JP2010054266A - 浸水予測装置 - Google Patents

Abstract

【課題】所定領域における浸水の有無を降雨量に基づいて予測する浸水予測装置を提供する。
【解決手段】予め過去の浸水発生日の浸水範囲データと降雨量データ、加えて検討降雨量データをデータベース１３に保存させる。まず、解析に使用する浸水範囲データと降雨量データを選択し、入力部１５等を介してメッシュ分割条件と浸水面積比を設定する。ＣＰＵ３は、浸水範囲データをメッシュ分割条件に沿ってメッシュ分割し、各メッシュ領域内の浸水面積のメッシュ領域面積に対する比と、設定された浸水面積比とを比較し、浸水有無データを作成する。次に、ＣＰＵ３は浸水有無データと降雨量データに対しサポートベクターマシンを用いた機械学習を行い、予測基準データを作成する。続いて、ＣＰＵ３は予測基準データを用いて検討降雨量データに対する浸水予測を行い、浸水予測データを作成し、表示部７に浸水予測データの表示を行う。
【選択図】図２

Description

本発明は、所定領域における浸水の有無を降雨量に基づいて予測する浸水予測装置に関する。

従来、水害予測を行う際には、時々刻々と変化する降雨量や、地形データあるいは地表面の人工物、排水特性などの物理量データを入力し、水理学的に浸水領域を数値シミュレーションすることが行われてきた。特許文献１はその例であり、下水道データ、河川データ、地形データ、建物データ、気象データ等から対象地域の浸水や管渠、河川の流量等を算出する水害解析システムが示されている。
一方、上記のように物理量データを入力せずに、自然災害の予測を行う方法もある。特許文献２はその例であり、各地域における降雨データと土砂災害発生・非発生の実績情報を用いて解析モデルによる演算を行い、土砂災害の発生限界線等を求める防災事業計画支援システムが示されている。
特許第４０８３６２５号公報 特許第３６７４７０７号公報

しかし、前者のように、時々刻々と変化する降雨量や地形データ、地表面の人工物や排水特性などを考慮し、水理学的な浸水領域の数値シミュレーションを行うことは、その入力過程や演算過程においてコストがかかり、操作が難しいという欠点がある。
過去の実績データより土砂災害を予測する後者の場合、上記のような問題は解決される。
一方、本発明の目的のように浸水災害を対象とする場合を考える。浸水災害は、自然条件に加えて、排水設備など複雑に配置される社会基盤の影響も大きい。この点から考えると、浸水予測は、目的に応じて細かい領域から広い領域を単位として簡易に分析や予測、結果表示ができるものであることが望ましい。

本発明は、前述した問題点に鑑みてなされたもので、その目的は降雨量に基づいて所定領域内の浸水の有無を予測する浸水予測装置を提供することである。

前述した目的を達成するために第１の発明は、所定領域における浸水の有無を予測する浸水予測装置であって、所定領域の過去の浸水発生時における浸水範囲のデータを所定領域の地図データと共に示す浸水範囲データと、過去の浸水発生時における降雨量データと、検討降雨量データと、を入力する入力手段と、メッシュ分割条件と、浸水判定基準とを設定するパラメータ設定手段と、浸水範囲データをメッシュ分割条件に基づいてメッシュ分割し、各メッシュ領域について浸水判定基準により浸水の有無を判定し、浸水有無データを作成する浸水判定手段と、浸水有無データと降雨量データに対して機械学習モデルを適用し、各メッシュ領域における浸水の有無を降雨量より予測する浸水予測基準データを作成する機械学習手段と、検討降雨量データと浸水予測基準データより、検討降雨量データの降雨量時の各メッシュ領域における浸水の有無を予測する浸水予測データを作成する予測計算手段と、浸水予測データを、所定領域の地図データと共に表示可能な表示手段とを有することを特徴とする、浸水予測装置である。

ここで、降雨量データとは、浸水発生時の複数の観測地点における降雨量のデータである。検討降雨量データとは、複数の観測地点のそれぞれに降雨量として任意の値をあてはめたデータであり、様々な降雨状況を模擬するために用いる。
機械学習モデルは、入力されたデータを対象に解析を行い、そのデータに潜む規則や判断基準などを抽出するものである。抽出した規則や判断基準は、未知のデータに対する予測に使用できる。手法としてはニューラルネットワークやサポートベクターマシンなどの手法が知られる。

上記の構成により、降雨量に基づいて所定領域における浸水発生の予測を行うことができる。水理学的な浸水領域の数値シミュレーションを行う必要がなく、簡易に浸水予測ができる。また、目的に応じて細かい領域から広い領域を単位として簡易に分析や予測、結果表示ができるようになる。

また、機械学習モデルとしては、サポートベクターマシンを使用することが望ましい。サポートベクターマシンについては後述する。サポートベクターマシンを用いることにより、浸水の有無を高い信頼性で予測することができる。

また、浸水判定基準は、各メッシュ領域の面積に対するメッシュ領域内の浸水面積の比であることが望ましい。これにより、例えば、メッシュ領域の面積の５％が浸水していれば、浸水有りとするなどの判定を行う。

また、表示手段は、更に、浸水有無データと、降雨量データと、検討降雨量データと、を前記所定領域の地図データと共に表示可能であることが望ましい。これにより、浸水有無データや降雨量データ、検討降雨量データの様子を視覚的に把握できるようになる。

また、浸水発生時は、一日を単位とし、降雨量データおよび検討降雨量データは、複数の観測所のそれぞれにおける浸水発生日の６０分最大雨量であることが望ましい。
６０分最大雨量とは、ある一日の任意の６０分間の降雨量の最大値である。６０分間最大雨量は降雨状況を表す際によく用いられる指標であり、入手が比較的容易である。また、浸水発生に対する影響も大きい。

表示手段は、更に、メッシュ分割条件を設定するメッシュ分割条件設定部と、浸水判定基準を設定して浸水判定手段を動作させる浸水判定指示部と、機械学習手段を動作させる機械学習指示部と、予測計算手段を動作させる予測計算指示部と、を表示することが望ましい。これにより、浸水予測装置に係る操作を視覚的、直感的に行うことができるようになり、操作性が上昇する。

本発明により、所定領域内の浸水の有無を降雨量より予測する浸水予測装置を提供することができる。

以下、図面に基づいて本発明の実施形態に係る浸水予測装置１について詳細に説明する。図１は、本発明の実施形態に係る浸水予測装置１のハードウェア構成図である。

浸水予測装置１は、ＣＰＵ（中央演算装置）３、メモリ５、表示部７、通信部９、記憶部１１、データベース１３、入力部１５、出力部１７等を有し、これらがバス１９等で接続される構成となっている。

ＣＰＵ３は、記憶部１１やデータベース１３等に保存されたデータやプログラム等をメモリ５に読み出して、各種の演算および制御を行う。これにより、後述の浸水予測装置１が行う処理を実現する。
メモリ５はＲＡＭ（ランダムアクセスメモリ）やＲＯＭ（リードオンリーメモリ）からなり、各種のデータやプログラム等を一時的に、あるいは恒久的に保存する。

記憶部１１はハードディスク等からなり、各種のデータやプログラムを保存する。また、記憶部１１はデータベース１３を保持している。
データベース１３は、後述の浸水予測装置１の行う処理に用いる各種のデータを読出し可能に保存しておくためのものである。
本実施形態では浸水予測装置１が記憶部１１を内蔵し、記憶部１１がデータベース１３を保持する構成となっている。しかし、浸水予測装置１と記憶部１１とデータベース１３の構成は様々な形態をとり得る。例えば、記憶部１１が浸水予測装置１とネットワークを介して接続する構成や、データベース１３が記憶部１１と独立して浸水予測装置１と接続する構成などが可能である。

表示部７は液晶パネル、ＣＲＴモニタなどのディスプレイ装置である。浸水予測データや降雨量データを地図データと共に表示したり、操作を行うための各種操作部を表示したりする。
通信部９は通信制御装置、通信ポート等を有する。ネットワーク２１に接続し、各種情報の送受信を行う。本実施形態では、浸水予測装置１をネットワーク２１に接続する構成となっているが、これをスタンドアローンとする構成でもよく、この場合通信部９は不要である。

入力部１５は例えばキーボードやマウス、ドライブ装置やスキャナなどであり、浸水予測装置１へデータ入力を行うための周辺装置である。また、浸水予測装置１と各装置を接続し、データ入力を行うためのインタフェースを備える。
出力部１７は例えばプリンタやドライブ装置など、浸水予測装置１からのデータ出力を行うための周辺装置である。また、浸水予測装置１と各装置を接続し、データ出力を行うためのインタフェースを備える。
バス１９は各装置間の制御信号やデータ信号等の授受を媒介する経路である。

次に、本発明の実施形態に係る浸水予測装置１の処理を図２から図１１を用いて説明する。

図２を参照しながら本発明の実施形態に係る浸水予測装置１の処理について説明する。図２は本発明の実施形態に係る浸水予測装置１の処理を示すフローチャートである。浸水予測装置１により東京２３区の浸水予測を行う例を用いて説明を行う。

まず、ＣＰＵ３は、操作者の指示に応じて東京２３区の過去の浸水発生日の浸水範囲データおよび降雨量データをデータベース１３より読込み、メモリ５に保存する（ステップＳ２０１）。
浸水範囲データおよび降雨量データは、予め入力部１５等を介して浸水発生日と関連付けて入力され、データベース１３に保存されている。
浸水範囲データおよび降雨量データは、浸水発生日をキーとして検索することができる。

操作者の指示とは、データベース１３に保存されたデータから後の解析に用いる浸水範囲データおよび降雨量データを複数選択するものである。
データの選択は、例えば、浸水予測装置１が処理中に表示部７に表示させる画面において、マウスの右クリック等によりデータ選択画面を出現させ、データ選択画面で過去の浸水発生日の日付を選択する。これにより浸水発生日に対応する浸水範囲データおよび降雨量データが選択されるようにしておく。

過去の浸水発生日の浸水範囲データおよび降雨量データは、例えば、公開されている情報を元に作成する。
浸水範囲データの場合、東京２３区の過去の浸水発生日における浸水範囲が地図と共に示されている画像データを、スキャナ等の入力部１５あるいは通信部９等を介して取り込んだ後、ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ、地理情報システム）ソフトウェアを用いてベクターデータに変換するなどの方法により、浸水範囲が地図データと共に示された浸水範囲データを作成することができる。

降雨量データは、過去の浸水発生日における東京２３区内の３１箇所の降雨観測地点の降雨量記録（６０分最大雨量）を用いてデータを作成する。
図３は浸水予測装置１の処理に係る各種データの例を示す第１の図であり、降雨量データの例が示されている。降雨量データは複数の降雨観測地点と、過去の浸水発生日における各観測地点の６０分間最大雨量を表形式で対応付けたデータである。各行が観測地点、各列が浸水発生日に対応するテーブルが作成され、各浸水発生日の各観測地点における６０分間最大雨量が対応するセルに書き込まれる。

東京２３区の場合、例えば、浸水範囲の画像データおよび降雨量記録を東京都建設局ホームページ（ｈｔｔｐ：／／ｗｗｗ．ｋｅｎｓｅｔｓｕ．ｍｅｔｒｏ．ｔｏｋｙｏ．ｊｐ／ｉｎｄｅｘ．ｈｔｍｌ）より入手し、これをもとに浸水範囲データおよび降雨量データを作成することができる。降雨量データは上記図３の形式で作成する。

メモリ５に保存した浸水範囲データおよび降雨量データは、表示部７に表示することができる。
表示画面の例を、図４を用いて説明する。

図４は、浸水予測装置１の処理に係る表示画面の例を示す第１の図である。図４には、浸水範囲データと降雨量データが示されている。
表示画面３１は、地図表示部３３と各種操作部とを有する。
地図表示部３３は、浸水範囲や降雨量の他、浸水予測結果等を地図と共に表示する。また、地図の拡大および縮小、スクロール等が可能である。
図５は、浸水予測装置１の処理に係る表示画面の例を示す第２の図である。地図表示部３３において、地図の拡大表示がされている。

図４に示す表示画面３１の地図表示部３３において、３７は行政界であり、区界や町界、県界等を示す。３９は鉄道を示す。４３は道路を示す。それぞれ縮小表示時には主要なものが表示されるが、拡大表示時にはそれ以外のものも表示される。
４５は降雨量の観測地点を示す。降雨量の多少に応じた凡例に沿って、各観測地点における浸水発生日の６０分間最大雨量を示す塗分けが行われる。３５は６０分間最大雨量の多少に応じた塗分けを示す凡例である。４１は浸水範囲であり、浸水した範囲を示す。

４７は画面操作部である。地図表示部３３の地図の拡大および縮小、スクロール等の操作が可能である。
４９は表示項目設定部である。クリックすると表示項目設定画面（不図示）が表示される。表示項目設定画面では、道路や行政界など地図表示部３３における様々な要素を選択して表示・非表示の選択ができ、適宜見やすい画面とすることができる。
先ほどメモリ５に保存した浸水範囲データおよび降雨量データも、表示項目設定部４９をクリックして表示させた表示項目設定画面において、地図表示部３３に表示することを選択すると、地図表示部３３に表示される。

５１はメッシュ分割条件設定部である。各種の数値入力により、様々なメッシュ分割条件が設定できる。また、数値入力の一部は、地図表示部３３上での指示により行うことができる。加えて設定したメッシュ分割条件をデータベース１３へ保存すること、およびデータベース１３から過去設定したメッシュ分割条件を読込むことが可能である。
５３は浸水判定指示部である。浸水判定基準として用いる値を入力し、メッシュ計算ボタンをクリックすると、ＣＰＵ３が浸水判定の演算を開始する。
５５は機械学習指示部である。ＳＶＭ学習ボタンをクリックすると、ＣＰＵ３がサポートベクターマシンによる機械学習の演算を開始する。
５７は予測計算指示部である。予測計算ボタンをクリックすると、ＣＰＵ３が浸水予測計算を開始する。
５９は終了指示部である。終了ボタンをクリックすると、ＣＰＵ３が表示画面３１を閉じる。

本発明の実施形態に係る浸水予測装置１の処理の説明に戻る。
ステップＳ２０１の処理の後、操作者はメッシュ分割条件設定部５１にメッシュ分割の大きさ（Ｘ方向（画面横方向）およびＹ方向（画面縦方向））とメッシュ分割開始位置の座標（左上端座標点のＸ座標およびＹ座標）、およびメッシュ分割数（Ｘ方向およびＹ方向）の値を入力し、メッシュ分割条件を設定する（ステップＳ２０２）。ＣＰＵ３は、設定されたメッシュ分割条件をメモリ５に保存する。メモリ５に保存したメッシュ分割条件に基づくメッシュ分割の様子は、表示項目設定部４９をクリックして表示させた表示項目設定画面において、地図表示部３３に表示することを選択すると、地図表示部３３に表示される。

図６は、浸水予測装置１の処理に係る表示画面の例を示す第３の図である。表示画面３１の地図表示部３３にメッシュ分割の状態が表示されている。６１はメッシュグリッド、６３はメッシュ外枠である。

設定したメッシュ分割条件はデータベース１３に保存することが可能である。さらに、メッシュ分割条件の設定を、データベース１３に保存したメッシュ分割条件を読込んで行うことも可能である。

本実施形態ではメッシュ分割条件を直接入力するが、予め入力しておいた数種類のメッシュ分割条件の中から、いずれかのメッシュ分割条件を選択設定するようにしてもよい。
また、本実施形態では、メッシュ幅と、メッシュ開始位置と、メッシュ分割数とを定めることでメッシュ分割が定まる。しかし、メッシュ分割の定め方はこれに限らない。例えば、メッシュ開始位置およびメッシュ終了位置（例えば右下端座標点）と、メッシュ分割数を入力することで、メッシュ分割条件を設定することもできる。その他、様々なメッシュ分割条件の設定方法が考えられる。
加えて、メッシュ分割の形態も長方形以外の多角形を用いるなど種々考えられる。メッシュ分割条件の設定方法もこれに対応して様々のものが考えられる。

さらに、操作者は、浸水判定基準として、メッシュ領域面積に対するメッシュ領域内の浸水面積の比（浸水面積比）の値を浸水判定部５３に入力する（ステップＳ２０３）。
ＣＰＵ３は、入力された浸水面積比の値をメモリ５に保存する。

本実施形態では、浸水面積比の値を直接入力して浸水判定基準として使用するが、予め入力しておいた数種類の浸水面積比の値からいずれかの値を選択設定するようにしてもよい。また、選択可能な浸水面積比の値を地図の縮尺に応じて変化させるようにしてもよい。
加えて、浸水面積比以外にも浸水有無の判定基準は考えられる。例えば各メッシュ領域における所定の地点が浸水すれば浸水有りと判定するなどが考えられる。入力する値の種類、形式もこれに対応して様々なものが考えられる。

ステップＳ２０２およびステップＳ２０３でメッシュ分割条件および浸水判定基準としての浸水面積比を定めた後、浸水判定指示部５３のメッシュ計算ボタンをクリックすると、ＣＰＵ３は、ステップＳ２０１で選択した各浸水範囲データをメッシュ分割し、各メッシュ領域での浸水有無を判定して浸水有無データを作成し、メモリ５に保存する。（ステップＳ２０４）。

ステップＳ２０４において、まずＣＰＵ３は、メッシュ分割条件に従って、各浸水範囲データについてメッシュ分割を行い、分割された各メッシュ領域に対して個々のメッシュ領域を識別するメッシュＩＤを与える。
メッシュＩＤは個々のメッシュ領域を識別するもので、各浸水範囲データを通して、同じメッシュ領域には同じメッシュＩＤが与えられる。

続いて、ＣＰＵ３は、各浸水範囲データについて、各メッシュ領域で算出した浸水面積比（算出浸水面積比）と、ステップＳ２０３において入力された浸水面積比（基準浸水面積比）とを比較する。算出浸水面積比が基準浸水面積比以上であれば、そのメッシュ領域について浸水が有ったと判定する。逆に、基準浸水面積比未満であれば、浸水が無かったと判定する。

ＣＰＵ３は浸水有無テーブルを作成して浸水有無の判定結果を書き込み、浸水有無データを作成する。
浸水有無テーブルは、各メッシュ領域のメッシュＩＤと各浸水範囲データの浸水発生日と、浸水有無の判定結果を対応付けるものである。
図７は、浸水予測装置１の処理に係る各種データの例を示す第２の図であり、浸水有無テーブルの形式を示すものである。
浸水有無テーブルは、各行がメッシュＩＤ、各列が浸水発生日に対応する表形式で作成される。各浸水範囲データの各メッシュ領域について、浸水が有ったと判定された場合には、浸水発生日およびメッシュＩＤの対応するセルに１を書き込む。浸水が無かったと判定された場合には−１を書き込む。

各浸水範囲データの各メッシュ領域について浸水有無の判定を行い、浸水有無テーブルを完成すれば、ＣＰＵ３は、浸水有無テーブルを浸水有無データとしてメモリ５に保存する。また、浸水有無データはデータベース１３に保存可能である。
メモリ５に保存した浸水有無データは、表示項目設定部４９をクリックして表示させた表示項目設定画面において、地図表示部３３に表示することを選択すると、地図表示部３３に表示される。
図８は、浸水予測装置１の処理に係る表示画面の例を示す第４の図である。浸水有無データを地図表示部３３に表示した例である。７１は浸水が有ったと判定されたメッシュ領域であり、黒く塗られている。

ステップＳ２０４において浸水有無データを作成した後、機械学習指示部５５のＳＶＭ学習ボタンをクリックすると、ＣＰＵ３は、ステップＳ２０４で作成した浸水有無データおよび降雨量データにサポートベクターマシンを適用し、機械学習を行う（ステップＳ２０５）。
ここで、サポートベクターマシンの実行プログラムはメモリ５のＲＯＭに格納するようにしてもよいし、記憶部１１よりメモリ５に読み込んで機械学習を行わせるようにしてもよい。

サポートベクターマシンは公知の手法であるが、図９を参照しながら簡単に説明する。
図９は、サポートベクターマシンの概念の説明図であり、特徴ベクトルがプロットされた空間を示している。図中の白丸８１および黒丸８３はデータの集合である。白丸８１と黒丸８３は２つのクラスを表している。それぞれ、１と−１のラベルが与えられている。
本実施形態では、図９の空間は各メッシュＩＤ（メッシュ領域）について作成される。特徴ベクトルは東京２３区の３１箇所の観測地点それぞれの６０分間最大雨量に相当する。白丸８１および黒丸８３のデータ集合は、同じメッシュＩＤであるが浸水発生日の異なるデータ集合に相当する。２つのクラスは各浸水発生日において、浸水有りと判定されたか浸水無しと判定されたかに相当する。

詳細は省略するが、サポートベクターマシンは、白丸８１の集合、黒丸８３の集合を分離する最適な超平面として、最も近い白丸８１’および最も近い黒丸８３’とのマージン幅８５を最大にするような平面（分離平面）８７を導き出す。 分離平面の式は、各特徴ベクトルに対する重み付け和に定数を加えたものであり、下記の式で表される。
ｗ^Tｘ＋ｂ＝０，ｗ∈R^N，ｘ∈R^N，ｂ∈R （１）
ここで、ｘは特徴ベクトル（各観測地点の６０分最大雨量）、wは特徴ベクトルに対する重み付け係数、ｂは定数である。またＮは観測地点の総数である。
本実施形態においては分離平面の式（１）の左辺を浸水判別式として用いる。

各メッシュ領域に対して、サポートベクターマシンを適用すると、各メッシュ領域について浸水判別式が得られる。
各メッシュ領域について作成される浸水判別式は、重み付けの係数と定数が互いに異なる。

ＣＰＵ３は、予測基準テーブルを作成して、サポートベクターマシンによる機械学習の結果を書き込み、予測基準データとしてメモリ５に保存する（ステップＳ２０６）。メモリ５に保存した予測基準データは、データベース１３に保存することができる。

予測基準テーブルは、各メッシュＩＤと各観測地点に、浸水判別式の係数を対応付けるものである。
図１０は、浸水予測装置１の処理に係る各種データの例を示す第３の図であり、予測基準テーブルの形式を示す。各行がメッシュＩＤ、各列が各観測地点に対応する。また、浸水判別式における定数を書き込むための列が加えられる。
ＣＰＵ３は、上記のテーブルを作成し、サポートベクターマシンを用いた機械学習の結果である浸水判別式の係数値および定数値を、メッシュＩＤと観測地点の対応する位置に書込み、予測基準データを作成する。

以降のステップは、これまでのステップを経て作成された予測基準データを用い、各メッシュ領域について様々な降雨状況における浸水の有無を予測するものである。

ステップＳ２０７では、ＣＰＵ３が浸水予測に用いる検討降雨量データをデータベース１３よりメモリ５に読み込む（ステップＳ２０７）。
検討降雨量データは、入力部１５や通信部９を介して前もって入力したものであり、データベース１３に保存されている。また、浸水予測に用いる検討降雨量データは、浸水予測の際に直接入力するようにしてもよい。
また、メモリ５に保存した検討降雨量データは、表示項目設定部４９をクリックして表示させた表示項目設定画面において、地図表示部３３に表示することを選択すると、地図表示部３３に表示される。

図１１は浸水予測装置１の処理に係る各種データの例を示す第４の図であり、検討降雨量データの例を示す。
検討降雨量データは、各行が各観測地点に対応する検討降雨量テーブルを作成し、各観測地点の６０分間最大雨量を一列に書き込んだ表形式のデータである。各観測地点の６０分間最大雨量に様々な値を入力し、任意の降雨状況を模擬することができる。検討する降雨状況が複数ある場合には、列を増やして６０分最大雨量を同様に書き込む。

続いて、操作者が、表示画面３１の予測計算指示部５７の予測計算ボタンをクリックして検討降雨量データの降雨状況に対する浸水予測を行うことを選択すると、ＣＰＵ３は、検討降雨量データと予測基準データに基づいて検討降雨量データに対する浸水予測を各メッシュ領域について行い、浸水予測データを作成してメモリ５に保存する（ステップＳ２０８）。メモリ５に保存した浸水予測データは、データベース１３に保存可能にしておく。

浸水予測の際には、ＣＰＵ３は、予測基準データにより定まる各メッシュ領域における浸水判別式に、検討降雨量データに記入されている各観測地点の６０分間最大雨量を当てはめ、浸水判別式の計算を行う。
また、浸水判別式については、下記のような識別関数を定義しておく。
ｆ（ｘ）＝ｓｇｎ（ｗ^Tｘ＋ｂ） （２）
ここで、ｓｇｎ（）は（）内が正または０なら１、（）内が負なら−１をとる符号関数である。
浸水判別式について、ｗおよびｂは図１０の予測基準テーブルの行方向に、ｘは図１１の検討降雨量テーブルの列方向に書き込まれている。ＣＰＵ３は、予測基準テーブルと検討降雨量テーブルを用いて浸水判別式の値を求め、浸水判別式の値が０または正の値であれば、浸水有りと判定する。このとき識別関数（２）の値は１となる。浸水判別式の値が負の値であれば、浸水なしと判定する。このとき識別関数（２）の値は−１となる。このようにして、全てのメッシュ領域について浸水予測を行う。

加えてＣＰＵ３は、浸水予測テーブルを作成して浸水予測の結果を書込んだ後、浸水予測データとしてメモリ５に保存する。

図１２は、浸水予測装置１の処理に係る各種データの例を示す第５の図であり、浸水予測テーブルの形式を示すものである。
浸水予測テーブルは、図１２に示すように、各行がメッシュＩＤに対応し、検討降雨量データの降雨時の各メッシュ領域における浸水予測の結果を一列に書き込んでゆくものである。浸水有りと判定されたメッシュ領域のメッシュＩＤには１を、浸水なしと判定されたメッシュ領域のメッシュＩＤには、−１を書き込む。検討降雨量データが複数ある場合は、列を追加してその浸水予測結果を書き込んでゆく。
選択された検討降雨量データ全てで、各メッシュ領域の浸水予測を行い、浸水予測テーブルに予測結果を書込むと、浸水予測テーブルを浸水予測データとしてメモリ５に保存する。

最後に、ＣＰＵ３は、図８に示した浸水有無データの表示形式と同様の形式で、すなわち浸水有りと予測されたメッシュ領域を塗りつぶして、地図表示部３３に表示する（ステップＳ２０９）。ただし、塗りつぶす色は浸水有無データの場合と異なるようにしておく。

［実施例］
以下、図１３から図１６を参照しながら、本発明の浸水予測装置１による浸水予測の実施例について説明する。
本実施例では、東京２３区における２００５年９月４日の浸水結果と、過去の浸水発生日の浸水範囲データおよび降雨量データにサポートベクターマシンを適用して作成した予測基準データを用い、２００５年９月４日の降雨量データを検討降雨量データとして、２００５年９月４日の浸水予測を行った結果とを比較した。
浸水範囲データおよび降雨量データは、東京都建設局ホームページ（ｈｔｔｐ：／／ｗｗｗ．ｋｅｎｓｅｔｓｕ．ｍｅｔｒｏ．ｔｏｋｙｏ．ｊｐ／ｉｎｄｅｘ．ｈｔｍｌ）より入手し、これをもとに作成したものである。降雨量データは、東京２３区の３１箇所の観測地点における６０分間最大雨量である。

まず、比較対象である東京２３区における２００５年９月４日の浸水結果を作成した。
ここで、メッシュ分割条件は、図１３に示すような形で東京２３区の浸水範囲データに対し設定した。
すなわち、縦５００ｍ×横５００ｍの大きさのメッシュ領域で、東京２３区の範囲をカバーするようにメッシュ分割条件を設定した。
これにより、東京２３区全域が細かくメッシュ分割されることとなった。
図１３は、本発明の浸水予測装置１を用いて浸水予測を行った実施例に係る表示画面を示す第１の図であり、本実施例のメッシュ分割の様子を示したものである。
また、浸水判定に用いる浸水面積比は５％とした。

東京２３区における２００５年９月４日の浸水範囲データについて、上記メッシュ分割条件によるメッシュ分割を行い、浸水面積比を５％として各メッシュ領域について浸水有無の判定を行い、浸水有無データを作成した。
図１４は本発明の浸水予測装置１を用いて浸水予測を行った実施例に係る表示画面を示す第２の図であり、作成した浸水有無データを表示画面上に表示したものである。浸水有りと判定されたメッシュ領域がグレーで塗られたものである。
図１５は本発明の浸水予測装置１を用いて浸水予測を行った実施例に係る表示画面を示す第３の図であり、図１４の地図表示部を拡大したものである。

次に、２００５年９月４日の浸水予測データを浸水予測装置１で作成した。

まず、東京２３区における１９９５年５月１３日から２００５年８月２５日までの全７４の浸水発生日から相当数の浸水発生日を選択し、各浸水発生日の浸水範囲データおよび降雨量データを解析に用いた。
まず、選択した浸水発生日の浸水範囲データのそれぞれについて、上記浸水有無データ作成時と同じメッシュ分割条件によるメッシュ分割を行い、浸水面積比を５％として浸水有無データを作成した。
作成した浸水有無データと、選択した浸水発生日の降雨量データに対して、サポートベクターマシンを用いた機械学習を行った。その結果として各メッシュ領域の浸水判別式を示す予測基準データが作成された。

検討降雨量データとしては、２００５年９月４日の東京２３区における３１の観測地点における６０分最大雨量を用いた。予測基準データに対し検討降雨量データを先に述べた方法で適用し、算出された浸水判別式の値をもとに、浸水予測を行い、浸水予測データを作成した。
図１６は、本発明の浸水予測装置１を用いて浸水予測を行った実施例に係る表示画面を示す第４の図であり、浸水予測データを表示画面上に表示したものである。浸水有りと判定されたメッシュ領域がグレーで塗られたものである。

図１４の浸水有無データの表示画面における、グレーで塗られたメッシュ領域は、浸水が有ったメッシュ領域を表している。一方、図１６の浸水予測データの表示画面における、グレーで塗られたメッシュ領域は、浸水が有ると予測されたメッシュ領域を表している。

両者のグレー領域の比較を行った。結果、グレー領域の分布は完全に一致していることがわかった。すなわち、浸水予測と浸水結果が一致しており、本浸水予測装置を用いた浸水予測の有効性が明らかとなった。

浸水予測装置１の実施形態あるいは実施例の説明は、東京２３区を例に説明したが、過去の浸水範囲データおよび降雨量記録が相当数（例えば数十〜数百）得られ、さらに降雨観測地点が相当数（例えば数十程度）存在する箇所であれば、浸水予測装置１を用いて精度良く浸水予測を行うことができると考えられる。

以上説明したように、本発明の実施の形態によれば、所定領域における過去の浸水範囲データおよび降雨量データより予測基準を作成し、様々な降雨状況における所定領域の浸水予測を行うことが可能になる。

以上、添付図面を参照しながら、本発明に係る浸水予測装置等の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

本発明の実施形態に係る浸水予測装置１のハードウェア構成図 本発明の実施形態に係る浸水予測装置１の処理を示すフローチャート 浸水予測装置１の処理に係る各種データの例を示す第１の図 浸水予測装置１の処理に係る表示画面の例を示す第１の図 浸水予測装置１の処理に係る表示画面の例を示す第２の図 浸水予測装置１の処理に係る表示画面の例を示す第３の図 浸水予測装置１の処理に係る各種データの例を示す第２の図 浸水予測装置１の処理に係る表示画面の例を示す第４の図 サポートベクターマシンの概念の説明図 浸水予測装置１の処理に係る各種データの例を示す第３の図 浸水予測装置１の処理に係る各種データの例を示す第４の図 浸水予測装置１の処理に係る各種データの例を示す第５の図 本発明の浸水予測装置１を用いて浸水予測を行った実施例に係る表示画面を示す第１の図 本発明の浸水予測装置１を用いて浸水予測を行った実施例に係る表示画面を示す第２の図 本発明の浸水予測装置１を用いて浸水予測を行った実施例に係る表示画面を示す第３の図 本発明の浸水予測装置１を用いて浸水予測を行った実施例に係る表示画面を示す第４の図

符号の説明

１………浸水予測装置
３………ＣＰＵ
５………メモリ
７………表示部
９………通信部
１１………記憶部
１３………データベース
１５………入力部
１７………出力部
１９………バス
２１………ネットワーク

Claims (7)

1. 所定領域における浸水の有無を予測する浸水予測装置であって、
   前記所定領域の過去の浸水発生時における浸水範囲のデータを前記所定領域の地図データと共に示す浸水範囲データと、前記過去の浸水発生時における降雨量データと、検討降雨量データと、を入力する入力手段と、
   メッシュ分割条件と、浸水判定基準とを設定するパラメータ設定手段と、
   前記浸水範囲データを前記メッシュ分割条件に基づいてメッシュ分割し、各メッシュ領域について前記浸水判定基準により浸水の有無を判定し、浸水有無データを作成する浸水判定手段と、
   前記浸水有無データと前記降雨量データに対して機械学習モデルを適用し、前記各メッシュ領域における浸水の有無を降雨量より予測する浸水予測基準データを作成する機械学習手段と、
   前記検討降雨量データと前記浸水予測基準データより、前記検討降雨量データの降雨量時の前記各メッシュ領域における浸水の有無を予測する浸水予測データを作成する予測計算手段と、
   前記浸水予測データを、前記所定領域の前記地図データと共に表示可能な表示手段と、
   を有することを特徴とする、浸水予測装置。
2. 前記機械学習モデルは、サポートベクターマシンであることを特徴とする、請求項１に記載の浸水予測装置。
3. 前記浸水判定基準は、前記各メッシュ領域の面積に対する前記メッシュ領域内の浸水面積の比であることを特徴とする、請求項１および請求項２のいずれかに記載の浸水予測装置。
4. 前記表示手段は、更に、前記浸水有無データと、前記降雨量データと、前記検討降雨量データと、を前記所定領域の前記地図データと共に表示可能であることを特徴とする、請求項１から請求項３のいずれかに記載の浸水予測装置。
5. 前記浸水発生時は、一日を単位とし、
   前記降雨量データおよび前記検討降雨量データは、複数の観測所のそれぞれにおける浸水発生日の６０分最大雨量であることを特徴とする、請求項１から請求項４のいずれかに記載の浸水予測装置。
6. 前記表示手段は、更に、前記メッシュ分割条件を設定するメッシュ分割条件設定部と、前記浸水判定基準を設定して浸水判定手段を動作させる浸水判定指示部と、前記機械学習手段を動作させる機械学習指示部と、前記予測計算手段を動作させる予測計算指示部と、を表示することを特徴とする、請求項１から請求項５のいずれかに記載の浸水予測装置。
7. コンピュータを請求項１から請求項６のいずれかに記載の浸水予測装置として機能させるプログラム。