A Basic Study on the Potential Accident Risk using Cargo Commercial Vehicle Probe Data

(1)

修士論文概要（2016 年

2

月）京都大学大学院工学研究科都市社会工学専攻

商用車プローブデータを用いた潜在的事故危険性に関する基礎的研究

A Basic Study on the Potential Accident Risk using Cargo Commercial Vehicle Probe Data

中山達貴

^*

Tatsuki Nakayama

*

交通マネジメント工学講座交通情報工学分野

1．はじめに

我が国における交通事故死傷数は平成 16 年を境に減少傾向にあるものの，交通事故削減に向けた対策は今後も求められている．事故に関する既往研究では兵頭ら

¹⁾

のように，事故発生時の交通状況や道路線形などを考慮した統計的な手法が多く用いられてきたが，これらは事故多発地点を中心に一部上下流の構造・線形の影響を加味はしているが，車両の流れを考える中で事故発生の原因を特定するには至っていない．一方，車両挙動の連続性に着目した三浦ら

²⁾

のCCTV 画像を用いた研究により，

事故要因の特定は事故多発地点だけでなくその影響が及ぶ範囲を広げる必要あるという知見を得ている．

本研究では自動車専用道路の交通事故の多発区間を対象に，プローブ車両の車両軌跡データを用いて，潜在的な危険を伴う走行を抽出し，その危険挙動が発生する過程を把握することを目的とする．商用車プローブデータを活用する利点は，危険が生じたときの走行と一般的に安全な走行との両者を比較できる点と，交通事故データでは把握できない速度データが把握可能な点である．

2. 事故発生状況と車両挙動の関係性について (1) 事故多発区間の選定

図－１に示す名阪国道（一般国道 25 号）福住 IC～天理東 IC の急カーブの連続した区間（通称「Ωカーブ」）を対象とする．本研究では一本松ICを0mの基点とする．

図－２は当該区間における各事故類型別の事故件数を 500m 区間ごとに整理したものである．9000-9500m(図中 A)の区間において多くの事故が発生していることから，

本研究ではこの区間を事故多発区間として選定する．

(2) 事故多発区間における車両挙動分析

交通工学より，遠心加速度が 3.75m/s

²

以上（路面の摩擦係数を約 0.3 と仮定）となった場合にタイヤと路面の横滑りの危険性が生じる

³⁾

．この値を用いて遠心加速度の最大値に着目し，Ωカーブの中でも特に道路線形が厳しい区間を対象に，事故件数（駐停車中の事故を除く）との関係性を示したものが図－３である．結果，事故件数と遠心加速度が危険値を超過する走行に同様の傾向にあることから，遠心加速度の大きさが事故発生に影響を与えている可能性を示唆している．

× ×

×

× ×

×

× × × ×

×

1000m 2000m 3000m 4000m 5000m 6000m

7000m 8000m

9000m 10000m 11000m

五ヶ谷IC

福住IC

一本松IC 0m

× 9500m

× 7500m

×

× 500m 1500m

× 2500m

× 3500m

×^4500m

×5500m

×6500m

×^8500m

×10500m 12

2 1 3 5 4 6 7 8

9 10 13 11

14 15 16

17

18 19

図－１対象区間の全体図

0 10 20 30 40 50

一本松ICを基点とした道のり(m)

事故件数

A

図－２ 500m ごとの各事故類型別の事故件数

-20 -15 -10 -5 0 5 10 15 20

-60 -45 -30 -15 0 15 30 45 60

10000 9700 9400 9100 8800 8500 8200 7900 7600 7300 7000 6700

15 30 45 60

事故件数走行数

図－３事故件数と遠心加速度超過走行数の関係

3. 潜在的事故危険性に関する特徴分析 (1) 潜在的事故危険性の高い走行の抽出

事故多発区間において，タイヤと路面の横滑りの危険性が生じる遠心加速度の境界値を越えた 53 走行（全体の

約 3%）を潜在的事故危険性の高い走行とし，残りの 1588

走行を潜在的事故危険性の低い走行と定義する．

(2) 速度の基準となる速度推移図を作成

潜在的事故危険性の高い走行を除いたデータで，速度

の 1m おきの平均値から±2σを算出し，その速度域内の

走行を本研究では速度推移図とする（図－４）．また，速

度超過した区間とその超過度合いの両方を測る指標とし

て，本研究では 2σよりも走行速度が超過した走行のはみ

出し面積（積分値と呼称）を用いる．

(2)

修士論文概要（2016 年

2

月）京都大学大学院工学研究科都市社会工学専攻 (3) 走行のクラスタリング

次に，1000m 区間ごとの積分値を各走行で算出し，

k-means 手法でクラスター分析を行った．図－５から潜在

的事故危険性の高い走行と低い走行が混在するクラスターが存在し，その差異に着目するため次項以降は Cluster2,3,4 の走行データを用いて分析を行う．

(4) 速度の平均値で比較した際の特徴分析

潜在的事故危険性の高い走行と低い走行の速度差の推

移は 6000m 以降に有意な差が（図－６），積分値の累積値

は 7000m から差が（図－７）生じていることがわかる．

0 20 40 60 80 100 120

速度(km/h)

0 20 40 60 80 100 120

0 2000 4000

6000 8000

10000

図－４基準となる速度推移図

0 5 10 15 20 25

4000 5000 6000 7000 8000 9000

1 2 3 4 5

積分値

(km*km/h)

Cluster2 (19/32) Cluster3 (3/54) Cluster4 (21/99) Cluster5 (4/1449)

Cluster1 (6/7)

一本松ICを基点とした道のり(m)

（危険走行

/

全走行）

図－５全走行のクラスターごとの積分値の平均の推移

-8 -6 -4 -2 0 2 4 6 8 10

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000 8500 9000 9500 10000 10500 11000

一本松ICを基点とした道のり(m)

速度

(km/h)

***

*** **

独立サンプルのt検定（500m区間）

***

** ^5%有意

1%有意

図－６潜在的事故危険性走行別の速度差の推移

積分値の累積値(km*km/h)

一本松ICを基点とした道のり(m) 0

10 20 30 40 50

3000 4000 5000 6000 7000 8000 9000 10000

潜在的事故危険性の高い走行

潜在的事故危険性の低い走行

図－７潜在的事故危険性走行別の積分値の累積値の推移

4. 危険挙動発生過程に関する分析

どの区間の走行が潜在的事故危険性に影響しているかを統計的に明らかにするため，本研究では二項ロジスティック回帰分析を行う．被説明変数は，事故多発区間で潜在的危険性の高い走行を 1，低い走行を 0 とする．

事故多発区間である9000m-9500m区間で検証した結果

（表－１）から，走行経験が少ない人ほど危険性が高くなる可能性は棄却されず，道路混雑状況下では危険性の

高い走行は発生しない傾向が示唆された．車両挙動に関する変数の区間のみを変えて同様の分析した結果が表－

２である．平均速度については 6000m から，積分値の累積値については 7000m から危険性に影響することがわかる．さらに各区間の平均速度を投入し変数減少法により分析すると，表－３より 7500～8000m の区間の平均速度の影響が最も大きいとわかる．ここはΩカーブの中でも線形の厳しい急カーブを抜けたあとの下り坂のため，その速度超過が危険挙動と関係していることが考察される．

表－１事故多発区間における分析結果（9000m～ 9500m 区間）

B 有意確率

走行頻度低ダミー 1.35 0.04 **

深夜ダミー -0.45 0.61

午前ダミー -1.59 0.07 *

午後ダミー -2.13 0.04 **

可能交通容量超過ダミー -2.62 0.02 **

平均速度9000m～9500m 0.73 0.00 ***

積分値の累積値(9000m) 0.06 0.01 ***

定数 -62.72 0.00 ***

-2LL 82.97

Nagelkerke R2乗 0.711

Hosmer と Lemeshow の有意確率 0.196

*：10%有意

**：5%有意

***：1%有意

１

２３

表－２各区間における分析結果

9000 8500 8000 7500 7000 6500 6000 5500 5000 4500 4000 3500 平均速度

* * * * * * **

積分値の

累積値

* * ** * *

*：10%有意

**：5%有意

***：1%有意

パラメータはすべて正方向に有意

表－３各区間の平均速度における変数減少法による分析結果

B 有意確率

走行頻度低ダミー 0.98 0.03 **

可能交通容量超過ダミー -2.46 0.00 ***

平均速度7500m～8000m 0.23 0.00 ***

積分値の累積値(9000m) 0.04 0.00 ***

定数 -23.11 0.00 ***

-2LL 149.349

Nagelkerke R2乗 0.366

Hosmer と Lemeshow の有意確率 0.653

*：10%有意

**：5%有意

***：1%有意

A Basic Study on the Potential Accident Risk using Cargo Commercial Vehicle Probe Data

修士論文概要（2016 年

月） 京都大学大学院工学研究科 都市社会工学専攻

商用車プローブデータを用いた 潜在的事故危険性に関する基礎的研究

A Basic Study on the Potential Accident Risk using Cargo Commercial Vehicle Probe Data

中山 達貴

Tatsuki Nakayama

交通マネジメント工学講座 交通情報工学分野

1．はじめに

我が国における交通事故死傷数は平成 16 年を境に減 少傾向にあるものの，交通事故削減に向けた対策は今後 も求められている．事故に関する既往研究では兵頭ら

のCCTV 画像を用いた研究により，

事故要因の特定は事故多発地点だけでなくその影響が及 ぶ範囲を広げる必要あるという知見を得ている．

2. 事故発生状況と車両挙動の関係性について (1) 事故多発区間の選定

図－１に示す名阪国道（一般国道 25 号）福住 IC～天 理東 IC の急カーブの連続した区間（通称「Ωカーブ」 ） を対象とする． 本研究では一本松ICを0mの基点とする．

図－２は当該区間における各事故類型別の事故件数を 500m 区間ごとに整理したものである．9000-9500m(図中 A)の区間において多くの事故が発生していることから，

本研究ではこの区間を事故多発区間として選定する．

(2) 事故多発区間における車両挙動分析

交通工学より，遠心加速度が 3.75m/s

以上（路面の摩 擦係数を約 0.3 と仮定）となった場合にタイヤと路面の横 滑りの危険性が生じる

図－１対象区間の全体図

図－２ 500m ごとの各事故類型別の事故件数

事故件数 走行数

図－３ 事故件数と遠心加速度超過走行数の関係

3. 潜在的事故危険性に関する特徴分析 (1) 潜在的事故危険性の高い走行の抽出

事故多発区間において，タイヤと路面の横滑りの危険 性が生じる遠心加速度の境界値を越えた 53 走行（全体の

約 3%）を潜在的事故危険性の高い走行とし，残りの 1588

走行を潜在的事故危険性の低い走行と定義する．

(2) 速度の基準となる速度推移図を作成

潜在的事故危険性の高い走行を除いたデータで，速度

の 1m おきの平均値から±2σを算出し，その速度域内の

走行を本研究では速度推移図とする（図－４） ．また，速

度超過した区間とその超過度合いの両方を測る指標とし

て，本研究では 2σよりも走行速度が超過した走行のはみ

出し面積（積分値と呼称）を用いる．

修士論文概要（2016 年

月） 京都大学大学院工学研究科 都市社会工学専攻 (3) 走行のクラスタリング

次に，1000m 区間ごとの積分値を各走行で算出し，

k-means 手法でクラスター分析を行った．図－５から潜在

的事故危険性の高い走行と低い走行が混在するクラスタ ーが存在し，その差異に着目するため次項以降は Cluster2,3,4 の走行データを用いて分析を行う．

(4) 速度の平均値で比較した際の特徴分析

潜在的事故危険性の高い走行と低い走行の速度差の推

移は 6000m 以降に有意な差が（図－６） ，積分値の累積値

は 7000m から差が（図－７）生じていることがわかる．

図－４ 基準となる速度推移図

積分値

一本松ICを基点とした道のり(m)

（危険走行

全走行）

図－５ 全走行のクラスターごとの積分値の平均の推移

一本松ICを基点とした道のり(m)

速度

独立サンプルのt検定（500m区間）

図－６潜在的事故危険性走行別の速度差の推移

潜在的事故危険性 の高い走行

潜在的事故危険性 の低い走行

図－７ 潜在的事故危険性走行別の積分値の累積値の推移

4. 危険挙動発生過程に関する分析

どの区間の走行が潜在的事故危険性に影響しているか を統計的に明らかにするため，本研究では二項ロジステ ィック回帰分析を行う．被説明変数は，事故多発区間で 潜在的危険性の高い走行を 1，低い走行を 0 とする．

事故多発区間である9000m-9500m区間で検証した結果

（表－１）から，走行経験が少ない人ほど危険性が高く なる可能性は棄却されず，道路混雑状況下では危険性の

高い走行は発生しない傾向が示唆された．車両挙動に関 する変数の区間のみを変えて同様の分析した結果が表－

表－１ 事故多発区間における分析結果（9000m～ 9500m 区間）

表－２ 各区間における分析結果

*** *** *** *** *** *** **

*** *** ** * *

表－３ 各区間の平均速度における変数減少法による分析結果

5. おわりに

本研究の成果は，どの地点が事故多発区間の危険挙動を 誘発するかを把握できた点，時空間的な連続性をもつプ ローブデータの新たな活用方法を示唆できた点にある．

参考文献

1) 兵頭知，吉井稔雄，高山雄貴：車両検知器の 5 分間データ を利用した交通流状態別事故発生リスク分析，土木計画学 研究・講演集，vol.47， 2013.

2) 三浦久，洪性俊，田中伸治，桑原雅夫，割田博，田中淳，

後藤秀典，高田潤一郎，川崎洋輔：首都高速道路における 多様なデータを用いた事故要因分析，第 9 回 ITS シンポジ ウム・論文集，2010

3) 飯田恭敬，北村隆一：交通工学，オーム社，2008

修士論文指導教員

宇野伸宏准教授，Jan-Dirk Schmöcker 准教授，

中村俊之助教，山﨑浩気助教

月）京都大学大学院工学研究科都市社会工学専攻

商用車プローブデータを用いた潜在的事故危険性に関する基礎的研究

中山達貴

交通マネジメント工学講座交通情報工学分野

我が国における交通事故死傷数は平成 16 年を境に減少傾向にあるものの，交通事故削減に向けた対策は今後も求められている．事故に関する既往研究では兵頭ら

事故要因の特定は事故多発地点だけでなくその影響が及ぶ範囲を広げる必要あるという知見を得ている．

図－１に示す名阪国道（一般国道 25 号）福住 IC～天理東 IC の急カーブの連続した区間（通称「Ωカーブ」）を対象とする．本研究では一本松ICを0mの基点とする．

以上（路面の摩擦係数を約 0.3 と仮定）となった場合にタイヤと路面の横滑りの危険性が生じる

事故件数走行数

図－３事故件数と遠心加速度超過走行数の関係

事故多発区間において，タイヤと路面の横滑りの危険性が生じる遠心加速度の境界値を越えた 53 走行（全体の

走行を本研究では速度推移図とする（図－４）．また，速

月）京都大学大学院工学研究科都市社会工学専攻 (3) 走行のクラスタリング

的事故危険性の高い走行と低い走行が混在するクラスターが存在し，その差異に着目するため次項以降は Cluster2,3,4 の走行データを用いて分析を行う．

移は 6000m 以降に有意な差が（図－６），積分値の累積値

図－４基準となる速度推移図

図－５全走行のクラスターごとの積分値の平均の推移

潜在的事故危険性の高い走行

潜在的事故危険性の低い走行

図－７潜在的事故危険性走行別の積分値の累積値の推移

どの区間の走行が潜在的事故危険性に影響しているかを統計的に明らかにするため，本研究では二項ロジスティック回帰分析を行う．被説明変数は，事故多発区間で潜在的危険性の高い走行を 1，低い走行を 0 とする．

（表－１）から，走行経験が少ない人ほど危険性が高くなる可能性は棄却されず，道路混雑状況下では危険性の

高い走行は発生しない傾向が示唆された．車両挙動に関する変数の区間のみを変えて同様の分析した結果が表－

表－１事故多発区間における分析結果（9000m～ 9500m 区間）

表－２各区間における分析結果

* * * * * * **

* * ** * *

表－３各区間の平均速度における変数減少法による分析結果

本研究の成果は，どの地点が事故多発区間の危険挙動を誘発するかを把握できた点，時空間的な連続性をもつプローブデータの新たな活用方法を示唆できた点にある．

1) 兵頭知，吉井稔雄，高山雄貴：車両検知器の 5 分間データを利用した交通流状態別事故発生リスク分析，土木計画学研究・講演集，vol.47， 2013.

後藤秀典，高田潤一郎，川崎洋輔：首都高速道路における多様なデータを用いた事故要因分析，第 9 回 ITS シンポジウム・論文集，2010