Wazeのデータは自動車事故の予測と対応時間の短縮に役立つ

自動車事故について言えば、ありがたいことにかなり稀なことです。米国運輸省道路交通安全局のデータによると、米国では自動車の走行距離1億マイルにつき9人が自動車事故で負傷しています。

コンピューターベースのモデルには、まれな事象の予測があまり得意ではないという難点があります。「事故はそもそも稀なものです。モデルは稀な事象を見逃しがちです。なぜなら、それらは十分に頻繁に発生しないからです」と、コンコルディア大学のコンピューターサイエンス准教授、トリスタン・グラタード氏は言います。同氏は同僚と共同で、自動車事故を事前に予測できるモデルの構築に取り組んでいます。「干し草の山から針を探すようなものです」

もし誰かがその針を見つけることができれば、何か良いことが起こるかもしれません。街路や道路をデータストリームに変換し、そこで何が起こるかを予測できれば。緊急対応要員は事故現場に少し早く到着できるかもしれません。政府関係者は問題のある道路を見つけて修理できるかもしれません。

まあ、未来を完全に予測しているわけではありません。しかし、不気味なほど近づいてきています。困難で費用もかさみ、常に複雑ではありますが、都市、研究者、そして連邦運輸省は、まさに未来予測に取り組んでいます。

5月、カリフォルニア大学ロサンゼルス校（UCLA）とカリフォルニア大学アーバイン校（UCアーバイン校）の医学研究者チームが、Jama Surgery誌に論文を発表し、カリフォルニア州内の各地域がクラウドソーシングによる交通情報アプリ「Waze」のデータを活用して緊急対応時間を短縮できる可能性を示唆した。（Wazeは4年前から、突然の道路閉鎖など、ユーザーが避けたいと思われる問題に関するリアルタイム情報と引き換えに、各都市に交通情報を提供するプログラムを展開している。）研究者らは、Google傘下のWazeのデータとカリフォルニア州ハイウェイパトロールの事故データを比較した結果、Wazeユーザーは警察に通報される平均2分41秒前にアプリに事故を報告していると結論付けた。

約3分のリードタイムが必ずしも生死を分けるわけではないと、カリフォルニア大学ロサンゼルス校（UCLA）とカリフォルニア大学カリフォルニア大学（UCI）の医学教授で、カリフォルニア大学予測技術研究所のエグゼクティブディレクターを務めるショーン・ヤング氏は述べている。「しかし、これらの方法によって対応時間を20～60%短縮できれば、臨床的にプラスの効果が得られるでしょう」とヤング氏は言う。「救急室への到着が早ければ早いほど、臨床結果が良くなるというのは、一般的に認められていることです。」

昨年、運輸省ボルペ・センターはメリーランド州のWazeと事故報告データの6ヶ月分の独自分析を終え、同様の結果を得ました。同センターの研究者たちは、警察に通報された衝突事故を綿密に追跡するクラウドソーシング情報からコンピューターモデルを構築できたのです。実際、クラウドソーシングデータは公式の衝突事故集計データよりも優れた点がありました。通報されるほど重大ではないものの、深刻な交通渋滞を引き起こすほど重大な衝突事故を捉えることができたからです。政府の研究者たちは、このモデルは「衝突リスクの早期指標を提供」し、実際に衝突が発生する前にどこで衝突が発生する可能性があるかを特定できる可能性があると記しています。

現在、運輸省は、実際にデータを利用する可能性のある都市と共同で、さらなる研究に資金を提供しています。テネシー州では、政府の研究者がハイウェイパトロールと協力し、州の事故予測モデルにWazeのデータを組み込んでいます。現在は42平方マイルのグリッド内で4時間予測していますが、1平方マイルのグリッド内で1時間予測まで精度を高められることを期待しています。ワシントン州ベルビューでは、運輸省は、当局が事故のパターンとリスクを特定するために使用できるインタラクティブなダッシュボードの構築を支援しました。道路の同じ区間で多数の事故が発生している場合、「ヒートマップが点灯し始めます」と、ベルビューの交通計画担当者であるフランツ・レーヴェンヘルツ氏は言います。市は、原因究明のために、地元の交通カメラからデータを収集し始めるかもしれません。

ベルビューは、こうしたデータ実験の好例です。なぜなら、ベルビューは既に警察の事故報告書や911番通報からデータを収集・調整し、交通機関の調整に非常に優れた実績を持っているからです。（多くの場所では、警察の事故報告書を道路計画担当者が継続的な事故パターンを把握できるような形式で提出することさえ困難です。）運輸省はベルビューを使って、クラウドソーシングされた交通データが実際の現場の状況にどれほど近いかを検証することができます。

しかし、こうした交通データの実験が主流になるまでには、かなりの労力が必要になる。ベルビューのような場所はほとんどないからだ。「ただ積み上げるのではなく、実用的なものにするためには、大量のデータ、しかも多様な種類のデータが必要で、それを分析できなければなりません」と、交通データを使って道路の安全性を向上させる方法について最近研究を終えたテネシー大学の工学教授、クリストファー・チェリー氏は言う。交通データ自体は確かに有用だ。しかし、衝突のリスクを予測し、それを防ぐには、衝突がどこで起こっているか、問題の道路はどのような状態か、そしてそれらの道路はさまざまな気象条件下でどのように機能するかについても、おそらく感覚を持っていなければならないだろう。そして、それらすべてのデータセットをリンクして相互に通信できるようにする必要がある。これは決して簡単なことではない。

UCLAとUCIでは、研究者たちがWazeの交通情報をどのように操作すればより正確になるかを探っている。Googleの交通情報を911番通報に代用できないのには、十分な理由があると研究者のヤング氏は言う。交通情報データは、実際には発生していない事故や、医療処置を必要とするほど深刻ではない事故を誤検知するケースが依然として多くあるからだ。「Wazeのデータをゴールドスタンダードとして使い、Wazeユーザーが交通事故を報告するたびに警察に通報すれば、犯罪捜査や公衆衛生、安全対策に必要なあらゆるリソースを警察に回すことができなくなります」とヤング氏は指摘する。

モントリオールのコンコルディア大学のグラタール氏と彼のチームは最近、市内の道路網、事故、天気に関する3つのデータセットを組み合わせることで、事故発生場所を85%の精度で予測できるという論文を発表した。しかし、予測された事故の8件に1件は実際には起こらない。グラタール氏は最終的には、市当局がこの種の情報を活用し、雪が降ると特に危険になる道路をドライバーに迂回するよう誘導することを望んでいる。しかしまずは、より多くのデータ、つまりモントリオールの交通状況、モントリオールの公共交通機関、そしてモントリオールのドライバーの運転方法に関するデータセットでモデルをトレーニングしたいと考えている。「モデルは、良質なデータソースが大量にあれば機能します」と彼は言う。つまり、映画「マイノリティ・リポート」のように、事故が起こる前に誰かがそれを予測できるようになるには、まずデータを集めなければならないのだ。

訂正、2019年7月12日午後7時50分（東部標準時）：この記事の以前のバージョンでは、クリストファー・チェリーの大学所属について誤った記述がありました。

WIREDのその他の素晴らしい記事

• 彼は何年も少女たちをサイバーストーキングしていたが、彼女たちは反撃した
• 建設機械を見る少年の夢の休暇
• 通知がストレスになっています。どうしてこんなことになってしまったのでしょうか？
• 9人がいかにして違法に500万ドルのAirbnb帝国を築いたか
• エイリアンについて知りたいこと、そして知っておくべきすべてのこと
• 🏃🏽‍♀️ 健康になるための最高のツールをお探しですか？ギアチームが選んだ最高のフィットネストラッカー、ランニングギア（シューズとソックスを含む）、最高のヘッドフォンをご覧ください。
• 📩 毎週配信されるBackchannelニュースレターで、さらに多くの内部情報を入手しましょう