日本では昨年28万件以上の衝突事故が発生し、2,800人以上が死亡しているという事実を踏まえ、次のことを検討してみてください。運転中のリスクを測定する方法、衝突事故の原因となるドライバーのわき見やその他の運転行動の影響、適切なドライバーおよび車両の安全運行管理がどのように運転中のリスクと衝突事故の損失を削減するのに役立つかということです。 警察庁の調査によると、衝突事故の74％は、安全不確認、わき見、不適切な運転操作などの安全運転を怠った運転行動によって引き起こされています。商用車両でドライバーのミスの原因となる人間の行動を検出し、リスクを測定することは、非常に複雑で多様な問題となります。従来のテレマティクスに基づく手法では、急ブレーキや急加速などの特定のイベントを追跡することはできますが、最大のリスク要因であるドライバーの行動を捉えることはできません。車両の運転リスクを効果的に低減するためには、重要なリスクの高い運転行動をリアルタイムで捉える、道路の状況に応じてそれらの行動を理解する、運転行動を自動的に教えて改善する、そして最もリスクの高いドライバーを特定して追加のコーチングを行う必要があります。そこで、中心となる運転中のリスク要因を、ドライバーリスク、車両管理・車両リスク、外部リスクの3つに分類してみましょう。 1. ドライバーリスク 以下のデータをもとに、ドライバーが衝突をおこす可能性や衝突の重大性を予測することができます。 ● 注意力（わき見運転、携帯電話使用、喫煙など）● ハイリスクイベント（衝突、ヒヤリハット、など）● 交通違反（速度超過、シートベルト未着用など）● 急制動（急ブレーキ、急ハンドル、急加速など） 2. 車両管理・車両リスク 以下のデータにより、車両サイズ、ドライバーの割り当て、車両運行管理者が管理するその他の運用上の要因がどのようにドライバーに影響を与えるかを確認することができます。 ● 車両のリスク情報：車両サイズ、搭載されている機能・技術、ドライバーとの相性● 運行計画：ドライバーの割り当て、ルート計画/最適化● 運行管理とドライバーの業務負荷 3. 外部リスク 以下のデータにより、ドライバーが対処している外部リスクについての理解が深まります。これらは、ほとんどの場合、ドライバーがコントロールできないものです。 ● 環境・気象要素● 道路の種類と場所● 道路状況  ナウトは、16億Km以上の視覚的な走行データをAIとコンピュータビジョンを駆使して分析し、その結果、上記のカテゴリーからまとまったリスク変数を特定し、これらの変数と衝突との相関関係をタイプ別に測定し、車両の運転リスク、衝突、損失を低減する技術を開発しました。 ナウトは4つの方法で運転中のリスクの低減を実現しています： 1.  直接介入－リアルタイムでの車内警報により、ドライバーの衝突回避を促します。2.  間接介入－車両管理者や安全運転責任者に対し、指導やトレーニング、インセンティブ制度の設定または是正措置を通じて、ドライバーの運転行動改善を行えるよう支援します。3.  目に見えない改善－車内での警告や管理者による指導により、直接・間接的な介入とは異なる運転の改善が促されます。例えば、わき見運転の減少による歩行者へのゆずり忘れの減少などが挙げられます。4.  経営陣の関与と効果の向上－ ナウトの技術を活かし、ナウトで計測されたデータを安全運行計画に統合することで達成されます。  ナウトのAI搭載型安全運行管理プラットフォームは、運転中のリスクと衝突事故の頻度、重症度、および衝突事故に関連する金銭的損失の削減との相関関係を証明しています。強力なAI技術、洗練されたデータサイエンス、および重要なリスク要因の大部分を厳密にカバーすることにより、ナウトのお客様は、衝突事故数および実際の衝突損失金額を80％も削減しています。ナウトはドライバーの衝突回避を支援し、人命を救っています。 ‍

今回でこの連載も最終回となりました。これまで、交通事故はなぜ起こるのか、現実的な事故対策とは何か、そして事故防止におけるドライブレコーダーの有効性についてお話してきました。最後となる今回は、指導のポイントである「個人のリスクに落とし込む」がテーマです。‍ “自分事”にする 人は「自分がどうなるか」を考えないと、行動パターンを変えません。ドライブレコーダーの映像を研修の教材として使用する時には、より多くの人が「自分もこういう運転をしているな。いつか同じ事故を起こしてしまうかもしれないな」と思うような映像の方が、運転行動パターンを変える効果がより出ます。 YouTube番組で取り上げた映像の中に、一般道の事故で、側面衝突されたドライバーが車外放出されるものがあります。衝突された側のドライバーはシートベルトをしていなかったのです。幸い３日後には退院できたのですが、シートベルトをしないと車外に飛び出てしまうという怖さがよく分かる映像です。 ドライバーの方のほとんどはシートベルトをしていますから、このような映像を見ても「自分はシートベルトをしているから関係ない」と考えてしまいがちです。でも、よく考えていただきたいのは、一般道でパートナーやお子さんを後部座席に乗せる時にみなさんがどうしているか、です。日本では今は後部座席でもシートベルト着用の義務がありますが、検挙されるのは高速道路だけです。ですから、高速道路での後部シートベルトの着用率は７０％を超えています。しかし、一般道では着用率が３０％台にまで落ちてしまいます。 ‍映像を見ながらイメージさせる 一般道でも、シートベルトをしていなかったために車外放出されて亡くなるケースは非常に多いです。みなさんはタクシーに乗る時にシートベルトをしていますか？　ワンメーターの距離だからいいやと思っていませんか？ 僕の知り合いの２０代の女性が、まさにこのような事故で亡くなりました。信号無視で進入してきた車が横から衝突し、後部座席のドアが開いて、そのまま女性は飛び出してしまったんです。そして中央分離帯に激突して即死でした。その女性は３か月後に結婚式を予定していたのですが、僕は結婚式ではなくお葬式に行くことになりました。すでに籍を入れていた相手の男性が、人間というのはこんな声で泣けるのかと思うほどの声で泣いていて、今でもその声と光景が脳裏に焼き付いています。その日以来、僕は後部座席に人を乗せる時にも全員がシートベルトをしたことを確認してからアクセルを踏むようにしています。検挙されるからシートベルトをするのではないんです。大事な人の命を守るために、シートベルトをするのです。 人は、自分事に置き換えた時に行動パターンを変えます。みなさんが指導をする時には、事故映像を解説しながら、運転者自身や同乗者の方々がどうなるのかをイメージさせながら話をしていただき、自分事に置き換えさせて行動パターンを変えるように促してください。他人事のままでは、行動は変わりません。行動が変わらなければ、事故防止には至りません。 想定を増やすことが、事故防止につながる コロナ禍の中で、セミナーや研修会の開催も制限されるようになりました。対面ではなくオンラインでの開催が増えています。オンラインでもやはり映像を見てもらうという事がとても重要です。映像を見ると疑似体験ができます。その疑似体験は想定を増やします。想定が増えることで、ブレーキが少し早く踏めるようになったり、安全確認がきちんとできるようになったりと、運転の行動パターンが変わります。 事故というのは想定外の事が起きるという事です。ですから、想定を増やすと事故は減らせるのです。ドライブレコーダーの映像を使用するのは、その点で非常に有効です。さらに言うと、研修で自社のドライブレコーダーの映像を使うと有効性がぐっと上がると思います。講習の時間がなかなか取れないのであれば、映像を見続けるだけでもある程度の効果は期待できるので、会社としてやりやすい方法で、映像をより多く見る機会を増やしてください。 安全を守れる会社は、社会からの信頼も得られます。何より、仲間である社員たちの人生が守れるのです。誰もが悲惨な交通事故の加害者にも被害者にもならないために、ぜひドライブレコーダーを使用した事故防止に取り組んでいただきたいと思います。 ‍

昨今では、ドライバーと車両の安全性を提供するどのソリューション＝も、人工知能（AI）、機械学習、コンピュータビジョンを活用して、顧客にとっての優れたソリューションを実現していると主張しています。しかし、その「AI」とはどのくらい優れているのでしょうか？ ドラレコやデジタコがリスクを検出して衝突を減らせるかどうかは、車載機に組み込まれたAI技術モデルと、クラウド上の洗練されたAIおよびデータサイエンスとカメラの処理能力を組み合わせることにかかっています。したがって、AIを利用した安全運行管理システムを構築または選択する前に、必ず以下の5つのシンプルな問いを投げかけてください。 1. ニューラルネットワーク構築に利用される運転データの量はどれくらいか？ AIが交通安全指導者のように、ドライバーの行動、交通要素、車両の動きのリスクを理解できるようになったら、次は、ドライバーの特性、服装、車内の広さ、照明条件、道路状況、交通パターンなどを含めて、どのような運転環境下でも、同じ行動を認識できるように訓練する必要があります。 複雑な交通環境に含まれるパターンや傾向を的確に認識するためには、深層学習ニューラルネットワークを開発する必要があります。これは、人間の脳のような精度と速度でパターンを認識するように設計された一連のアルゴリズムですが、自動化された効率的な方法で構築する必要があります。人間の目や脳と同様に、AIも新しい実世界の運転データで継続的に学習させない限り、このような様々な環境下で同じ行動を捉えることができません。そういったソリューションを検討するときは、ドライバーの行動、交通要素、車両の動きをを正確に解釈できるように、どれくらいの長さの運転データが分析されているかを問う必要があります。 2. どのようなAI技術モデルを使っているか？ AIを実装する方法は、ネットワークエッジ（この場合は車両へ搭載された車載機）、クラウド、エッジツークラウドによるエンドツーエンドなど、多岐にわたります。現在の映像テレマティクスやドライブレコーダーのソリューションのほとんどは、危険挙動を特定する前に、ドライバーの映像をクラウドにアップロードし、分析（すなわちクラウド側で確認）する必要があります。この方法には、車両からクラウドへ、クラウドから再び車両へというデータ転送によるタイムラグ（レイテンシー）が生じるため、リアルタイムのアラートが遅れるという大きな欠点があります。クラウド内の遅延は、エッジで処理されるリクエストと比較して3倍長くなります。 エッジでのAI処理がリアルタイムの衝突防止システムとして設計される一方で、クラウドを活用するソフトウェアは迅速な反復によってモデルを改善し、優れた可用性、拡張性、信頼性などのメリットをもたらします。市販のハードウェアリソースを最大限に活用するには、AIベースのドライバー安全管理ソリューションをエッジとクラウドの両方にわたって実装し、それぞれがもたらす長所を最大限に活かす必要があります。そのようにしてこそ、非常に複雑な運転環境におけるハイリスクイベントの発生を事前に予測、予防、低減できるようになります。 3. そのAIは何をリアルタイムに検出し、予測できるか？ カメラの中には、AIを活用してあおり運転などの車両前方で起きているイベントを検知するものもあれば、携帯電話を手に取るなどの車両内でのドライバーの特定の行動を分析するものもあります。 しかし、ドライバーができるだけ多くの衝突を回避できるようにするには、車外と車内の両方で起きていることを同時にリアルタイムで分析し、AIモデルの出力を同期させて、タイムリーに警告を発するシステムが必要です。 例えば、わき見運転をしていたドライバーに、反応し衝突を回避するための時間的余裕を与えるには、より早く警告する必要があります。 車外のイベントだけを分析するAIシステムでは、タイムリーな警告を行うことはできません。 さらに、できるだけ多くの衝突を回避するためには、車両、歩行者、自転車、その他の物体に衝突する危険性があるかどうかに応じて、ドライバーに異なる警告を与える必要があります。 最後に、AIはドライバーの眠気や疲労など、最もリスクの高いイベントを検出しているか？また、イベントを分析する際には、数フレームを見ているのか、それとも数百フレームを処理して時間経過に伴う行動の変化を把握しているのか？ ドライバーの目元が見えない場合はどうなるのか、それでも検出は機能するのか？ 運転リスクをできる限り低減するために、AIが検知できる全範囲を必ず把握してください。 それは、人命を救い、数億円を失わずにすむことにつながります。 4. そのAIには、正確さ、明確さ、そしてリアルタイムの応答性があるか？ ケガを防ぎ、命を守るためには、車内外のイベントを最高精度で検知するAI搭載型安全運行管理システムを導入したいものです。60〜80％の確率でしか機能しない安全システムを誰が望むでしょうか？本当にリスクを低減し、人命を救うためには、AI 搭載型安全運行管理ソリューションは、90％以上の精度を実現し、広い視野（前方の車両だけでなく）で鮮明な映像を提供し、AIを活用してドライバーの行動、交通要素、車両の動き、重要なコンテキストデータからリアルタイムリスクを同時に評価できる必要があります。 5. そのAIアーキテクチャには、リスクを低減できる十分な処理能力が備わっているか？ リスクを低減し、イベントが発生する前にドライバーにリアルタイムで警告を行い十分な対応時間を確保させるために、AIアーキテクチャ（ハードウェアとソフトウェアの両方）は、複雑な映像シナリオをより正確に解釈するために、エッジ上で深層学習アルゴリズムを実行するための優れた画像処理能力、メモリ、および速度を備えていなければなりません。多くのADASや映像テレマティクスのソリューションは、リアルタイムのAIを提供するために開発されていないか、そういった意図がないため、真にリスクを低減し、ドライバーの行動を積極的に改善するための適切なAIアーキテクチャや処理能力を備えていません。 優れたAIを搭載した安全運行管理システムは、車両の運行がより安全で優れたものになること、ドライバーが路上で常に安全に運転できること、賠償請求を最小限に抑えることに目的を置いて構築されています。 ‍