路線バスの安全は、IoTの活用でどのように向上するのだろうか。


「マイカー離れ」の風潮が広まる中、近年、公共交通機関の価値が見直されている。特に、鉄道の駅から離れた場所では、路線バスの需要は依然として大きく、また最近では、都市間を安価に結ぶ高速バスも一般的になってきている。

 しかし、そのようなバス需要の増加の一方で、気になるのは安全対策だ。バス会社はどのような安全対策に取り組み、またそこにどのようなテクノロジーが活用されているのだろうか。

 2017年5月、千葉県中南部でバス事業を営む小湊鐵道は、KDDIと共同で、IoTを活用した路線バスの安全対策について、実証実験を行った。事故につながるかもしれない「ヒヤリ・ハット」の、さらに前段階の事象を検出しようという取り組みだ。

[JBpressの今日の記事(トップページ)へ]

人の手による安全対策にも限界がある

 小湊鐵道が今回の実証実験に取り組んだきっかけは、2016年9月に東京湾アクアラインで発生した事故だった。高速バスの運転手が脳出血を起こし、他の車に衝突した事故である。小湊鐵道 バス部 次長の小杉直氏は、安全対策の取り組みについて説明する。

小湊鐵道 バス部 次長の小杉直(こすぎ・ただし)氏。


「けが人がいなかったのは不幸中の幸いでしたが、その経験から、白紙ベースで事故防止に取り組まなければということになりました。そこで『セーフティファースト宣言』と掲げ、ソフト面、ハード面の両面で安全対策に取り組みました」

 ソフト面で力を入れているのは、乗務員の健康管理だという。事前のチェックとして、産業医や保健師など頻繁に面接を行い、日常からの生活習慣や健康の管理に取り組み、事前の兆候をキャッチしようと取り組んでいる。

 とはいえ、乗務中に急に体調を崩すこともあり、運転中にずっと付き添うのは無理があるので、マンパワーによる対策はどうしても限界がある。そのため、乗務員の教育や指導で、さらにできることはないか模索していたという。

 また、ハード面では、レーダーを備えた衝突軽減ブレーキや最新の車両の導入など、徹底した対策に取り組んでいるという。車内にはドライブレコーダーやデジタルタコグラフなどの安全機器もあり、そこで記録されたレポートを見て、必要な場合は乗務員へ指導を行っている。

 だが、乗務員ごとの個性や差はあれ、みな職業ドライバーとして普段から丁寧な運転に取り組んでおり、急ブレーキや急発進など見て分かるような危険な事象はまず出てこない。一日の業務後に、口頭で報告を聞くこともあるが、乗務員の記憶にも限界はあり、特に午前中に起きたことは正確に思い出すのは難しい。

 では、事故につながりうる予兆となる事象や、ヒヤリ・ハットの前段階として存在しうる「ヒヤリ・ハット予備軍」の事象は、どのようにして検出し、分析すればいいのだろうか。

 今回の小湊鐵道とKDDIの実証実験は、まさにそこが狙いだ。ヒヤリ・ハットにつながる事象があるかもしれないという仮定の下、デジタルタコグラフとカメラを組み合わせ、乗務員の顔の位置や動き、表情を細かく察知し、挙動を拾っていくというものだ。

顔の挙動と表情から「ヒヤリ・ハット予備軍」を検知

 実証実験の仕組みと流れを、KDDI ビジネスIoT企画部 部長の原田圭悟氏が説明する。

実証実験の構成。


 仕組みとしては、運転席の横にカメラを付け、5秒に1回撮影する。この画像を、画像解析サーバーに送り、ここで顔の位置のずれを検出する。顔のずれが見つかれば、「ながらスマホ」やよそ見をしていた可能性があるということだ。なお、乗務員にセンサーなどを取り付けるということはしていない。

バスの運転席に取り付けられたカメラ(画像中央)。このカメラで、乗務員の顔の動きや表情を撮影する。


 さらに、顔の位置だけでなく表情まで検出できるので、驚いた表情など普段と違ったことが起きた場合は、デジタルタコグラフを起動し、バスのスピードや位置情報、時刻を付けてレポートする。実際には、バスが動いているときのよそ見などが重大なヒヤリ・ハットにつながるとみて、車速のデータと掛け合わせ、バスが動いているときの事象のみをレポートしている。

 今回の実証実験では、1台のバスに装置を設置し、13日間で10人の運転手が交代で乗っていた。この13日間で、290件の事象がレポートされたという。これらの中に、ヒヤリ・ハットにつながる可能性のある事象が含まれていると予想され、後の分析や社内教育などに活用されることになる。

KDDI ビジネスIoT企画部 部長の原田圭悟(はらだ・けいご)氏。


 小杉氏によると、口頭で乗務員から報告を受けていた頃は、3〜4人に聞いて1件出てくるかどうかで、収集自体が非常に難しかったという。今回の実験における290件のレポートのすべてがヒヤリ・ハットにつながった訳ではないが、口頭での報告に比べると、検出の効率は大きく上昇している。

 さらに、原田氏によると、ヒヤリ・ハットにつながる可能性のある事象が起きる時間などにも、傾向が見られたという。

「特定の時間帯、特に朝と午後一番が多かったという、時間ごとの傾向が取れました。また、この人はヒヤリ・ハットが多いとか、この人は少ないとか、乗務員の方ごとの傾向も見られました」

事故が起きる前の段階を知る

 今回得られた、ヒヤリ・ハットにつながる可能性があると判断した事象のデータは、今後、映像教育などで使っていくという。

異常を検知したレポート画面。乗務員が下を向いたため、設定された枠から顔が外れてしまっている。


「免許センターなどで事故の映像を使ったりすると思いますが、あれは事故が起こってしまった後の姿です。その前の段階でどのようなことが起きているのかを、映像で訴えかけていきたいと考えています」(小杉氏)

 今回は一般の路線バスでの実験だったが、車内での人身事故の予防、また高速バスなどでも応用していきたいという。

 人間では見過ごしてしまう、意識下の出来事をIoTなどの技術を駆使して、明らかにしていく。そのような取り組みが、今後のバスなど公共交通機関の安全に大きく貢献していくだろう。

筆者:町田 誠