商用車フリートの安全のための AI ビジョン: 検出、指導、クレーム、展開

車両安全ガイド

ドライブレコーダーは商用車の保険コストや虚偽請求を削減しますか?

動画は、保険料を下げる以上に、車両の保険請求を守るのに役立ちます。 ほとんどの民間保険会社はカメラの割増クレジットを提供していないが、衝突前、衝突中、衝突後に何が起こったかについての中立的な記録は、トラック運転手に過失があるという仮定を打ち消すものである。ビジネスケースを構築する前に、自社の通信事業者の立場を確認してください。

• 請求の弁護: 映像は、「言葉対言葉」の論争ではなく、公平な説明を提供します。
• 調査証拠：アメリカ交通研究所の2023年の専門家調査では、ドライバーに面した映像があった事件の52％で、ドライバーは保険金請求において無罪となった。これらは調査の回答であり、対照比較ではありません。
• 保険料: AXA XL の報告によると、ほとんどの民間保険会社はカメラ使用に対する割引を提供できていません。通信事業者に問い合わせてください。
• 節約はどこから来るのか: 主に防御、不正行為の削減、および危険な運転を正すトレーニングの価値を主張します。

完全な内訳については、を参照してください。 賠償責任、請求、保険の変更点。

はじめに

AI ビジョンは、商用車両に対するベースラインの期待として扱われることが増えています。この層は、道路とドライバーを継続的に監視し、衝突の数秒前に危険を警告し、衝突後に記録を作成します。実際には、AI ビジョンとは、コンピューター ビジョンを使用してドライバーの状態、車両の周囲、危険な行動を検出し、検出した内容に基づいて行動するカメラベースのシステムを意味します。

「行動する」という言葉が最も重要な意味を持ちます。急ブレーキを記録してファイルに保管するカメラが証拠を生み出した。タクシー内で警報を発し、そのクリップを監督者に送り、指導会話を送信するカメラにより、予防効果が得られました。

このガイドはチェーン全体を通して機能します。

• システムが検出するもの。
• アラートとコーチングによって検出がより少ないイベントに変換される仕組み。
• 請求と訴訟に関して何が変わるのか。
• 中規模のフリートがテクノロジーをどのように評価し展開すべきか。
• プライバシーとドライバーの受け入れをどのように扱うか。
• 同じアーキテクチャがスクールバス、交通機関、鉱山、フォークリフトの運用にどのように適用されるか。

全体を通して 1 つの注意事項が適用されます。この分野の主要な衝突減少率の数値は、特定の設計、特定のコーチング プロトコル、および特定の車両群を対象とした少数の研究から得られています。これらは知っておく価値があり、特定の展開に関する約束としてではなく、実際の範囲で読む価値があります。以下のセクションでは、各数値をそのソースとその制限に関連付けたままにします。

AI ビジョンが商用車で何を検出するか

商用システムは通常 2 つのカメラの向きを組み合わせており、それぞれが異なる質問に答えるため、区別は重要です。

フリート カメラ システムに関する Future of Privacy Forum のガイドでは、これが実際に気を散らすためにどのように機能するかについて説明しています。システムは、個々のドライバーの自然な頭の位置を、運転に集中するためのベースラインとして学習し、そこからの逸脱にフラグを立てます。

車間距離は、これらのシステムがどのように構成可能であるかを示す有用な例です。 FPF ガイドでは、車両が危険なギャップを保持している時間を監視し、その時間がしきい値を超えたときに車内の音声アラートをトリガーし、フリート管理者がしきい値を延長または短縮できるコーチング用にイベントをアップロードするアルゴリズムについて説明しています。

継続的な監視を使用可能なデータに変えるメカニズムは、イベント トリガーです。 AAA 財団の分析では、標準的なパターンが説明されています。システムは、車両がオンになっているときは常に監視し、しきい値を超えたとき (0.3 g を超えるブレーキ イベントが例として挙げられます)、事前に定義されたウィンドウ (30 秒前と 60 秒後など) をメモリに保存します。一部のシステムでは、保存されたイベントを毎日ワイヤレスでマネージャーに転送します。

そのトリガーから 2 つの出力が生成され、それらを混同すると購入の意思決定が誤ってしまいます。一方には強く、他方には弱いシステムは部分的な解決策です。

このペアリングのハードウェア側は、ドライバーに面した DMS カメラと道路に面した ADAS カメラであり、通常は MDVR によって記録されます。を参照してください。 衝突防止ソリューションガイド、 ドライバーの疲労と注意散漫に関するガイド、そして 車両ビデオ監視ガイド 各レイヤーがどのように構築されるかについて。

システムが何を検出するかは製品によって大きく異なり、フリートの運用に合わせてしきい値をどの程度調整できるかも同様です。 2 車線の道路で危険物を輸送する運送業者と、ダウンタウンの固定ルートを運行する交通機関では、危険な車間距離の定義が異なるため、構成はそれを反映する必要があります。

検出がどのように予防になるか: アラートと構造化されたコーチング

検出だけでは何も変わりません。行動変化に関する証拠は、2 つのメカニズムが連携して機能していることを示しており、このペアに関する最も明確な研究は、それらを意図的に分離しています。

見出しの数字は異なるスケールにあるため、ここでは分けて記載します。いずれも、特定のフリートの墜落率を保証するものではありません。

この研究は、連邦自動車運送事業者安全局が後援し、ヒックマン氏とハノウスキー氏が実施したもので、100台のトラクター・トレーラーにビデオベースのイベントレコーダーを装備し、収益を生み出す通常の配送の連続17週間分のデータを収集した。

Soccolich と Hickman が要約したように、FMCSA の研究では、このプログラムにより重大な安全関連事象が 75.5 パーセント減少したことがわかりました。

このデザインは、数字が何を意味し、何を意味しないのかを説明しているため、立ち止まってみる価値があります。 75.5% の削減は、管理者のフォロースルーを伴うアクティブなコーチング プロトコルの下で測定されました。同じ分析では、プログラムに従わずにイベント レコーダーをインストールしただけでは、そのような結果は得られないことが明白に述べられています。テクノロジーは必要でした。コーチングがそれを機能させたものでした。

AAA 財団の便益と費用の分析は、より広範な証拠を視野に入れています。その文献レビューでは、ベンダーの Web サイトで公開されている 8 つのケーススタディと並んで、ビデオベースの車載安全モニタリングによる衝突軽減を評価する実証研究は 2 つだけ特定されました。

これら 2 つの実証研究では、システムが次のことを「防止できた可能性がある」ことが判明しました。

• 大型トラックの安全上重要なイベントの 38.1% ～ 52.2%。
• 大型トラック死亡事故の20％。
• 大型トラック傷害の35.5％は衝突事故。

「防止できた可能性がある」という表現は研究者独自のものであり、正確です。これらは、トラックの運転手が結果を防止または軽減するために何らかの行動をとった可能性がある衝突事故のモデル化された推定値であり、明らかに起こらなかった衝突事故の数ではありません。 AAA 財団は、分析に使用された有効率が現行世代のシステムの機能を表していない可能性があることにも警告しています。

NIOSH の取り組みにより、実用的な層が追加されました。その研究では、車内のドライバーのフィードバックと、ドライバーと車外を向いたビデオを使用した補足的な監督コーチングを組み合わせた車載監視システムにより、成果が向上することがわかりました。

雇用主に対する NIOSH のガイダンスは具体的です。

• プログラムを開始する前に、安全運転に対する明確かつ一貫した期待を伝えます。
• 安全な習慣を構築し維持するための積極的な方法としてシステムを提示します。
• 1 年間で過酷なブレーキング イベントを 50% 削減するなど、現実的な目標を設定します。
• 小さな報酬やチームの表彰によって達成を評価します。

実際に制御する変動フリートは、コーチングの品質です。何千もの未レビューのクリップを生成するプログラムには、安全性ではなく、文書化が自動化されています。監督者が管理可能な一連のイベントをレビューし、ドライバーと速やかに話し合い、目標を達成するプログラムが調査の削減の原因となっています。

賠償責任、請求、保険の変更点

商用車が巻き込まれた事故の後、中心的な問題は多くの場合、法律ではなく事実です。つまり、2 つの証言、感情的な場面、そして中立的な記録が存在しないということです。ビデオはその状況を変え、保険業界独自の解説はほとんどの保険会社が期待するよりも具体的です。

アメリカ交通研究所の2023年の報告書は、ドライバーに面したカメラの映像が入手できた事例について法律と保険の専門家を対象に調査を行った。これらの数字は専門家の報告内容を説明したものであり、カメラの有無による結果の管理された比較ではなく、調査の回答であり、そのように解釈されるべきです。

同報告書は、顕著な導入ギャップを記録している。2023 年の時点で、調査対象車両のうちドライバー向けカメラを使用しているのは 32 パーセントのみであるのに対し、道路向けカメラを使用しているのは 72 パーセントである。法的利益の証拠は、まさに採用率が最も低い場所で最も強くなります。

AXA XL の保険会社の視点でそのメカニズムを説明します。大型商用車が小型乗用車と衝突した場合、多くの場合、トラックの運転手がミスをしたと単純に考えられます。

保険料に関しては、保険会社が直接です。ほとんどの民間保険会社は、カメラ使用に対する保険料クレジットや割引を提供できませんでした。この節約は主に、保険金請求の弁護、不正行為の削減、および危険な運転を正すためのトレーニングの価値によってもたらされます。航空会社は、想定される割引に基づいてビジネスケースを構築するのではなく、自社の航空会社の立場を確認する必要があります。

賭け金は高まっています。 FPFのガイドは、民間航空会社に対する判決に関する調査を引用し、判決が100万ドルを超えた大型商用車に関する訴訟では、平均判決額が2010年の230万ドルから2018年には2,230万ドルに上昇したと報告している。そのような環境では、明確なビデオ記録は利便性というよりはむしろ金銭的保護の手段となる。

50 ～ 500 台の車両を保有する車両が AI ビジョンをどのように評価、試験運用、展開すべきか

50 ～ 500 台の車両を実行する車両の場合、テクノロジーに関する決定は管理可能です。その周りのプログラム設計が、ロールアウトが成功するか失速するかにかかっています。段階的なシーケンスでは、両方が視野に入れられます。

1. まず問題と成功指標を定義します。ベンダーとのミーティングに参加する前に、急ブレーキ、車間距離への追従、注意力散漫、シートベルト未着用など、クレームの原因となっている行動を特定し、テレマティクスをすでに導入している場合は発生率、クレームの頻度と重大度、インシデントが集中する特定のルートや拠点など、独自のベースラインを導き出します。成功とは何かを数値で表現できないフリートは、ベンダーのダッシュボードに表示されるものをすべて測定することになります。
2. デモンストレーションではなく、要件に対する最終候補リストを作成します。書き留める価値のある要件には、実際に必要な検出カテゴリ、アラートしきい値と車内フィードバックの構成可能性、既存のテレマティクスおよびバックオフィス システムとの統合、データ保持とアクセス制御、設置モデル、月々のサービス料金を含む総コストが含まれます。コストに関しては、AAA 財団の分析で 1 つのベンダーから得た数字が示されています。設置を含むハードウェアはトラック 1 台あたり 300 ドルから 750 ドルの範囲で、月々のサービス料金は 20 ドルから 60 ドルです。その諮問委員会は、モデリングの基本値として 525 ドルと 40 ドルを使用しました。これらを現在の市場価格としてではなく、その分析からの計画基準点として扱います。
3. 代表的なサブセットに対して制限付きパイロットを実行します。 FMCSA 調査のベースラインと介入のロジックを反映しています。つまり、フィードバックが無効になっている、またはコーチングがまだ開始されていない定義されたベースライン期間と、その後にアラートとコーチングがアクティブになっている介入期間が続きます。最新のトラックや最も協力的なオペレーターではなく、ルート、シフト、ドライバーを組み合わせてください。比較する内容 (1,000 マイルごとのイベント、カテゴリ別) を事前に定義すると、パイロットは印象ではなく答えを導き出します。
4. スケーリングする前に、ドライバーやスーパーバイザーと一緒にパイロットを確認してください。彼らは、正当な操縦に対して発せられるアラート、ルートに対して間違って設定されたしきい値、レビューが難しい映像など、管理者が見逃しているデータに気づくでしょう。フリート全体の打ち上げ前にこれらを修正する方が、打ち上げ後に修正するよりもはるかにコストが低くなります。
5. コーチング能力に合わせて段階的に展開します。コーチングの人件費には実際のコストがかかり、AAA 財団の感度分析では、これらのシステムの機器コストが比較的低いため、トレーニング時間の変動がプログラムの総コストに比較的大きな影響を与えることが判明しました。監督者がレビュー作業負荷を吸収できない場合、車両を追加しても未レビューのビデオが追加されるだけです。次のインストールをコミットする前に、ドライバーごとの 1 週間あたりのコーチング時間を計画します。

強調に値する証拠が 1 つあります。ベンダーの Web サイトで公開されているベンダーのケーススタディは、その割合がどれほど印象的であっても、マーケティングとして機能します。 AAA 財団は、2 つの実証研究とともに 8 つのそのような事例研究を数え、正当な理由により、それらを別のカテゴリーとして扱いました。あなたの運行に最も関連する証拠は、あなたのルート、ドライバー、コーチングプロトコルに基づいて収集されたあなた自身のパイロットデータです。

プライバシー、データ保持、ドライバーの受け入れ

ドライバー向けカメラは当然の疑問を引き起こしますが、それを設計上の問題ではなく通信上の問題として扱うのはよくある間違いです。調達時に行われるプライバシーの選択は、プログラムが後でどれだけの抵抗に遭うかを決定します。

法的な出発点は、多くの人が想定しているよりも狭いです。 FPF ガイドが説明しているように、職場の監視はかなり一般的であり、データの実践は主に法令ではなく会社のポリシーによって管理されています。ただし、この一般規則には、システムが何をキャプチャし、どこで動作するかによって例外があります。

州境を越えて活動するフリートは、一度に複数の体制の影響を受ける可能性があります。

米国外では、枠組みは再び異なります。EU では、識別可能なドライバーの車内ビデオは GDPR の下で個人データであり、通常、文書化された法的根拠、データ保護の影響評価、および明確な保存制限が必要です。車両が運行される各国の規則を確認してください。

法的暴露とドライバーの摩擦の両方を軽減する設計慣行は十分に確立されています。 FPF ガイドでは次のことを推奨しています。

• プライバシーバイデザインとプライバシー影響評価。
• データの最小化。
• 安全な保管。
• 何が収集され、どのように使用されるかについてドライバーに対する透明性。
• 役割ベースのアクセス制御。
• デバイス上、転送中、クラウド ストレージ内の暗号化。
• サードパーティプロバイダーとの書面による契約。

データの最小化は、日々の運用において最も重要です。継続的にアップロードするのではなく、過酷な運転イベントや危険な運転イベントが検出された場合にのみ送信するようにシステムを構成します。

この構成の選択は、「ビッグ ブラザー」の懸念にも直接答えることができます。

AXA XLは、選択したシステムにもよりますが、ビデオは通常、過酷な運転条件や危険な行為が検出されたとき、または衝突が発生したときにのみ送信され、車両のアイドリング時またはオフ時にはほとんどのカメラシステムがスリープモードに入る、と指摘しています。

修飾子は重要です。これは設定の関数であり、カテゴリの普遍的な特性ではありません。継続的なストリーミングを可能にするフリートは、異なる選択をしており、そう言うべきです。

受け入れはリリース前に構築されます。 NIOSH のガイダンスは次のとおりです。

• プログラムの開始前に、安全運転に対する明確かつ一貫した期待を組織内の全員に伝えます。
• 危険な行動がもたらす結果を説明します。
• システムを監視ツールとしてではなく、安全な習慣を生み出し、維持するための積極的な方法として提示してください。

AXA XL には実用的なステップが追加されています。複数のドライバーでパイロットを実行して、ドライバーがセットアップを確認し、質問し、提案できるようにします。 1 対 1 または小グループでディスカッションを開催し、質問から本当の答えを得ます。

道路に面したカメラよりも、ドライバーに面したカメラに対する抵抗が大きくなることが予想されます。 ATRI 導入のギャップ (32 パーセント対 72 パーセント) は、ドライバーと車両がトレードオフをどのように比較検討したかを適切に表すものであり、キャブ内カメラを導入する車両は、会話のためにより長い滑走路を計画する必要があります。

長距離トラック輸送を超えた AI ビジョン: スクールバス、交通機関、鉱山、フォークリフト車両

上で説明した検出と対応のアーキテクチャは、長距離トラック輸送に特有のものではありません。セグメントごとに変わるのは、ハザードプロファイルと規制の枠組みであり、各セグメントの証拠はそのセグメントとともに保管される必要があります。

採掘。 MSHA は、シャトルカー、機関車、フロントエンドローダーなどの機器が関与する 2025 年の動力輸送事故について次のように報告しています。 2 つの指標は異なる分母を使用しているため、シェアを直接比較することはできません。

同局は、露天採掘車両は数階建ての高さになる可能性があり、操縦者の目には見えない小型車両を破壊する可能性があると指摘しています。交通規制、訓練、注意力散漫防止に加えて、衝突警告および回避システムも役立ちます。

MSHA の 2023 年の最終規則では、鉱山経営者に対し、鉱山労働者とその代表者からの意見をもとに開発され、危険とリスクを特定した地上移動式機器の書面による安全プログラムを維持することが義務付けられています。

AI ビジョンは、プログラム自体の代替としてではなく、視界と近接の危険を制御するものとしてプログラムに組み込まれています。

フォークリフトや産業現場。 OSHA は、特定の故障モードに基づいて産業用トラックの危険を枠組み化しています。

• トラックが誤って荷積み場から転落する。
• ドックと安全を確保されていないトレーラーの間にリフトが落下。
• 作業員がリフトトラックに轢かれた。
• 高いパレットやタインからの落下。

小売店や倉庫環境では、歩行者の安全に特に課題があります。規制当局はトレーニングと認定を担当します。

• OSHA は、29 CFR 1910.178(l) に規定されているトレーニングと評価を正常に完了することで証明されるように、各オペレーターが有能であることを要求しています。
• 18 歳未満の者、または適切な訓練を受けていない 18 歳以上の者がフォークリフトを運転することは連邦法違反です。

AI ビジョン (歩行者検知、接近警報、見通しの悪い車両の死角をカバー) は、その要件を補います。代わりにはなりません。

スクールバス。乗客に隣接するリスクは種類が異なります。

• 積み下ろしゾーン。
• バスの前を横切る学生たち。
• 追い越し車によるストップアーム違反。

これらは、AI ビジョン システムが対応できる検出カテゴリです (停止時の歩行者の接近、後の取り締まりや教育のために捕捉されるストップ アーム イベント) ですが、このセグメントにおける衝突軽減の証拠は大型トラックに比べてはるかに薄いです。学区は独自のパイロットデータを主要な証拠として扱う必要があります。

トランジット。路線バスは、停留所での歩行者の接近、乗降のリスク、商業運行と同様にドライバーの疲労や注意力散漫にさらされることに加え、交通量の多い中での接近した運転に直面します。検出カテゴリは転送されます。しきい値とコーチングの優先順位は、高速道路の走行距離ではなく交通機関のデューティ サイクルに設定する必要があります。

4 つのセグメントすべてにわたって、公表されている有効性の最も強力な証拠は大型トラックに関するものである、というのが正直な立場です。このアーキテクチャは移植可能です。数字はそうではありません。各セグメントは、別のセグメントの結果を仮定するのではなく、独自の操作で検証する必要があります。

商用車フリートにおける AI ビジョンに関する質問

AlwayCare DMS およびレコーダーのオプション

MR830ADAS、BSD、ドライバー疲労アラートを備えたオールインワン DMS見積もりを依頼するMR910-D4 チャンネル 車載 MDVR を備えた DMS見積もりを依頼する

機能はモデルやファームウェアによって異なります。製品ページまたは見積書で正確なアラート、カメラの位置、プラットフォームを確認してください。

重要なポイント

AI ビジョンは、次の 3 つのことが同時に当てはまる場合に車両内での地位を確立します。つまり、検出が重要な問題に間に合うようにドライバーに到達し、監督者が記録されたイベントをドライバーが罰ではなくサポートとして経験するコーチングに変換し、収集されたデータが限定され、安全であり、説明されます。どれか 1 つを削除すると、システムは劣化し、無音のレコーダー、無視されたダッシュボード、または苦情に変わります。

チェーンは、検出から予防、保護まで続きます。

• 防止。 運転室内のアラートと構造化されたコーチングは行動の変化が起こる場所であり、FMCSA が後援した研究による重大な安全関連事象の 75.5% の減少は、インストールだけによるものではなく、アクティブなコーチング プロトコルによってもたらされました。
• 証拠。 AAA 財団のモデル化された推定値 (システムが安全上重要なイベントの 38.1% ～ 52.2% を防止した可能性がある) は、現世代のシステムでは動作が異なる可能性があるという財団自身の警告とともに、実際のプログラムの下での実際の可能性の証拠として読むのが最も適切です。
• 保護。 事故の後、ほとんどの保険会社が未だに保険料の割引を行っていないにも関わらず、ATRIが調査した専門家らは、ドライバーの請求や訴訟の約半分で無罪を証明していると、指導を裏付けた同じ映像が不公平な記録となる。

展開の規律は地味で決定的です。ベンダーより先に指標を定義し、実際のベースラインを使用して代表的なサブセットを試験運用し、システムの下で生活する人々と結果をレビューし、注文書ではなくコーチング能力に基づいて段階的に導入します。

現世代システムに関する証拠はまだ開発中であり、今後も開発され続けるでしょう。これは、待つべきではなく、自分自身の運用で測定すべきという議論です。次の具体的なステップは、最初のベンダー会議に参加する前に、成功指標とパイロットの範囲 (ターゲット行動、基準となるイベント発生率、保険金請求データ、車両とドライバーの組み合わせ) を書き留めることです。

このスタックを構築するフリートについては、関連ガイドでハードウェア層がカバーされています。 衝突防止、 ドライバーの疲労と注意散漫、 車両ビデオ監視、 車載カメラ、 フリート管理 そして 車両安全規制。パイロットについて話し合うには、 お問い合わせ。

主張と証拠がより広範な AI ビジョン プログラムにどのように適合するかについては、以下を参照してください。 フリートビデオと保険請求: 請求証拠ワークフローの構築。

1か所にまとめられた衝突警報装置のオプションについては、 商用車向け衝突防止ソリューション。

1 か所でのドライバー監視オプションについては、 疲労や注意力散漫を警告するドライバー監視ソリューション。

レコーダーとビデオ プラットフォームのオプションを 1 か所にまとめたものについては、 車両監視ビデオソリューション。

これらのシステムの背後にあるルールについては、 車両安全規制ガイド。