Media > AI活用ユースケース > 物流 > ドライブレコーダーの映像から、危険な運転の場面を拾って指導に使う

ドライブレコーダーの映像から、危険な運転の場面を拾って指導に使う

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

ドライブレコーダーが記録したイベント映像を入力に、実際に危険があった場面と、段差などによる誤検知を分けます。安全運転管理者の作業は、全件の映像を見ることから、絞り込まれた場面を見て指導の材料にすることに変わります。

サマリー
利用ツール
Azure AI/ChatGPT/Claude/Gemini/Google Vertex AI/Python
対象業界
医療/小売/建設/物流
対象部門
物流
対象業務
内容確認・チェック/分類・仕分け
主な課題
人手が足りない/属人化している/確認ミスが多い
AIで行う処理
画像認識
主な効果
品質標準化/工数削減/機会損失防止
導入難易度
★★★★☆
実装レベル
本格構成
費用感
個別開発(大)
人間の確認
条件付き
現在工数
93.3h/月
AI導入後
28h/月
想定削減
70%
年間削減
784h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. ドライブレコーダーが、加速度のしきい値を超えたときに前後の映像を記録する
  2. 映像が事務所のサーバまたはクラウドに送られる
  3. 安全運転管理者が、イベントの一覧を開く
  4. 加速度の大きい順に映像を再生する
  5. 何が起きたかを見て判断する(危険だった/段差だった/荷崩れだった)
  6. 危険だった場合、記録に残してドライバーに声をかける
  7. 月次で、事故・ヒヤリの件数を集計する
  8. 安全会議で傾向を共有する
導入後(After)
  1. ドライブレコーダーがイベント映像を記録する
  2. 自動映像を取り込み、前後の数秒を静止画に切り出す
  3. 自動場面を判定する(前方車両への接近/歩行者・自転車の接近/信号/一時停止/車線/段差・荷崩れ)
  4. 自動走行データ(速度、加速度、位置)と照らす
  5. 自動誤検知の可能性が高いものを分ける
  6. 自動危険の種別ごとに分類し、確認の優先度を付ける
  7. 安全運転管理者が、優先度の高いものから映像を見る
  8. 指導が必要なものを判断し、ドライバーと一緒に映像を見る
  9. 自動月次で、危険の種別・時間帯・場所の傾向を集計する
  10. 安全会議で傾向を共有し、対策を決める
各工程の詳しい説明を読む
  1. ドライブレコーダーが、加速度のしきい値を超えたときに前後の映像を記録する
  2. 映像が事務所のサーバまたはクラウドに送られる
  3. 安全運転管理者が、イベントの一覧を開く
  4. 加速度の大きい順に映像を再生する
  5. 何が起きたかを見て判断する(危険だった/段差だった/荷崩れだった)
  6. 危険だった場合、記録に残してドライバーに声をかける
  7. 月次で、事故・ヒヤリの件数を集計する
  8. 安全会議で傾向を共有する

問題は5つあります。

(a)誤検知が多い。 加速度センサーは、段差の乗り越え、荷崩れ、坂道での発進でも反応します。月1,400件の6割以上が、運転とは関係のない記録です。

(b)全件を見きれない。 1件4分×1,400件=93時間。3名では上位300件が限界です。

(c)拾えていないヒヤリがある。 加速度のしきい値を超えなくても、危険な場面はあります。「歩行者の直前を通過した」は、急ブレーキを踏まなければ記録されません。

(d)指導が抽象的になる。 「危なかったから気をつけて」で終わります。何がどう危なかったかを、映像を一緒に見ながら説明する時間がありません。

(e)ドライバーの反発がある。 「見張られている」と受け取られ、イベントが鳴ったことを報告しないドライバーがいます。

  1. ドライブレコーダーがイベント映像を記録する
  2. 【自動】 映像を取り込み、前後の数秒を静止画に切り出す
  3. 【自動】 場面を判定する(前方車両への接近/歩行者・自転車の接近/信号/一時停止/車線/段差・荷崩れ)
  4. 【自動】 走行データ(速度、加速度、位置)と照らす
  5. 【自動】 誤検知の可能性が高いものを分ける
  6. 【自動】 危険の種別ごとに分類し、確認の優先度を付ける
  7. 【人】 安全運転管理者が、優先度の高いものから映像を見る
  8. 【人】 指導が必要なものを判断し、ドライバーと一緒に映像を見る
  9. 【自動】 月次で、危険の種別・時間帯・場所の傾向を集計する
  10. 【人】 安全会議で傾向を共有し、対策を決める

自動化されるのは「切り出す」「判定する」「照らす」「分ける」「集計する」の5つです。残るのは「指導すること」で、これは人にしかできません。

02今回想定するシステム構成

構成図
ドライブレコーダー(イベント映像 + 走行データ)
   │
   ▼ 事務所サーバ/クラウド
   │
   ▼【トリガー】毎日 深夜(スケジュール実行)
Python のバッチ処理
   │
   ├──▶ 映像から静止画を切り出す(イベント前後 各5秒・1秒間隔)
   │
   ├──▶ Azure AI Vision / 画像を扱う生成AI
   │       ├─ 前方車両との距離の変化
   │       ├─ 歩行者・自転車の有無と位置
   │       ├─ 信号・標識・停止線
   │       └─ 車線・路面の状態
   │
   ├──▶ 走行データとの照合(速度・加速度・位置・時刻)
   │
   ├──▶ 誤検知の判定(段差・荷崩れ)
   │
   ├──▶ LLM API ── 場面の要約 + 確認の観点
   │
   ▼
イベントの一覧(優先度つき)──【安全運転管理者が確認】
   │
   ▼
指導(ドライバーと一緒に映像を見る)
   │
   ▼【毎月】
危険の種別・時間帯・場所の傾向 ── 安全会議へ
役割想定する製品代替候補
実行環境Python個別開発
処理Azure AI VisionGoogle Vertex AI、Gemini(画像入力)
生成AIClaude APIOpenAI API、Gemini API
ドライブレコーダー通信型ドライブレコーダー
出力先スプレッドシート/社内WebアプリBIツール

映像の自動解析機能を持つ車両管理サービスが多数あります。 危険挙動の検知、ドライバーのスコアリング、日報の自動作成まで提供される製品です。まずそれを検討してください。

自前で組む価値があるのは、既存のドライブレコーダーを入れ替えずに誤検知を減らしたい場合と、「スコアリングをしない」方針を貫きたい場合です。 多くの車両管理サービスは、ドライバーごとの点数を出す機能を持っています。 その機能を使わない運用にできるかを、導入前に確認してください。

03どうやって実装するのか

Step1

処理の起点を決める

毎日深夜に、前日分のイベントを一括処理します。 翌朝、安全運転管理者が優先度つきの一覧を見られる状態にします。

リアルタイムの処理は行いません。 運転中に警告を出す機能は、ドライブレコーダー本体が持つものです。この構成は、事後の確認を対象にしています。

ただし、重大な場面だけは当日中に通知してください。 「歩行者との接触に至りかねない場面」は、翌朝ではなく、その日のうちに本人と話す必要があります。

Step2

入力データを集める

データ中身取得元
イベント映像前方カメラ、(あれば)車内カメラ、イベント前後10〜20秒ドライブレコーダー
走行データ速度、加速度(前後・左右)、位置、時刻ドライブレコーダー
運行記録配送ルート、積載状況、運行時間運行管理システム
車両マスタ車種、積載量、車両番号車両管理
危険の種別の定義何を「危険」として扱うかの分類安全運転管理者(文書化が必要
誤検知のパターン段差、荷崩れ、坂道発進などの特徴運用で蓄積
地図・道路の情報交差点、踏切、通学路、事故多発地点地図サービス
過去の指導記録指導の内容と、その後の経過安全運転管理者

「危険の種別の定義」を先に固めてください。

種別内容
前方車両への接近車間距離が急に詰まった
歩行者・自転車への接近歩行者や自転車の近くを通過した/急に現れた
一時不停止停止線で止まらなかった
信号の見落とし黄・赤での進入
車線のはみ出しセンターラインを越えた
急な進路変更合図なしの車線変更
誤検知段差、荷崩れ、坂道発進、車両の整備不良
判断不能映像が不鮮明、夜間で見えない

「誤検知」を種別の1つとして明示的に持つことが重要です。 「危険ではなかった」ではなく「そもそも運転とは関係なかった」を区別します。

「誤検知のパターン」は運用で蓄積します。 「この配送センターの出口には段差があり、毎日イベントが鳴る」といった情報が、位置情報と結びつけば自動で除外できます。

Step3

データの取得方法を決める

映像: 通信型のドライブレコーダーは、イベント発生時に映像をクラウドへ送ります。APIで取得できるかは製品によります。 取得できない場合は、事務所でSDカードから吸い上げる運用になり、日次の処理は難しくなります。

静止画の切り出し: 映像全体を解析すると処理が重くなります。イベント前後の各5秒を、1秒間隔で静止画にします。 1イベントあたり10〜11枚です。

走行データ: 速度と加速度の波形が、誤検知の判定に効きます。段差は上下方向の加速度が大きく、前後方向は小さくなります。 急ブレーキは前後方向が大きくなります。この区別は、映像を見なくても走行データだけでかなり付きます。

地図情報: 位置情報から、交差点・踏切・通学路かどうかを判定します。同じ加速度でも、通学路での急ブレーキは優先度が上がります。

Step4

AIへ渡す前に整形する

  1. 走行データによる一次判定 … 加速度の方向と波形から、段差・荷崩れの可能性が高いものを分けます。映像を解析する前に、ここで絞り込みます
  2. 位置による除外 … 過去に誤検知が多発している地点(配送センターの段差など)を除外候補にします
  3. 静止画の切り出し … イベント前後各5秒を1秒間隔で切り出します
  4. 画質の判定 … 夜間、逆光、雨で判定できない映像を分けます
  5. 車内カメラの分離 … 車内カメラの映像がある場合、この構成では使いません(後述)
  6. 走行データとの時刻合わせ … 映像のフレームと走行データの時刻を対応づけます

1番目が効きます。 走行データだけで誤検知の半分近くを分けられれば、映像を解析する件数がそれだけ減ります。 処理の費用も下がります。

Step5

AIに処理させる

処理内容
前方車両の検出前方に車両があるか、距離が急に詰まったか
歩行者・自転車の検出画面内に歩行者・自転車がいるか、その位置
信号・標識・停止線の検出信号の色、一時停止の標識、停止線の有無
車線の検出車線をはみ出していないか
路面・天候の判定雨、夜間、逆光といった条件
場面の要約何が起きたかを、安全運転管理者が読める形にする
確認の観点の提示「この場面では、交差点への進入速度を確認してください」

AIに次のことをさせないでください。

させないこと理由
ドライバーの評価・点数づけこの構成の方針。監視になった時点で機能しなくなる
「危険運転だった」という断定状況の判断は安全運転管理者が行う
過失の割合の判断事故の場合は保険会社と当事者の問題
車内カメラからのドライバーの状態の判定眠気・わき見の判定は、監視の性格が強い(後述)
指導の内容の作成指導は、人が本人と話して行うもの
「このドライバーは運転が荒い」といった傾向の記述個人への評価

車内カメラについて、方針を明確にしてください。

車内カメラの映像から、眠気、わき見、スマートフォンの操作を判定する技術があります。安全上の意義は明らかですが、常時、従業員の顔と姿勢を機械が判定することになります。 導入するなら、目的、判定する内容、記録の扱い、評価に使わないことを明示し、従業員に説明して合意を得てください。 この構成では、前方カメラだけを対象にする設計にしています。

Step6

指示内容を固定する

あなたは、ドライブレコーダーの映像を確認する安全運転管理者を支援する担当者です。
静止画の連続から、何が起きたかを整理してください。

【厳守事項】
- ドライバーを評価しないでください。
  「危険な運転です」「不注意です」「運転が荒い」と書かないでください。
  映像から見える事実だけを記述してください。
- 過失や責任について述べないでください。
  「ドライバーに非があります」「相手車両の問題です」と書かないでください。
- 映像から見えないことを推測しないでください。
  「おそらく脇見をしていたと思われます」と書かないでください。
  見えない場合は "判断できない" としてください。
- 歩行者や他車の運転者について、年齢・性別・服装・人相を記述しないでください。
  「歩行者が1名、左から横断」のように、位置と動きだけを書いてください。
- 車両のナンバープレートの数字を読み取らないでください。
  記載も転記もしないでください。
- 画質が悪く判定できない場合は、
  scene_type を "judgment_not_possible" とし、理由を書いてください。
  推測で判定しないでください。
- 確認の観点は、安全運転管理者が映像を見るときに
  どこに注目すればよいかを示してください。
  「安全運転を心がけましょう」のような一般的な注意を書かないでください。
- 走行データと映像が食い違う場合は、両方を並べて示してください。
  どちらかを正しいと決めないでください。

【危険の種別の定義】
{hazard_categories}

【この地点の過去の誤検知の記録】
{known_false_positives}

【走行データ】
速度: {speed_series} / 加速度(前後): {accel_x} / 加速度(上下): {accel_z}
位置: {location} / 時刻: {timestamp} / 道路の種別: {road_type}

【静止画(イベント前5秒〜後5秒、1秒間隔)】
(画像)

「ドライバーを評価しないでください」の1行が、この構成の方針そのものです。 これを書かないと、「危険な運転です」という記述が記録に残ります。その記録が人事評価の資料になった瞬間に、この仕組みは信頼を失います。

「歩行者の年齢・性別・服装を記述しない」も必ず入れてください。 映像に写っているのは、自社と関係のない第三者です。その人の特徴を記録に残す理由がありません。

Step7

出力形式を固定する

{
  "event_id": "",
  "vehicle_id": "",
  "occurred_at": "",
  "location": { "lat": 0, "lon": 0, "road_type": "", "near_school_zone": false },
  "sensor_judgment": {
    "accel_direction": "longitudinal | lateral | vertical",
    "likely_false_positive": false,
    "basis": ""
  },
  "scene_type": "vehicle_approach | pedestrian_approach | no_stop | signal | lane_departure | abrupt_lane_change | false_positive | judgment_not_possible",
  "observations": [
    { "time_offset_sec": 0, "description": "" }
  ],
  "visibility": "clear | night | rain | backlight | poor",
  "priority": "same_day | high | normal | low | excluded",
  "priority_basis": [],
  "check_points": [],
  "matched_known_false_positive": false,
  "needs_review": []
}

ドライバーIDがこのスキーマに存在しません。 意図的です。

確認の段階では、誰が運転していたかは不要です。 場面の危険度で優先度を付け、安全運転管理者が見て「指導が必要」と判断した時点で、運行記録から運転者を特定します。 この順序にすることで、「特定のドライバーの映像を重点的に見る」という運用を避けられます。

priority: same_day は、その日のうちに本人と話すべき場面です。 歩行者・自転車への接近、通学路での事案がここに入ります。

observations は時刻ごとの記述です。 「3秒前:前方に車両。2秒前:車間が詰まる。1秒前:ブレーキランプ点灯」という形で並べると、安全運転管理者が映像を見る前に状況を把握できます。

check_points は、映像を見るときの観点です。 「交差点への進入速度」「前方車両との車間」といった、具体的に確認する点を示します。

なお、Claude API には出力をJSONスキーマに沿わせる構造化出力の機能があります(2026-09-17時点ではベータ機能として提供)。件数が多く機械処理なので、利用できると安全です。

Step8

システムへ連携する

つなぐ先内容
ドライブレコーダー(読み取り)イベント映像と走行データの取得
運行管理システム(読み取り)配送ルート、積載状況。運転者の特定は指導の判断後
地図サービス位置から道路の種別、通学路かを判定
スプレッドシート/社内Webアプリイベントの一覧と、確認の記録
安全運転管理者への通知same_day の場面を即時に通知

ドライバーへの通知を自動化しないでください。 「あなたの運転でイベントが検知されました」という自動通知は、指導ではありません。 映像を一緒に見て話すことが指導です。

月次の集計は、危険の種別・時間帯・場所で行ってください。 ドライバー別の集計を標準の機能として作らないでください。作れば、必ず使われます。

Step9

人が確認する

優先度の高いものから、安全運転管理者が映像を見ます。

優先度対象対応
same_day歩行者・自転車への接近、通学路での事案その日のうちに本人と映像を見る
high前方車両への接近、一時不停止、信号数日以内に確認し、必要なら指導
normal車線のはみ出し、急な進路変更週次でまとめて確認
low危険度が低いと判定されたもの月次で抜き取り確認
excluded誤検知と判定されたもの月次で抜き取り確認する(判定の精度を見るため)
judgment_not_possible画質不良人が見る。自動で除外しない

excluded の抜き取り確認を必ず行ってください。 誤検知として除外したものの中に、本当の危険が混ざっていないかを確かめます。月に20〜30件を抜き取って見るだけで、判定の精度が分かります。

指導は、映像を一緒に見ながら行ってください。 「先週こういうことがありました」と口で言うより、映像を見せて「このとき、どう見えていましたか」と聞くほうが伝わります。 この時間を確保することが、削減した時間の使い道です。

Step10

例外に対処する

起きること対応
画質が悪く判定できないjudgment_not_possible とする。推測で判定しない
夜間・逆光で見えない同上。人が見る
走行データと映像が食い違う両方を提示する。どちらかを正しいと決めない
同じ地点で毎日イベントが鳴る誤検知のパターンとして登録する。根本は道路や積載の問題
荷崩れによるイベント誤検知として扱うが、荷崩れ自体は別の問題として記録する
事故が発生したこの構成の対象外。 事故の映像は保険会社・警察への提出物であり、別の手順で扱う
他車のナンバープレートが写っている読み取らない。記録に残さない
歩行者の顔が写っている特徴を記述しない。映像の保管期間を定める
ドライバーが映像の削除を求めた削除の可否は社内の規程による。事前に方針を決めておく
車内カメラの映像があるこの構成では使わない。 使うなら別途の合意が必要
特定のドライバーにイベントが集中している個人の問題と決めつけない。 担当ルート、時間帯、車両を確認する
事故が起きた後に過去の映像を遡って見る事後の材料集めにこの構成を使わない。規程に従う
Step11

記録を残す

  • イベント映像(保管期間を定める
  • 走行データ
  • 場面の判定結果と、判定の根拠
  • 安全運転管理者が判定を修正した内容と、修正前後
  • 指導の記録(日付、内容、本人の反応)
  • 月次の集計(種別・時間帯・場所)
  • excluded の抜き取り確認の結果

映像の保管期間を必ず定めてください。 ドライブレコーダーの映像には、自社と関係のない歩行者・他車の映像が含まれます。 必要な期間を超えて保管する理由がありません。事故に関わる映像は別の扱いになります。

ドライバー別の集計を標準のレポートにしないでください。 必要な場面(明らかな繰り返しがある場合)は、安全運転管理者が個別に確認します。常時見える形にすると、それが評価に使われます。

アルコールチェックの記録は、この構成とは別です。 道路交通法施行規則に基づき、確認の内容を記録して1年間保存することが義務づけられています。混同しないでください。

04実装レベルの3段階

最小構成:(なし。走行データによる一次判定を手作業で検証する) / 検証のみ
半自動化:走行データによる誤検知の一次判定だけを自動化し、映像の確認は人が行う / 一次判定
本格構成:上記+映像からの場面の判定+優先度づけ+月次の傾向集計 / 指導以外のすべて

半自動化の段階に価値があります。 走行データだけで誤検知の4割前後を分けられるなら、映像の確認件数がそれだけ減ります。 実装も軽く、費用もかかりません。映像の解析に進む前に、この段階で1〜2か月運用してください。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
3 名
月間件数
1,400 件
1件あたり現在時間
4 分
1件あたり導入後時間
1.2 分
現在  1,400件 × 4分 ÷ 60 = 93.3 時間/月
導入後 1,400件 × 1.2分 ÷ 60 = 28 時間/月
月間削減時間
65.3h
削減率
70%
年間削減時間
784h
年間金額換算(時間単価3,000円)
235万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 業務で使用する車両が30台以上あり、ドライブレコーダーを全車に搭載している企業。安全運転管理者を選任していること。イベント映像の確認が月300件以上あり、確認しきれていないこと。
向いていない
  1. 車両が10台以下で、管理者が全映像を確認できている場合。すでに映像の自動解析機能を持つ車両管理サービスを利用している場合。ドライブレコーダーを搭載していない場合。

07最小構成で試す方法

この構成には、AIを使わずにできる検証があります。それを先にやってください。

  1. 直近1か月のイベント映像から100件を無作為に選ぶ
  2. 安全運転管理者が全件を見る
  3. 「実際に危険があった」「誤検知だった」「判断できない」に分けて数える

見るのは1点だけです。

結果判断
誤検知が5割を超えるこの構成には価値があります。 その分を減らせれば、本当の場面に時間を使えます
誤検知が2割以下絞り込みの効果は小さい。別の課題(確認時間の短縮)を狙う

あわせて、走行データだけで誤検知が分けられるかを試してください。

  1. 上記100件について、加速度の方向(前後/左右/上下)を確認する
  2. 上下方向の加速度が大きいものが、段差の誤検知と一致するかを見る

この検証で、AIを使わずに何割を分けられるかが分かります。 走行データだけで4割を分けられるなら、映像の解析にかける費用が4割減ります。

次にAIの部分を試します。

  1. 映像から静止画を切り出した20件を、画像を扱える生成AIに渡す
  2. 場面の判定をさせる
  3. 安全運転管理者の判断と比べる

見るのは次の4点です。

見る点判断
誤検知を正しく分けられたか分けられれば、絞り込みに使える
ドライバーを評価する記述がないかあったら、プロンプトを強める。ここが最重要
歩行者の特徴を記述していないかしていたら同上
判定できない場合に、そう申告しているか推測していたら危険

そして、導入の前にドライバーへの説明を行ってください。 何のために使うのか、評価には使わないこと、映像の保管期間。説明せずに始めると、この構成は失敗します。

08実装時につまずきやすいポイント

問題対策
ドライバー別のスコアが作られるスキーマにドライバーIDを持たない。集計は種別・時間帯・場所で行う。最重要
AIが「危険運転です」と評価するプロンプトで禁止する。評価語を機械的に検査する
歩行者の特徴が記録に残る記述させない。位置と動きだけにする
ナンバープレートを読み取る読み取らせない。記録に残さない
走行データを使わず映像だけで判定する走行データで先に絞る。費用が4割変わる
画質不良を推測で判定するjudgment_not_possible にする。人が見る
excluded を抜き取り確認しない月20〜30件を見る。判定の精度が分からなくなる
車内カメラを断りなく使う使わない。使うなら別途の説明と合意が必要
ドライバーに自動通知するしない。指導は映像を一緒に見て行う
映像の保管期間を定めない定める。第三者の映像が含まれる
ドライバーへの説明なしに始める先に説明する。説明なしでは反発を招き、機能しない
事故の映像をこの構成で扱う対象外にする。保険・警察への提出物は別の手順

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 車両の前方映像、走行データ、位置情報、運行記録。映像には歩行者・他車の運転者という第三者が写り、走行データと位置情報からはドライバーの行動が分かります。

  1. 評価・処分に使わない … これがこの構成の方針です。方針として明文化し、ドライバーに説明してください。 評価に使われると認識された時点で、イベントの報告が行われなくなり、安全のための仕組みが機能しなくなります
  2. ドライバーへの事前の説明と合意 … 何のために映像を確認するのか、誰が見るのか、どう使うのか、保管期間はどれだけか。導入前に説明してください。 労働組合がある場合は、協議の対象になり得ます
  3. 第三者の映像 … 歩行者、他車の運転者、ナンバープレートが写ります。特徴を記述させない、ナンバーを読み取らせない、保管期間を定める、の3点を守ってください
  4. 位置情報の扱い … 走行ルートと時刻は、ドライバーの行動履歴です。業務上必要な範囲に限って扱ってください
  5. 車内カメラ … 導入するかどうかは別の判断です。眠気・わき見の判定は監視の性格が強く、目的・内容・扱いを明示した合意が必要です。 この構成では前方カメラのみを対象にしています
  6. 外部AIへの入力可否 … 映像を外部サービスに送ることになります。第三者が写った映像を外部に送ることの可否を、法務に確認してください。 テナント内で処理が完結する構成を選ぶ判断も合理的です
  7. 学習利用 … 入力を学習に使わないことが契約で保証されるサービスを選びます。第三者の映像を扱う以上、必須条件です
  8. アルコールチェックの記録との区別 … 道路交通法施行規則により、酒気帯びの確認の記録は1年間の保存が義務づけられています。この構成の映像の保管とは別の要件です。 混同しないでください
  9. 自動実行してよい範囲 … 場面の判定と優先度づけまでです。指導の要否の判断、ドライバーへの連絡、指導そのものは、必ず人が行います

誤りが起きた場合のリスクは、危険な場面の見落としと、この仕組みが監視と受け取られることによる信頼の喪失です。後者のほうが回復が難しくなります。

10まず何から始めるか

1週目:誤検知の割合を数える

イベント映像100件を無作為に選び、安全運転管理者が全件を見て、「実際に危険があった」「誤検知」「判断できない」に分けて数えます。 半日かかりますが、この数字が出発点です。

2週目:走行データで分けられるかを試す

同じ100件について、加速度の方向を確認し、上下方向が大きいものが段差の誤検知と一致するかを見ます。 一致率が高ければ、映像解析なしで4割を分けられます。

3週目:ドライバーに説明する

導入の目的、評価に使わないこと、誰が見るのか、保管期間を説明します。質問を受ける場を設けてください。 ここを飛ばすと、後から必ず問題になります。

4週目:走行データによる一次判定を作る

加速度の方向と位置情報で、誤検知の候補を分ける処理を作ります。この段階ではAIを使いません。 1か月動かし、除外の精度を抜き取りで確認します。

2〜3か月目:映像の判定を試す

静止画の切り出しと場面の判定を20〜50件で試し、安全運転管理者の判断と比べます。ドライバーを評価する記述がないかを必ず確かめてください。

4か月目以降: 本格構成に進みます。4分が何分になるかを実測し、削減した時間を「映像を一緒に見る指導」に使っているかを確認してください。 そこに使われていなければ、この構成は単なる工数削減で終わります。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-09-17/最終更新:2026-09-17
確認した内容情報源確認日
一定台数以上の自動車を使用する使用者は、自動車の使用の本拠(事業所等)ごとに安全運転管理者を選任する必要があること。目視等による運転者の酒気帯びの有無の確認と、その内容を記録して1年間保存することが義務づけられていること(令和4年4月1日施行)。アルコール検知器を用いた確認、その記録の1年間保存、検知器の常時有効な保持が義務づけられていること(令和5年12月1日施行)。選任義務違反の罰則が5万円以下の罰金から50万円以下の罰金に引き上げられたこと(令和4年10月1日施行)警察庁:安全運転管理者の業務の拡充等2026-09-17
画像を扱う生成AIで、複数の静止画をまとめて入力できること。画像のサイズによってトークン数が変わることGoogle AI for Developers: Image understanding2026-09-17
Claude API に、出力をJSONスキーマに沿わせる構造化出力の機能があること(2026-09-17時点ではベータ機能)Claude Platform Docs: Structured outputs2026-09-17

安全運転管理者の選任が必要な台数、業務の内容、記録の保存期間は道路交通法および同法施行規則の定めによります。この部分は警察庁および所轄の警察署の案内を確認してください。 ドライブレコーダーの映像を従業員の管理に用いることについては、労働法制および個人情報保護法の観点から、法務部門への確認と従業員への説明が必要です。ドライブレコーダーからの映像・走行データの取得方式は、製品によって異なります。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。事故の削減効果は、根拠がないため数値化していません。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-0120)についてのご相談はこちらから。

AI活用について相談する
目次