される。
このように、診断装置１０は、複数の車両２から収集した走行データに基づき事故リスク診断モデルを生成し、生成した事故リスク診断モデルによって運転者の事故リスクを診断するので、特定の場所における事故リスクに限定されず、運転者の多様な運転状況を考慮しつつ、共通の尺度で精度よく事故リスクを推定することができる。
図２は、診断装置１０や車載機２０を実現する情報処理装置の一例を示すブロック図である。同図に示すように、例示する情報処理装置１００は、プロセッサ１１、主記憶装置１２、補助記憶装置１３、入力装置１４、出力装置１５、及び通信装置１６を備える。尚、情報処理装置１００は、例えば、その全部または一部がクラウドシステム（Cloud System）により提供されるクラウドサーバ（Cloud Server）のような仮想的な情報処理資源を用いて実現されるものであってもよい。
プロセッサ１１は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable
Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＡＩ（Artificial Intelligence）チップ等を用いて構成される。
主記憶装置１２は、プログラムやデータを記憶する装置であり、例えば、ＲＯＭ（Read
Only Memory）、ＲＡＭ（Random Access Memory）、不揮発性メモリ（ＮＶＲＡＭ（Non Volatile RAM））等である。
補助記憶装置１３は、例えば、ハードディスクドライブ、ＳＳＤ（Solid State Drive
）、光学式記憶装置（ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）等）、ストレージシステム、ＩＣカード、ＳＤカードや光学式記録媒体等の記録媒体の読取／書込装置、クラウドサーバの記憶領域等である。補助記憶装置１３には、記録媒体の読取装置や通信装置１６を介してプログラムやデータを読み込むことができる。補助記憶装置１３に格納（記憶）されているプログラムやデータは主記憶装置１２に随時読み込まれる。
入力装置１４は、外部からの入力を受け付けるインタフェースであり、例えば、キーボード、マウス、タッチパネル、カードリーダ、音声入力装置、スマートフォン、タブレット、ヘッドマウントディスプレイ（Head Mounted Display）、各種制御デバイス（ＥＣＵ（Electronic Control Unit）、ＴＣＵ（Telematic Control Unit）、ＩＶＩシステム（In-Vehicle Infotainment System）等）、点字入力装置、及び振動検出装置等である。
出力装置１５は、処理経過や処理結果等の各種情報を出力するインタフェースである。出力装置１５は、例えば、上記の各種情報を可視化する表示装置（液晶モニタ、ＬＣＤ（Liquid Crystal Display）、グラフィックカード等）、上記の各種情報を音声化する装置（音声出力装置（スピーカ等））、上記の各種情報を文字化する装置（印字装置等）である。尚、例えば、情報処理装置１００が通信装置１６を介して他の装置との間で情報の入力や出力を行う構成としてもよい。
通信装置１６は、他の装置との間の通信を実現する装置である。通信装置１６は、通信ネットワーク５を介した他の装置との間の通信を実現する、有線方式または無線方式の通信インタフェースであり、例えば、ＮＩＣ（Network Interface Card）、各種無線通信モジュール、ＵＳＢモジュール、シリアル通信モジュール等である。
情報処理装置１００には、例えば、オペレーティングシステム、デバイスドライバ、フ
ァイルシステム、ＤＢＭＳ（DataBase Management System）等が導入されていてもよい。
図３に診断装置１０が備える主な機能を示している。同図に示すように、診断装置１０は、記憶部１１０、訓練データ生成部１２０、事故リスク診断モデル生成部１３０、テストデータ生成部１４０、事故リスク診断部１５０、及び入出力制御部１６０の各機能を備える。また訓練データ生成部１２０は、トリップデータ生成部１２１、過去データ抽出部１２２、事故当日データ抽出部１２３、及び事故情報準備処理部１２４を含む。これらの機能は、診断装置１０のプロセッサ１１が、主記憶装置１２に格納されているプログラムを読み出して実行することにより、もしくは、診断装置１０が備えるハードウェア（ＦＰＧＡ、ＡＳＩＣ、ＡＩチップ等）により実現される。
上記機能のうち、記憶部１１０は、走行データテーブル１１１、事故データテーブル１１２、トリップインデックステーブル１１３、トリップデータテーブル１１４、各種パラメータ１１５、訓練データテーブル１１６、テストトリップインデックステーブル１１７、テストトリップデータテーブル１１８、テストデータテーブル１１９、事故リスク診断モデル１８１、及び事故リスク診断結果１８２を記憶する。記憶部１１０は、例えば、ＤＢＭＳが提供するデータベースのテーブルや、ファイルシステムが提供するファイルとして、これらの情報（データ）を記憶する。
記憶部１１０が記憶する情報のうち、走行データテーブル１１１には、車載機２０から送られてくる走行データが管理される。また事故データテーブル１１２には、前述の事故データが管理される。
トリップインデックステーブル１１３には、トリップインデックスデータが管理される。トリップインデックスデータは、各車両２について、走行開始から走行停止までの期間であるトリップ毎に生成されるデータであり、トリップに関する情報（上記期間を示す情報や当該期間における当該車両２の事故有無を示情報等）を含むデータである。
トリップデータテーブル１１４には、車載機２０から送られてくる走行データテーブル１１１に基づき生成される情報であるトリップデータが管理される。トリップデータは、走行データに、当該走行データが属するトリップの識別子（以下、「トリップＩＤ」と称する。）を対応づけたデータである。
各種パラメータ１１５は、後述する処理で用いられる各種のパラメータ（変数）に関する情報（設定値）を含む。
訓練データテーブル１１６には、事故リスク診断モデル１８１の機械学習に用いる訓練データ（学習データ、教師データ）が管理される。
テストトリップインデックステーブル１１７には、前述したトリップインデックスデータと同様のデータ構造を有するデータであるテストトリップインデックスデータが管理される。テストトリップインデックスデータは、後述のテストデータの生成に用いられる。
テストトリップデータテーブル１１８には、前述したトリップデータと同様のデータ構造を有するデータであるテストトリップデータが管理される。テストトリップデータは、後述のテストデータの生成に用いられる。
テストデータテーブル１１９は、前述した訓練データと同様のデータ構造を有するデータであるテストデータが管理される。テストデータは、事故リスクの診断に際し、診断対象として事故リスク診断モデル１８１に入力されるデータ（特徴量）である。
事故リスク診断モデル１８１は、テストデータに基づき事故リスクを診断（推定）する機械学習モデルである。
事故リスク診断結果１８２は、事故リスク診断モデル１８１を用いて行った事故リスクの診断結果に関する情報を含む。
診断装置１０の前述した機能のうち、トリップデータ生成部１２１は、前述のトリップデータを生成する。
過去データ抽出部１２２は、トリップデータテーブル１１４から、事故が発生した日より前の所定の過去の期間におけるトリップデータ（以下、「過去データ」と称する。）を抽出する。
事故当日データ抽出部１２３は、トリップデータテーブル１１４から、事故当日の期間におけるトリップデータ（以下、「当日データ」と称する。）を抽出する。
事故情報準備処理部１２４は、訓練データの生成に用いる事故データの準備処理を行う。
事故リスク診断モデル生成部１３０は、事故リスク診断モデル１８１を生成する。
テストデータ生成部１４０は、事故リスクの診断対象となる走行データに基づき、前述のテストトリップデータとテストデータを生成する。
事故リスク診断部１５０は、テストデータを事故リスク診断モデル１８１に入力することにより事故リスクの診断を行い、その結果を含む情報である事故リスク診断結果１８２を生成する。
入出力制御部１６０は、車載機２０から走行データを受信し、受信した走行データを走行データテーブル１１１に格納する。また入出力制御部１６０は、事故リスク診断結果１８２を車載機２０に送信する。
図４に車載機２０が備える主な機能を示している。同図に示すように、車載機２０は、記憶部２１０、走行データ取得部２６０、及び入出力制御部２６５を備える。これらの機能は、車載機２０のプロセッサ１１が、主記憶装置１２に格納されているプログラムを読み出して実行することにより、もしくは、車載機２０が備えるハードウェア（ＦＰＧＡ、ＡＳＩＣ、ＡＩチップ等）により実現される。
記憶部２１０は、走行データテーブル２１１を記憶する。記憶部２１０は、例えば、ＤＢＭＳが提供するデータベースのテーブルや、ファイルシステムが提供するファイルとして、走行データテーブル２１１を記憶する。
走行データ取得部２６０は、車両２に搭載されているデバイス、例えば、制御デバイス（ＥＣＵ、ＴＣＵ、ＩＶＩシステム等）、物理デバイス（バッテリ、センサ等）、ＧＵＩデバイス（ディスプレイ、タッチパネル当）から走行データを取得し、取得した走行データを走行データテーブル２１１に登録する。
入出力制御部２６５は、走行データ取得部２６０が取得した走行データを診断装置１０に逐次送信する。また入出力制御部２６５は、診断装置１０から送られてくる事故リスク
診断結果１８２に基づく情報を出力装置１５に出力する。
図５に走行データテーブル１１１の一例を示す。同図に示すように、走行データテーブル１１１は、車載機ＩＤ１１１１、日時１１１２、ＭＳＧＩＤ１１１３、及びＭＳＧデータ１１１４の各項目を有する複数のレコードで構成される。上記レコードの一つは一つの走行データに対応している。
車載機ＩＤ１１１１には、車載機２０の識別子である車載機ＩＤが設定される。
日時１１１２には、当該走行データが車両２において生成された日時が設定される。
ＭＳＧＩＤ１１１３には、車両２の挙動を示す情報であるＭＳＧＩＤが設定される。ＭＳＧＩＤには、例えば、運行を開始（起動）したことを示す「運行開始」、急ブレーキ操作が行われたことを示す「急ブレーキ」、運行を終了（起動を終了）したことを示す「運行終了」等がある。
ＭＳＧデータ１１１４には、ＭＳＧＩＤの付帯情報（以下、「ＭＳＧデータ」と称する。）が設定される。例えば、ＭＳＧＩＤ１１１３に「急ブレーキ」が設定されている場合、ＭＳＧデータ１１１４には、急ブレーキ操作が行われたときに計測された車両２の３軸方向の加速度を示す値が設定される。
図６に事故データテーブル１１２の一例を示す。同図に示すように、事故データテーブル１１２は、車載機ＩＤ１１２１、事故有無１１２２、及び事故発生日時１１２３の各項目を有する複数のレコードで構成される。上記レコードの一つは前述の事故データの一つに対応している。
車載機ＩＤ１１２１には、車載機ＩＤが設定される。
事故有無１１２２には、当該車載機２０が搭載されている当該車両２が過去に事故を起こしたことがあるか否かを示す情報が設定される。本例では、事故有無１１２２には、当該車両２が過去に事故を起こしたことがあれば「有」が、当該車両２が過去に事故を起こしたことがなければ「無」が設定される。
事故発生日時１１２３には、当該車両２が過去に事故を起こしたことがある場合に当該事故の発生日時が設定される。例えば、事故発生日時１１２３には、「20190301084025」のような年月日時分秒を表すテキストデータやＧＭＴ（Greenwich Mean Time）を基準と
する標準時からの差分を示すデータが設定される。また当該車両２が過去に事故を起こしたことがなければ、事故発生日時１１２３には、例えば、「-」等の無効を意味する情報
が設定される。
図７にトリップインデックステーブル１１３の一例を示す。同図に示すように、トリップインデックステーブル１１３は、車載機ＩＤ１１３１、トリップＩＤ１１３２、開始日時１１３３、終了日時１１３４、及び事故有無１１３５の各項目を有する複数のレコードで構成される。上記レコードの一つは、一つのトリップインデックスデータに対応している。
車載機ＩＤ１１３１には、車載機ＩＤが設定される。
トリップＩＤ１１３２には、前述のトリップＩＤが設定される。
開始日時１１３３には、当該トリップの開始日時が設定される。終了日時１１３４には、当該トリップの終了日時が設定される。尚、開始日時１１３３や終了日時１１３４には、例えば、「20190301084000」や「20190301084026」のような年月日時分秒を表すテキストデータやＧＭＴを基準とする標準時からの差分を示すデータが設定される。
事故有無１１３５には、当該車載機２０が設けられている車両２の当該トリップにおいて事故が起きたか否かを示す情報が設定される。本例では、事故有無１１３５には、事故が起きている場合は「有」が、事故が起きていない場合は「無」が設定される。
図８にトリップデータテーブル１１４の構成を示す。同図に示すように、トリップデータテーブル１１４は、トリップＩＤ１１４１、日時１１４２、ＭＳＧＩＤ１１４３、及びＭＳＧデータ１１４４の各項目を有する複数のレコードで構成される。上記レコードの一つは一つのトリップデータに対応している。
トリップＩＤ１１４１には、前述のトリップＩＤが設定される。尚、トリップＩＤが同じトリップデータは、同じトリップＩＤ１１３２のトリップインデックスデータのトリップデータであることを意味する。
ＭＳＧＩＤ１１４３には、前述のＭＳＧＩＤが設定される。ＭＳＧデータ１１４４には、前述のＭＳＧデータが設定される。ＭＳＧＩＤ１１４３に設定されるＭＳＧＩＤは、走行データにおけるＭＳＧＩＤであり、ＭＳＧデータ１１４４に設定されるＭＳＧデータは、走行データにおけるＭＳＧデータである。
例えば、図８における１行目の、トリップＩＤ１１４１が「TR0000」、日時１１４２が「20190301084000」、ＭＳＧＩＤ１１４３が「運行開始」のトリップデータは、図７のトリップインデックステーブル１１３の１行目の、トリップＩＤ１１３２が「TR0000」のトリップに含まれる。当該トリップ（トリップインデックスデータ）の事故有無１１３５には、「有」が設定されているため、当該トリップデータは、事故を起こしたトリップの最初のＭＳＧデータである。
また図８における２行目の、トリップＩＤ１１４１が「TR0000」、日時１１４２が「20190301080425」、ＭＳＧＩＤ１１４３が「急ブレーキ」のトリップデータは、図７のトリップインデックステーブル１１３の１行目の、トリップＩＤ１１３２が「TR0000」のトリップに含まれる。
また図８における３行目の、トリップＩＤ１１４１が「TR0001」、日時１１４２が「20190302095000」、ＭＳＧＩＤ１１４３が「運行開始」のトリップデータは、図７のトリップインデックステーブル１１３の２行目の、トリップＩＤ１１３２が「TR0001」のトリップに含まれる。当該トリップ（トリップインデックスデータ）の事故有無１１３５には、「無」が設定されているため、当該トリップデータのトリップは、事故を起こしていないトリップに属することが分かる。
図９に各種パラメータ１１５の一例を示す。各種パラメータ１１５は、後述する各種の処理の実行に際し参照されるパラメータ（変数）である。同図に示すように、各種パラメータ１１５は、開始オフセット１１５１、終了オフセット１１５２、一つ以上のＭＳＧＩＤ１１５３（ＭＳＧＩＤのリスト）、車載機ＩＤ１１５４、事故日時１１５５、開始日時１１５６、及び終了日時１１５７の各パラメータの情報を含む。
開始オフセット１１５１には、前述の過去データの開始日の差分（以下、「開始オフセット」と称する。）が設定される。終了オフセット１１５２には、前述の過去データの終
了日の差分（以下、「終了オフセット」と称する。）が設定される。例えば、過去データ抽出部１２２が事故が発生した日のＮ日前から所定期間（以下、Ｍ日間とする。）の過去データを抽出する場合、事故発生日のＮ日前から事故発生日の（Ｎ－Ｍ＋１）日前までのＭ日間の過去データを取得して訓練データに加工する必要があるが、その場合、開始オフセット１１５１に「Ｎ」を示すデータを設定し、終了オフセット１１５２に「Ｎ－Ｍ＋１」を示すデータを設定する。これにより、後述する訓練データ生成メイン処理Ｓ１４１２において開始日時１１５６と終了日時１１５７を求めることが可能になる。開始オフセット１１５１や終了オフセット１１５２の値は、ユーザインタフェースを介してユーザが設定することができる。
ＭＳＧＩＤ１１５３には、後述の訓練データ生成処理Ｓ１７１８において、訓練データの生成に用いるトリップデータの選出対象となるＭＳＧＩＤが設定される。ＭＳＧＩＤ１１５３は、ユーザインタフェースを介してユーザが設定することができる。当該変数は訓練データ生成処理Ｓ１７１８のＳ２０１２で用いられる。
車載機ＩＤ１１５４には、後述する各種の処理において現在処理の対象になっている車載機２０（車両２）の車載機ＩＤが設定される。
事故日時１１５５には、現在処理の対象になっている車両２について、実際の事故発生日時、あるいは発生したと仮に設定した場合の事故発生日時が設定される。
開始日時１１５６は、事故日時１１５５と開始オフセット１１５１から求めた過去データの開始日時が設定される変数である。終了日時１１５７は、事故日時１１５５と終了オフセット１１５２から求めた過去データの終了日時が設定される変数である。開始日時１１５６及び終了日時１１５７は、後述するトリップ期間（事故前）判定処理Ｓ１７１６で用いられる。
図３に戻り、事故リスク診断モデル１８１は、機械学習で生成した事故リスクの診断モデルを表す情報（データ）を含む。
事故リスク診断結果１８２は、事故リスク診断モデル１８１による診断結果を示す情報（事故リスクの高低を表す数値等）を含む。
図１０に訓練データテーブル１１６の一例を示す。同図に示すように、訓練データテーブル１１６は、事故有無１１６１、発進回数１１６２、バック回数１１６３、急ブレーキ回数１１６４、急アクセル回数１１６５、急ハンドル回数１１６６、及び走行距離１１６７等の項目を有する複数のレコードで構成される。上記レコードの一つは、一つの訓練データに対応している。
訓練データは、機械学習において推論モデルを構築するために使用する学習データ（教師データ、訓練セット）と称されるデータである。訓練データは、１つのラベル値と複数の特徴量とを含む。同図に示す訓練データの場合、ラベル値は、事故有無１１６１の内容であり、特徴量は、発進回数１１６２、バック回数１１６３、急ブレーキ回数１１６４、急アクセル回数１１６５、急ハンドル回数１１６６、及び走行距離１１６７の内容である。尚、特徴量は、上記以外であってもよい。例えば、ＭＳＧＩＤが１つのトリップの間で何回出現したかを表す回数、車両２の速度や加速度、躍度（ジャーク）のセンサ値、これらセンサ値が所定の閾値を超えた回数等を特徴量としてもよい。要は走行データから生成することができる、車両２の運行状況を表す数値であれば、特徴量とすることができる。
上記項目のうち、事故有無１１６１には、あるトリップにおける事故有無を示す情報が
設定される。発進回数１１６２には、当該トリップにおける発進回数が設定される。バック回数１１６３には、当該トリップにおけるバック回数が設定される。急ブレーキ回数１１６４には、当該トリップにおける急ブレーキの回数が設定される。急アクセル回数１１６５には、当該トリップにおける急アクセルの回数が設定される。急ハンドル回数１１６６には、当該トリップにおける急ハンドルの回数が設定される。走行距離１１６７には、当該トリップにおける走行距離が設定される。
図１１にテストトリップインデックステーブル１１７の一例を示す。同図に示すように、テストトリップインデックステーブル１１７は、車載機ＩＤ１１７１、トリップＩＤ１１７２、開始日時１１７３、終了日時１１７４、及び事故有無１１７５の各項目を有する複数のレコードで構成される。上記レコードの一つは、一つのテストトリップインデックスデータに対応している。各項目の内容は図７に示したトリップインデックステーブル１１３と同様であるので説明を省略する。尚、事故有無１１７５の項目は、テストデータを生成するアルゴリズムと訓練データを生成するアルゴリズムとを共通化するために形式的に設けている。
図１２にテストトリップデータテーブル１１８の一例を示す。同図に示すように、テストトリップデータテーブル１１８は、トリップＩＤ１１８１、日時１１８２、ＭＳＧＩＤ１１８３、及びＭＳＧデータ１１８４の各項目を有する複数のレコードで構成される。上記レコードの一つは、一つのテストトリップデータに対応している。各項目の内容は図８に示したトリップデータテーブル１１４と同様であるので説明を省略する。
図１３にテストデータテーブル１１９の一例を示す。同図に示すように、テストデータテーブル１１９は、事故有無１１９１、発進回数１１９２、バック回数１１９３、急ブレーキ回数１１９４、急アクセル回数１１９５、急ハンドル回数１１９６、及び走行距離１１９７等の項目を有する複数のレコードで構成される。上記レコードの一つは、一つのテストデータに対応している。各項目の内容は図１０に示した訓練データテーブル１１６と同様であるので説明を省略する。尚、事故有無１１９１の項目は、テストデータを生成するアルゴリズムと訓練データを生成するアルゴリズムとを共通化するために形式的に設けている。
尚、訓練データとテストデータは、機械学習における訓練データとテストデータの関係にある。即ち、診断装置１０は、訓練データを使って事故リスク診断モデル１８１を生成し、テストデータを事故リスク診断モデル１８１に入力して機械学習における推論処理を行うことにより車両２の運転者の事故リスクを診断する。
続いて、事故リスク診断システム１において行われる処理について説明する。
図１４は、診断装置１０が、事故リスク診断モデルを生成し、生成した事故リスク診断モデルを用いて事故リスクの診断を行う処理（以下、「事故リスク診断処理Ｓ１４００」と称する。）を説明するフローチャートである。以下、同図とともに事故リスク診断処理Ｓ１４００について説明する。
まず訓練データ生成部１２０が、走行データテーブル１１１の走行データに基づきトリップデータを生成する処理（以下、「トリップデータ生成処理Ｓ１４１０と称する。）を行う。
図１５は、トリップデータ生成処理Ｓ１４１０を説明するフローチャートである。以下、同図とともにトリップデータ生成処理Ｓ１４１０について説明する。
まず訓練データ生成部１２０は、走行データテーブル１１１から、訓練データの生成に用いる走行データのうち未選択の走行データの１つ（１レコード）選択する（Ｓ１５１１）。
続いて、訓練データ生成部１２０は、選択中の走行データのＭＳＧＩＤ１１１３に「運行開始」が設定されているか否かを判定する（Ｓ１５１２）。ＭＳＧＩＤ１１１３に「運行開始」が設定されている場合（Ｓ１５１２：ＹＥＳ）、Ｓ１５１３の処理に進む。一方、ＭＳＧＩＤ１１１３に「運行開始」が設定されていない場合（Ｓ１５１２：ＮＯ）、Ｓ１５１５の処理に進む。
Ｓ１５１３では、訓練データ生成部１２０は、トリップＩＤを新たに生成したに生成する。続いて、訓練データ生成部１２０は、生成したトリップＩＤをトリップＩＤ１１３２に設定するとともに走行データの日時１１１２を開始日時１１３３に設定したトリップインデックスデータを生成し、生成したトリップインデックスデータをトリップインデックステーブル１１３の末尾に登録する（Ｓ１５１４）。その後、処理はＳ１５１５に進む。
続くＳ１５１５～Ｓ１５１７では、訓練データ生成部１２０は、Ｓ１５１３で生成したトリップＩＤ、選択中の走行データのＭＳＧＩＤ、及び選択中の走行データのＭＳＧデータを設定したトリップデータを生成し、生成したトリップデータをトリップデータテーブル１１４の末尾に登録する。
続いて、訓練データ生成部１２０は、選択中の走行データのＭＳＧＩＤ１１１３に「運行終了」が設定されているか否かを判定する（Ｓ１５１８）。ＭＳＧＩＤ１１１３に「運行終了」が設定されている場合（Ｓ１５１８：ＹＥＳ）、Ｓ１５１９の処理に進む。ＭＳＧＩＤ１１１３に「運行終了」が設定されていない場合（Ｓ１５１８：ＮＯ）、Ｓ１５２２の処理に進む。
Ｓ１５１９では、訓練データ生成部１２０は、Ｓ１５１７で登録したトリップデータに対応するトリップインデックスデータの終了日時１１３４に、選択中の走行データの日時１１１２の内容を設定する。
続いて、訓練データ生成部１２０は、トリップインデックスデータと事故データテーブル１１２とを対照し、トリップインデックスデータの開始日時１１３３から終了日時１１３４までの期間中の事故有無を判定し（Ｓ１５２０）、上記判定の結果をトリップインデックスデータの事故有無１１３５に設定する（Ｓ１５２１）。その後、処理はＳ１５２２に進む。
Ｓ１５２２では、訓練データ生成部１２０は、Ｓ１５１１で走行データテーブル１１１の訓練データの生成に用いる全ての走行データを選択済か否かを判定する。全ての走行データを選択済でなければ（Ｓ１５２２：ＮＯ）、Ｓ１５１１の処理に戻る。全ての走行データを選択済であれば（Ｓ１５２２：ＹＥＳ）、トリップデータ生成処理Ｓ１４１０は終了する。
図１４に戻り、続いて、訓練データ生成部１２０が、事故を起こしていない車載機２０の事故データについて仮の事故発生日時を生成し、生成した事故発生日時を事故発生日時１１２３に設定する処理（以下、「事故情報準備処理Ｓ１４１１」と称する。）を行う。
尚、事故情報準備処理Ｓ１４１１は、訓練データテーブル１１６の訓練データを生成するための準備処理である。事故データテーブル１１２の事故データには、事故有無１１２２に「有」が設定されているデータと、事故有無１１２２に「無」が設定されているデー
タが存在する。このうち事故有無１１２２に「無」が設定されているデータの事故発生日時１１２３には無効な内容が設定されている。事故情報準備処理Ｓ１４１１は、事故有無１１２２に「無」が設定されているデータの事故発生日時１１２３に、仮の事故発生日時を設定することにより、事故有無１１２２に「無」が設定されているデータの事故発生日時１１２３について後述する訓練データ生成メイン処理Ｓ１４１２が事故有無１１２２に「有」が設定されているデータと同じアルゴリズムで処理できるようにする。
図１６は、事故情報準備処理Ｓ１４１１を説明するフローチャートである。以下、同図とともに事故情報準備処理Ｓ１４１１について説明する。
まず訓練データ生成部１２０は、事故データテーブル１１２から、未選択の事故データを１つ（１レコード）選択する（Ｓ１６１１）。
続いて、訓練データ生成部１２０は、選択中の事故データの事故有無１１２２に「無」が設定されているか否かを判定する（Ｓ１６１２）。事故有無１１２２に「無」が設定されている場合（Ｓ１６１２：ＹＥＳ）、Ｓ１６１３の処理に進む。事故有無１１２２に「無」が設定されていない場合（Ｓ１６１２：ＮＯ）、Ｓ１６１１の処理に戻る。
Ｓ１６１３では、訓練データ生成部１２０は、選択中の事故データの車載機ＩＤ１１２１の内容を取得する。
続いて、訓練データ生成部１２０は、トリップインデックステーブル１１３から、Ｓ１６１３で取得した車載機ＩＤが車載機ＩＤ１１３１に設定されている全てのトリップインデックスデータを特定する（Ｓ１６１４）。
続いて、訓練データ生成部１２０は、Ｓ１６１４で特定した全てのトリップインデックスデータの開始日時１１３３を参照して最古の開始日時（以下、「最古開始日時」と称する。）を特定するとともに、Ｓ１６１４で特定した全てのトリップインデックスデータの終了日時１１３４を参照して最新の終了日時（以下、「最新終了日時」と称する。）を特定する（Ｓ１６１５）。
続いて、訓練データ生成部１２０は、最古開始日時から各種パラメータ１１５の開始オフセット１１５１に設定されている日数（以下、Ｎ日とする。）を経過した日時以降、最新終了日時の範囲で仮の事故発生日時を生成する（Ｓ１６１６）。事故情報準備処理部１２４は、例えば、上記範囲で生成したランダムな日時を仮の事故発生日時とする。
続いて、訓練データ生成部１２０は、生成した仮の事故発生日時を、選択中の事故データの事故発生日時１１２３に設定する（Ｓ１６１７）。
続いて、訓練データ生成部１２０は、Ｓ１６１１で事故データテーブル１１２の全ての事故データを選択済か否かを判定する（Ｓ１６１８）。全ての事故データを選択済でなければ（Ｓ１６１８：ＮＯ）、Ｓ１６１１の処理に戻る。全ての事故データを選択済であれば（Ｓ１６１８：ＹＥＳ）、事故情報準備処理Ｓ１４１１は終了する。
図１４に戻り、続いて、訓練データ生成部１２０は、訓練データを生成する処理（以下、「訓練データ生成メイン処理Ｓ１４１２」と称する。）を行う。訓練データ生成部１２０は、全ての車載機２０についての訓練データを生成して訓練データテーブル１１６に登録する。
図１７は、訓練データ生成メイン処理Ｓ１４１２を説明するフローチャートである。以
下、同図とともに訓練データ生成メイン処理Ｓ１４１２について説明する。尚、図９の各種パラメータ１１５のうち、開始オフセット１１５１、終了オフセット１１５２、ＭＳＧＩＤ１１５３の内容は予めユーザがユーザインタフェース等を介して設定済であるものとする。
まず訓練データ生成部１２０は、事故データテーブル１１２から、事故データを１つ（１レコード）選択する（Ｓ１７１１）。
続いて、訓練データ生成部１２０は、選択中の事故データの車載機ＩＤ１１２１及び事故発生日時１１２３の内容を夫々、各種パラメータ１１５の車載機ＩＤ１１５４、事故日時１１５５に設定する（Ｓ１７１２）。
続いて、訓練データ生成部１２０は、図９の事故日時１１５５と開始オフセット１１５１とから求めた日時を、各種パラメータ１１５の開始日時１１５６に設定する（Ｓ１７１３）。具体的には、訓練データ生成部１２０は、開始オフセット１１５１がＮであれば、開始日時１１５６に事故日時１１５５－Ｎを設定する。
続いて、訓練データ生成部１２０は、図９の事故日時１１５５と終了オフセット１１５２とから求めた日時を図９の終了日時１１５７に設定する（Ｓ１７１４）。具体的には、訓練データ生成部１２０は、終了オフセット１１５２がＮ－Ｍ＋１であれば、終了日時１１５７に事故日時１１５５＋Ｎ－Ｍ＋１を設定する。上記のＭは、過去何日間分の情報を訓練データの生成に用いるかを指定する値である。尚、本発明者等による検証では、Ｍを１０日間に設定した場合に良好な精度（事故リスクの診断精度）が得られたが、Ｍの値は必ずしも限定されない。
続いて、訓練データ生成部１２０は、トリップインデックステーブル１１３から、車載機ＩＤ１１７１の内容が、各種パラメータ１１５の車載機ＩＤ１１５４の内容に一致するトリップインデックスデータを１つ選択する（Ｓ１７１５）。
続いて、訓練データ生成部１２０は、選択中のトリップインデクスデータのトリップの期間が、Ｍ日間に入るか否かを判定する処理（以下、「トリップ期間（事故前）判定処理Ｓ１７１６」と称する。）を行う。尚、トリップ期間（事故前）判定処理Ｓ１７１６の詳細については後述する。
続いて、訓練データ生成部１２０は、トリップ期間（事故前）判定処理Ｓ１７１６の結果を参照する（Ｓ１７１７）。上記結果が「入る」であった場合（Ｓ１７１７：ＹＥＳ）、訓練データ生成部１２０は、訓練データを生成する処理（以下、「訓練データ生成処理Ｓ１７１８」と称する。）を行う。尚、訓練データ生成処理Ｓ１７１８の詳細については後述する。一方、上記結果が「入らない」であった場合（Ｓ１７１７：ＮＯ）、訓練データ生成部１２０は、Ｓ１７１９からの処理を行う。
続いて、訓練データ生成部１２０は、選択中のトリップインデクスデータのトリップの期間が、事故が発生した日（事故当日）に入るか否かを判定する処理（以下、「トリップ期間（事故当日）判定処理Ｓ１７１９」と称する。）を行う。尚、トリップ期間（事故当日）判定処理Ｓ１７１９の詳細については後述する。
続いて、訓練データ生成部１２０は、トリップ期間（事故当日）判定処理Ｓ１７１９の結果を参照する（Ｓ１７２０）。上記結果が「入る」であった場合（Ｓ１７２０：ＹＥＳ）、訓練データ生成部１２０は、訓練データを生成する処理（以下、「訓練データ生成処理Ｓ１７１８」と称する。）を行う。一方、上記結果が「入らない」であった場合（Ｓ１
７２０：ＮＯ）、訓練データ生成部１２０は、Ｓ１７２２からの処理を行う。
Ｓ１７２２では、訓練データ生成部１２０は、Ｓ１７１６でトリップインデックステーブル１１３の全てのトリップインデックスデータを選択済か否かを判定する。全てのトリップインデックスデータを選択済でなければ（Ｓ１７２２：ＮＯ）、Ｓ１７１５の処理に戻る。全てのトリップインデックスデータを選択済であれば（Ｓ１７２２：ＹＥＳ）、Ｓ１７２３の処理に進む。
Ｓ１７２３では、訓練データ生成部１２０は、Ｓ１７１１で事故データテーブル１１２の全ての事故データを選択済か否かを判定する。全ての事故データを選択済でなければ（Ｓ１７２３：ＮＯ）、Ｓ１７１１の処理に戻る。全ての事故データを選択済であれば（Ｓ１７２３：ＹＥＳ）、訓練データ生成メイン処理Ｓ１４１２は終了し、図１４のＳ１４１３の処理に進む。
図１８は、図１７の訓練データ生成メイン処理Ｓ１４１２のトリップ期間（事故前）判定処理Ｓ１７１６を説明するフローチャートである。以下、同図とともにトリップ期間（事故前）判定処理Ｓ１７１６について説明する。
訓練データ生成部１２０は、トリップの開始日時１１３３が各種パラメータ１１５の開始日時１１５６よりも後か否かを判定する（Ｓ１８１１）。トリップの開始日時１１３３が各種パラメータ１１５の開始日時１１５６よりも後であれば（Ｓ１８１１：ＹＥＳ）、処理はＳ１８１２に進む。一方、トリップの開始日時１１３３が各種パラメータ１１５の開始日時１１５６よりも後でなければ（Ｓ１８１１：ＮＯ）、処理はＳ１８１４に進む。
Ｓ１８１２では、訓練データ生成部１２０は、トリップの終了日時１１３４が各種パラメータ１１５の終了日時１１５７よりも前か否かを判定する。トリップの終了日時１１３４が終了日時１１５７よりも前であれば（Ｓ１８１２：ＹＥＳ）、処理はＳ１８１３に進む。一方、トリップの終了日時１１３４が終了日時１１５７よりも前でなければ（Ｓ１８１２：ＮＯ）、処理はＳ１８１４に進む。
Ｓ１８１３では、訓練データ生成部１２０は、当該処理の結果（戻り値）に「入る」を設定して当該処理を終了する。Ｓ１８１４では、訓練データ生成部１２０は、当該処理の結果（戻り値）に「入らない」を設定して当該処理を終了する。
図１９は、図１７の訓練データ生成メイン処理Ｓ１４１２のトリップ期間（事故当日）判定処理Ｓ１７１９を説明するフローチャートである。以下、同図とともにトリップ期間（事故当日）判定処理Ｓ１７１９について説明する。
訓練データ生成部１２０は、トリップの開始日時１１３３が各種パラメータ１１５の事故日時１１５５よりも前か否かを判定する（Ｓ１９１１）。トリップの開始日時１１３３が事故日時１１５５よりも前であれば（Ｓ１９１１：ＹＥＳ）、処理はＳ１９１２に進む。一方、トリップの開始日時１１３３が事故日時１１５５よりも前でなければ（Ｓ１９１１：ＮＯ）、処理はＳ１９１４に進む。
Ｓ１９１２では、訓練データ生成部１２０は、トリップの終了日時１１３４が各種パラメータ１１５の事故日時１１５５よりも後か否かを判定する。トリップの終了日時１１３４が事故日時１１５５よりも後であれば（Ｓ１９１２：ＹＥＳ）、Ｓ１９１３の処理に進む。一方、トリップの終了日時１１３４が事故日時１１５５よりも後でなければ（Ｓ１９１２：ＮＯ）、処理はＳ１９１４に進む。
Ｓ１９１３では、訓練データ生成部１２０は、当該処理の結果（戻り値）に「入る」を設定して当該処理を終了する。Ｓ１９１４では、訓練データ生成部１２０は、当該処理の結果（戻り値）に「入らない」を設定して当該処理を終了する。
図２０は、図１７に示した訓練データ生成メイン処理Ｓ１４１２の訓練データ生成処理Ｓ１７１８を説明するフローチャートである。以下、同図とともに訓練データ生成処理Ｓ１７１８について説明する。
まず訓練データ生成部１２０は、トリップデータテーブル１１４から、現在選択中のトリップインデックスデータのトリップＩＤ１１３２と同じトリップＩＤが設定されている未選択のトリップデータを１つ選択する（Ｓ２０１１）。
続いて、訓練データ生成部１２０は、選択中のトリップデータのＭＳＧＩＤ１１４３が各種パラメータ１１５のＭＳＧＩＤ１１５３のリストに存在するか否かを判定する（Ｓ２０１２）。選択中のトリップデータのＭＳＧＩＤ１１４３が各種パラメータ１１５のＭＳＧＩＤ１１５３に存在する場合（Ｓ２０１２：ＹＥＳ）、処理はＳ２０１３に進む。選択中のトリップデータのＭＳＧＩＤ１１４３が各種パラメータ１１５のＭＳＧＩＤ１１５３に存在しない場合（Ｓ２０１２：ＮＯ）、処理はＳ２０１１に戻る。
Ｓ２０１３では、訓練データ生成部１２０は、訓練データ（訓練データの記憶領域）を主記憶装置１２に生成（確保）する。
続いて、訓練データ生成部１２０は、選択中のトリップデータのＭＳＧＩＤ１１４３とＭＳＧデータ１１４４とに基づき訓練データの内容を生成し、生成した内容を記憶領域の訓練データに設定する（Ｓ２０１４）。訓練データの内容は、例えば、先に例示した、発進回数１１６２、バック回数１１６３、急ブレーキ回数１１６４、急アクセル回数１１６５、急ハンドル回数１１６６、走行距離１１６７等である。訓練データ生成部１２０は、上記内容を、例えば、同じＭＳＧＩＤ１１４３が何度出現したかを計数したカウント数、ＭＳＧデータ１１４４の値の合計値や平均値、トリップの開始地点と終了地点の位置情報から求めた走行距離等に基づき生成する。
続いて、訓練データ生成部１２０は、現在選択中のトリップインデックスデータの事故有無１１３５の内容を訓練データの事故有無１１６１（ラベル）に設定する（Ｓ２０１５）。
続いて、訓練データ生成部１２０は、記憶領域の訓練データを訓練データテーブル１１６に登録する（Ｓ２０１６）。
続いて、訓練データ生成部１２０は、Ｓ２０１１において、トリップデータテーブル１１４から、選択中のトリップインデックスデータのトリップＩＤ１１３２と同じトリップＩＤのトリップデータを全て選択済か否かを判定する（Ｓ２０１７）。全てのトリップデータを選択済でなければ（Ｓ２０１７：ＮＯ）、Ｓ２０１１の処理に戻る。全てのトリップデータを選択済であれば（Ｓ２０１７：ＹＥＳ）、訓練データ生成処理Ｓ１７１８は終了する。
図１４に戻り、続いて、事故リスク診断モデル生成部１３０が、事故リスク診断モデルを生成する処理（以下、「事故リスク診断モデル生成処理Ｓ１４１３」と称する。）を行う。
事故リスク診断モデル生成処理Ｓ１４１３は、訓練データテーブル１１６の訓練データ
を用いた教師あり機械学習による機械学習モデルの生成処理である。より具体的には、図１０の訓練データテーブル１１６の事故有無１１６１をラベル値とし、訓練データテーブル１１６の発進回数１１６２、バック回数１１６３、急ブレーキ回数１１６４、急アクセル回数１１６５、急ハンドル回数１１６６、及び走行距離１１６７を特徴量とした機械学習処理である。機械学習は、クラス分類における機械学習あるいは回帰タスクにおける機械学習のいずれであってもよい。利用可能な機械学習の種類として、例えば、ｋ－最近傍法、ｋ－近傍回帰、線形モデル、ナイーブベイズクラス分類、決定木、決定木のアンサンブル法（ランダムフォレスト、勾配ブースティング回帰木）、サポートベクタマシン、ニューラルネットワーク（ディープラーニング）等がある。
図２１は、事故リスク診断モデル生成処理Ｓ１４１３を説明するフローチャートである。以下、図２１とともに事故リスク診断モデル生成処理Ｓ１４１３について説明する。
まず事故リスク診断モデル生成部１３０は、訓練データテーブル１１６を読み出す（Ｓ２１１１）。
続いて、事故リスク診断モデル生成部１３０は、読み出した訓練データテーブル１１６の訓練データの所定数について前処理（フィルタリング、特徴の調整（数値の増減、正規化、クリッピング等）、データクレンジング、文字コードの統一等）を行う（Ｓ２１１２）。
続いて、事故リスク診断モデル生成部１３０は、前処理を施した訓練データを用いて機械学習モデルである事故リスク診断モデル１８１を生成する（Ｓ２１１３）。事故リスク診断モデル生成部１３０は、関数やパラメータを適宜調整しつつ、事故リスク診断モデル１８１を生成する。
続いて、事故リスク診断モデル生成部１３０は、生成した事故リスク診断モデル１８１による事故リスクの診断精度が目標精度に達しているか否かを検証する。事故リスク診断モデル生成部１３０は、例えば、訓練データテーブル１１６のＳ２１１３で用いていない訓練データを用いて上記検証を行う（Ｓ２１１４）。診断精度が目標精度に達していない場合（Ｓ２１１４：ＮＯ）、処理はＳ２１１１に戻り、前処理を施していない他の訓練データを用いて再度Ｓ２１１２～Ｓ２１１３の処理を行う。一方、診断精度が目標精度に達している場合（Ｓ２１１４：ＹＥＳ）、事故リスク診断モデル生成処理Ｓ１４１３は終了する。
図１４に戻り、続いて、テストデータ生成部１４０が、テストデータの生成に用いる、テストトリップインデックスデータとテストトリップデータを生成する処理（以下、「テストトリップデータ生成処理Ｓ１４１４」と称する。）を行う。
図２２は、テストトリップデータ生成処理Ｓ１４１４を説明するフローチャートである。以下、同図とともにテストトリップデータ生成処理Ｓ１４１４について説明する。
まずテストデータ生成部１４０は、走行データテーブル１１１から、診断対象となる走行データ（事故リスクの診断対象となる運転者の車両２の走行データ）を選択する（Ｓ２２１１）。
続いて、テストデータ生成部１４０は、診断対象の走行データのＭＳＧＩＤ１１１３に「運行開始」が設定されているか否かを判定する（Ｓ２２１２）。ＭＳＧＩＤ１１１３に「運行開始」が設定されている場合（Ｓ２２１２：ＹＥＳ）、処理はＳ２２１３に進む。一方、ＭＳＧＩＤ１１１３に「運行開始」が設定されていない場合（Ｓ２２１２：ＮＯ）
、処理はＳ２２１５に進む。
Ｓ２２１３では、テストデータ生成部１４０は、トリップＩＤを新たに生成する。続いてテストデータ生成部１４０は、生成したトリップＩＤをトリップＩＤ１１７２に設定し、走行データの日時１１１２の内容を開始日時１１７３に設定したテストトリップインデックスデータを生成してテストトリップインデックステーブル１１７に登録する（Ｓ２２１４）。その後、処理はＳ２２１５に進む。
Ｓ２２１５～Ｓ２２１７では、テストデータ生成部１４０は、Ｓ２２１３で生成したトリップＩＤ、診断対象の走行データのＭＳＧＩＤ、及び診断対象の走行データのＭＳＧデータを設定したテストトリップデータを生成し、生成したテストトリップデータをテストトリップデータテーブル１１８の末尾に登録する。
続いて、テストデータ生成部１４０は、診断対象の走行データのＭＳＧＩＤ１１１３に「運行終了」が設定されているか否かを判定する（Ｓ２２１８）。ＭＳＧＩＤ１１１３に「運行終了」が設定されている場合（Ｓ２２１８：ＹＥＳ）、Ｓ２２１９の処理に進む。一方、ＭＳＧＩＤ１１１３に「運行終了」が設定されていない場合（Ｓ２２１８：ＮＯ）、Ｓ２２２２の処理に進む。
Ｓ２２１９では、テストデータ生成部１４０は、Ｓ２２１７で登録したテストトリップデータに対応するテストトリップインデックスデータの終了日時１１７４に診断対象の走行データの日時１１１２の内容を設定する。
Ｓ２２２２では、テストデータ生成部１４０は、Ｓ２２１１で走行データテーブル１１１から診断対象の全ての走行データを選択済か否かを判定する。全ての走行データを選択済でなければ（Ｓ２２２２：ＮＯ）、Ｓ２２１１の処理に戻る。全ての走行データを選択済であれば（Ｓ２２２２：ＹＥＳ）、テストトリップデータ生成処理Ｓ１４１４は終了する。
図１４に戻り、続いて、テストデータ生成部１４０が、テストデータを生成する処理（以下、「テストデータ生成処理Ｓ１４１５」と称する。）を行う。
図２３は、テストデータ生成処理Ｓ１４１５を説明するフローチャートである。以下、同図とともにテストデータ生成処理Ｓ１４１５について説明する。
まずテストデータ生成部１４０は、テストトリップデータテーブル１１８から、未選択のテストトリップデータを１つ選択する（Ｓ２３１１）。
続いて、テストデータ生成部１４０は、選択中のテストトリップデータのＭＳＧＩＤ１１８３が各種パラメータ１１５のＭＳＧＩＤ１１５３のリストに存在するか否かを判定する（Ｓ２３１２）。選択中のテストトリップデータのＭＳＧＩＤ１１８３が各種パラメータ１１５のＭＳＧＩＤ１１５３のリストに存在する場合（Ｓ２３１２：ＹＥＳ）、Ｓ２３１３の処理に進む。選択中のテストトリップデータのＭＳＧＩＤ１１４３が各種パラメータ１１５のＭＳＧＩＤ１１５３のリストに存在しない場合（Ｓ２３１２：ＮＯ）、Ｓ２３１１の処理に戻る。
Ｓ２３１３では、テストデータ生成部１４０は、テストデータ（テストデータの記憶領域）を生成（確保）する。
続いて、テストデータ生成部１４０は、選択中のテストトリップデータのＭＳＧＩＤ１
１８３とＭＳＧデータ１１８４に基づきテストデータの内容を生成し、記憶領域に生成したテストデータに設定する（Ｓ２３１４）。尚、テストデータの各項目は訓練データの各項目と対応しており、先に例示した、発進回数１１９２、バック回数１１９３、急ブレーキ回数１１９４、急アクセル回数１１９５、急ハンドル回数１１９６、走行距離１１９７等である。
続いて、テストデータ生成部１４０は、記憶領域のテストデータをテストデータテーブル１１９に登録する（Ｓ２３１６）。
続いて、テストデータ生成部１４０は、Ｓ２３１１において、テストトリップデータテーブル１１８から、診断対象のテストトリップデータを全て選択済か否かを判定する（Ｓ２３１７）。診断対象の全てのテストトリップデータを選択済でなければ（Ｓ２３１７：ＮＯ）、Ｓ２３１１の処理に戻る。診断対象の全てのテストトリップデータを選択済であれば（Ｓ２３１７：ＹＥＳ）、テストデータ生成処理Ｓ１４１５は終了する。
図１４に戻り、続いて、事故リスク診断部１５０が、事故リスク診断モデル１８１を用いて診断対象の車両２（診断対象者）の事故リスクを診断する処理（以下、「事故リスク診断処理Ｓ１４１６」と称する。）を行う。
図２４は、事故リスク診断処理Ｓ１４１６を説明するフローチャートである。以下、同図とともに事故リスク診断処理Ｓ１４１６について説明する。
まず事故リスク診断部１５０は、テストデータテーブル１１９を読み出す（Ｓ２４１１）。
続いて、事故リスク診断部１５０は、テストデータテーブル１１９のテストデータについて、機械学習のための前処理（フィルタリング、特徴の調整（数値の増減、正規化、クリッピング等）、データクレンジング、文字コードの統一等）を行う（Ｓ２４１２）。
続いて、事故リスク診断部１５０は、前処理後のテストデータを事故リスク診断モデル１８１に入力して事故リスクの診断を行う（Ｓ２４１３）。
続いて、事故リスク診断部１５０は、事故リスクの診断結果を事故リスク診断結果１８２として記憶する（Ｓ２４１４）。事故リスク診断結果１８２は、例えば、事故リスクの有無を示す情報（例えば、事故リスクが有ることを示す「１」や無いことを示す「０」等の数値）、事故の発生確率を表す数値等である。事故リスク診断結果１８２を用いることで、例えば、長期的かつ絶対評価に基づく事故リスクの診断や事故の発生予測を行うことが可能になる。
続いて、入出力制御部２６５が、事故リスク診断結果１８２を当該情報の利用先（例えば、診断対象の走行データを送信した車両２の車載機２０）に送信する（Ｓ２４１５）。上記利用先は、診断装置１０から事故リスク診断結果１８２を受信すると、例えば、受信した事故リスク診断結果１８２に基づく情報を出力する。
図２５（ａ）は、カーナビゲーションシステム等の車載機２０が上記情報を表示している例である。また図２５（ｂ）は、スマートフォン等のユーザが所持する携帯情報端末が上記情報を表示している例である。これらの例では、受信した事故リスク診断結果１８２が事故リスクの上昇を示す内容を含むため、車載機２０は、ユーザ（運転者）に対して、手動運転から自動運転への切り替えを促す情報（テキストデータ、画像データ等）をディスプレイに表示している。尚、同図は情報を視覚的に表示する場合であるが、音声や振動
等、人の五感を刺激する他の方法で情報を出力するようにしてもよい。
以上に詳細に説明したように、本実施形態の事故リスク診断システム１においては、診断装置１０が、複数の車両２から収集した走行データ（事故当日前の所定期間の走行データと事故当日における走行データ）に基づき事故リスク診断モデルを生成し、生成した事故リスク診断モデルにより運転者の事故リスクを診断するので、特定の場所における事故リスクに限らず、運転者の多様な運転状況を考慮しつつ共通の尺度で精度よく推定することができる。
［第２実施形態］
第１実施形態の事故リスク診断システム１では、診断装置１０が、車両２（車載機２０）から送られてくる走行データを用いて、訓練データの生成、事故リスク診断モデル１８１の生成、及び事故リスクの診断等の処理を行うが、第２実施形態の事故リスク診断システム１は、これらの処理を車両２（車載機２０）側で行う。以下では、第１実施形態の事故リスク診断システム１と異なる点を中心として説明する。
図２６は、第２実施形態の事故リスク診断システム１の車載機２０が備える主な機能を示す図である。同図に示すように、車載機２０は、記憶部２１０、訓練データ生成部２２０、事故リスク診断モデル生成部２３０、テストデータ生成部２４０、事故リスク診断部２５０、走行データ取得部２６０、及び入出力制御部２６５を備える。
記憶部２１０は、走行データテーブル２１１、事故データテーブル２１２、トリップインデックステーブル２１３、トリップデータテーブル２１４、各種パラメータ２１５、訓練データテーブル２１６、テストトリップインデックステーブル２１７、テストトリップデータテーブル２１８、テストデータテーブル２１９、事故リスク診断モデル２８１、及び事故リスク診断結果２８２を記憶する。これらの情報は、第１実施形態の記憶部１１０が記憶する同名の情報と同様であるので説明を省略する。
上記機能のうち、訓練データ生成部２２０、事故リスク診断モデル生成部２３０、テストデータ生成部２４０、事故リスク診断部２５０、及び走行データ取得部２６０の各機能は、第１実施形態におけるこれらと同名の機能と同様であるので説明を省略する。
入出力制御部２６５は、診断装置１０から複数の車両２の走行データテーブル１１１の内容を受信し、走行データテーブル２１１に登録する。また入出力制御部２６５は、所定の情報源から事故データを取得し、取得した事故データを事故データテーブル２１２に登録する。
第２実施形態の車載機２０は、第１実施形態における事故リスク診断処理Ｓ１４００と同様の処理を実行して、訓練データの生成、事故リスク診断モデル１８１の生成、及び事故リスクの診断等を行い、事故リスクの診断結果を出力する。
以上に示したように、第１実施形態において診断装置１０が行っていた処理を車載機２０側で行うようにすることもできる。尚、第２実施形態の事故リスク診断システム１における診断装置１０は、少なくとも複数の車両２（車載機２０）から取得した走行データを車載機２０に提供する機能を備えていればよい。また診断装置１０を前述した情報源として機能させ、診断装置１０から通信ネットワーク５を介して車載機２０に事故データを提供するようにしてもよい。また走行データや事故データの全部又は一部を、通信ネットワーク５を介して各車両２の車載機２０間で通信することにより共有するようにしてもよい。その場合、必ずしも事故リスク診断システム１に診断装置１０を設けなくてもよい。
［第３実施形態］
第３実施形態の事故リスク診断システム１では、診断装置１０が、車両２の起動／終了に応じて事故リスクの診断や診断結果の通知を行う。以下では第１実施形態の事故リスク診断システム１と異なる点を中心として説明する。
尚、以下の説明において、第３実施形態の車両２は、手動による走行モードと、ＡＩ（Artificial Intelligence）等の技術を利用して自律走行を行う自動運転による走行モー
ドのいずれかの走行モードを選択して走行することができるものとする。また以下の説明において、起動とは、車両２を人が運転可能な状態にすることをいい、例えば、イグニッション装置やパワースイッチを備えた車両２における起動とは、イグニッション装置やパワースイッチをオンすることをいう。また以下の説明において、終了とは、車両２を人が運転できない状態にすることをいい、例えば、イグニッション装置やパワースイッチを備えた車両２における終了とは、イグニッション装置やパワースイッチをオフすることをいう。
図２７は、第３実施形態の車載機２０が備える主な機能を示す図である。同図に示すように、第３実施形態の車載機２０は、記憶部２１０、走行データ取得部２６０、入出力制御部２６５、操作情報通知部２７５、及び自動運転制御部２８０の各機能を備える。上記機能のうち操作情報通知部２７５及び自動運転制御部２８０以外の機能は第１実施形態の車載機２０と同様である。
操作情報通知部２７５は、車両２の運転者が車両２を操作した際にその内容を示す情報を通信ネットワーク５を介して診断装置１０に通知する。例えば、操作情報通知部２７５は、車両２の運転者が車両２を起動する操作を行うと、その旨を示す情報（以下、「起動情報」と称する。）を診断装置１０に通知する。また例えば、車両２の運転者が車両２を終了させる操作を行うと、その旨を示す情報（以下、「終了情報」と称する。）を診断装置１０に通知する。
自動運転制御部２８０は、診断装置１０から送られてくる事故リスクの診断結果に応じて、車両２の自動運転機能を有効にするか無効にするかの切り替え制御を行う。
図２８は、第３実施形態の診断装置１０が備える主な機能を示す図である。同図に示すように、第３実施形態の診断装置１０は、記憶部１１０、訓練データ生成部１２０、事故リスク診断モデル生成部１３０、テストデータ生成部１４０、事故リスク診断部１５０、入出力制御部１６０、及び処理実行制御部１７０の各機能を備える。上記機能のうち処理実行制御部１７０以外の機能は第１実施形態の診断装置１０と同様である。
図２９は、第３実施形態の事故リスク診断システム１において行われる処理を説明するシーケンス図である。以下、同図とともに説明する。
診断装置１０は、車両２が起動している際、車載機２０から送られてくる走行データを用いてトリップデータを生成する（Ｓ２９１１，Ｓ１４１０）。また診断装置１０は、事故情報準備処理Ｓ１４１１、訓練データ生成メイン処理Ｓ１４１２、及び事故リスク診断モデル生成処理Ｓ１４１３を行い、事故リスク診断モデル１８１を生成する（Ｓ１４１３）。
処理実行制御部１７０は、車載機２０から終了情報を受信すると（Ｓ２９１２，Ｓ２９１３）、テストトリップデータ生成処理Ｓ１４１４、テストデータ生成処理Ｓ１４１５を行ってテストデータを生成し、生成したテストデータを用いて事故リスク診断処理Ｓ１４１６を行って事故リスク診断結果１８２を生成する。
このように第３実施形態の診断装置１０は、運転者が終了操作を行ったときに事故リスク診断処理Ｓ１４１６を行って診断結果を生成するので、車両２が次回起動した際は診断結果を直ちに運転者等のユーザに提供することができる。
その後、診断装置１０は、車載機２０から起動情報を受信すると（Ｓ２９１４～Ｓ２９１５）、事故リスクの診断結果（最新の事故リスク診断モデル１８１による診断結果）を車載機２０に送信する（Ｓ２９１６）。
車載機２０の入出力制御部２６５は、診断装置１０から送られてきた事故リスクの診断結果に基づく情報をユーザに提示する（Ｓ２９１７）。またこのとき、入出力制御部２６５は、上記診断結果に基づき運転者の事故リスクが高いか否かを判定（例えば、事故リスクを示す数値が予め設定された閾値を超えているか否かを判定）し、事故リスクが高い（例えば、上記数値が上記閾値を超えている）と判定した場合、運転者に自動運転への切り替えを促す情報を出力する（Ｓ２９１８）。そして自動運転制御部２８０は、運転者が自動運転への切り替えを希望する意思表示（入力操作等）を行うと（Ｓ２９１８：ＹＥＳ）、自動運転制御部２８０に自車の走行モードを自動運転に切り替えるよう指示し（Ｓ２９１９）、自動運転制御部２８０は上記指示を受けて車両２の走行モードを自動運転による走行モードに切り替える（Ｓ２９２０）。
以上のように、第３実施形態の事故リスク診断システム１においては、車両２の起動操作や終了操作に応じて、事故リスク診断モデル１８１の生成や事故リスクの診断結果をユーザに提供することができ、適切なタイミングで迅速に診断結果をユーザに提供することができる。また事故リスクが高い場合はユーザに自動運転への切り替えを促すので、事故リスクの軽減を図ることができる。
以上、本発明の一実施形態について詳細に説明したが、本発明は上記の実施形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。例えば、上記の実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、説明した全ての構成を備えるものに必ずしも限定されるものではない。また上記実施形態の構成の一部について、他の構成の追加や削除、置換をすることが可能である。
また上記の各構成、機能部、処理部、処理手段等は、それらの一部または全部を、例えば、集積回路で設計する等によりハードウェアで実現してもよい。また上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリやハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、ＩＣ
カード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
また上記の各図において、制御線や情報線は説明上必要と考えられるものを示しており、必ずしも実装上の全ての制御線や情報線を示しているとは限らない。例えば、実際には殆ど全ての構成が相互に接続されていると考えてもよい。
また以上に説明した各情報処理装置の各種機能部、各種処理部、各種データベースの配置形態は一例に過ぎない。各種機能部、各種処理部、各種データベースの配置形態は、これらの装置が備えるハードウェアやソフトウェアの性能、処理効率、通信効率等の観点から最適な配置形態に変更し得る。
また前述した各種のデータを格納するデータベースの構成（スキーマ（Schema）等）は
、リソースの効率的な利用、処理効率向上、アクセス効率向上、検索効率向上等の観点から柔軟に変更し得る。
１ 事故リスク診断システム、２ 車両、５ 通信ネットワーク、１０ 診断装置、２０
車載機、１１０ 記憶部、１１１ 走行データテーブル、１１２ 事故データテーブル、１１３ トリップインデックステーブル、１１４ トリップデータテーブル、１１５ 各種パラメータ、１１６ 訓練データテーブル、１１７ テストトリップインデックステーブル、１１８ テストトリップデータテーブル、１１９ テストデータテーブル、１７０ 処理実行制御部、１８１ 事故リスク診断モデル、１８２ 事故リスク診断結果、２１０ 記憶部、２１１ 走行データテーブル、２７５ 操作情報通知部、２８０ 自動運転制御部、２６０ 走行データ取得部、２６５ 入出力制御部、Ｓ１４００ 事故リスク診断処理、Ｓ１４１０ トリップデータ生成処理、Ｓ１４１２ 訓練データ生成メイン処理、Ｓ１４１３ 事故リスク診断モデル生成処理、Ｓ１４１４ テストトリップデータ生成処理、Ｓ１４１５ テストデータ生成処理、Ｓ１４１６ 事故リスク診断処理

Claims (14)

  1. 情報処理装置が、
    複数の車両の夫々の日時ごとの走行状態を示すデータである走行データと、
    前記複数の車両の過去の事故に関する情報と、
    を記憶するステップ、
    前記走行データのうち、事故当日前の所定期間の前記走行データと前記事故当日における前記走行データと、を抽出し、抽出した前記走行データに基づき、前記車両の起動から終了までの期間であるトリップを示す情報と当該トリップにおける事故の有無を示す情報とを対応づけたデータであるトリップインデックスデータを生成するステップ、
    前記トリップにおける前記車両の運転状況を示すデータであるトリップデータを生成するステップ、
    前記トリップインデックスデータと前記トリップデータに基づき前記トリップ毎の訓練データを生成するステップ、
    前記訓練データを用いて事故リスクを診断する機械学習モデルである事故リスク診断モデルを生成するステップ、
    事故リスクの診断対象となる前記車両の前記トリップにおける特徴量を前記事故リスク診断モデルに入力することにより当該車両の事故リスクを診断するステップ、
    を実行する、事故リスク診断方法。
  2. 請求項１に記載の事故リスク診断方法であって、
    前記情報処理装置は、前記車両に搭載されている車載機に前記診断の結果を送信するステップ、
    をさらに実行する、事故リスク診断方法。
  3. 請求項１または２に記載の事故リスク診断方法であって、
    前記訓練データは、前記トリップにおける前記車両の事故有無を示す情報をラベルとし、前記トリップにおける、前記車両の発進回数に関する情報、前記車両のバック回数に関する情報、前記車両の急ブレーキ回数に関する情報、前記車両の急アクセル回数に関する情報、前記車両の急ハンドル回数に関する情報、及び前記車両の走行距離に関する情報のうちの少なくともいずれかが特徴量として設定されたデータである、
    事故リスク診断方法。
  4. 請求項１または２に記載の事故リスク診断方法であって、
    前記情報処理装置が、ユーザインタフェースを介してユーザから受け付けた情報に基づき前記所定期間を設定するステップ、
    をさらに実行する、事故リスク診断方法。
  5. 請求項１または２に記載の事故リスク診断方法であって、
    前記情報処理装置が、前記車両の夫々に設けられている車載機と通信可能に接続し、前記車載機から前記走行データを取得するステップ、
    をさらに実行する、事故リスク診断方法。
  6. 請求項５に記載の事故リスク診断方法であって、
    前記車載機は、ＥＣＵ（Electronic Control Unit）、ＴＣＵ（Telematic Control Unit）、ＩＶＩシステム（In-Vehicle Infotainment System）、スマートフォン、フィーチャーフォン、タブレット端末、ヘッドマウントディスプレイ（Head Mounted Display）、音声入力装置、点字入力装置、及び振動検出装置のうちの少なくともいずれかである、
    事故リスク診断方法。
  7. 請求項１に記載の事故リスク診断方法であって、
    前記情報処理装置が、前記車両が起動している期間に前記事故リスク診断モデルを学習させる前記ステップを実行する、
    事故リスク診断方法。
  8. 請求項７に記載の事故リスク診断方法であって、
    前記情報処理装置が、前記車両が起動を終了したことを示す情報を受信すると、前記事故リスクを診断する前記ステップを行い、前記診断の結果を前記車両に送信するステップを実行する、
    事故リスク診断方法。
  9. 請求項８に記載の事故リスク診断方法であって、
    前記車両は、前記診断の結果を受信すると、前記診断の結果に基づく情報をユーザに提示するとともに、前記車両を自動運転に切り替えるか否かの意思表示をユーザインタフェースを介してユーザから受け付け、前記車両を自動運転に切り替える旨の意思表示をユーザから受け付けると、前記車両の走行モードを自動運転による走行モードに切り替える、
    事故リスク診断方法。
  10. 請求項１または２に記載の事故リスク診断方法であって、
    前記所定期間は１０日間である、
    事故リスク診断方法。
  11. 請求項１に記載の事故リスク診断方法であって、
    前記情報処理装置は、前記車両に設けられている、
    事故リスク診断方法。
  12. 情報処理装置を用いて構成され、
    複数の車両の夫々の日時ごとの走行状態を示すデータである走行データと、
    前記複数の車両の過去の事故に関する情報と、
    を記憶する記憶部、
    前記走行データのうち、事故当日前の所定期間の前記走行データと前記事故当日における前記走行データと、を抽出し、抽出した前記走行データに基づき、前記車両の起動から終了までの期間であるトリップを示す情報と当該トリップにおける事故の有無を示す情報とを対応づけたデータであるトリップインデックスデータを生成し、
    前記トリップにおける前記車両の運転状況を示すデータであるトリップデータを生成し、
    前記トリップインデックスデータと前記トリップデータに基づき前記トリップ毎の訓練データを生成する、訓練データ生成部、
    前記訓練データを用いて事故リスクを診断する機械学習モデルである事故リスク診断モデルを生成する事故リスク診断モデル生成部、
    事故リスクの診断対象となる前記車両の前記トリップにおける特徴量を前記事故リスク診断モデルに入力することにより当該車両の事故リスクを診断する事故リスク診断部、
    を備える、事故リスク診断装置。
  13. 請求項１２に記載の事故リスク診断装置であって、
    前記車両に搭載されている車載機に前記診断の結果を送信する入出力制御部、
    をさらに備える、事故リスク診断装置。
  14. 情報処理装置を用いて構成され、
    複数の車両の夫々の日時ごとの走行状態を示すデータである走行データと、
    前記複数の車両の過去の事故に関する情報と、
    を記憶する記憶部、
    前記走行データのうち、事故当日前の所定期間の前記走行データと前記事故当日における前記走行データと、を抽出し、抽出した前記走行データに基づき、前記車両の起動から終了までの期間であるトリップを示す情報と当該トリップにおける事故の有無を示す情報とを対応づけたデータであるトリップインデックスデータを生成し、
    前記トリップにおける前記車両の運転状況を示すデータであるトリップデータを生成し、
    前記トリップインデックスデータと前記トリップデータに基づき前記トリップ毎の訓練データを生成する、訓練データ生成部、
    前記訓練データを用いて事故リスクを診断する機械学習モデルである事故リスク診断モデルを生成する事故リスク診断モデル生成部、
    事故リスクの診断対象となる前記車両の前記トリップにおける特徴量を前記事故リスク診断モデルに入力することにより当該車両の事故リスクを診断する事故リスク診断部、
    を備える、事故リスク診断装置と、
    前記車両の夫々に設けられ、前記事故リスク診断装置と通信可能に接続し、前記走行データを前記事故リスク診断装置に送信する車載機と、
    を含んで構成される、事故リスク診断システム。
JP2019127147A 2019-07-08 2019-07-08 事故リスク診断方法、事故リスク診断装置、及び事故リスク診断システム Active JP7212590B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2019127147A JP7212590B2 (ja) 2019-07-08 2019-07-08 事故リスク診断方法、事故リスク診断装置、及び事故リスク診断システム
EP20837790.3A EP3998591A4 (en) 2019-07-08 2020-06-05 ACCIDENT RISK DIAGNOSTIC METHOD, ACCIDENT RISK DIAGNOSTIC DEVICE AND ACCIDENT RISK DIAGNOSTIC SYSTEM
US17/621,485 US20220351614A1 (en) 2019-07-08 2020-06-05 Accident risk diagnosis method, accident risk diagnosis apparatus, and accident risk diagnosis system
CN202080046370.2A CN114072863A (zh) 2019-07-08 2020-06-05 事故风险诊断方法、事故风险诊断装置以及事故风险诊断***
PCT/JP2020/022431 WO2021005933A1 (ja) 2019-07-08 2020-06-05 事故リスク診断方法、事故リスク診断装置、及び事故リスク診断システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019127147A JP7212590B2 (ja) 2019-07-08 2019-07-08 事故リスク診断方法、事故リスク診断装置、及び事故リスク診断システム

Publications (3)

Publication Number Publication Date
JP2021012604A JP2021012604A (ja) 2021-02-04
JP2021012604A5 JP2021012604A5 (ja) 2021-12-02
JP7212590B2 true JP7212590B2 (ja) 2023-01-25

Family

ID=74114128

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019127147A Active JP7212590B2 (ja) 2019-07-08 2019-07-08 事故リスク診断方法、事故リスク診断装置、及び事故リスク診断システム

Country Status (5)

Country Link
US (1) US20220351614A1 (ja)
EP (1) EP3998591A4 (ja)
JP (1) JP7212590B2 (ja)
CN (1) CN114072863A (ja)
WO (1) WO2021005933A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116343484B (zh) * 2023-05-12 2023-10-03 天津所托瑞安汽车科技有限公司 交通事故识别方法、终端及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005250564A (ja) 2004-03-01 2005-09-15 Denso Corp 安全運転支援システム
US20150317844A1 (en) 2014-05-02 2015-11-05 Kookmin University Industry-Academic Cooperation Foundation Method of processing and analysing vehicle driving big data and system thereof
JP2017138959A (ja) 2015-04-21 2017-08-10 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6480143B2 (ja) * 2014-10-09 2019-03-06 株式会社日立製作所 運転特性診断装置、運転特性診断システム、運転特性診断方法
JP6550288B2 (ja) * 2015-07-23 2019-07-24 株式会社日立システムズ サーバー装置、ライフログシステムおよび注意情報出力方法
JP6600536B2 (ja) * 2015-11-19 2019-10-30 株式会社日立製作所 保険業務支援システムおよび保険業務支援方法
JP6703465B2 (ja) * 2016-09-21 2020-06-03 株式会社日立製作所 運転支援装置、センタ装置
JP2018151716A (ja) * 2017-03-10 2018-09-27 オムロン株式会社 情報処理装置、リスク回避通知方法、およびリスク回避通知プログラム
WO2018186625A1 (ko) * 2017-04-06 2018-10-11 삼성전자주식회사 전자 장치, 그의 경고 메시지 제공 방법 및 비일시적 컴퓨터 판독가능 기록매체
JP6945226B2 (ja) * 2017-08-09 2021-10-06 株式会社ユピテル 車載電子機器、クライアント端末、及びプログラム
CN107909678A (zh) * 2017-11-29 2018-04-13 思建科技有限公司 一种行车风险评价方法及***
JP6992542B2 (ja) 2018-01-24 2022-02-03 トヨタ自動車株式会社 クーリングモジュール支持構造
CN108734592A (zh) * 2018-05-11 2018-11-02 深圳市图灵奇点智能科技有限公司 车辆保险业务数据分析方法和***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005250564A (ja) 2004-03-01 2005-09-15 Denso Corp 安全運転支援システム
US20150317844A1 (en) 2014-05-02 2015-11-05 Kookmin University Industry-Academic Cooperation Foundation Method of processing and analysing vehicle driving big data and system thereof
JP2017138959A (ja) 2015-04-21 2017-08-10 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム

Also Published As

Publication number Publication date
EP3998591A1 (en) 2022-05-18
WO2021005933A1 (ja) 2021-01-14
EP3998591A4 (en) 2023-07-12
CN114072863A (zh) 2022-02-18
US20220351614A1 (en) 2022-11-03
JP2021012604A (ja) 2021-02-04

Similar Documents

Publication Publication Date Title
Amarasinghe et al. Cloud-based driver monitoring and vehicle diagnostic with OBD2 telematics
CN110288096B (zh) 预测模型训练及预测方法、装置、电子设备、存储介质
EP3475933A1 (en) Autonomous or partially autonomous motor vehicles with automated risk-controlled systems and corresponding method thereof
CN109724812B (zh) 车辆故障预警的方法、装置、存储介质和终端设备
US11454967B2 (en) Systems and methods for collecting vehicle data to train a machine learning model to identify a driving behavior or a vehicle issue
CN112016584B (zh) 基于异常检测的注意力下降检测
JP7212590B2 (ja) 事故リスク診断方法、事故リスク診断装置、及び事故リスク診断システム
JP6032145B2 (ja) 車両用運行データ分析システム
CN111231972A (zh) 基于驾驶行为习惯的告警方法、***、车辆及存储介质
Zhu et al. Real-time crash identification using connected electric vehicle operation data
US20200160348A1 (en) Server device and information processing method
CN113838273A (zh) 基于车辆的提醒方法、装置、电子设备和存储介质
CN112653726A (zh) 车载终端及其操作方法、计算机可读存储介质及处理器
Lushi et al. IoT-Based Public Transport Management System
CN110648428A (zh) 车辆剩余使用寿命预测
CN114924750A (zh) 一种车载应用软件生成方法、装置、设备及存储介质
US11481736B2 (en) Oil maintenance monitoring
Yu Risk measurement, risk entropy, and autonomous driving risk modeling
CN114936122A (zh) 车辆监测***、方法及可读存储介质
Benmimoun et al. Large-scale FOT for analyzing the impacts of advanced driver assistance systems
Jain et al. Review of computational techniques for modelling eco-safe driving behavior
Rigoll The connecteddrive context server–flexible software architecture for a context aware vehicle
JP7393458B2 (ja) Ｅｖ車両の稼働状況監視システム、ｅｖ車両の稼働状況監視プログラム
EP4350305A1 (en) Systems and methods for determining an estimated weight of a vehicle
Yay et al. An adaptive driving system regarding energy-efficiency and safety

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201023

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20201023

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211020

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211020

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: 20221220

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230113

R150 Certificate of patent or registration of utility model

Ref document number: 7212590

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150