JP2010271857A - 対応行動予測システムおよび対応行動予測方法 - Google Patents

Abstract

【課題】災害のような緊急時あるいは緊急時を想定した訓練時に、防災のため実際にどういった行動をとればよいかを確認する。
【解決手段】この対応行動予測システムは、緊急時に通信ネットワークから受信された電文を自然言語解析して得られた文字列を形態素毎に区分する自然言語解析部と、区分された文字列の中から出現頻度の高いキーワードを抽出するキーワード抽出部と、キーワードをキーにして、典型的な連絡通報を区分した各フェーズ毎に連絡通報に期待される行動と連絡通報に含まれるキーワードとを対応して記憶したデータベースを参照し、連絡通報のフェーズを特定し、特定したフェーズにおいて対応者がなすべき行動を出力する行動予測部とを備える。
【選択図】図１

Description

本発明は、例えば災害時などの緊急時における連絡通報から対応行動を予測する対応行動予測システム装置および対応行動予測方法に関する。

災害時などの緊急時またはそのための訓練の際に、発信する通報文とこの通報文に対する対応行動との相関分析を行ない、この相関分析結果をデータベース化しておき、電子メールなどで通報文が受信されたときに、その通報文に含まれる文字列から相関関係データベースを参照して対応行動を予測する対応行動予測システムが既に公開されている（例えば特許文献１参照）。

特開２００８−２３４３０６号公報

上述した従来の技術の場合、通報文と対応行動との相関分析のために、通報文をクラス分けし、固有の属性を定義してオントロジー化していた。

ところで、一般的に通報は自然言語で記述されているため、あいまいさを含んでおり、また災害時には災害状況も複雑に変化してゆくことが予想される。

したがって、このようなシステムで対応行動を予測する上では、通報文のあいまいさや、状況の多様性などを考慮する必要がある。

しかしながら、従来の場合、通報文から対応行動を予測するという一連の流れや概念は開示されているものの、緊急な事象が起こったときに実際にどういった行動をとればよいか、具体的な開示がされていない。

本発明はこのような課題を解決するためになされたもので、災害のような緊急時あるいは緊急時を想定した訓練時に、防災のため実際にどういった行動をとればよいかを確認することができる対応行動予測システムおよび対応行動予測方法を提供することを目的とする。

上記の課題を解決するために、本発明の対応行動予測システムは、緊急時またはそれらを想定した訓練時に関係者から送信される典型的な連絡通報が発生するフェーズをいくつかに区分し、各フェーズ毎に前記連絡通報に期待される行動と前記連絡通報に含まれるキーワードとを対応して記憶したデータベースと、前記関係者から発信された前記連絡通報の電文を、ネットワークを通じて受信する受信部と、前記受信部により受信された電文を自然言語解析して得られた文字列を形態素毎に区分する自然言語解析部と、前記自然言語解析部により区分された電文の文字列の中から、出現頻度の高いキーワードまたは形態素間でのつながりの大きなキーワードを抽出するキーワード抽出部と、前記キーワード抽出部により抽出されたキーワードをキーにして、前記データベースを参照して、前記連絡通報が所属するフェーズを特定し、特定したフェーズにおいて対応者がなすべき行動を報知する行動予測部とを具備する。

本発明によれば、災害のような緊急時あるいは緊急時を想定した訓練時に、防災のため実際にどういった行動をとればよいかを確認することができる。

本発明の一つの実施の形態の対応行動予測システムの構成を示す図である。 事象と通報と行動との相関性を示す図である。 図２に示した防災フェーズを定義したデータベースの内容を示す図である。 キーワード（属性）から防災フェーズを特定する動作を示すフローチャートである。 キーワード（属性）から通報を特定する動作を示すフローチャートである。 この対応行動予測システムの動作を示すフローチャートである。 防災フェーズにおける通報を分析した表を示す図である。 通報名や書式が同じ場合でも内容が異なる複数の通報を受けた場合にキーワー間で推論を行う様子を示す図である。 語彙どうしの相関（共起度）を説明するための図である。 この対応行動予測システムの対応行動予測動作の一例を示す図である。 通報の流れに従い、時系列的に行動状況（対応行動が実施されているかどうか）を判別する動作を示す図である。 行動間の時系列的な前後関係を属性として設定する様子を示す図である。

以下、図面を参照して、本発明の一つの実施の形態の対応行動予測システムを詳細に説明する。図１は対応行動予測システムの構成を示す図である。

図１に示すように、この実施形態の対応行動予測システムは、緊急通報用の通信ネットワーク１に緊急通報発信用の端末２（以下「通報端末２」と称す）と、緊急通報受信用の端末としての対応行動予測装置３とを接続して構成されている。

緊急通報発信用の端末２には、電子メール送信ソフトウェア５１またはメッセージ送信ソフトウェアなどがインストールされており、緊急時に連絡通報４が電子メールまたはメッセージなどの電文で対応行動予測装置３へ送信される。この例では、通信手段として、電子メールのようなデジタルデータであることを想定しているが、電話などの音声である場合には通報端末２に音声認識機能を組み込み、連絡通報の内容をデジタルデータ化すればよい。

すなわち、このシステムでは、緊急時に、通報端末２からデジタル化された連絡通報４が発信され、通信ネットワーク１を通じて対応行動予測装置３に受信される。

対応行動予測装置３は、データベース３１、受信部３２、自然言語解析部３３、キーワード抽出部３４、行動予測部３５、ＣＰＵ３６およびメモリ３７などを備えている。

データベース３１には、基本辞書４１、特殊辞書４２、キーワード−対応行動相関テーブル４３等が設けられている。データベース３１として、防災フェーズを最上位クラスとするオントロジーデータベースを用いる。

このオントロジーデータベースにおいて、防災フェーズクラスは属性情報として、そのフェーズに特徴的な通報文が含むキーワード群を最低限保持する。またオントロジーデータベースは、防災フェーズクラスのサブクラスとして通報を含む。このサブクラスは属性情報として、送信者、受信者、対応行動、対応行動の対象者、通報文と対応行動の相関性を表すキーワード群を最低限保持する。

基本辞書４１および特殊辞書４２には、連絡通報４を自然言語解析する際の形態素毎の文字列が格納されている。基本辞書４１には、一般的な意味を持つ固有名詞（単語、熟語、語句等）の文字列が格納されている。特殊辞書４２には、例えば原子力発電プラントなどの災害に特化した場合に、そのプラント名、事故事象名などの特殊の意味を持つ固有名詞（単語、熟語、語句等）の文字列が格納されている。

キーワード−対応行動相関テーブル４３には、緊急時またはそれらを想定した訓練時に関係者から送信される典型的な連絡通報が発生するフェーズ（事象）をいくつかに区分し、各フェーズ毎に連絡通報に期待される行動と、その連絡通報に含まれるキーワードとが対応して記憶されている。

受信部３２は、緊急時およびそれらを想定した訓練における連絡通報発信者（通報端末２）から発信された連絡通報４（電子メール）を、通信ネットワーク１を通じて受信する。

自然言語解析部３３は、受信部３２により受信された連絡通報４（電子メール）内容（これを以下「通報文」と称す）を自然言語解析して得られた文字または文字列を形態素毎に区分する。自然言語解析とは、文章を名詞や動詞などの意味を持つ最小単位である形態素に分割することをいう。

分割された形態素は、基本辞書４１および特殊辞書４２に予め登録されている固有名詞、例えばプラント名、事故事象名などの特殊の意味を持つ文言（語句）と、一般的な意味を持つ文言（語句）に分けられる。

キーワード抽出部３４は、自然言語解析部３３により区分された文字列（形態素）の中から、出現頻度の高いキーワードおよび／または形態素間でのつながりの大きなキーワードを逐次抽出し、行動予測部３５に渡す。

行動予測部３５は、キーワード抽出部３４により抽出されたキーワードをキーにしてデータベース３１のキーワード−対応行動相関テーブル４３を参照し、通報文が所属するフェーズを特定し、特定したフェーズにおいて対応者がなすべき行動を、データベース３１から読み出して報知する。

行動予測部３５は、推論機能により、キーワード抽出部３４から渡されたキーワードをキーにして予め典型的な緊急時通報を基に作成されたデータベース３１を参照し、その通報に期待される行動を予測する。

推論機能としては、異なる複数のキーワード属性により、通報内容から行動を予測する上で、いずれかのキーワード属性により、まず絞り込みを行い、残りのキーワード属性でより詳細な特定を行う多段推論を用いることが好ましい。推論機能で参照するキーワードの選定方法としては、通報文に含まれる語彙の頻度に基づいた選定と、共起度に基づく相関性に基づいた選定とを用いる。通報文と対応行動の相関性を表すキーワード群を選定する上で、個々の通報に特徴的に高い頻度から推定することが好ましい。

すなわち、行動予測部３５は、緊急時およびそれらを想定した訓練における関係者間での連絡通報と、それに対する対応行動を事象の進展に伴う典型的なフェーズ、すなわち防災フェーズとして定義して、連絡通報の所属する防災フェーズを推定することにより、その通報文に対する対応行動を予測する。防災フェーズは、対象とする災害の発生から終息に至る事象進展を含み、各フェーズにおける典型的な通報とそれに対する対応から他のフェーズと区別できる。

予測した行動を報知する方法としては、表示装置３８などの画面へ対応行動を指示する文書、メッセージなどを出力してもよく、またスピーカなどから音声メッセージまたは警告音を発して対応者へ案内しても良い。

行動を予測する上で、キーワード抽出処理を、各通報サブクラス、それらのサブクラスを全て含んだ防災フェーズクラス、それらを１セットとして、異なるプラントや災害事象など複数セットに対して繰り返し、それらのキーワードを学習してデータベース３１に設定する。

ＣＰＵ３６は、上記各部を制御すると共にこの装置全体を統括して制御する。メモリ３７は、ＣＰＵ３６の作業領域としてデータを保持する。この他、メモリ３７には、受信された電子メールのデータが一時記憶される。

この対応行動予測システムでは、通報文とそれに対する対応行動の相関分析に基づき通報と行動との相関関係を示すデータベース３１を構築しておき、通報と行動との相関を特徴的に表すキーワードを用いた行動推論を行うことにより、学習に用いた以外の新たな通報文に対する行動予測が可能となり、緊急時対応支援に寄与できる。

ここで、図２を参照して緊急事象の特徴的な流れについて説明する。一般に、災害などの緊急事象は、災害の種類にあまり依存せずに、図２に示すように、発生９ａ、拡大９ｂ、・・・・放出（終息）９ｃなどといった時系列的な進展（流れ）があり、この時系列的な進展（流れ）に対応した通報の流れ（第１通報１０ａ、第２通報１０ｂ、第３通報１０ｃなど）がある。

各通報には、純粋な情報の伝達もあれば、事象の進展に伴い対応すべき行動の指示などもある。従って、そのような指示のある通報に対しては、それに対応すべき行動の流れ（第１行動１１ａ、第２行動１１ｂ、第３行動１１ｃなど）がある。

従って、こうした事象の進展、通報の流れ、行動の流れなどを典型的な組み合わせで含んだフェーズ１２が定義できる。これは、前述したように、災害事象の進展とその拡大を防ぐためにとるべき行動を促したり、または支援するための通報と、その対応行動、すなわち防災、あるいは減災行動を時系列的に区切って定義するものであるので、ここでは、防災フェーズと呼ぶことにする。

防災フェーズは、対象とする災害毎に定義できるが、ここでは、一例として原子力発電プラントなどの施設において行われる防災訓練を基にして防災フェーズを定義する。原子力発電プラントなどでは、災害発生を想定し、災害の担当者が必ず任命されており、災害の担当者が対外的に取る行動を訓練シナリオに基づいて分類すると、以下の４つに分けられる。
第１フェーズ 初動対応に係る訓練
・トラブル通報の第１報から原災法第１０条に基づく通報に関する各種措置まで
第２フェーズ 緊急事態宣言発出に係る訓練
・原災法第１０条に基づく通報から原子力緊急事態宣言発出等に関する各種措置まで
第３フェーズ 避難等に係る訓練
・避難・退避の決定に係る措置から放射性物質放出停止までの各種措置
第４フェーズ 事後処置に係る訓練
・放射性物質放出停止後の事後処置に係る各種措置

この訓練を実際の災害での行動に焼き直すと、１．「初動対応」、２．「緊急事態宣言発出」、３．「避難等の指示」、４．「事後処置」という大きな行動フェーズに分けられる。

さらに、この行動に対して通報の観点からのフェーズを加えると、以下の９つのフェーズに分けられる。

１．「初動対応」：［１］事故（異常災害）発生、［２］１０条事象、
２．「緊急事態宣言発出」：［３］１５条事象、［４］負傷者発生
３．「避難等の指示」：［５］放射線放出の恐れ、［６］放射性物質放出
４．「事後処置」：［７］事故収集措置、［８］事故復旧、［９］緊急時体制解除

以上は防災フェーズの分け方の一例であるが、このように事象の進展に対する緊急時通報の流れと、通報指示による対応行動の流れを、時系列の中で区切ったフェーズを定義して、通報内容からこのフェーズを同定することで対応行動を絞り込むことができる、というのが本発明の基本的な原理である。なお防災フェーズの具体例については以降で説明する。

このように通報文とその対応行動の進展を特徴的に包含する防災フェーズを設定することにより、通報文の内容と対応行動の相関性をより明確化し、行動予測の精度をより向上することができ、緊急時対応の支援に寄与できる。

次に、図３〜図６を用いて防災フェーズの定義について説明する。図２で説明した防災フェーズをデータベース３１上に定義する上では、オントロジーと呼ばれるコンピュータ上の知識データベース表現方法を用いる。オントロジーとは、一般に、「分類体系」と「推論ルール集」から構成されており、コンピュータ上での相互参照、相互運用を可能にする標準言語としてＯＷＬがＷ３Ｃのワーキンググループにて開発されている。

このシステムにおいて作成するオントロジーは、各防災フェーズにおいて、連絡通報４と、それに起因する対応行動とを連結した形で定義し、かつ推論によりそれが分類摘出可能であるために必要なキーワードを対応させる。

例えば図３に示すように、最上位の防災フェーズクラス１３を定義する。防災フェーズクラスは、その防災フェーズに特徴的であり、通報文が含む確率の高いキーワード１４を属性として持っている。また、通報−対応行動を最上位の防災フェーズクラス１３のサブクラス１５として定義しておき、各サブクラスには、具体的な行動を指示したり、または情報を伝達する通報１６が、さらにそのサブクラスとして定義されている。それらは属性情報１７を含んでおり、それらの中には分類のためのキーワード群などが定義されている。

ここで、通報サブクラスを定義するにあたり、「通報はどのような通報であってもその対象者に行動を促すものである。」という形で通報をとらえることにより、クラス化を行う。

すなわち、通報が誰に対してどんな行動を取るように促しているのかを、その通報の特性としてオントロジーに組み込むことにより、通報と行動との対応関係が記述できる。また、対応行動は通報により促されることから、通報クラスの属性として定義できる。

例えば、事故発生第１報の「異常災害通報」が事業者から関連する地方自治体や国などの組織に送られた場合、それぞれの受信者は、「事故発生通報確認」という対応行動を取らなければならない。

このように、すべての防災組織の行動は、通報により起動され連鎖伝搬するため、すべての通報を何らかの行動を促すクラスとして定義し、個別の通報クラスの属性として、対応行動を含む次の四つの属性を最低限定義することで、「通報」と「対応行動」を関連させることができる。すなわち、以下の４つの属性から、行動を促す主体、行動を促される受け手、行動の内容、行動を受ける対象、が定義できる。

行動を促す通報クラスの属性
〔１〕通報の発信元：送信者
〔２〕通報を受けて対応する組織：受信者
〔３〕対応行動：行為
〔４〕行動の対象：行為の対象

図３の属性１４と属性１７にはそれぞれキーワード群が定義されているが、属性１４のキーワード群は、防災フェーズを特定するためのキーワードであり、具体例は以降の実施例で述べるが、災害事象の進展を表す、例えば「発生（した）」、「拡大（した）」、「放出（した）」等の比較的汎用化されたキーワードである。

これに対して、属性１７のキーワード群は、通報を特定するキーワードであるため、固有名詞などを含んだより特定されたキーワードになる。

すなわち、図４に示すように、通報文を自然言語解析し（ステップＳ１０１）、キーワードを抽出したときに（ステップＳ１０２）、属性１４のキーワード群は、「このキーワードを含む通報はどの防災フェーズに所属しているか？」という問いに対してキーワードの属性を論理演算により推論し（ステップＳ１０３）、対応する防災フェーズを分離・摘出する（ステップＳ１０４）、ことを目的としたものである。

一方、図５に示すように、通報文を自然言語解析し（ステップＳ２０１）、キーワードを抽出したときに（ステップＳ２０２）、属性１７のキーワード群は、「その防災フェーズで、このキーワードを含む通報は何か？」という問いに対してキーワードの属性を論理演算により推論し（ステップＳ２０３）、対応する通報文を通報−行動サブクラスに分離・摘出する（ステップＳ２０４）、ことを目的としたものである。この例では、通報の属性として通報文に含まれるタイトルや送受信者を推論に利用する。

以上の処理を、図６を参照して対応行動予測装置３の動作として説明する。すなわち、対応行動予測装置３は、図６のステップＳ１で、受信された通報文をメモリ３７に読み込む。ここでは、電子メールのような既にデジタル化されているデータはそのままメモリ３７に読み込み、音声データなどは音声認識後デジタル化されているものとする。

通報文を逐次読み込むと、自然言語解析部３３は、ステップＳ２で自然言語処理を行い、ステップＳ３で、分析処理を行って重要語彙などのキーワードを抽出する。このキーワード抽出処理を通報文全体に対して行うと、その通報文に対する重要語彙データベースが作成される。

重要語彙データベースができ上がると、行動予測部３５は、ステップＳ４で、通報文オントロジーデータベースの中の防災フェーズのキーワードに対して推論機能を用いたマッチング処理を行い、ここで防災フェーズを特定する。

防災フェーズが特定されると、行動予測部３５は、通報文オントロジーデータベースの中から、その防災フェーズのサブクラスデータ、すなわち通報文データを参照して、ステップＳ５で対象通報文の重要語彙データベースとそのサブクラス属性データ、すなわち送受信者データやキーワードと推論機能を用いたマッチング処理を行う。この処理は通報文が特定されるまで実行する。

通報文が特定されると、行動予測部３５は、ステップＳ６で、オントロジーデータベースより当該通報文の対応行動属性を抽出し、ステップＳ７で、行動予測を行う。行動予測が終了すると、行動予測部３５は、行動監視や対応行動ガイダンスなどの必要な処理をステップＳ８で行う。

すなわち、この例では、ステップＳ４で、防災フェーズへの絞込み推論を、ステップＳ５で特定された防災フェーズ内での通報文特定のための推論という２段階の推論を実施する。これらの処理については、以降で具体的に説明する。

このように、まずは防災フェーズといった比較的大きな枠組みの中で、通報の所属するフェーズを絞り込み、絞り込んだフェーズの中で、さらに具体的な通報を特定することにより、行動予測の効率と精度を向上することができる。

図７〜図９を用いてデータベース３１の具体例について説明する。図３に示したデータベース３１（通報文オントロジーデータベース）の内容では、その構成から分かるように、データベース３１の最上位に防災フェーズクラスがあり、各防災フェーズを特徴付けるキーワードを属性として持っている。また、各通報サブクラスにもその通報を特徴付けるキーワードを属性として持っている。原則的には防災フェーズは災害事象の進展に基づいて設定し、それは一般的には必要な対応行動と相関性が高い。

すなわち、例えば事象の発生に対しては、担当者や関連部署への連絡と召集などの初動対応、有害物質の放出に対しては、放出の抑制対応と周辺への避難指示、などである。

また、行動に加えて通報側からも特徴付けられるような防災フェーズの設定法が望ましいので、防災フェーズの設定とキーワードの選定には相互に依存性が出てくる。

このため、両者を汎用的な手順から設定することは困難であるが、おおよそには以下のようにして実施できる。上述した原子力防災を例にすると、事象の進展に基づいた最も大まかな対応行動の流れは、１．「初動対応」、２．「緊急事態宣言発出」、３．「避難等の指示」、４．「事後処置」である。

１．の「初動対応」では、原子力の場合は、まず事業者からの事故通報があり、その通報後に、原子力災害特別措置法（原災法）に基づいた通報の対象事象（特定事象）であるかないかで、対応が大きく異なる。一般にそれは１０条通報特定事象と呼ばれ、通報が以下のように規定されている。

〔１〕原災法第１０条による通報→原子力防災管理者は、主務大臣並びに当該事象が発生した場所を管轄する都道府県知事及び市町村長に直ちに通報する。

〔２〕経済産業省原子力災害警戒本部（警戒本部）の設置→通報受信後、原子力安全・保安院では、職員への連絡、召集を行うとともに、原子力緊急事態に該当するか否かの判断を行い、該当しない場合は警戒本部を設置する。警戒本部は、必要に応じ、防衛庁と警察庁に対し、現地派遣支援を依頼する。

〔３〕経済産業省原子力災害現地警戒本部（現地警戒本部）の設置→警戒本部によって編成された現地派遣チームは、現地に到着後、現地警戒本部を設置し、輸送容器の損傷状況、放射性物質の放出状況、立入制限措置の状況等の現場確認を行う。現地警戒本部は、原則として、放射線又は放射性物質の影響の及ばない事故周辺地域にて設置する。

〔４〕応急の措置→原子力事業者等は、直ちに、携行した防災資機材を用いて立入制限区域の設定、汚染・漏えいの拡大防止対策、遮へい対策、モニタリング、消火・延焼の防止、負傷者の救出、避難等の措置等を的確かつ迅速に行う。

すなわち、１０条特定事象発生後には、上記のような通報の流れと対応行動が規定されているので、フェーズを発生前後で区切ることで、通報の特定が可能になる。

従って、１．の「初動対応」は、〔第１フェーズ〕事故（異常災害）発生、〔第２フェーズ〕１０条事象という２つのフェーズに分けることが妥当であると判断できる。
こうした個々の防災フェーズ内における通報を分析すると、図７に示すように、通報は、表１８のように区分することができる。

これは、上述した「行動を促す通報クラスの属性」（〔１〕通報の発信元：送信者、〔２〕通報を受けて対応する組織：受信者、〔３〕対応行動：行為、〔４〕行動の対象：行為の対象）と、通報の内容から構成されていることがわかる。この通報の内容は、その要旨は一般的には通報のタイトルに反映されているが、詳細な中身はキーワードにより特定すべきものである。

上記〔１〕から〔４〕の属性から、かなりの確率で通報は特定できるが、定期的な通報や、事象の進展状況の通報などはこれらの属性が同じでも、内容が異なっている可能性が高い。

すなわち、図８に例示するように、通報名や書式が同じでも内容の異なる複数の通報を特定するためには、内容を特定するキーワードと、各防災フェーズの通報サブクラス情報のキーワード間での推論が必要になる。

すなわち、防災フェーズの通報サブクラス情報のキーワードは、こうした通報内容から特定できるように選定されている必要があり、防災フェーズクラスのキーワードは、こうした個々のキーワードを総括的に表す概念や状態を示すようなキーワードを選定する。

キーワードの選定法としては、まずは防災フェーズや通報を特定できるような固有名詞、例えば１０条（特定）事象とか１０条通報と言ったものはそのまま選定できるが、それ以外のものは通報文に含まれる語彙の出現頻度と語彙間の相関性から選定する。ここで言う語彙とは、実施例１で述べた形態素、及びそれらを組み合わせた固有名詞などのことである。

出現頻度が高いということは、その通報または事象の中で重要なキーワードである可能性が高いが、一般的にその防災フェーズ内や、あるいは対象とする災害事象でも出現頻度が高いような語彙には注意が必要である。このような語彙をふるい分ける指標は色々提案されているが、最も良く使われる指標にｔｆ−ｉｄｆ（ＴＦ・ＩＤＦ）と呼ばれる指標がある。本システムでは、個々の通報に特徴的に高い頻度から推定するための指標として、このｔｆ−ｉｄｆ（ＴＦ・ＩＤＦ）を用いる。

“ｔｆ”は、“Term Frequency”の略で、ある文書における語彙（単語）の出現頻度であり、これが高いとその単語が何度も使われていることを示し、単語の重要度が高いといえる。ただし、文書が長いと、この値もどんどん高くなる。

“ｉｄｆ”は“Inverted Document Frequency”の略であり、単語が現れる相対文書頻度の逆数の対数で定義されており、出現する文書数が少ないほどその単語を特徴付けている。

これらの積をとることで、その文書に数多く、つまり高い頻度で現れる（ＴＦ）が、少ない数の文書にしか現れない（ＩＤＦ）、ということから、逆に通報を特徴つけるためには都合の良い指標であるといえる。

すなわち、個々の通報の属性キーワード選定には、こうした出現頻度の高い語彙、更にはその通報に特徴的に出現頻度の高い語彙を選べばよい。

これに対して、防災フェーズを特徴付けるキーワード群としては、個々の通報のキーワードを汎用化、あるいはそれらを繋げるような役割の語彙が望ましい。汎用化というのは、個々の固有のキーワードを包括的に扱えるようにすることである。

例えば固有なキーワード間で共通に現れる語彙で共通のもの、「ポンプ停止」、「給水停止」、「注水停止」であれば、「停止」を選ぶ。また、固有なキーワード間と相関性のあるキーワードとして、共起度というものに注目することができる。

共起度とは、共通に現れる対語彙の頻度確率を表すもので、ある文書の中で、第１の語彙１が出現すると第２の語彙が出現する確率が高いかどうかを表す指標であり、Jaccard係数などがその代表的なものである。

図９を参照すると、共起度が高いもの同士の複数の語彙で構成された集合は、互いに何らかの相関で結ばれたクラスター１９、２０を構成する。例えば、「火災、煙、高温」、「水、ポンプ、消防」などといったクラスター群である。

そして、出現頻度は低いが、これらのクラスターを連結するような語彙、これは一般にはハブと呼ばれるが、ハブに相当する語彙１０（図９の符号２１）、例えば「消火」とか、「通報」といったものが出てくる。

「消火」であれば、消火という対応行動を促し、「通報」であれば消防への通報という対応行動を促すものである。すなわち、単純に火災であればこれが火災の発生を知らせるものなのか、あるいは消火を促すものなのかは区別できないが、こうした相関性の高い語彙をキーワードに含むことにより、どちらの行動を促すものなのかを区別することが可能になる。

すなわち、図９でクラスター１９やクラスター２０の個々のキーワードから推論しても区別できないが、語彙１０（図９の符号２１）のキーワードから推論することで、最終的な通報や行動まで絞り込むことができる。したがって、共起度を用いて語彙間、あるいは語彙クラスター間での相関性の高い語彙からキーワードを選定する。

これは、防災フェーズのキーワードのみではなく、個々の通報キーワードの選定にも使えるが、両者の違いはクラスターの範囲が防災フェーズレベルなのか、個々の通報レベルでのものかという違いになるが、当然両者に共通のキーワードが出てくることもあり得る。

一般的には、防災フェーズクラスに含まれる複数の通報サブクラスの属性キーワードで共通に出現するものは、その防災フェーズを特徴付けるキーワードとなる確率が高い。

したがって、複数の通報サブクラスの属性キーワードで共通に出現する確率の高いものから一定数を防災フェーズクラスのキーワードとして加えるやり方もある。または、個々の通報サブクラスのキーワードから互いに概念的に共通のキーワードを人為的に選ぶやり方もある。

ここで、概念が共通と言うのは、抽象度がより高いと言うことであり、例えば図８の通報内容を例にすると、「スクラム（失敗）」、「制御棒挿入」は「プラント停止」のための手段であり、「ポンプ起動」、「ＥＣＣＳ起動」は「プラント冷却」のための手段であり、その目的はより抽象度が高い。

また、「プラント停止」も「プラント冷却」も何らかの事象に対する操作であるが、通報という観点からは１０条特定事象の条件であり、これらのキーワードが共通に現れれば、１０条事象フェーズに関連していると推定できる。

このようにすることで、通報文とそれに対する対応行動の相関性を特徴付けるキーワードの設定法が明確化され、キーワードを標準的に選ぶことで、計算機を用いたキーワードの自動抽出が可能となり、信頼性の高いオントロジーデータベースを開発することができる。

次に、図１０を参照してキーワードを設定する際の動作例を説明する。本例は上記した内容をより具体化しキーワードをデータベース３１に設定する例である。
この場合、行動予測部３５には、キーワード抽出部３４により抽出されたキーワードを学習する学習機能を設ける。
この対応行動予測システムでは、図１０に示すように、キーワードを設定する処理を大別すると、４つのステップに分けられる。例えば通報ステップＳ３００、防災フェーズステップＳ４００、学習ステップＳ５００、設定ステップＳ６００である。

基本の処理動作は、通報ステップＳ３００であり、一番下位の通報サブクラスに対して行う。すなわち、ある災害、あるいはプラントの防災訓練について防災フェーズが設定され、各防災フェーズに所属する防災サブクラスが設定されたとする。

まず、通報ステップＳ３００について説明する。ある防災クラスの通報サブクラスに属する通報文に対して、ステップＳ３０１で通報文の読み込み（デジタル化し）、ステップＳ３０２で自然言語処理解析を行い、ステップＳ３０３ではキーワード候補となるある語彙の出現頻度を求める。語彙の出現頻度を求めた結果、語彙の出現頻度が高く語彙が固有名詞であれば、この語彙を通報キーワード候補とする（ステップＳ３０５）。

一方、語彙が固有名詞でなければ、ステップＳ３０４でｔｆ−ｉｄｆを求めてこの値が高ければステップＳ３０５で同様に通報キーワード候補とする。また、ステップＳ３０６で共起度を求めてこれが高ければステップＳ３０５で同様に通報キーワード候補とする。

また、ステップＳ３０７では、共起度に基づきクラスターを設定し、クラスター間の連結語彙からステップＳ３０８でハブを設定する。このハブに設定された語彙が、ステップＳ３０９で防災フェーズキーワード候補となる。以上のステップを通報サブクラス全てに行う。これが通報クラスステップである。

次に、防災フェーズステップＳ４００について説明する。この場合、ステップＳ４０１にて、ステップＳ３０１からステップＳ３０９までの処理を繰り返す。そして、同様に防災フェーズごとに、通報キーワード候補、防災キーワード候補がステップＳ４０２で抽出される。

また、通報キーワードの中で複数の通報サブクラス内で共通に現れるようなキーワードについては、ステップＳ４０３で防災フェーズキーワード候補にも加える。以上の処理を防災フェーズクラス全てについて繰り返す。

以上が防災フェーズクラスであり、これが終了すると、１つの災害事象、あるいは１つのプラント防災訓練に関する１セットの学習が終了する。

次の学習ステップＳ５００は、事象やプラントなどの違いに対して、汎用的な対応ができるための汎用化学習のステップであり、異なる事象やプラントに対して、通報ステップＳ３００、防災フェーズステップＳ４００の処理を繰り返す。

これがステップＳ５０１であり、この処理でも同様に通報キーワード候補と防災フェーズキーワード候補がステップＳ５０２で設定され、ステップＳ４０３の処理と同様に通報キーワードの中で共通的なものをステップＳ５０３で防災フェーズキーワード候補に加える。

このようにして学習ステップＳ５００が終了すると、通報キーワード候補と防災フェーズ候補が出揃うので、設定ステップＳ６００において、ステップＳ６０１で通報キーワード候補の中から正式な通報キーワードが絞り込まれ、またステップＳ６０２では、防災フェーズキーワード候補の中から正式な防災フェーズキーワードが絞り込まれる。

キーワードの絞り込みは、キーワードが多すぎると、過学習により汎用化能力が低下し、推定精度の低下や推論処理が複雑化することを避けるために、精度と効率の観点から最適な個数まで絞り込む。キーワードを絞り込む上では、ｔｆ−ｉｄｆやクラスター度などの指標および、抽象度の観点から専門家の判断などを参照して行うものとする。

この例では、通報文とそれに対する対応行動の相関性を特徴付けるキーワード計算機を用いた自動抽出法と自動学習が可能となり、信頼性の高いオントロジーデータベースを開発することができる。

次に、図１１、図１２を参照して通報の流れと行動について説明する。
図１１に示すように、第１通報から第４通報までの流れがあったものとする。個々の通報は、図６に示したような処理のステップに従い、属する防災フェーズと通報自体が特定される。特定された通報には、図５に示したように属性として、対応行動に関する情報を持っているので、ここで通報―対応行動の関連が一意的に決まる。

そこで、通報の流れに従い、時系列的に、図１１に示す行動状況２５のように、対応行動とそれが実施されているかどうかを判別することができる。行動状況を判別する上で、特定の防災フェーズにおいて第１行動、第２行動、第３行動、第４行動、第５行動…等の標準行動パターン２６というものを想定することが可能である。

そのような標準行動パターン２６に基づき、各通報サブクラスの対応行動属性に対して、図１２に示すように、行動間の時系列的な前後関係を属性３０として設定する。それらは、基準となる前後の行動と、その行動に対する通報、および警報発生の基準となる基準経過時間である。

例えば負傷者の特定という対応行動の基準前行動は負傷者の発見であり、負傷者発見通報が対応する通報になる。負傷者の人数や負傷の程度など負傷者の特定がなされた後の、基準後行動とは一般には負傷者の搬送であり、そのために必要な救急車の要請ということになる。

このように対応関係を設定しておくことで、例えば図１２の第３行動の基準前行動が第２行動で基準後行動が第４行動であることが分かる。

標準的な基準後行動が属性情報として設定されていれば、例えば第３行動に対する通報が特定されれば、それから標準的な経過時間内で次の第４行動に対する通報が特定されるかどうかを監視することで、第３行動が正しく実施され、次の第４行動が正しく依頼されているかどうかを監視することができる。

すなわち、オントロジーデータベースの中の属性である対応行動と、各防災フェーズの中で実施すべき対応行動との比較を時系列的に行い、対応行動が正しく行われているかどうかを監視するようする。そして、監視により、必要な対応行動がなされていない場合に、オントロジーデータベースの中の属性である対応行動の対象者に対して行動を促すよう警告し、また送受信者に対応行動が行われていないことを報告する。

行動監視の際に、予め標準的な対応行動実施時間を設定しておき、その実施時間前に行動を促す予備警告を、実施時間後には行動を促す警告を対応行動対象者にそれぞれ発する。

この場合に、図１１の例のように第３行動が標準時間内で実施されていないと判断された場合には、第３行動に対応する通報の対応行動属性２８を参照して、送受信者２９を特定して、それらの送受信者に対応行動を促すような通報や警報を発することができる。

また、図１１の対応行動の実施・未実施を行動の進展に沿ってチェックするような表を更新して、標準行動パターン２６と比較２７を周期的に行い、またこれらの表を担当者間で閲覧することにより、通報と対応行動が正しく進展しているかを担当者間で情報共有することが可能になる。

この例では、通報文とそれに対する対応行動の自動監視とそれに基づいた防災担当者間での情報共有を支援することができる。

なお、本願発明は、上記実施形態のみに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形してもよい。

例えば各構成要素を、コンピュータのハードディスク装置などのストレージにインストールしたプログラムで実現してもよく、また上記プログラムを、コンピュータ読取可能な電子媒体：electronic mediaに記憶しておき、プログラムを電子媒体からコンピュータに読み取らせることで本発明の機能をコンピュータが実現するようにしてもよい。電子媒体としては、例えばＣＤ−ＲＯＭ等の記録媒体やフラッシュメモリ、リムーバブルメディア：Removable media等が含まれる。さらに、ネットワークを介して接続した異なるコンピュータに構成要素を分散して記憶し、各構成要素を機能させたコンピュータ間で通信することで実現してもよい。

１…通信ネットワーク、２…通報端末、３…対応行動予測装置、３１…データベース、３２…受信部、３３…自然言語解析部、３４…キーワード抽出部、３５…行動予測部、３７…メモリ、３８…表示装置、４１…基本辞書、４２…特殊辞書、４３…対応行動相関テーブル、５１…電子メール送信ソフトウェア。

Claims (2)

1. 緊急時またはそれらを想定した訓練時に関係者から送信される典型的な連絡通報が発生するフェーズをいくつかに区分し、各フェーズ毎に前記連絡通報に期待される行動と前記連絡通報に含まれるキーワードとを対応して記憶したデータベースと、
   前記関係者から発信された前記連絡通報の電文を、ネットワークを通じて受信する受信部と、
   前記受信部により受信された電文を自然言語解析して得られた文字列を形態素毎に区分する自然言語解析部と、
   前記自然言語解析部により区分された電文の文字列の中から、出現頻度の高いキーワードまたは形態素間でのつながりの大きなキーワードを抽出するキーワード抽出部と、
   前記キーワード抽出部により抽出されたキーワードをキーにして、前記データベースを参照して、前記連絡通報が所属するフェーズを特定し、特定したフェーズにおいて対応者がなすべき行動を報知する行動予測部と
   を具備することを特徴とする対応行動予測システム。
2. 前記行動予測部は、
   前記キーワード抽出部により抽出されたキーワードを学習する学習機能をさらに具備することを特徴とする請求項１記載の対応行動予測システム。

Images