ドライブレコーダを用いた交通事故発生予測

• Item type: Trans(1)
• 公開日: 2021-01-15
• タイトル: ドライブレコーダを用いた交通事故発生予測
• タイトル / 言語: en
• タイトル: Predicting Traffic Accidents with Dashboard Cameras
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [テクニカルノート] 生存分析，深層学習，ドライブレコーダ
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 日本電信電話株式会社NTTサービスエボリューション研究所
• 著者所属: 日本電信電話株式会社NTTサービスエボリューション研究所
• 著者所属: 日本電信電話株式会社NTTサービスエボリューション研究所
• 著者所属: 日本電信電話株式会社NTTサービスエボリューション研究所
• 著者所属: 日本電信電話株式会社NTTサービスエボリューション研究所
• 著者所属: 日本電信電話株式会社NTTサービスエボリューション研究所
• 著者所属(英): en
• 著者所属(英): NTT Service Evolution Laboratories, NTT Corporation
• 著者所属(英): en
• 著者所属(英): NTT Service Evolution Laboratories, NTT Corporation
• 著者所属(英): en
• 著者所属(英): NTT Service Evolution Laboratories, NTT Corporation
• 著者所属(英): en
• 著者所属(英): NTT Service Evolution Laboratories, NTT Corporation
• 著者所属(英): en
• 著者所属(英): NTT Service Evolution Laboratories, NTT Corporation
• 著者所属(英): en
• 著者所属(英): NTT Service Evolution Laboratories, NTT Corporation
• 著者名: 瀧本, 祥章; 田中, 佑典; 倉島, 健; 山本, 修平; 大川, 真耶; 戸田, 浩之
• 著者名(英): Yoshiaki, Takimoto; Yusuke, Tanaka; Takeshi, Kurashima; Shuhei, Yamamoto; Maya, Okawa; Hiroyuki, Toda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，交通事故に関する大量のデータがドライブレコーダによって収集されている．本稿では，ドライブレコーダデータを活用し，交通事故の発生予測を行う手法を提案する．提案手法は生存分析に基づいており，前方映像と自車の位置情報を入力とし，交通事故が発生するまでの猶予時間を予測できる．生存分析におけるハザード関数を，前方映像を入力としたニューラルネットワークと，自車の位置情報を入力としたニューラルネットワークを用いてモデル化する．これにより，歩行者や障害物などの周辺状況の時間的変化，および，地域における事故の発生しやすさに基づいた予測が可能となる．また，モデルのパラメータは対数尤度を損失関数とした誤差逆伝播法により最適化が可能である．実データを用いた実験により，提案手法が既存手法よりも事故発生の猶予時刻を正確に予測できることを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Large amounts of data on accidents are being collected by dashboard cameras (dashcams). We propose a survival analysis model for predicting the accident occurrence time from data gathered by a dashboard camera in this paper. The hazard function of the proposed model is modeled by a convolutional recurrent neural network whose input is video data and a neural network whose input is location data. Thus, our model can predict accidents considering (1) changes in the situation of own car and surroundings based on the video and (2) the frequency of accidents from location data. The model parameters are estimated by backpropagation using the negative log-likelihood as the loss function. Experiments on real-world dashcam data show that our model can more accurately predict accident occurrences than baseline models.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11464847
• 書誌情報: 情報処理学会論文誌データベース（TOD）; 巻 14, 号 1, p. 1-7, 発行日 2021-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7799
• 出版者 / 言語: ja
• 出版者: 情報処理学会