全1034文字
PR

損害保険ジャパンは運転支援サービスに自動事故検知の新機能を組み込む。多機能ドライブレコーダーを使う個人向けサービスとして2021年度中に始める。機械学習による数理モデルを採用し、9割超の精度で事故検知を可能にする。

 機械学習を使った自動事故検知技術の開発は損保ジャパンおよびグループ会社のSOMPOリスクマネジメントが2020年5月に着手、11月までに終えた。東京大学大学院情報理工学系研究科の山西健司教授の技術支援を受けた。今後は通信機能や加速度センサーなどを搭載した多機能ドライブレコーダーを使う個人向け運転支援サービス「DRIVING!」向けのシステムに実装し、2021年度中にサービスとして提供する予定だ。

 DRIVING!はこれまでもドライブレコーダーで取得した自動車の走行データなどを基に、事故の自動検知機能を提供してきた。だが一定の割合で「ドライブレコーダーが外れた」「自動車が段差を越えるときに衝撃を受けた」といった状況を事故と誤検知していた。「スムーズな事故対応のためには自動検知の精度を高めて誤検知を抑えることが欠かせない」と岡根俊介リテール商品業務部Next Retail Project特命課長は開発の背景を説明する。

異常検知の指標を組み込む

 今回開発した機械学習による自動事故検知は主に2つの工夫を凝らした。

 最初の工夫は、平均的な走行データとの乖離を評価するために、統計学の指標「マハラノビス距離」を、数理モデルの変数に当たる特徴量の1つとして組み込んだことだ。マハラノビス距離の分布の違いは、事故か誤検知かを判断する材料になり得るという。東京大学大学院の山西教授の支援を受けて進めた。このマハラノビス距離を走行データや、走行データが事故発生時のものかどうかを示す事故データと合わせて学習用のデータにして数理モデルを開発していった。

 もう1つの工夫は機械学習によるモデル開発に関するものだ。具体的には「勾配ブースティング」と呼ぶ機械学習の手法を採用して数理モデルを開発した。この手法は多数のモデルを組み合わせて判定できるようにする「アンサンブル学習」の1手法である。仮にイレギュラーなデータを処理することになっても事故かどうかを的確に判定できるようにすることを狙う。

図 自動事故検知用の数理モデルを開発していく上でのポイント
図 自動事故検知用の数理モデルを開発していく上でのポイント
2つの工夫で精度を向上
[画像のクリックで拡大表示]

 一連の開発でこれまでの技術を上回る「95%以上の精度で事故を自動検知できるようにした」と大久保雄太リテール商品業務部Next Retail Project副長は成果を語る。