機械学習アルゴリズムを用いた歩行者事故における責任度評価

日常の歩行者と運転者にとってなぜ重要か

通りを渡ることや街中を運転することは日常的に感じられますが、事故が起きると一瞬で人生が変わることがあります—その後には誰が責任を負うのかというつらい問いが続きます。本研究はスペインのある都市での歩行者事故を取り上げ、現実の事故データに隠れたパターンを用いて、現代のコンピュータツールが警察や裁判所の責任判断をより公平かつ一貫して助けられるかを検討します。

悲劇的な事故を有益なデータに変える

研究者たちは、スペインのバダホスで法的手続きが完了した510件の実際の事故について詳細な情報を収集しました。各事故について、運転者と歩行者の責任が最終的にどのように配分されたかを、運転者が全面的に責任を負うケースから責任が等しく分かれるケースまでの5段階で記録しました。その傍らで、各事例について14の単純なイエス・ノーの事実を記録し、これらを人間の行動（アルコール、薬物、注意力、反応時間など）、技術（車両検査や歩行者の衣服の視認性）、道路環境（場所や照明）、交通規則（免許の有無、速度、携帯電話利用）の4つの領域に分類しました。

責任のパターンを認識するようコンピュータに教える

このデータセットを使って、チームは機械学習のいくつかの手法を試しました—事例からパターンを学習するコンピュータプログラムです。よく知られた手法を比較し、この課題で最も有効だった3つ、すなわち決定木、ナイーブベイズ、サポートベクターマシンに注目しました。各モデルは事故の60%で学習させ、残りの40%で責任のカテゴリを予測するように評価しました。モデルが単にデータを「暗記」するのを防ぐために、交差検証手法を用い、責任が完全に50–50のような稀なカテゴリのバランスも慎重に調整しました。

コンピュータに問う前に信号を整理する

情報が多ければ必ずしも良いわけではありません。まずチームは14の変数のうち、同じことをほぼ繰り返しているものがないかを確認しました。その結果、運転者と歩行者それぞれのアルコール使用と薬物使用は強く重複しているペアであることがわかりました。各ペアから一方だけを残すことでリストは12の異なる因子に減りました。このより整えられた入力で学習させたモデルは実際に性能が向上しました：冗長な情報を除去することでノイズが減り、アルゴリズムが責任の各レベルをより明確に区別できるようになったのです。

どのモデルが勝ち、どの要因が本当に重要か

多数のテストを通じて、決定木モデルが最も優れていることが示されました。12変数に絞った場合、全体の精度は約78%に達し、他の手法よりも高速で計算資源の負担が軽いという利点がありました。決定木には他の利点もあります：最終判断でどの情報がどれだけ重要かを自然に示す点です。本研究では、最も影響力の大きかった要因は圧倒的に運転者が有効な運転免許を持っているかどうかで、決定の重みのほぼ半分を占めました。次に重要だったのは歩行者の位置（特に横断歩道の上または近くにいたかどうか）、運転者がアルコールや薬物の影響下にあったか、運転者が携帯電話によって注意をそらされていたかどうかでした。歩行者の気を取られる行動や衣服の視認性、照明も影響しましたが、より小さい割合でした。

法廷支援からより安全な街路へ

アルゴリズムが判断しにくかった状況も残りました。とくに責任が正確に歩行者と運転者で半々に分かれるような稀なケースです。著者らはそのような境界的な状況は依然として人間の専門家が慎重に審査すべきだと主張しています。それでも、彼らが開発したツールは、過去の判決に一致するパターンを強調し、客観的でデータに基づく「セカンドオピニオン」を提供することで、裁判官や交通警察を支援し、専門家がより複雑な案件に集中できるようにすることができます。同時に、結果は予防のための明確な優先事項も示しています：免許規則の徹底、飲酒・薬物運転の取り締まり、運転中の電話使用の制限、横断歩道での歩行者保護などです。日常的な言い方をすれば、本研究はより賢いコンピュータとより安全な行動の両方が、責任の判断をより公平にし、そもそもこうした悲劇に遭う人を減らすのに役立つことを示しています。

引用: Moreno-Sanfélix, A., Gragera-Peña, F.C. & Jaramillo-Morán, M.A. Evaluation of the level of responsibility in pedestrian crashes using machine learning algorithms. Sci Rep 16, 12093 (2026). https://doi.org/10.1038/s41598-026-42875-4

キーワード: 歩行者の安全, 交通上の責任, 機械学習, 決定木, 道路交通事故