JP2024118248A - 事故検出装置、事故検出方法及び学習器の生成方法 - Google Patents

Abstract

【課題】車両の小さな事故を検出することが可能な技術を提供すること。
【解決手段】事故検出装置５は、学習器２９と音取得部２５と事故情報取得部２７とを備える。学習器２９は、車両３が損傷する事故であって当該車両３が走行可能な事故である小さな事故と、小さな事故が発生した場合に車両３の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器である。音取得部２５は、乗員が発する音声を取得するように構成されている。事故情報取得部２７は、学習器２９に、音取得部２５にて取得した乗員の音声を入力し、学習器２９の演算処理を実施することにより、小さな事故の発生の可能性を示す情報を取得するように構成されている。
【選択図】図２

Description

本開示は、車両に発生した小さな事故を検出することができる技術に関する。

従来、車両に発生した音を利用して、車両に発生した異常を検出する装置が知られている。例えば、下記特許文献１には、車両を利用する際に通常発生する音を記録しておき、音センサで検出した音が、所定値を超える大音量の場合や、通常の音とは異なる周波数パターンの場合には、車両に何らの異常が発生したと判断する技術が開示されている。

特開２０１１－０９５８８０号公報

しかしながら、発明者の詳細な検討の結果、従来の技術について、下記のような課題が見出された。
例えば、車体を擦ったような小さな音などは、車両が通常発生する音にまぎれてしまうことがある。そのため、例えば、車体を擦ったような小さな事故は、上述した従来技術では検出することが難しいことがあった。

本開示の一局面は、車両において、小さな事故を検出することが可能な技術を提供することを目的としている。

ａ）本開示の一態様は、学習器（２９）と音取得部（２５）と事故情報取得部（２７）とを備えた事故検出装置（５）に関するものである。
学習器は、車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、小さな事故が発生した場合に車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器である。

音取得部は、乗員が発する音声を取得するように構成されている。
事故情報取得部は、学習器に、音取得部にて取得した乗員の音声を入力し、学習器の演算処理を実施することにより、小さな事故の発生の可能性を示す情報を取得するように構成されている。

このような構成により、本開示では、従来の技術では検出が容易でないような小さな事故を容易に検出することが可能となる。
具体的には、本開示では、上述した構成の学習器に、音取得部にて取得した乗員の音声を入力して、学習器の演算処理を実施することにより、小さな事故の発生の可能性を示す情報を取得することができる。よって、その情報に基づいて、小さな事故を検出することができる。

つまり、本開示では、乗員の音声を学習器に入力することによって、学習器から小さな事故の発生の可能性を示す情報を取得することができる。よって、従来では検出することができなかったような小さな事故（例えば、車体を擦ったような事故）があった場合でも、例えば、小さな事故を示唆するような乗員の音声等が得られれば、小さな事故を検出することが可能である。

ｂ）本開示の他の態様は、第１学習器（２９ａ）と第１音取得部（２５ａ）と第１事故情報取得部（２７ａ）とを備えた事故検出装置（５）に関するものである。
第１学習器は、車両が損傷する事故であって当該車両が走行可能な事故である小さな事故と、小さな事故が発生した場合に車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器である。

第１音取得部は、乗員が発する音声を取得するように構成されている。
第１事故情報取得部は、学習器に、第１音取得部にて取得した乗員の音声を入力し、第１学習器の演算処理を実施することにより、小さな事故の発生の可能性を示す第１情報を取得するように構成されている。

このような構成により、本開示では、従来の技術では検出が容易でないような小さな事故を容易に検出することが可能となる。
具体的には、本開示では、上述した構成の第１学習器に、第１音取得部にて取得した乗員の音声を入力して、第１学習器の演算処理を実施することにより、小さな事故の発生の可能性を示す第１情報を取得することができる。よって、その第１情報に基づいて、小さな事故を検出することができる。

ｃ）本開示の更に他の態様は、車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、小さな事故が発生した場合に車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器（２９）を用い、前記学習器に、乗員の音声を入力し、学習器の演算処理を実施することにより、小さな事故の発生の可能性を示す情報を取得する、事故検出方法である。

このような構成により、本開示では、従来の技術では検出が容易でないような小さな事故を容易に検出することが可能となる。
具体的には、本開示では、上述した構成の学習器に、乗員の音声を入力して、学習器の演算処理を実施することにより、小さな事故の発生の可能性を示す情報を取得することができる。よって、その情報に基づいて、小さな事故を検出することができる。

ｄ）本開示の更に他の態様は、車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、小さな事故が発生した場合に車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器（２９）の生成方法である。

この学習器の生成方法では、小さな事故において乗員であれば発する可能性のある音声を準備し、小さな事故と小さな事故において乗員であれば発する可能性のある音声とを紐付けして学習させることによって、学習器を生成することができる。

また、この欄及び特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本開示の技術的範囲を限定するものではない。

第１実施形態における全体システムの構成を示す説明図である。 第１実施形態における車両制御部を機能的に示すブロック図である。 第１実施形態の各ＥＣＵのハード構成を示すブロック図である。 ＡＩでイベント検出する場合の学習用の音の特徴を示す説明図である。 第１実施形態の全システムにおける処理を示すフローチャートである。 第１実施形態のユーザ登録の処理を示すフローチャートである。 第１実施形態のイベントのスコアの設定の処理を示すフローチャートである。 ＡＩで２次解析する場合の学習用の音の特徴を示す説明図である。 第２実施形態の全体スコアの設定の処理を示すフローチャートである。 第３実施形態のイベントのスコアの設定の処理を示すフローチャートである。 第４実施形態のイベント検知の処理を示すフローチャートである。

以下、本開示の例示的な実施形態について図面を参照しながら説明する。
［１．第１実施形態］
本第１実施形態では、車両（例えば、自動車）に適用される装置であって、小さな事故を検出可能な事故検出装置について説明する。なお、ここで、小さな事故とは、車両が損傷する事故であって当該車両が走行可能な事故である。

［１－１．全体構成］
図１に示すように、本第１実施形態では、全体のシステム（即ち、全体システム）１は、車両３側の構成と車両３外の構成とが通信可能に接続された構成を有する。

車両３側の構成としては、車両３に搭載された車両側電子制御装置（即ち、車両側ＥＣＵ）５と、車両側ＥＣＵ５に接続された各電子部品７と、を備えている。なお、ＥＣＵは、電子制御装置の略である。

車両３外の構成としては、車両クラウド９とサービサークラウド１１とを備えており、車両クラウド９とサービサークラウド１１とは、例えば、インターネット等の広域通信網を介して通信可能に接続されている。なお、車両クラウド９側と車両３側とは、無線通信によって情報の送受信が可能である。

［１－２．各構成］
以下、上述した各構成について詳細に説明する。
＜車両外の構成＞
車両クラウド９は、車両クラウド９の動作を制御する（即ち、車両クラウド９を機能させるために各種の処理等を行う）クラウド側ＥＣＵ１３を備えている。クラウド側ＥＣＵ１３は、機能的に、各種のデータを記憶するクラウド側記憶部１５と、各種の演算処理等を行うクラウド側制御部１７と、を備えている。

クラウド側記憶部１５は、後述するように、車両３側ＥＣＵ５から送信された各種の情報、例えば、車両３にて発生した小さな事故に関する情報を蓄積することができる機能を有する。

クラウド側制御部１７は、例えば、サービサークラウド１１との通信を行う機能や、サービサーの管理（例えば、サービサーのＩＤの記憶や、サービサーとどのような情報をどのようなタイミングでやり取りするかの管理など）を行う機能を有する。

サービサークラウド１１は、事業者（即ち、サービサー）側が利用するクラウドである。なお、事業者としては、レンタカー、カーシェアリング等のように、１台又は複数台の車両３を異なるドライバが利用する業態の事業者が挙げられる。また、それ以外に、例えば、ある会社等において、１台又は複数台の車両３を異なるドライバが利用する業態の事業者が挙げられる。つまり、ある車両３に対してそれを利用する利用者（例えば、ドライバ）が複数いる事業者が挙げられる。

サービサークラウド１１は、後述するように、車両クラウド９から小さな事故に関する情報を取得することができるように構成されている。なお、この小さな事故の情報は、車両クラウド９から所定のタイミングで（例えば、小さな事故を検出した場合や、周期的に）自動的にサービサークラウド１１に送信されていてもよいし、サービサークラウド１１からの要求によって送信するようにしてもよい。

＜車両側の構成＞
車両側ＥＣＵ５は、機能的に、車両３の動作を制御する車両側制御部１９と、各種のデータを記憶する車両側記憶部２１と、を備えている。

車両側制御部１９は、人の音声や音声以外の音を処理する音処理部２３を備えている。なお、音処理部２３の動作を行うための構成として、音声を判断して音声に関する処理を行うことができる音声判断モジュール２４を備えている。

なお、以下では、乗員等の人の音声以外の音を物音と表現することがあり、音声と物音とを含めて音と表現することがある。
車両側記憶部２１は、車両側ＥＣＵ５にて取得した各種のデータを記憶する（即ち、過去データを格納する）ように構成されている。例えば、音処理部２３の処理によって取得した情報、即ち、車両３にて発生した小さな事故の音に関する情報を格納することができる。

ここで、車両側制御部１９の機能について、図２に基づいて、更に具体的に説明する。
図２に示すように、車両側制御部１９は、音処理部２３と音取得部２５と事故情報取得部２７とを備えている。

音処理部２３は、学習器２９を備えており、学習器２９としては、後述する第１学習器２９ａと第２学習器２９ｂとを備えている。なお、ここでは、第１学習器２９ａは、最初に小さな事故の検知に用いられ、第２学習器２９ｂは、最初の小さな事故の検知の後に（即ち、２次的に）、小さな事故の確認や小さな事故の程度の検知（即ち、後述するスコアの設定）のために用いられるが、同じ構成の学習器を用いてもよい。

学習器２９のうち、第１学習器２９ａは、車両３が損傷する事故であって当該車両３が走行可能な事故である小さな事故と、小さな事故が発生した場合に車両の乗員であれば発する可能性のある人の音声と、の関係を紐付けして学習した学習器である。

また、第２学習器２９ｂは、前記小さな事故と、小さな事故が発生した場合に、車両３が発する可能性のある音、又は、車両３の周囲にて発生する可能性のある音、又は、車両３の乗員であればなされる可能性のある会話の内容と、の関係を紐付けして学習した学習器である。

音取得部２５は、各マイク３１、３３から、乗員が発する音声、車両３が発する物音、車両の周囲の物音等の音のデータを取得するように構成されている。この音取得部２５にて取得された音のデータは、音処理部２３に入力されるように構成されている。

なお、音取得部２５としては、後述する、第１音取得部２５ａ、第２音取得部２５ｂ、第３取得部２５ｃ、第４音取得部２５ｄが挙げられる。
事故情報取得部２７は、学習器２９に、音取得部２５にて取得した音声等の音を入力し、学習器２９の演算処理を実施することにより、小さな事故の発生の可能性を示す情報を取得するように構成されている。

なお、事故情報取得部２７としては、後述する、第１事故情報取得部２７ａ、第２事故情報取得部２７ｂ、第３事故情報取得部２７ｃ、第４事故情報取得部２７ｄ、第５事故情報取得部２７ｅが挙げられる。

前記図１に示すように、車両側ＥＣＵ５に接続される電子部品７としては、車両３の車体に配置されて、車体にて発生した音や車両３の周囲の音等を収集する車体マイク３１と、車内に配置されて、乗員の音声や車内で発生した音等を収集できる車内マイク３３と、が挙げられる。

また、電子部品７としては、車体に配置されて、車両３の周囲を撮影できる車体カメラ３５と、車内に配置されて、乗員や車内を撮影できる車内カメラ３７と、が挙げられる。
さらに、電子部品７としては、車内に配置されて、乗員に対して文字等の表示が可能な例えば液晶ディスプレイ等の表示装置３９と、車内に配置されて、音声や警告音等を出力できるスピーカ４１と、が挙げられる。

なお、電子部品７として、例えば、車両３の状態を検出するための各種のセンサ、例えば車速センサ等の車両センサ４３を用いてもよい。
［１－３．ＥＣＵの構成］
ここで、各ＥＣＵ５、１３のハード構成ついて、図３に基づいて簡単に説明する。

図３に示すように、クラウド側ＥＣＵ１３は、クラウド側制御部１７の機能を実施するためのコンピュータであるクラウド側マイコン５１と、クラウド側記憶部１５の機能を実施するためのクラウド側メモリ５３と、車両３側との通信を行うクラウド側通信機５５とを備えている。

なお、クラウド側マイコン５１は、周知のＣＰＵ５１ａ、ＲＯＭ５１ｂ、ＲＡＭ５１ｃ等を備えている。クラウド側メモリ５３としては、周知の不揮発性メモリであるフラッシュメモリ等やハードディスク等が挙げられる。

一方、車両側ＥＣＵ５も、クラウド側ＥＣＵ１３と同様に、車両側制御部１９の機能を実施するための車両側マイコン５７と、車両側記憶部２１の機能を実施するための車両側メモリ５９と、車両クラウド９側（即ち、クラウド側通信機５５）との通信を行う車両側通信機６１とを備えている。

車両側マイコン５７も、周知のＣＰＵ５７ａ、ＲＯＭ５７ｂ、ＲＡＭ５７ｃ等を備える。また、図示しないフラッシュメモリ等の不揮発性メモリを備える。
なお、車両側マイコン５７により、音声判断モジュール２４の機能を実現でき、音声判断モジュール２４で使用される音声のデータは、フラッシュメモリ等に記憶されてもよい。

また、クラウド側メモリ５３や車両側メモリ５９としては、周知の不揮発性メモリであるフラッシュメモリ等やハードディスク等が挙げられる。
クラウド側ＥＣＵ１３や車両側ＥＣＵ５により実行される各種機能は、ＣＰＵ５１ａ、５７ａが非遷移的実体的記録媒体に格納されたプログラムを実行することにより実現される。この例では、ＲＯＭ５１ｂ、５７ｂが、プログラムを格納した非遷移的実体的記録媒体に該当する。また、このプログラムが実行されることで、プログラムに対応する方法が実行される。

なお、クラウド側ＥＣＵ１３や車両側ＥＣＵ５の各種機能を実現する手法はソフトウェアに限るものではなく、その一部又は全部の要素について、一つあるいは複数のハードウェアを用いて実現してもよい。例えば、上記機能がハードウェアである電子回路によって実現される場合、その電子回路は多数の論理回路を含むデジタル回路、又はアナログ回路、あるいはこれらの組合せによって実現してもよい。

［１－４．学習器の生成方法］
次に、学習器２９の生成方法について説明する。
本第１実施形態で用いる学習器２９は、周知の深層学習（即ち、ディープラーニング）による学習によって生成された人口知能（即ち、ＡＩ）である。なお、ＡＩとは、artificial intelligenceの略である。なお、ディープラーニング以外に、周知の他の機械学習による学習器を採用してもよい。

なお、ディープラーニングとは、ニューラルネットワークの技術を用い、大量のデータからＡＩ自らが自律的にパターンを学習する手法である。即ち、大量のデータから自分で物事を分類するルール（例えば、特徴量）を見つけ出す技術である。なお、音声等を学習するディープラーニングの技術としては、例えば、Ｅｎｄ－ｔｏ－Ｅｎｄモデル等が知られている。

前記学習器２９（例えば、第１学習器２９ａ）とは、車両３が損傷する事故であって当該車両３が走行可能（即ち、自力での走行可能）な事故である小さな事故と、小さな事故が発生した場合に車両３の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器である。

なお、小さな事故が発生した場合に車両３の乗員であれば発する可能性のある音声としては、一部又は全体に、実際に小さな事故が発生した場合に実際に乗員が発した音声を採用してもよい。つまり、実際の音声を学習するようにしてもよい。

また、第２学習器２９ｂとしては、音声を用いるのではなく、車両３が損傷する事故であって当該車両３が走行可能な事故である小さな事故と、小さな事故が発生した場合に発生する可能性のある、車両３が発する音（即ち、物音）や周囲の物音など（即ち、音声以外の物音）と、の関係を紐付けして学習した学習器を採用できる。

なお、小さな事故が発生した場合に発生の可能性がある、車両３が発する物音や周囲にて発生する物音としては、一部又は全体に、実際に小さな事故が発生した場合に実際に車両３が発した物音や周囲にて発生した物音を採用してもよい。つまり、実際の物音を学習するようにしてもよい。

或いは、第２学習器２９ｂとしては、第１学習器２９ａと同様な学習器を採用できる。例えば、小さな事故と、小さな事故の発生の前及び／又は後に乗員にてなされる可能性のある会話と、を紐付けして学習した学習器を採用できる。

なお、小さな事故が発生した場合に乗員にてなされる可能性のある会話としては、一部又は全体に、実際に小さな事故が発生した場合に実際に乗員にてなされた会話を採用してもよい。つまり、実際の会話を学習するようにしてもよい。

上述した第１学習器２９ａを生成する方法としては、周知のディープラーニングの手法を採用できる。具体的には、予め、小さな事故において乗員が発する可能性のある多くの音声を準備し、小さな事故と小さな事故において乗員が発する可能性のある音声とを紐付けして学習させることによって、第１学習器２９ａを生成することができる。なお、人の音声を学習する場合の第２学習器２９ｂも同様である。

例えば、後に言及する図４に示すように、乗員等の人の音声を学習させる場合には、「驚いた声」、「怒りの声」、「動揺の声」等に該当する音声や、小さい事故に関係する単語、例えば、「擦った」、「ぶつかった」、「危ない」、「飛び石」等の言葉を、小さな事故を示す音声として学習させる。なお、「笑い声」、「楽しい声」、「うれしい声」のような音声は、小さな事故を示す音声としないようにする。

つまり、第１学習器２９ａや第２学習器２９ｂで、人の音声を学習する場合には、学習させる声として、小さな事故が発生した場合に乗員が発する可能性のある音声、例えば、所定の感情が表われる音声、及び／又は、小さな事故の描写を含む言葉を含む音声を採用できる。

また、第２学習器２９ｂが音声を利用しない学習器の場合にも、周知のディープラーニングの手法を採用できる。具体的には、予め、小さな事故において車両３等が発する可能がある物音（例えば、車体音や周囲の音など）を準備し、小さな事故と小さな事故において発生する可能性がある物音とを紐付けして学習させることによって、第２学習器２９ｂを生成することができる。

［１－５．制御処理］
＜全体の処理＞
まず、全体システム１にて実施される全体の処理について説明する。

図５に示すように、ステップ（以下、Ｓ）１００にて、乗員自身が乗車する車両３（即ち、自車両）の動作が可能な状態、例えば、イグニッションスイッチやスタートスイッチがオンの状態で、車体マイク３１や車内マイク３３により、小さな事故を検知するために、音声や物音等の音を取得する。例えば、自車両の走行中や停車中に、音を取得する。

具体的には、例えば、車体マイク３１により、自車両の車体から発する物音（即ち、車体音）や、自車両の周囲から聞こえるクラクション等の物音を取得する。また、車内マイク３３により、乗員の音声や車内で発生する物音を取得する。

なお、取得した音は、小さな事故の検知のために、一旦、ＲＡＭ５７ｃなどのメモリに記憶する。なお、取得した音は、後述するように、小さな事故を検知するための処理を行った後に、小さな事故に対応する音（即ち、小さな事故を示す音）を、車両側メモリ５９に記憶する。

また、車体マイク３１や車内マイク３３によって音を取得する際には、車体カメラ３５や車内カメラ３７によって、車両３の周囲の画像や車内の画像を取得し、その画像のデータ（即ち、画像データ）を記録してもよい。

なお、取得した画像は、車両３側において、一旦、ＲＡＭ５７ｃなどのメモリに記憶する。また、後述するように、小さな事故が検知された場合には、小さな事故に対応する画像を、車両側メモリ５９に記憶する。

続くＳ１１０では、後に詳述するように、第１学習器２９ａや第２学習器２９ｂを用いて、乗員の音声や車両３の物音に基づいて、小さな事故を検知する処理を行い、その検知処理に基づいて、小さな事故を検知したか否かを判定する。ここで、肯定判断されるとＳ１２０に進み、一方否定判断されるとＳ１５０に進む。

なお、ここで、「小さな事故を検知する」という内容には、「小さな事故が発生した可能性があることを検知する」という内容を含む（以下、同様）
Ｓ１２０では、前記Ｓ１１０にて小さな事故が発生したと判断されたので、小さな事故に対応する（即ち、小さな事故を検知する際の根拠となるデータである）音声や物音を、車両側メモリ５９に記憶する。また、この際に、小さな事故に対応する画像、即ち、小さな事故の根拠となる音が発生した際又はその前後の所定期間の画像を、前記音と関連づけて、車両側メモリ５９に記憶する。

なお、ここで、前後としては、小さな事故の発生の時、詳しくは、小さな事故に対応する音が発生したタイミングの、前又は後、或いは、前及び後を採用できる。
また、上述処理以外に、小さな事故が発生したと判断された場合には、その判断の根拠となる音の発生の時間や、音が発生した際の車両３の場所の情報を、その音の情報と関連づけて、車両側メモリ５９に記憶してもよい。更に、音が発生した際の車速等の車両３の作動状態も、車両側メモリ５９に同様に記憶してもよい。

続くＳ１３０では、前記Ｓ１１０で記憶された情報、即ち、小さな事故が発生した際に記憶された各種の情報を、車両クラウド９に送信する。
なお、前記Ｓ１００～Ｓ１３０での処理が、車両側ＥＣＵ５にて実施される処理である。

続くＳ１４０では、車両クラウド９にて、車両側ＥＣＵ５から送信された情報、即ち、小さな事故が発生したと判断された際に車両側メモリ５９に記憶された情報（即ち、小さな事故に対応した情報）を、クラウド側メモリ５３に記憶する。

また、Ｓ１４０では、前記小さな事故に対応した情報を、サービサークラウド１１に送信し、Ｓ１５０に進む。この、サービサークラウド１１に送信する情報としては、前記小さな事故に対応した情報の全てあってもよいが、その一部の情報や、情報を要約した情報（例えば、後述する全体スコア等の情報）であってもよい。なお、サービサークラウド１１から要求があった場合に、前記情報を送信するようにしてもよい。

なお、このＳ１４０での処理が、車両クラウド９にて実施される処理である。
Ｓ１５０では、車両３の返却時であるか否かを判定する。ここで肯定判断されるとＳ１６０に進み、一方否定判断されるとＳ１００に戻る。

なお、車両３で返却時であるか否かは、例えば、レンタカー等の事業者であるサービサーが保有する装置から車両３に対して送信される信号等に基づいて判断することもできる。または、サービサークラウド１１から車両クラウド９を介して車両３に対して送信される信号等に基づいて判断することもできる。

Ｓ１６０では、サービサーの受付等で、車両３の使用料金等の精算が行われる。
続くＳ１７０では、サービサークラウド１１から得られる小さな事故に対応する情報に基づいて、小さな事故を検知したか否かを判断する。ここで肯定判断されるとＳ１８０に進み、一方否定判断されると、一旦本処理を終了する。

なお、ここで、サービサーは、サービサークラウド１１に対して、小さな事故に対応する情報を要求し、その要求に基づいて、車両クラウド９から小さな事故に対応する情報を取得してもよい。

Ｓ１８０では、サービサークラウド１１から小さな事故が発生したとの情報が得られたので、車両３を念入りチェックし、一旦本処理を終了する。
なお、前記Ｓ１５０～Ｓ１８０での処理が、サービサー側で実施される対応である。

以下、上述した全体の処理のうち、小さな事故を検知するための処理について詳細に説明する。
＜ユーザ登録の処理＞
このユーザ登録処理とは、車両３の利用者（例えば、ドライバ）が、車両３を利用する前（例えば、会社の車両３等を利用する前）に、車両側ＥＣＵ５にて実施する処理、即ち、ドライバの音声を用いて学習器２９に学習させる処理である。

図６に示すように、Ｓ２００では、ドライバが車両３の利用を開始する前に、音声登録を実施する。具体的には、小さい事故に対応する音声（即ち、言葉）を、小さい事故と紐付けして学習器２９に学習させるために、学習器２９が学習する所定のモードにおいて、ドライバは、車内マイク３３に向かって、小さい事故に対応する多くの言葉を話すようにする。

続くＳ２１０では、車内マイク３３によって収集されたドライバの音声、即ち、小さい事故に対応したドライバの音声による音声データを、学習器２９に入力する。
続くＳ２２０では、学習器２９は、学習器２９に入力されたドライバの音声を、小さな事故に対応する言葉として学習する。

続くＳ２３０では、学習器２９は、学習したデータ（即ち、学習データ）を、学習器２９用のデータベースに保存し、一旦本処理を終了する。
即ち、小さい事故に対応したドライバの音声を、小さな事故と紐付けして学習した学習データをデータベース（例えば、音声判断モジュール２４のメモリで使用されるデータベース）に保存し、一旦本処理を終了する。これにより、小さな事故とドライバの音声との関係を紐付けして学習した学習器２９が生成される。

一方、ユーザ登録処理をしない場合には、学習器２９として、ドライバに限定しない一般の人（例えば、複数の人）の音声を学習した学習器を使用することができる。詳しくは、小さい事故に対応する音声、即ち、小さい事故が発生した場合に乗員によって発せられる可能性のある言葉等の音声を、小さい事故と紐付けして学習して生成した学習器２９を使用することができる。

なお、以下では、このようなドライバの音声に限定しない音声を学習した学習器２９を一般学習器と称し、ドライバの音声を学習した学習器２９を、特定学習器と称することがある。
＜イベント検知の処理＞
このイベント検知の処理は、車両側ＥＣＵ５にて実施される処理である。なお、ここで、イベントの検知とは、小さな事故の発生の可能性を示す事象（即ち、イベント）の検知を示している。

本処理は、例えば、車両３のイグニッションスイッチやスタートスイッチがオンとなった場合に実施される。例えば、通常は、車両３が走行中に実施されるが、車両３が作動中であれば、停車中に実施してもよい。

図７に示すように、Ｓ３００にて、各マイク３１、３３にて収集した音のデータ（即ち、音声等を含む音データ）を取得する。
続くＳ３１０では、ドライバの学習データがあるか否かを判定する。即ち、学習器２９として、ドライバの音声を学習した学習器２９（即ち、特定学習器）があるか否かを判定する。ここで否定判断されるとＳ３２０に進み、一方肯定判断されるとＳ３５０に進む。

Ｓ３２０では、ドライバの音声を学習した特定学習器が無いので、上述したＡＩである一般学習器に、車内マイク３３等で収集した音声を含む音データを入力する。また、車体マイク３１で収集した音声（即ち、車両３の周囲の人の音声）を含む音データも入力してもよい。

続くＳ３３０では、一般学習器によって、入力された音データに基づいて、小さな事故を検知する処理を行う。詳しくは、一般学習器に今回取得された音データを入力し、上述したディープラーニングによって学習した学習器２９（例えば、第１学習器２９ａ）の処理を実施することにより、その音データに基づいて小さな事故を検知する。

つまり、小さな事故が発生した可能性を検知するための処理を実施する。詳しくは、ディープラーニングにより学習された第１学習器２９ａにて、入力される音データに対応する事象を検出するために実施される周知の演算処理を実施することにより、小さな事故の発生の可能性を示す第１情報を取得する。

なお、この場合の一般学習器として、例えば、前記図４に示すように、一般の複数の人の音声のうち、小さな事故に対応する「驚いた声」等の音声や「擦った」等の音声を、小さな事故に紐付けして学習した第１学習器２９ａが挙げられる。

続くＳ３４０では、一般学習器によって実施された処理によって、小さな事故（即ち、イベント）が検知されたか否かを判定する。ここで肯定判断されるとＳ３９０に進み、一方否定判断されるとＳ３８０に進む。

一方、前記Ｓ３１０で否定判断されて進むＳ３５０では、ドライバの音声を学習した第１学習器２９ａである特定学習器が有るので、この特定学習器に、車内マイク３３等で収集した音声を含む音データを入力する。また、車体マイク３１で収集した音声を含む音データも入力してもよい。

続くＳ３６０では、特定学習器によって、入力された音データに基づいて、小さな事故を検知する処理を行う。詳しくは、特定学習器に今回取得された音データを入力し、上述した学習器２９の処理を実施することにより、その音データに基づいて、小さな事故を検知する。つまり、小さな事故が発生した可能性を検知するための処理を実施する。

なお、この特定学習器として、例えば、前記図４に示すように、乗員の音声のうち、小さな事故に対応する「驚いた声」等の音声や「擦った」等の音声を、小さな事故に紐付けして学習した第１学習器２９ａが挙げられる。

続くＳ３７０では、特定学習器によって実施された処理によって、小さな事故（即ち、イベント）が検知されたか否かを判定する。ここで肯定判断されるとＳ３９０に進み、一方否定判断されるとＳ３８０に進む。

Ｓ３８０では、前記Ｓ３４０又はＳ３７０で、小さな事故が検出されなかったので、イベント検知なしとして、一旦本処理を終了する。
一方、Ｓ３９０では、前記Ｓ３４０又はＳ３７０で、小さな事故が検知されたので、イベント検知有りとして、Ｓ４００に進む。なお、このイベント検知を示す情報が第１情報である。

Ｓ４００では、イベントの発生の前後の所定期間における音（ここでは、物音）のデータを抽出し、第２学習器２９ｂで２次解析を実施する。
具体的には、前記所定期間における物音のデータを、小さな事故と物音とを紐付けして学習した第２学習器２９ｂに入力し、第２学習器２９ｂにて演算処理を実施することにより、小さな事故の発生の可能性を示す第２情報を取得する。

つまり、ディープラーニングにより学習された第２学習器２９ｂにて、入力されるデータに対応する事象を検出するために実施される周知の演算処理を実施することにより、小さな事故の発生の可能性を示す第２情報を取得する。

なお、イベントの発生の時期としては、小さな事故を検知する際に利用した音声（即ち、小さな事故を検知する際に根拠となる音声）の発生時期（即ち、取得時期）が挙げられる。また、イベントの発生の前後としては、イベントの発生の前又は後、或いは、イベントの発生の前及び後が挙げられる。

ここで、図８に基づいて、２次解析で使用する学習用の音の特徴について説明する。
各マイク３１、３３で収集した音が、例えば、車体（即ち、ボディ）に何かが衝突する衝突音、自車両に他車両のドアが当たった場合のドアパン音、自車両の車体を何かが擦った音、クラクション音、自車両の車体に飛び石が当たった音等の場合には、小さな事故が発生した可能性が高いと考えられる。従って、その場合には、小さな事故が発生した可能性の程度を示す指標（即ち、後述するスコア）の値を高くする（即ち、大きくする）。

一方、小さな事故が発生した可能性が低い音の場合、例えば、会話で発生されたイベント検出音（即ち、「ドン」等の音声）、ドライバ以外の発言、車内の衝撃音、ＴＶやラジオの音、電話の音等は、スコアの値を低くする。

また、車両３のアスファルト等を走行する走行音、エンジンから発生するエンジン音、風雨等の環境音、ドアの開閉等の作動音は、小さな事故が発生した可能性に該当しない音とする。

なお、上述した各種の音は、周知の音響分析等により検知することができる。例えば、所定以上の音量に対する音が、所定の周波数解析を行って所定の周波数パターンを有する場合には、当該周波数パターンを有する音とみなすことが可能である。

図７に戻り、続くＳ４１０では、イベントの発生の前後の所定期間における乗員の会話の内容（即ち、会話に含まれる単語等の音声）のデータを抽出し、ＡＩ（即ち、第２学習器２９ｂ）で２次解析を実施する。なお、この第２学習器２９ｂとしては、上述した音声を学習した第１学習器２９ａを用いてもよい。

具体的には、前記所定期間における会話内容の音データを、小さな事故と会話内容とを紐付けして学習した第２学習器２９ｂに入力し、第２学習器２９ｂにて演算処理を実施することにより、小さな事故の可能性を示す第２情報を取得する。

この２次解析で使用する学習用の音の特徴については、前記図４に示した特徴を利用できる。具体的には、各イベント検出音に該当する「驚いた声」等や「小さい事故に対応する単語」が検出された場合には、そうでない場合に比べてスコアを高くする。

なお、会話に代えて、単にドライバ等の乗員の発する単語等の音声のデータを抽出して、２次解析を実施してもよい。
続くＳ４２０では、前記Ｓ４００及びＳ４１０の２次解析の結果（即ち、第２情報）に基づいて、小さな事故の発生の可能性の程度を示すスコアを決定する。

なお、Ｓ４００及びＳ４１０の両方を実施する処理に代えて、Ｓ４００及びＳ４１０のどちらか一方の処理を行ってスコアを決定してもよい。
具体的には、Ｓ４００の物音に関する処理により、小さな事故の発生の可能性がある音が検知された場合には、その音の内容や種類に応じて、スコアを設定する。

例えば、前記図８に示すようなボディの衝突音等が検知された場合には、それらの音が検知されなかった場合に比べて、スコアを所定の高い値に設定する。また、それらの音が複数検知された場合には、検知された音の数によって、スコアを高く設定する（例えば、検知された音の数が多くなるほど、スコアを高くするようにしてもよい）。

また、Ｓ４１０の会話の内容に関する処理により、小さな事故の発生の可能性がある会話が検知された場合には、その会話の内容（例えば、使用された言葉）に応じて、スコアを設定する。

例えば、前記図４に示すような「驚いた声」や「擦った」等の言葉等が検知された場合には、それらの言葉等が検知されなかった場合に比べて、スコアを所定の高い値に設定する。また、それらの音声が複数検知された場合には、検知された音声の数によって、スコアを高く設定する（例えば、検知された音声の数が多くなるほど、スコアを高くするようにしてもよい）。

なお、前記Ｓ４００及びＳ４１０の両方の処理を行う場合には、両方の処理で得られた両方のスコアを用いて総合的にイベントのスコアを算出してもよい。例えば、両方の処理で得られた各スコアを合計してイベントのスコア等を設定してもよい。

続くＳ４３０では、Ｓ４２０にて決定したイベントのスコアとイベントに対応する音データとを、例えば車両側メモリ５９に記憶し、一旦本処理を終了する。
なお、車両側メモリ５９には、イベントのスコアと音データ以外に、イベントが発生した際の車速等の車両３の状態を示すデータを記憶してもよい。

また、これらのデータは、上述したように、車両３側から車両クラウド９側に送信されて、クラウド側メモリ５３に記憶される。
なお、本第１実施形態は、小さな事故の発生の可能性の程度を示す指標（例えば、イベントのスコア）を、車両クラウド９やサービサークラウド１１を介して、サービサーに提供することができるように構成されている。

＜スコアの説明＞
ここで、スコアについて、まとめて説明する。このスコアは、小さな事故の発生確率に対応した値であり、発生確率が高い場合にはスコアの値が高く、発生確率が低い場合にはスコアの値が低い。

従って、例えば、上述のように、第２学習器２９ｂによって、小さな事故の発生の前後の所定期間による物音や音声に基づいて、小さな事故が検知された場合（即ち、小さな事故に対応する事象が検知された場合）には、イベントのスコアとして、所定のスコアを設定することができる。

なお、ここでは、第１学習器２９ａによってイベントが検知された段階では、イベントのスコアを設定しないようにしている。
また、第１学習器２９ａによって、小さな事故が検知された場合に、最初のイベントのスコアを設定し、さらに、第２学習器２９ｂによって、再度小さな事故が検知された場合には、最初のイベントのスコアに、第２学習器２９ｂによる２回目のイベントのスコアを加味して、総合的にイベントのスコアを設定してもよい。

例えば、第１学習器２９ａによって、小さな事故が検知された場合に、最初のイベントのスコアを小さく（即ち、小さな事故の発生確率を小さく）設定し、さらに、第２学習器２９ｂによって、再度小さな事故が検知された場合には、最初のイベントのスコアよりもスコアが大きくなる（即ち、小さな事故の発生確率を大きくする）ように、総合的にイベントのスコアを設定してもよい。

［１－６．効果］
本第１実施形態によれば、以下の効果が得られる。
（１ａ）本第１実施形態は、車両３が損傷する事故であって当該車両３が走行可能な事故である小さな事故（即ち、イベント）と、小さな事故が発生した場合に車両３の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器２９（例えば、第１学習器２９ａ）を備える。そして、この学習器２９に、音取得部２５（例えば、第１音取得部２５ａ）にて取得した乗員の音声を入力し、学習器２９の演算処理を実施することにより、小さな事故の発生の可能性を示す情報を取得する。よって、この取得した情報に基づいて、小さな事故を検出することができる。

このような構成により、本第１実施形態では、従来の技術では検出が容易でないような小さな事故を容易に検出することが可能となる。つまり、本第１実施形態では、乗員の音声を学習器２９に入力することによって、学習器２９から小さな事故の発生の可能性を示す情報を取得することができる。よって、従来では検出することができなかったような小さな事故（例えば、車両３を擦ったような事故）があった場合でも、小さな事故を示唆するような乗員の音声等が得られれば、小さな事故を検出することが可能である。

（１ｂ）本第１実施形態では、事故情報取得部２７にて取得した情報に基づいて、小さな事故の発生の可能性の程度を示す指標（例えば、イベントのスコアや、総合的なスコア）を出力するように構成されている。

従って、この指標に基づいて、小さな事故の発生を精度良く検出することができる。例えば、スコアが高い場合には、小さな事故が発生した可能性が高いことを認識することが可能となる。

（１ｃ）本第１実施形態では、小さな事故と、小さな事故が発生した場合に車両３が発する可能性のある音（即ち、物音）と、の関係を紐付けして学習した第２学習器２９ｂを用いることができる。そして、車両３が発する音を取得して、第２学習器２９ｂに、車両３が発する音を入力し、第２学習器２９ｂの演算処理を実施することにより、小さな事故の発生の可能性を示す第２情報を取得することができる。よって、この第２情報を利用して、イベントのスコアを求めることができる。

（１ｄ）本第１実施形態では、小さな事故と、小さな事故が発生した場合に車両３の周囲にて発生する可能性のある音（即ち、物音）と、の関係を紐付けして学習した第２学習器２９ｂを用いることができる。そして、車両３の周囲の音を取得して、第２学習器２９ｂに、車両３の周囲の音を入力し、第２学習器２９ｂの演算処理を実施することにより、小さな事故の発生の可能性を示す第２情報を取得することができる。よって、この第２情報を利用して、イベントのスコアを求めることができる。

（１ｅ）本第１実施形態では、小さな事故と、小さな事故が発生した場合に車両の乗員であればなされる可能性のある会話の内容と、の関係を紐付けして学習した第２学習器２９ｂを用いることができる。そして、会話の内容を取得して、第２学習器２９ｂに、会話の内容を入力し、第２学習器２９ｂの演算処理を実施することにより、小さな事故の発生の可能性を示す第２情報を取得することができる。よって、この第２情報を利用して、イベントのスコアを求めることができる。

（１ｆ）本第１実施形態では、第１学習器２９ａで学習する音声として、車両３のドライバの音声を採用できる。
（１ｇ）本第１実施形態では、小さな事故と、小さな事故の発生時の前及び／又は後に発生する可能性のある音と、を紐付けして学習した第２学習器２９ｂを用いることができる。具体的には、第１情報において、小さな事故の発生の可能性が示されている場合に、小さな事故の発生時の前及び／又は後の所定期間における音のデータを、２次分析音データとして特定することができる。そして、第２学習器２９ｂに、特定した２次分析音データを入力して、第２学習器２９ｂの演算処理を実施することにより、小さな事故の発生の可能性を示す第２情報を取得することができる。

従って、第１情報と第２情報とに基づいて、小さな事故の発生の可能性の程度を示す指標（即ち、イベントのスコア）を出力することができる。
（１ｈ）本第１実施形態では、２次分析音データとして、車両３が発する音（即ち、物音）を含むことができる。その場合には、第２学習器２９ｂとして、小さな事故と、小さな事故が発生した場合に前記車両３が発する可能性がある音と、を紐付けして学習した学習器を採用できる。

（１ｉ）本第１実施形態では、２次分析音データとして、車両３の乗員が発する音声を含むことができる。その場合には、第２学習器２９ｂは、小さな事故と、小さな事故の発生の前及び／又は後に乗員にてなされる可能性のある人の会話と、を紐付けして学習した学習器を採用できる。

（１ｊ）本第１実施形態では、小さな事故と紐付けして学習器２９（例えば、第１学習器２９ａや第２学習器２９ｂ）にて学習される音声として、所定の感情が表われる音声、及び／又は、小さな事故の描写を含む言葉を含む音声を採用できる。

（１ｋ）本第１実施形態では、小さな事故と紐付けして第２学習器２９ｂにて学習される車両３の発する音（即ち、物音）として、車両３に対する衝突音、ドアパン音、車両３をこすった音、車両３に飛び石が当たった音のうち、少なくとも１種を採用できる。

（１ｌ）本第１実施形態では、車両３がレンタカーやカーシェアリング等の事業者に管理されている場合に、車両３の小さな事故に関する情報を適切に提供できる。具体的には、小さな事故の発生の可能性の程度を示す指標（例えば、イベントのスコア）、及び／又は、小さな事故の発生の可能性の程度を示す指標に基づいて乗員による車両３の利用開始からの所定期間における小さな事故の発生の可能性を示す総合的な指標（例えば、全体スコア）を、事業者に提供することができる。

従来技術を、レンタカーやカーシェアリングのように、同じ車両３を複数の人数で使用する場合に適用した場合には、車体を擦ったような小さな事故を検出することは容易ではない。そのため、車両３の使用後にレンタカー等の事業者等が車両３をチェックしても、車両３の破損等が分からないことがある。

そのため、後日、車両３の破損が発見された場合でも、いつの時点で（即ち、だれが使用した際に）事故が発生したかを特定することは難しいので、例えば、修理費を請求すること等が難しいことが考えられる。

しかし、本第１実施形態では、車両３が返却された場合には、サービサークラウド１１を介して、車両３に小さな事故が発生したことを示す情報を得ることが可能であるので、車両３返却された際に車両３を入念にチェックすることにより、小さな事故による車両３の破損を、従来より確実に把握することが可能になる。

［１－７．対応関係］
次に、本第１実施形態と本開示との関係について説明する。
車両３は車両に対応し、車両側ＥＣＵ５は事故検出装置に対応し、学習器２９は学習器に対応し、第１学習器２９ａは第１学習器に対応し、第２学習器２９ｂは第２学習器に対応し、音取得部２５は音取得部に対応し、事故情報取得部２７は事故情報取得部に対応する。

［２．第２実施形態］
第２実施形態は、基本的な構成は第１実施形態と同様であるため、以下では主として第１実施形態との相違点について説明する。なお、第１実施形態と同じ符号は、同一構成を示すものであって、先行する説明を参照する。

本第２実施形態では、小さな事故の発生の可能性の程度示す指標（即ち、イベントのスコア）に基づいて、乗員による車両３の利用開始からの所定期間（例えば、利用終了時まで）における小さな事故の発生の可能性を示す総合的な指標（即ち、全体スコア）を算出する。

以下、図９のフローチャートに基づいて説明する。
本第２実施形態では、図９に示すように、Ｓ５００～Ｓ６３０の処理を行う。なお、このＳ５００～Ｓ６３０の処理は、第１実施形態の図７におけるＳ３００～Ｓ４３０の処理と同様であるので、その説明は省略する。

そして、Ｓ６３０に続くＳ６４０では、Ｓ６３０で記憶されたイベントのスコアを用いて、全体スコアを決定する。
続くＳ６５０では、Ｓ６４０で決定された全体スコアを、車両側メモリ５９に記憶し、一旦本処理を終了する。

次に、上述した全体スコアの決定方法について説明する。全体スコアの決定方法としては、下記（Ｓ１）～（Ｓ３）の方法を採用できる。
（Ｓ１）乗員による車両３の利用開始からの所定期間、例えば、利用開始から利用終了（例えば、車両３の返却時）までの所定期間において、イベントのスコアの最大値を全体スコアとしてもよい。例えば、前回より大きなイベントのスコアとなった場合に、イベントのスコアを更新して、全体スコアとしてもよい。

（Ｓ２）前記所定期間におけるイベントのスコアを積算して、全体スコアとしてもよい。
（Ｓ３）前記所定期間におけるイベントのスコアの時間平均を算出して、全体スコアとしてもよい。

さらに、本第２実施形態は、小さな事故の発生の可能性の程度を示す指標（例えば、イベントのスコア）、及び／又は、小さな事故の発生の可能性の程度示す指標に基づいて乗員による車両３の利用開始からの所定期間における小さな事故の発生の可能性を示す総合的な指標（例えば、全体スコア）を、車両クラウド９やサービサークラウド１１を介して、サービサーに提供することができるように構成されている。

本第２実施形態は、第１実施形態と同様な効果を奏する。
また、本第２実施形態では、イベントのスコアだけでなく、全体スコアを算出するので、全体スコアを用いて、小さな事故の発生の可能性の程度を精度良く判断することができるという利点がある。

［３．第３実施形態］
第３実施形態は、基本的な構成は第１実施形態と同様であるため、以下では主として第１実施形態との相違点について説明する。なお、第１実施形態と同じ符号は、同一構成を示すものであって、先行する説明を参照する。

本第３実施形態は、第１実施形態において、乗員の音声を学習した特定学習器がない場合、即ち、一般の人の声を学習した一般学習器しかない場合の簡易化した例である。
図１０に示すように、本第３実施形態では、Ｓ７００にて、各マイク３１、３３から音声等を含む音を取得する。

続くＳ７１０では、音データを一般学習器に入力する。
続くＳ７１０では、一般学習器によって、入力された音データに基づいて、小さな事故を検知する処理を行う。

続くＳ３４０では、一般学習器によって実施された処理によって、小さな事故（即ち、イベント）が検知されたか否かを判定する。ここで肯定判断されるとＳ７５０に進み、一方否定判断されるとＳ７４０に進み、一旦本処理を終了する。

Ｓ７５０～Ｓ７９０の処理は、前記第１実施形態の図７のＳ３９０～Ｓ４３０の処理と同様であるので、その説明は省略する。
本第３実施形態では、乗員の音声を学習した特定学習器がない場合でも、小さな事故を検知して、イベントのスコアを求めることができる。

［４．第４実施形態］
第４実施形態は、基本的な構成は第１実施形態と同様であるため、以下では主として第１実施形態との相違点について説明する。なお、第１実施形態と同じ符号は、同一構成を示すものであって、先行する説明を参照する。

本第４実施形態では、第２学習器２９ｂを用いないで、小さな事故を検知する場合の簡易化した例である。
図１１に示すように、本第４実施形態では、Ｓ８００にて、各マイク３１、３３から音声等を含む音を取得する。

続くＳ８１０では、音データを一般学習器等の学習器２９である第１学習器２９ａに入力する。
続くＳ８１０では、第１学習器２９ａによって、入力された音データに基づいて、小さな事故を検知する処理を行う。

続くＳ８２では、第１学習器２９ａによって実施された処理によって、小さな事故（即ち、イベント）が検知されたか否かを判定する。ここで肯定判断されるとＳ８３０に進み、一方否定判断されると、一旦本処理を終了する。

Ｓ８３０～Ｓ８５０の処理は、前記第１実施形態の図５のＳ１２０～Ｓ１４０の処理と同様であるので、その説明は省略する。
本第４実施形態では、第２学習器２９ｂを使用することなく、小さな事故を検知することが可能である。

［５．第５実施形態］
第５実施形態は、基本的な構成は第１実施形態と同様であるため、以下では主として第１実施形態との相違点について説明する。なお、第１実施形態と同じ符号は、同一構成を示すものであって、先行する説明を参照する。

第５実施形態では、２次分析音データとして、車両３の乗員が発する音声を含んでおり、第２学習器２９ｂとして、小さな事故の非発生と小さな事故の非発生時においてなされる可能性のある乗員の会話とを紐付けして学習した学習器を採用できる。

小さな事故が発生していない場合には、小さな事故と関係のない言葉による会話が行われると考えられる。例えば、前記図４に示すような、「擦った」、「ぶつかった」等のような小さな事故を示唆する言葉ではなく、それ以外の、例えば、「速い」、「到着」等のように、小さな事故の非発生時において乗員が発するような言葉が発せられる可能性がある。

従って、第２学習器２９ｂとして、小さな事故の非発生と小さな事故の非発生時においてなされる可能性のある乗員の会話とを紐付けして学習した学習器を採用することにより、小さな事故ではない場合を検知できる。よって、小さな事故でない場合を、小さな事故と誤判定することを抑制できる。

例えば、第１学習器２９ａで、小さな事故が検知された場合であっても、第２学習器２９ｂにて、小さな事故の検知の前後の所定期間の乗員の会話から、小さな事故ではない可能性が高いと判断された場合には、最終的に小さな事故ではないと判断することが可能である。なお、この処理は、例えば前記図７のＳ４１０にて実施することが可能である。

或いは、最初に第１学習器２９ａを用いて、小さな事故を検知（即ち、イベントを検知）して、イベントのスコアを所定値に設定した場合でも、次に第２学習器２９ｂを用いて、そのイベントのスコアを低減することにより、小さな事故の発生の可能性は低いと判断してもよい。例えば、前記図７のＳ４２０等の処理の際に、イベントのスコアを設定することができる。

本第５実施形態は、第１実施形態と同様な効果を奏する。また、小さな事故の検知を精度良く行うことが可能である。
［６．第６実施形態］
第６実施形態は、基本的な構成は第１実施形態と同様であるため、以下では主として第１実施形態との相違点について説明する。なお、第１実施形態と同じ符号は、同一構成を示すものであって、先行する説明を参照する。

第６実施形態では、第２学習器２９ｂとして、車両３内の衝撃音を、小さな事故の非発生と紐付けして学習した学習器を採用できる。
車内マイク３３によって取得された車両３内の衝撃音は、小さな事故とは関係のない音である可能性が高い。

従って、第２学習器２９ｂとして、小さな事故の非発生と車両３内で発生する各種の音を紐付して学習した学習器を採用することにより、小さな事故ではない場合を検知できる。よって、小さな事故でない場合を、小さな事故と誤判定することを抑制できる。

例えば、第１学習器２９ａで、小さな事故が検知された場合であっても、第２学習器２９ｂにて、車両３内の衝撃音から、小さな事故ではない可能性が高いと判断された場合には、最終的に小さな事故ではないと判断することが可能である。なお、この処理は、例えば前記図７のＳ４００にて実施することが可能である。

或いは、最初に第１学習器２９ａを用いて、小さな事故を検知（即ち、イベントを検知）し、イベントのスコアを所定値に設定した場合でも、次に第２学習器２９ｂを用いて、そのイベントのスコアを低減することにより、小さな事故の発生の可能性は低いと判断してもよい。例えば、前記図７のＳ４２０等の処理の際に、このようにイベントのスコアを設定することができる。

本第６実施形態は、第１実施形態と同様な効果を奏する。また、小さな事故の検知を精度良く行うことが可能である。
［７．他の実施形態］
以上、本開示の実施形態について説明したが、本開示は、上記実施形態に限定されることなく、種々の形態を採り得ることは言うまでもない。

（７ａ）例えば、ドライバの音声を登録した場合には、その登録した音声を利用して、学習器による音声の判断の精度を上げることができる。
例えば、ドライバの音声の周波数等の特徴から音素を分析して、音声を認識する音声認識技術が知られているので、その音声認識技術を利用して、学習器による音声の判断の精度を上げることができる。

具体的には、予めドライバの音声を登録する処理を行っておき（即ち、音声認識技術によって、ドライバの音声の特徴を学習しておき）、実際の走行時等に、マイクで収集した音から前記音声認識技術を用いてドライバの音声を抽出する。そして、この抽出したドライバの音声を、第１学習器に入力して、小さな事故を検知する方法が挙げられる。

つまり、マイクで収集する音には、音声を含む各種の音があるので、予めドライバの音声である可能性がある音を抽出して第１学習器等に入力することにより、小さな事故を精度良く検知することができる。

なお、実施形態等では、所定の構成（例えば、学習器）に、第１、第２等の序数を付しているが、各構成を区別できればよいので、例えばＡ学習器、Ｂ学習器等のように、個別に名称を付してもよい。

（７ｂ）小さな事故の発生の可能性のある音として、クラクション音を利用する場合には、自車両のクラクション音に限らず、他車両のクラクション音も利用することができる。

（７ｃ）ドライバの音声とドライバ以外の乗員の音声とは、例えば、音声が聞こえる方向等から区別することができる。また、予めドライバの音声が登録されている場合には、登録されている音声の特徴に基づいて、ドライバの音声とドライバ以外の音声とを区別することができる。

（７ｄ）ＴＶやラジオ等の音声と実際の乗員の音声とは、例えば、ＴＶやラジオ等の場合に提供される情報から区別することができる。例えば、ＴＶやラジオがオンであり、ＣＭや音楽が流されている場合は、ＴＶやラジオ等の音声の可能性が高いと判断してもよい。或いは、センサ等により乗員の数を認識できる場合には、乗員の数を超える種類の音声が認識された場合には、ＴＶやラジオ等の音声の可能性が高いと判断してもよい。

（７ｅ）本開示に記載の事故検知装置およびその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサおよびメモリを構成することによって提供された専用コンピュータにより、実現されてもよい。

あるいは、本開示に記載の事故検知装置およびその手法は、一つ以上の専用ハードウェア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。

もしくは、本開示に記載の事故検知装置およびその手法は、一つ乃至は複数の機能を実行するようにプログラムされたプロセッサおよびメモリと一つ以上のハードウェア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。

また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されてもよい。事故検知装置に含まれる各部の機能を実現する手法には、必ずしもソフトウェアが含まれている必要はなく、その全部の機能が、一つあるいは複数のハードウェアを用いて実現されてもよい。

（７ｆ）上述した事故検知装置の他、当該事故検知装置を構成要素とする構成（例えば、学習器）、当該事故検知装置のコンピュータを機能させるためのプログラム、このプログラムを記録した半導体メモリ等の非遷移有形記録媒体、制御方法など、種々の形態で本開示を実現することもできる。

（７ｇ）上記各実施形態における１つの構成要素が有する複数の機能を、複数の構成要素によって実現したり、１つの構成要素が有する１つの機能を、複数の構成要素によって実現したりしてもよい。また、複数の構成要素が有する複数の機能を、１つの構成要素によって実現したり、複数の構成要素によって実現される１つの機能を、１つの構成要素によって実現したりしてもよい。また、上記各実施形態の構成の一部を省略してもよい。また、上記各実施形態の構成の少なくとも一部を、他の実施形態の構成に対して付加または置換してもよい。
［本明細書が開示する技術思想］
［項目１］
車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器（２９）と、
前記乗員が発する音声を取得するように構成された音取得部（２５）と、
前記学習器に、前記音取得部にて取得した前記音声を入力し、前記学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す情報を取得するように構成された事故情報取得部（２７）と、
を備えた、事故検出装置（５）。

［項目２］
項目１に記載の事故検出装置であって、
前記事故情報取得部にて取得した前記情報に基づいて、前記小さな事故の発生の可能性の程度を示す指標を出力するように構成された、
事故検出装置。

［項目３］
車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した第１学習器（２９ａ）と、
前記乗員が発する音声を取得する第１音取得部（２５ａ）と、
前記第１学習器に、前記第１音取得部にて取得した前記乗員が発する音声を入力し、前記第１学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第１情報を取得するように構成された第１事故情報取得部（２７ａ）と、
を備えた、事故検出装置（５）。

［項目４］
項目３に記載の事故検出装置であって、
前記小さな事故と、前記小さな事故が発生した場合に前記車両が発する可能性のある音と、の関係を紐付けして学習した第２学習器（２９ｂ）と、
前記車両が発する音を取得する第２音取得部（２５ｂ）と、
前記第２学習器に、前記第２音取得部にて取得した前記音を入力し、前記第２学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第２情報を取得するように構成された第２事故情報取得部（２７ｂ）と、
を更に備えた、事故検出装置。

［項目５］
項目３又は４に記載の事故検出装置であって、
前記小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であればなされる可能性のある会話の内容と、の関係を紐付けして学習した第２学習器（２９ｂ）と、
前記会話の内容を取得するように構成された第３音取得部（２５ｃ）と、
前記第２学習器に、前記第３音取得部にて取得した前記乗員の会話を入力し、前記第２学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第２情報を取得するように構成された第３事故情報取得部（２７ｃ）と、
を更に備えた、事故検出装置。

［項目６］
請求項３～５のいずれか１項に記載の事故検出装置であって、
前記第１学習器（２９ａ）で学習する前記音声は、前記車両のドライバの音声である、
事故検出装置。

［項目７］
項目３～６のいずれか１項に記載の事故検出装置であって、
前記小さな事故と、前記小さな事故が発生した場合に前記車両の周囲にて発生する可能性のある音と、の関係を紐付けして学習した第２学習器（２９ｂ）と、
前記車両の周囲の音を取得するように構成された第４音取得部（２５ｄ）と、
前記第２学習器に、前記第４音取得部にて取得した前記音を入力し、前記第２学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第２情報を取得するように構成された第４事故情報取得部（２７ｄ）と、
を更に備えた、事故検出装置。

［項目８］
項目３～７のいずれか１項に記載の事故検出装置であって、
前記小さな事故と、当該小さな事故の発生時の前及び／又は後に発生する可能性のある音と、を紐付けして学習した第２学習器（２９ｂ）と、
前記第１情報において、前記小さな事故の発生の可能性が示されている場合に、前記小さな事故の発生時の前及び／又は後の所定期間における前記音のデータを、２次分析音データとして特定するように構成された２次データ特定部（Ｓ４００、Ｓ４１０）と、
前記第２学習器に、前記２次データ特定部にて特定した前記２次分析音データを入力し、前記第２学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第２情報を取得するように構成された第５事故情報取得部（２５ｅ）と、
を更に備え、
前記第１情報と前記第２情報とに基づいて、前記小さな事故の発生の可能性の程度を示す指標を出力するように構成された、
事故検出装置。

［項目９］
項目８に記載の事故検出装置であって、
前記２次分析音データは、前記車両が発する音を含み、
前記第２学習器は、前記小さな事故と、前記小さな事故が発生した場合に前記車両が発する可能性がある音と、を紐付けして学習した学習器である、
事故検出装置。

［項目１０］
項目８又は９に記載の事故検出装置であって、
前記２次分析音データは、前記車両の乗員が発する音声を含み、
前記第２学習器は、前記小さな事故の非発生と、前記小さな事故の非発生時においてなされる可能性のある前記乗員の会話と、を紐付けして学習した学習器である、
事故検出装置。

［項目１１］
項目８～１０のいずれか１項に記載の事故検出装置であって、
前記２次分析音データは、前記車両の乗員が発する音声を含み、
前記第２学習器は、前記小さな事故と、前記小さな事故の発生の前及び／又は後に前記乗員にてなされる可能性のある人の会話と、を紐付けして学習した学習器である、
事故検出装置。

［項目１２］
請求項４～１１のいずれか１項に記載の事故検出装置であって、
前記小さな事故と紐付けして前記第２学習器にて学習される前記車両の発する可能性のある音は、
前記車両に対する衝突音、ドアパン音、前記車両を擦った音、前記車両に飛び石が当たった音のうち、少なくとも１種を含むように構成されている、
事故検出装置。

［項目１３］
項目４～１２のいずれか１項に記載の事故検出装置であって、
前記第２学習器は、前記車両内の衝撃音を、前記小さな事故の非発生と紐付けして学習した学習器である、
事故検出装置。

［項目１４］
項目２、８～１３のいずれか１項に記載の事故検出装置であって、
前記小さな事故の発生の可能性の程度示す指標に基づいて、前記乗員による車両の利用開始からの所定期間における前記小さな事故の発生の可能性を示す総合的な指標を算出するように構成された、
事故検出装置。

［項目１５］
項目１～１４のいずれか１項に記載の事故検出装置であって、
前記小さな事故と紐付けして前記学習器にて学習される前記音声は、
所定の感情が表われる音声、及び／又は、前記小さな事故の描写を含む言葉を含む音声である、
事故検出装置。

［項目１６］
項目１～１５のいずれか１項に記載の事故検出装置であって、
前記車両が事業者に管理されている場合に、
前記小さな事故の発生の可能性の程度を示す指標の情報、及び／又は、前記小さな事故の発生の可能性の程度示す指標に基づいて前記乗員による前記車両の利用開始からの所定期間における前記小さな事故の発生の可能性を示す総合的な指標の情報を、前記事業者に提供するように構成された、
事故検出装置。

［項目１７］
車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器（２９）を用い、
前記学習器に、前記乗員の音声を入力し、前記学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す情報を取得する、
事故検出方法。

［項目１８］
車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器（２９）を生成する方法であって、
前記小さな事故において前記乗員であれば発する可能性のある音声を準備し、前記小さな事故と、前記小さな事故において前記乗員であれば発する可能性のある音声と、を紐付けして学習させることによって、前記学習器を生成する、
学習器の生成方法。

１…全体システム、３…車両、５…車両側ＥＣＵ、９…車両クラウド、１１…サービサークラウド、１３…クラウド側ＥＣＵ、２５…音取得部、２７…事故情報取得部、２９…学習器、２９ａ…第１学習器、２９ｂ…第２学習器

Claims (18)

1. 車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器（２９）と、
   前記乗員が発する音声を取得するように構成された音取得部（２５）と、
   前記学習器に、前記音取得部にて取得した前記音声を入力し、前記学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す情報を取得するように構成された事故情報取得部（２７）と、
   を備えた、事故検出装置（５）。
2. 請求項１に記載の事故検出装置であって、
   前記事故情報取得部にて取得した前記情報に基づいて、前記小さな事故の発生の可能性の程度を示す指標を出力するように構成された、
   事故検出装置。
3. 車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した第１学習器（２９ａ）と、
   前記乗員が発する音声を取得する第１音取得部（２５ａ）と、
   前記第１学習器に、前記第１音取得部にて取得した前記乗員が発する音声を入力し、前記第１学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第１情報を取得するように構成された第１事故情報取得部（２７ａ）と、
   を備えた、事故検出装置（５）。
4. 請求項３に記載の事故検出装置であって、
   前記小さな事故と、前記小さな事故が発生した場合に前記車両が発する可能性のある音と、の関係を紐付けして学習した第２学習器（２９ｂ）と、
   前記車両が発する音を取得する第２音取得部（２５ｂ）と、
   前記第２学習器に、前記第２音取得部にて取得した前記音を入力し、前記第２学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第２情報を取得するように構成された第２事故情報取得部（２７ｂ）と、
   を更に備えた、事故検出装置。
5. 請求項３に記載の事故検出装置であって、
   前記小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であればなされる可能性のある会話の内容と、の関係を紐付けして学習した第２学習器（２９ｂ）と、
   前記会話の内容を取得するように構成された第３音取得部（２５ｃ）と、
   前記第２学習器に、前記第３音取得部にて取得した前記乗員の会話を入力し、前記第２学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第２情報を取得するように構成された第３事故情報取得部（２７ｃ）と、
   を更に備えた、事故検出装置。
6. 請求項３に記載の事故検出装置であって、
   前記第１学習器（２９ａ）で学習する前記音声は、前記車両のドライバの音声である、
   事故検出装置。
7. 請求項３に記載の事故検出装置であって、
   前記小さな事故と、前記小さな事故が発生した場合に前記車両の周囲にて発生する可能性のある音と、の関係を紐付けして学習した第２学習器（２９ｂ）と、
   前記車両の周囲の音を取得するように構成された第４音取得部（２５ｄ）と、
   前記第２学習器に、前記第４音取得部にて取得した前記音を入力し、前記第２学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第２情報を取得するように構成された第４事故情報取得部（２７ｄ）と、
   を更に備えた、事故検出装置。
8. 請求項３に記載の事故検出装置であって、
   前記小さな事故と、当該小さな事故の発生時の前及び／又は後に発生する可能性のある音と、を紐付けして学習した第２学習器（２９ｂ）と、
   前記第１情報において、前記小さな事故の発生の可能性が示されている場合に、前記小さな事故の発生時の前及び／又は後の所定期間における前記音のデータを、２次分析音データとして特定するように構成された２次データ特定部（Ｓ４００、Ｓ４１０）と、
   前記第２学習器に、前記２次データ特定部にて特定した前記２次分析音データを入力し、前記第２学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す第２情報を取得するように構成された第５事故情報取得部（２５ｅ）と、
   を更に備え、
   前記第１情報と前記第２情報とに基づいて、前記小さな事故の発生の可能性の程度を示す指標を出力するように構成された、
   事故検出装置。
9. 請求項８に記載の事故検出装置であって、
   前記２次分析音データは、前記車両が発する音を含み、
   前記第２学習器は、前記小さな事故と、前記小さな事故が発生した場合に前記車両が発する可能性がある音と、を紐付けして学習した学習器である、
   事故検出装置。
10. 請求項８に記載の事故検出装置であって、
    前記２次分析音データは、前記車両の乗員が発する音声を含み、
    前記第２学習器は、前記小さな事故の非発生と、前記小さな事故の非発生時においてなされる可能性のある前記乗員の会話と、を紐付けして学習した学習器である、
    事故検出装置。
11. 請求項８に記載の事故検出装置であって、
    前記２次分析音データは、前記車両の乗員が発する音声を含み、
    前記第２学習器は、前記小さな事故と、前記小さな事故の発生の前及び／又は後に前記乗員にてなされる可能性のある会話と、を紐付けして学習した学習器である、
    事故検出装置。
12. 請求項４に記載の事故検出装置であって、
    前記小さな事故と紐付けして前記第２学習器にて学習される前記車両の発する可能性のある音は、
    前記車両に対する衝突音、ドアパン音、前記車両を擦った音、前記車両に飛び石が当たった音のうち、少なくとも１種を含むように構成されている、
    事故検出装置。
13. 請求項４に記載の事故検出装置であって、
    前記第２学習器は、前記車両内の衝撃音を、前記小さな事故の非発生と紐付けして学習した学習器である、
    事故検出装置。
14. 請求項２又は８に記載の事故検出装置であって、
    前記小さな事故の発生の可能性の程度示す指標に基づいて、前記乗員による車両の利用開始からの所定期間における前記小さな事故の発生の可能性を示す総合的な指標を算出するように構成された、
    事故検出装置。
15. 請求項１に記載の事故検出装置であって、
    前記小さな事故と紐付けして前記学習器にて学習される前記音声は、
    所定の感情が表われる音声、及び／又は、前記小さな事故の描写を含む言葉を含む音声である、
    事故検出装置。
16. 請求項１に記載の事故検出装置であって、
    前記車両が事業者に管理されている場合に、
    前記小さな事故の発生の可能性の程度を示す指標の情報、及び／又は、前記小さな事故の発生の可能性の程度示す指標に基づいて前記乗員による前記車両の利用開始からの所定期間における前記小さな事故の発生の可能性を示す総合的な指標の情報を、前記事業者に提供するように構成された、
    事故検出装置。
17. 車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器（２９）を用い、
    前記学習器に、前記乗員の音声を入力し、前記学習器の演算処理を実施することにより、前記小さな事故の発生の可能性を示す情報を取得する、
    事故検出方法。
18. 車両（３）が損傷する事故であって当該車両が走行可能な事故である小さな事故と、前記小さな事故が発生した場合に前記車両の乗員であれば発する可能性のある音声と、の関係を紐付けして学習した学習器（２９）を生成する方法であって、
    前記小さな事故において前記乗員であれば発する可能性のある音声を準備し、前記小さな事故と、前記小さな事故において前記乗員であれば発する可能性のある音声と、を紐付けして学習させることによって、前記学習器を生成する、
    学習器の生成方法。

Images