株式会社ディー・エヌ・エー(本社:東京都渋⾕区、代表取締役社長兼CEO:守安 功、以下DeNA)は、AIとIoTを活用した商用車向け交通事故削減支援サービス「DRIVE CHART(ドライブ チャート)」の提供を2019年6月4日から開始しました。
「DRIVE CHART」は、商用車向けのサービスで、設置した車内外を写す専用車載器の映像、加速度センサーやGPSを元に、AI(画像認識技術)を用いて危険運転状況を可視化し、運転特性をドライバー自身だけでなく管理者と共に把握・改善することができるサービスです。運転状況の振り返りや、運転特性に応じた指導を行うことで、交通事故削減の効果が期待できます。
【背景】
国内においては、自動車の運転支援技術の普及などにより、死亡事故発生件数は減少傾向※1にありますが、全国では年間47万2165件※2の事故が発生しており、商用車(事業用)だけでも3万2655件※3発生しています。事故の原因は90%以上がヒューマン・エラーと言われており、事故削減には、人に頼らない自動運転化(ハードウェア)と、運転ミスを起こさせないよう人の能力を拡張する(ソフトウェア)、2つのアプローチがあります。本サービスでは、DeNAの強みを活かし、普及しやすく人と交通環境の両面を改善できるソフトウェアでのアプローチをおこないます。DeNAオートモーティブは、あらゆる人やモノが、安全・快適に移動できる世界の実現をミッションに掲げており、移動サービスだけでなく、交通システムとして事故削減を支援する取り組みも実施していきます。
※1 内閣府 e-Stat, 道路の交通に関する統計 交通死亡事故の特徴等について, 「h30死亡事故まとめ」
※2 内閣府 平成30年度版 交通安全白書「平成29年度中の交通事故発生件数」
※3 警察庁交通局 平成29年中の交通事故の発生状況
【サービス詳細】
株式会社JVCケンウッドと共同で開発した専用車載器に内蔵された加速度センサー/GPSによる車の挙動だけではなく、車内外向けカメラの映像を車載器内で即座にAIで解析し、地図情報などと組み合わせることで、習慣化された危険運転行動やドライバーの状態に潜むリスクまで検出可能です。
デバイス |
収集するデータ |
検知する危険シーン |
加速度センサー/GPS |
・走行時間/距離/速度
・急加速/急ブレーキ
・急ハンドル
・GPS位置情報
|
・衝撃
・衝突回避(急ブレーキ/急ハンドル)
|
外向きカメラ+AI画像解析 |
・前方車両
・二輪車
・歩行者
・車線
・車間距離
|
・一時不停止
・制限速度超過(低速路含む)
・車間距離不足
|
内向きカメラ+AI画像解析 |
・ドライバーの顔向き
・眼の開度
|
・脇見
・居眠り ※今後追加予定です |
ドライバーは、検出した危険シーンと検出された場所を確認の上、動画で振り返ることができます。また、目標を決めスコアで改善の推移を実感できるため、当事者意識を維持できます。安全管理者は、各ドライバーの目標達成度合いや声がけすべき運転状況が一目で把握可能で、客観的な情報を元にコミュニケーションを取ることができます。ドライバー自身や安全管理者との振り返りに加え、外部の専門家を含めたサポートチームからの運用改善のためのアドバイスが受けられます。ドライバーの自己改善と組織での運用が自然に進むよう、経営者を巻き込んだ支援も行います。
■ドライバー
・目標の達成度確認・危険シーン地点確認および動画確認
・スコア推移状況確認
・外部の専門家を含めたサポートチームからの運用改善のためのアドバイス
■安全管理者
・目標未達者、注視しているドライバーの運転状況を一目で把握可能
・ドライバーへの声掛けのポイントを容易に把握でき、客観的な情報でコミュニケーション可能
■経営者
・各拠点での目標設定やレポート閲覧などの取組状況、運転行動改善傾向などを把握可能
・チーム戦など、業務に即したフォローアップ施策で、安全管理者と一丸となって改善に取り組める
【実証実験における効果測定結果】
「DRIVE CHART」は、京王自動車株式会社、株式会社日立物流、株式会社首都圏物流などの協力の下、2018年4月から10月にかけて実証実験を行いました。結果、過去5年の同時期平均比で、事故率がタクシーで約25%、トラックで約48%改善しました。また、自社車両の修繕費でも効果が現れた上に、事故規模の縮小も確認されました。
【ビッグデータの活用に関して】
「DRIVE CHART」は、専用車載器のカメラなどから個人情報保護に留意した上で集積した交通環境ビッグデータを活用して、自治体や警察などの各ステークホルダーと連携し、道路の保全・道路管理・防犯・防災など、社会全体の交通環境改善を目指します。商用サービスに閉じずに、データから得られる公共性の高い情報を社会全体へ還元し、インターネット企業ならではの安全・快適な街づくりを行います。また、自動運転車両等が使用する道路情報や交通環境情報、乗降地などの選定にもデータを活用していきます。なお、本取り組みは、神奈川県の道路管理分野や横浜市の「I・TOP横浜」と連携することを目指します。
映像等で検知する物体・状態等 |
データの活用例 |
・舗装(Gセンサー)、路面標示の劣化箇所の検知
・植栽の道路へのはみ出し量の検知
|
① 道路の保全:道路の劣化状況等の把握 |
・ゴミ、落下物の検知
・(違法)駐車車両・駐輪車両等の検知
|
② 道路管理:路上障害物等の検出 |
・自動車、自転車、歩行者の検知
|
③ 防犯:不審者・不審車両の検知 |
・ヒヤリハット事象の検知
・ヒヤリハット原因の判別
|
④ 交通安全:ヒヤリハット箇所の抽出、原因の特定 |
・渋滞、混雑状況の判別
・混雑要因となる事象の検知
(路上駐車車両、交差点部の車線別の停止車両)
|
⑤ 交通円滑化:渋滞箇所・渋滞要因の把握 |
・標識、安全施設、車道幅員、沿道出入りの状況、 路上駐車の状況の検知
|
⑤ 交通円滑化:道路の走りやすさの評価 |
・自動車(対向車)、自転車、歩行者の検知
|
⑥ 道路の利用実態:交通量の把握(新たな調査手法) |
・降雪時のスタック、冠水等の交通障害を検知
|
⑦ 防災:交通障害の把握 |