JP2017096676A - 気象予測装置 - Google Patents
気象予測装置 Download PDFInfo
- Publication number
- JP2017096676A JP2017096676A JP2015226657A JP2015226657A JP2017096676A JP 2017096676 A JP2017096676 A JP 2017096676A JP 2015226657 A JP2015226657 A JP 2015226657A JP 2015226657 A JP2015226657 A JP 2015226657A JP 2017096676 A JP2017096676 A JP 2017096676A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- error
- unit
- mesh
- weather
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
Abstract
【課題】局所的な気象予測の予測精度が向上可能な気象予測装置を提供する。【解決手段】サーバ10は、気象を予測する対象となる第3次メッシュに隣接する隣接エリアに位置する移動端末30によりGPS測位用の信号が受信されてGPS測位された位置に関する誤差であるGPS誤差を取得する位置情報取得部11と、GPS誤差を用いて、対象メッシュの気象を予測する予測部21と、予測部21の予測結果を出力する出力部22と、を備える。【選択図】図1
Description
本発明は、気象を予測する気象予測装置に関する。
例えば、雨が降った場合、普段は自転車で通勤するユーザがバスで通勤するというように、気象は、ユーザの行動を左右する重要な環境要因である。気象庁などの専門機関では、例えば20km四方の領域を単位とした気象予測が行われている。しかしながら、局所的集中豪雨に見られるように、気象は非常に狭い範囲で全く異なることも多い。このため、いわゆるピンポイントの気象予測を行うことが望まれている。
特許文献1には、移動端末と、予測装置とを備え、移動端末の位置における天気予測を行う予測システムが記載されている。移動端末は、GPS(グローバル・ポジショニング・システム)等の測位衛星から発された電磁波を受信し、受信した電磁波を利用して、位置情報と、電磁波の伝送経路上の大気に含まれる水蒸気の量を示す天気情報と、を取得する。予測装置は、これらの情報に基づき、天気予測処理を行う。
特許文献1に記載の予測システムによれば、移動端末の位置における天気予測を行うことができる。しかしながら、GPSでは、移動端末における信号の受信状態が気象以外の要因の影響も受け得るため、予測精度が向上しない場合があった。
本発明は、局所的な気象予測の予測精度が向上可能な気象予測装置を提供することを目的とする。
上記の目的を達成するために、本発明に係る気象予測装置は、気象を予測する対象となる対象エリアに隣接する隣接エリアに位置する移動端末によりGPS測位用の信号が受信されてGPS測位された位置に関する誤差である第1誤差を取得する誤差取得部と、第1誤差を用いて、対象エリアの気象を予測する予測部と、予測部の予測結果を出力する出力部と、を備える。
本発明に係る気象予測装置は、隣接エリアに位置する移動端末に係る第1誤差を用いて、対象エリアの気象を予測する。このため、例えば対象エリアに位置する移動端末に係る第2誤差に、気象以外の要因の影響が大きく及んだ場合でも、気象予測の予測精度が低下し難い。これにより、局所的な気象予測の予測精度が向上可能となる。
誤差取得部は、対象エリアに位置する移動端末によりGPS測位用の信号が受信されてGPS測位された位置に関する誤差である第2誤差を更に取得し、予測部は、第2誤差を更に用いて、対象エリアの気象を予測してもよい。この場合、第1誤差に加えて、第2誤差を更に用いて予測を行うので、予測精度が更に向上可能となる。
予測部は、第1誤差の時間的な変化率を用いて、対象エリアの気象を予測してもよい。この場合、第1誤差の時間的な変化率を更に用いて予測を行うので、予測精度が更に向上可能となる。
予測部は、対象エリアに位置する移動端末の数をカウントして、カウントした数に応じて、対象エリアの気象を予測してもよい。この場合、例えば、対象エリアに位置する移動端末の数に応じて、第2誤差の値を第1誤差の値を用いて補正するといったことができるので、予測精度が更に向上可能となる。
移動端末ごとに、予め設定された重み付け係数により第1誤差に重み付けする重み付け部を更に備え、予測部は、重み付け部により重み付けされた第1誤差を用いて、対象エリアの気象を予測してもよい。この場合、例えば、移動端末の機種ごとの第1誤差のばらつきを抑制することができるので、予測精度が更に向上可能となる。
対象エリアにおける風向きを示す風向き情報を取得する風向き情報取得部を更に備え、予測部は、風向きに応じて、予測に用いる隣接エリアを選択してもよい。この場合、予測部は、気象変化の一因である風向きを考慮して、予測に用いる隣接エリアを選択するので、予測精度が更に向上可能となる。
本発明では、局所的な気象予測の予測精度が向上可能である。
以下、図面と共に本発明に係る気象予測装置の実施形態について詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。
図1は、実施形態に係るサーバのブロック図である。サーバ10(気象予測装置)は、局所的な気象を予測するための装置である。サーバ10は、特に、局所的集中豪雨の発生を予測するための装置である。ここで、局所的集中豪雨とは、例えば1時間程度の時間内に、10km四方程度の範囲内に降る大雨のことである。
サーバ10と移動端末30とは、ネットワークを介して互いに情報の送受信を行うことができる。このネットワークは、例えば、移動体通信網あるいはインターネットを含んで構成されている。
移動端末30は、ユーザが所持する携帯電話機のような持ち運び可能な電子機器である。移動端末30は、携帯電話機以外でもよく、例えば、スマートフォン、タブレット型コンピュータ、パーソナルデジタルアシスタント(PDA)等でもよい。
移動端末30は、GPS測位用の信号を受信し、受信した信号を利用して、GPS測位演算を行って移動端末(自端末)30の位置を算出する測位機能(GPS測位機能)を有している。移動端末30は、予め定められた測位時刻に測位を実行する。測位時刻は、予め定められた測位周期(例えば、1分間)で設定されている。移動端末30は、測位を実行すると、測位した結果の情報である位置情報を生成する。位置情報には、ユーザIDと、緯度と、経度と、GPS誤差と、機種タイプと、測位時刻と、が含まれている。ユーザIDは、移動端末30が予め記憶している当該移動端末30のユーザを識別する情報である。緯度及び経度は、GPS測位によって得られた移動端末30の位置を示す情報である。GPS誤差は、移動端末30によりGPS測位用の信号が受信されてGPS測位された位置に関する誤差である。GPS誤差は、大気中の水蒸気量の影響を受ける。GPS誤差は、大気中の水蒸気量が多くなるほど、大きくなる。機種タイプは、移動端末30が予め記憶している当該移動端末30の機種を示す情報である。測位時刻は、GPS測位された時刻である。移動端末30は、生成した位置情報をサーバ10へ送信する。移動端末30は、位置情報を生成する毎に位置情報をサーバ10へ送信する。なお、移動端末30は、予め定められた期間分の位置情報をまとめてサーバ10へ送信するようにしてもよい。
サーバ10は、位置情報取得部(誤差取得部)11と、位置情報記憶部12と、重み付け係数記憶部13と、エリア情報作成部(重み付け部)14と、エリア情報記憶部15と、過去天気情報記憶部16と、雨雲学習部17と、雨雲記憶部18と、降水学習部19と、降水記憶部20と、予測部21と、出力部22と、を備えている。予測部21は、雨雲予測部23と、降水予測部24と、を有している。
図2は、サーバのハードウェア構成を示す図である。図2に示されるように、サーバ10は、CPU101、主記憶装置であるRAM(Random Access Memory)102及びROM(Read OnlyMemory)103、通信を行うための通信モジュール104、並びにハードディスク等の補助記憶装置等のハードウェア105を備えるコンピュータを含むものとして構成される。これらの構成要素がプログラム等により動作することにより、図1に示されるサーバ10の各機能要素による機能が発揮される。なお、サーバ10は複数台のコンピュータによるコンピュータシステムによって構成されていてもよい。以下、図1に示される各機能要素について説明する。
位置情報取得部11は、移動端末30から位置情報を受信することにより、位置情報を取得する機能要素である。位置情報取得部11は、位置情報を取得すると、当該位置情報を位置情報記憶部12に登録する。
位置情報記憶部12は、位置情報が登録された位置情報テーブルを記憶する機能要素である。図3は、位置情報テーブルの例を示す図である。図3に示されるように、位置情報テーブルには、ユーザIDと、緯度と、経度と、GPS誤差と、機種タイプと、測位時刻とが対応付けて登録されている。
重み付け係数記憶部13は、機種タイプごとにGPS誤差に重み付けするための係数である重み付け係数を事前に記憶している機能要素である。重み付け係数は、例えば、周囲に障害物のない理想環境下で事前に計測されたGPS誤差の平均値である平均GPS誤差から、機種タイプごとに算出される。図4は、重み付け係数の算出例を示す図である。図4に示されるように、重み付け係数は、平均GPS誤差が小さいほど大きくなる。ここでは、平均GPS誤差の最小値を1とし、最小値との比の逆数が重み付け係数として算出される。
エリア情報作成部14は、位置情報記憶部12に記憶された位置情報から、予め定められた所定のエリアごとにエリア情報を作成する機能要素である。ここでは、エリア情報作成部14は、1km四方のエリアである第3次メッシュごとにエリア情報を作成し、作成したエリア情報をエリア情報記憶部15に登録する。エリア情報には、メッシュコードと、メッシュ平均誤差(GPS_error_ave_meshecode_3rd)と、周辺平均誤差(GPS_error_ave_around_20km)と、メッシュ変化率(Gradient_meshecode_3rd)と、周辺変化率(Gradient_around_20km)と、測位時刻と、が含まれている。メッシュコードは、第3次メッシュを識別する情報であり、第3次メッシュごとに予め設定されている。メッシュ平均誤差は、第3次メッシュに位置する移動端末30にかかるGPS誤差の平均値である。周辺平均誤差は、第3次メッシュを含み第3次メッシュよりも広いエリアである周辺エリアに位置する移動端末30にかかるGPS誤差の平均値である。ここでは、周辺エリアは、第3次メッシュの周囲20km四方のエリアである。周辺エリアの重心位置は、第3次メッシュの重心位置と一致している。メッシュ変化率は、メッシュ平均誤差の時間的な変化率である。周辺変化率は、周辺平均誤差の時間的な変化率である。メッシュ変化率及び周辺変化率は、単位時間(例えば1分間)ごとのメッシュ平均誤差及び周辺平均誤差の変化率である。
エリア情報作成部14は、例えば、緯度及び経度とメッシュコードとの対応表を予め記憶しておき、当該対応表を参照すること等により、位置情報記憶部12に記憶された位置情報の緯度及び経度をメッシュコードに変換する。変換後、エリア情報作成部14は、測位時刻及びメッシュコードごとに、位置情報に含まれるGPS誤差に基づき、メッシュ平均誤差を算出する。なお、本実施形態では、複数の移動端末30がいずれも同じ測位時刻にGPS測位を行い、エリア情報作成部14が、測位時刻ごとにメッシュ平均誤差を算出する例について説明しているが、これに限られない。複数の移動端末30がそれぞれ異なる測位時刻にGPS測位を行い、エリア情報作成部14が、測位時刻が含まれる時間帯(例えば、1分間ごとの時間帯)ごとにメッシュ平均誤差を算出してもよい。例えば、複数の移動端末30のGPS測位のタイミングは、複数の移動端末30のそれぞれの起動時、及び位置情報を用いるアプリの起動時等であってもよい。エリア情報作成部14は、具体的には、重み付け係数記憶部13を参照し、機種タイプに対応付けて予め設定された重み付け係数により、移動端末30ごとにGPS誤差に重み付けする。エリア情報作成部14は、重み付け後のGPS誤差の平均値としてメッシュ平均誤差を算出する。図3及び図4に基づき、メッシュ平均誤差の算出例を説明する。例えば、機種タイプ「A」、「B」及び「C」の移動端末30が1台ずつ存在する第3次メッシュの場合、メッシュ平均誤差は、以下の式で算出される。
(500×1+100×1/2+1000×1/3)/3
(500×1+100×1/2+1000×1/3)/3
また、エリア情報作成部14は、測位時刻及びメッシュコードごとに対応する周辺エリアの経度及び緯度の範囲を特定する。エリア情報作成部14は、特定した経度及び緯度の範囲内に位置する移動端末30にかかるGPS誤差(即ち、当該範囲内に経度及び緯度が含まれる位置情報のGPS誤差)に基づき、周辺平均誤差を算出する。具体的には、エリア情報作成部14は、重み付け係数記憶部13を参照し、機種タイプに対応付けて予め設定された重み付け係数により、移動端末30ごとにGPS誤差に重み付けする。エリア情報作成部14は、重み付けされたGPS誤差の平均値として周辺平均誤差を算出する。
エリア情報作成部14は、メッシュコードごとに、算出したメッシュ平均誤差を測位時刻順に参照し、測位時刻ごとに、メッシュ平均誤差と、1つ古い測位時刻におけるメッシュ平均誤差との比をメッシュ変化率として算出する。即ち、メッシュ変化率は、(メッシュ平均誤差)/(1つ古い測位時刻におけるメッシュ平均誤差)により算出される。エリア情報作成部14は、メッシュコードごとに算出した周辺平均誤差を測位時刻順に参照し、測位時刻ごとに、周辺平均誤差と、1つ古い測位時刻における周辺平均誤差との比を周辺変化率として算出する。即ち、周辺変化率は、(周辺平均誤差)/(1つ古い測位時刻における周辺平均誤差)により算出される。
エリア情報記憶部15は、エリア情報が登録されたエリア情報テーブルを記憶する機能要素である。図5は、エリア情報テーブルの例を示す図である。図5に示されるように、エリア情報テーブルには、メッシュコードと、メッシュ平均誤差(GPS_error_ave_meshecode_3rd)と、周辺平均誤差(GPS_error_ave_around_20km)と、メッシュ変化率(Gradient_meshecode_3rd)と、周辺変化率(Gradient_around_20km)と、測位時刻と、が対応付けて登録されている。
過去天気情報記憶部16は、過去の天気を示す情報である過去天気情報を記憶する構成要素である。過去天気情報は、例えば、予めネットワークを介して外部から取得され、過去天気情報記憶部16に記憶される。過去天気情報には、例えば、メッシュコードと、時刻と、降水の有無と、が含まれる。過去天気情報記憶部16は、例えば、メッシュコードごとに過去の降水の有無(実際に雨が降ったか否か)を1分刻みで記憶している。例えば、降水有りの場合は「1」、及び降水無しの場合は「0」が記憶される。なお、過去天気情報記憶部16は、降水の有無の代わりに、局所的集中豪雨の有無を記憶していてもよい。
雨雲学習部17は、雨雲の発生を判定するための情報(学習モデル)である雨雲判定情報(雨雲判定基準)を機械学習により生成する機能要素である。雨雲学習部17は、例えば、SVM(Support Vector Machine)及びロジスティック回帰等のクラス分類器である。降水の20分程度前に大気中の水蒸気量が急激に増加して雨雲が発生することが知られている。したがって、雨雲の発生を判定することは、20分程度後の降水を予測することと同等である。雨雲学習部17は、例えば、エリア情報記憶部15及び過去天気情報記憶部16を参照し、メッシュコードごとに、エリア情報におけるメッシュ変化率及び周辺変化率の時系列データと、過去天気情報とを比較することにより、雨雲判定情報を生成する。
図6は、雨雲学習部による学習例を示す図である。図6に示されるように、雨雲学習部17は、例えば、メッシュコード及び時刻ごとに、降水の有無を目的変数に設定すると共に、当該時刻の22分前、21分前、及び20分前のメッシュ変化率及び周辺変化率を説明変数に設定して、雨雲判定情報を機械学習により生成する。雨雲学習部17は、生成した雨雲判定情報を雨雲記憶部18に登録する。なお、雨雲学習部17は、メッシュコードごとの雨雲判定情報を生成することで、予測精度を高めてもよいし、メッシュコードによらない(複数のメッシュコードで共通の)雨雲判定情報を生成することで、機械学習にかかる時間を短縮してもよい。
雨雲記憶部18は、雨雲学習部17の機械学習によって得られた雨雲判定情報を記憶する機能要素である。
降水学習部19は、予め定められた所定時間後(例えば、3分後)の降水の発生を予測するための情報である降水予測情報(降水予測基準)を機械学習により生成する機能要素である。降水学習部19は、例えば、SVM及びロジスティック回帰等のクラス分類器である。降水学習部19は、例えば、エリア情報記憶部15及び過去天気情報記憶部16を参照し、メッシュコードごとに、エリア情報におけるメッシュ平均誤差及び周辺平均誤差の時系列データと、過去天気情報とを比較することにより、降水予測情報を生成する。具体的には、降水学習部19は、例えば、メッシュコード及び時刻ごとに、降水の有無を目的変数に設定すると共に、当該時刻の3分前、2分前、及び1分前のメッシュ平均誤差及び周辺平均誤差を説明変数に設定して、降水予測情報を機械学習により生成する。降水学習部19は、生成した降水予測情報を降水記憶部20に登録する。なお、降水学習部19は、メッシュコードごとの降水予測情報を生成することで、予測精度を高めてもよいし、メッシュコードによらない(複数のメッシュコードで共通の)降水予測情報を生成することで、機械学習にかかる時間を短縮してもよい。
降水記憶部20は、降水学習部19の機械学習により得られた降水予測情報を記憶する機能要素である。
予測部21は、予め設定された所定エリアの気象を、当該所定エリアに含まれる第3次メッシュごとに予測する機能要素である。上述のように、予測部21は、雨雲予測部23と、降水予測部24と、を有している。
雨雲予測部23は、雨雲の発生、即ち、20分程度後の降水の発生を予測する機能要素である。雨雲予測部23は、エリア情報記憶部15及び雨雲記憶部18を参照し、メッシュコードごとに、メッシュ変化率及び周辺変化率と雨雲判定情報とに基づき、雨雲の発生を予測する。具体的には、雨雲予測部23は、メッシュコードごとに、エリア情報記憶部15におけるメッシュ変化率及び周辺変化率の組み合わせを測位時刻が最新のものから3番目に新しいものまで取得し、これらと雨雲記憶部18に記憶された雨雲判定情報とから雨雲の発生を予測する。雨雲予測部23は、予測結果を出力部22に出力する。
降水予測部24は、予め定められた所定時間後(例えば、3分後)の降水の発生を予測する機能要素である。降水予測部24は、エリア情報記憶部15及び降水記憶部20を参照し、メッシュコードごとに、メッシュ平均誤差及び周辺平均誤差と降水予測情報とを比較して、降水の発生を予測する。具体的には、降水予測部24は、メッシュコードごとに、エリア情報記憶部15におけるメッシュ平均誤差及び周辺平均誤差の組み合わせを最新のものから3番目に新しいものまで取得し、これらと降水記憶部20に記憶された降水予測情報とから降水の発生を予測する。降水予測部24は、予測結果を出力部22に出力する。
出力部22は、予測部21から予測結果を入力し、この予測結果を出力する機能要素である。具体的には、出力部22は、雨雲予測部23及び降水予測部24により予測された雨雲及び降水の有無を出力する。より具体的には、出力部22は、メッシュコードと対応づけて、予測された雨雲及び降水の有無を所定の記憶部(不図示)に登録することにより、予測結果を出力する。このように、出力部22が、メッシュコードと、予測された雨雲及び降水の有無とを対応づけた情報を登録するので、サーバ10は、当該情報を用いてピンポイントの気象予測を行うことができる。サーバ10は、例えば、雨雲又は降水有りと予測されたメッシュコードにより示される第3次メッシュに位置する移動端末30に、雨雲又は降水の発生を知らせる情報を送信してもよい。
図7を参照して、気象予測処理を行う前に、予め行われるサーバ10の事前処理について説明する。図7は、サーバの事前処理を示すフローチャートである。図7に示されるように、位置情報取得部11が予め定められた所定時間(例えば、1分間)ごとに移動端末30から位置情報を取得し、当該位置情報を位置情報記憶部12に登録する(ステップS11)。位置情報取得部11は、例えば、オペレータにより入力された終了指示を受け取るまで、この処理を繰り返し行う。オペレータは、例えば、気象を予測する対象となる全ての第3次メッシュが含まれる領域内で、100回分の局所的集中豪雨が発生したと判断した時点で、位置情報取得部11に終了指示を出す。なお、位置情報取得部11は、オペレータの終了指示によらず、予め定められた所定期間(例えば、1ヶ月)経過後に、この処理を終了してもよい。位置情報取得部11による処理の終了後に、エリア情報作成部14が、緯度及び経度とメッシュコードとの対応表と、重み付け係数記憶部13に記憶された重み付け係数とを参照しながら、位置情報記憶部12に記憶された位置情報から、第3次メッシュごとにエリア情報を作成し、作成したエリア情報をエリア情報記憶部15に登録する(ステップS12)。エリア情報記憶部15にエリア情報が登録されると、雨雲学習部17が、エリア情報記憶部15に記憶されたメッシュ変化率及び周辺変化率と、過去天気情報記憶部16に記憶された過去天気情報とに基づき雨雲判定情報を生成し、生成した雨雲判定情報を雨雲記憶部18に登録する(ステップS13)。雨雲記憶部18に雨雲判定情報が登録されると、降水学習部19が、エリア情報記憶部15に記憶されたメッシュ平均誤差及び周辺平均誤差と、過去天気情報記憶部16に記憶された過去天気情報とに基づき降水予測情報を生成し、生成した降水予測情報を降水記憶部20に登録する(ステップS14)。この場合、メッシュコードによらない雨雲判定情報及び降水予測情報が生成される。
図8を参照して、予め定められた所定時間(例えば、1分間)ごとに定期的に行われるサーバ10の気象予測処理について説明する。図8は、サーバの気象予測処理を示すフローチャートである。図8に示されるように、位置情報取得部11が予め定められた所定時間(例えば、1分間)ごとに移動端末30から位置情報を取得し、当該位置情報を位置情報記憶部12に登録する(ステップS21)。位置情報記憶部12に位置情報が登録されると、エリア情報作成部14が、緯度及び経度とメッシュコードとの対応表と、重み付け係数記憶部13に記憶された重み付け係数とを参照しながら、位置情報記憶部12に記憶された位置情報から、メッシュコードごとにエリア情報を作成し、作成したエリア情報をエリア情報記憶部15に登録する(ステップS22)。
エリア情報記憶部15にエリア情報が登録されると、雨雲予測部23が、エリア情報記憶部15に記憶されたメッシュ変化率及び周辺変化率と、雨雲記憶部18に記憶された雨雲判定情報とに基づき、メッシュコードごとに雨雲の発生を予測し、予測結果を出力部22に出力する(ステップS23)。出力部22は、雨雲予測部23から予測結果を入力すると、当該予測結果を出力する(ステップS24)。出力部22が雨雲の発生についての予測結果を出力すると、降水予測部24は当該予測結果を参照し、その内容について判定する(ステップS25)。降水予測部24は、メッシュコードごとに雨雲予測部23による予測結果を参照し、当該予測結果が、雨雲有りという内容であった場合(ステップS25でYes)、エリア情報記憶部15に記憶された最新のメッシュ平均誤差及び周辺平均誤差と、降水記憶部20に記憶された降水予測情報とに基づき、降水の発生を予測し、予測結果を出力部22に出力する(ステップS26)。出力部22は、降水予測部24から予測結果を入力すると、当該予測結果を出力する(ステップS27)。一方、当該予測結果が、雨雲無しという内容であった場合(ステップS25でNo)、降水予測部24は、降水の発生の予測処理を行わず、処理を終了する。
以上説明したように、サーバ10は、予め設定された所定エリアの気象を第3次メッシュごとに予測する。具体的には、サーバ10は、気象を予測する対象となる第3次メッシュ(以下、対象メッシュとも言う)を順次変えながら、当該所定エリアに含まれる全ての第3次メッシュの気象を予測する。位置情報取得部11が、対象メッシュにかかるGPS誤差(即ち、対象メッシュに位置する移動端末30によりGPS測位用の信号が受信されてGPS測位された位置に関する誤差)を示す位置情報を取得する。更に、位置情報取得部11は、対象メッシュに対応する周辺エリアにかかるGPS誤差(即ち、周辺エリアに位置する移動端末30によりGPS測位用の信号が受信されてGPS測位された位置に関する誤差)を示す位置情報を取得する。周辺エリアは、対象メッシュ、及び対象メッシュに隣接する隣接メッシュ等を含んでいる。したがって、位置情報取得部11は、隣接メッシュにかかるGPS誤差(即ち、隣接メッシュに位置する移動端末30によりGPS測位用の信号が受信されてGPS測位された位置に関する誤差)(第1誤差)を取得すると言える。また、位置情報取得部11は、対象メッシュにかかるGPS誤差(第2誤差)を更に取得すると言える。
予測部21は、対象メッシュに位置する移動端末30にかかるGPS誤差の平均値であるメッシュ平均誤差、及び、周辺エリアに位置する移動端末30にかかるGPS誤差の平均値である周辺平均誤差を用いて、対象メッシュの気象を予測する。したがって、予測部21は、対象メッシュの隣接メッシュにかかるGPS誤差(第1誤差)を用いて、対象メッシュの気象を予測すると言える。また、予測部21は、対象メッシュにかかるGPS誤差(第2誤差)を用いて、気象を予測すると言える。
例えば、GPS測位精度が低い移動端末30が対象メッシュに集まってしまった場合、メッシュ平均誤差が大きくなり、予測部21による予測精度が低下するおそれがある。このように、気象(即ち、大気中の水蒸気量の増加)以外の要因で、GPS誤差が大きくなる場合であっても、サーバ10は、対象メッシュ及び周辺エリアにかかるGPS誤差を用いて、対象メッシュの気象を予測するので、気象予測の予測精度が低下し難い。これにより、局所的な気象予測の予測精度が向上可能となる。搬送波位相を観測量とする高性能のGPSを用いた観測点を第3次メッシュごとに設けることは、費用の点から現実的ではない。これに対してサーバ10では、移動端末30のGPS測位機能を利用している。移動端末30のGPS測位機能は民生品レベルであるため、測位精度が低いものの、サーバ10では、多数の移動端末30からGPS誤差を取得することにより、測位精度の低さを補い、気象予測の精度を向上させている。
予測部21は、メッシュ変化率、及び、周辺変化率を更に用いて、気象を予測する。このように時間的な要素が考慮されることにより、予測精度が更に向上可能となる。
サーバ10は、機種タイプごとにGPS誤差に重み付けするエリア情報作成部14と、予め設定された重み付け係数を記憶する重み付け係数記憶部13とを備えている。メッシュ平均誤差及び周辺平均誤差は、エリア情報作成部14により重み付された対象メッシュ及び周辺エリアにかかるGPS誤差の平均値である。即ち、予測部21は、エリア情報作成部14により重み付された対象メッシュM1及び周辺エリアにかかるGPS誤差を用いて、対象メッシュM1の気象を予測していると言える。このため、移動端末30の機種タイプごとのGPS誤差のばらつきを抑制することができるので、予測精度が更に向上可能となる。
なお、サーバ10では、雨雲予測部23がメッシュ変化率を用いて雨雲の発生を予測しているが、雨雲予測部23がメッシュ変化率を用いずに雨雲の発生を予測してもよい。また、サーバ10は、重み付け係数記憶部13を備えず、エリア情報作成部14は、GPS誤差に重み付けせずに、エリア情報を作成してもよい。また、雨雲が発生していなければ、降水が発生しないという考えに基づき、サーバ10では、雨雲無しと判定された場合(ステップS25でNo)、降水予測部24は、降水の発生の予測処理を行わないが、雨雲の発生の有無に係らず、降水予測部24は、降水の発生の予測処理を行うようにしてもよい。また、サーバ10は、雨雲学習部17、雨雲記憶部18、及び雨雲予測部23を備えず、降水発生のみを予測してもよいし、降水学習部19、降水記憶部20、及び降水予測部24を備えず、雨雲発生のみを予測してもよい。また、サーバ10は、雨雲学習部17を備えず、雨雲記憶部18は予め設定された雨雲判定情報を記憶してもよいし、降水学習部19を備えず、降水記憶部20は予め設定された降水予測情報を記憶してもよい。
以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、各請求項に記載した要旨を変更しない範囲で変形し、または他のものに適用したものであってもよい。
例えば、予測部21は、対象メッシュに実際に位置する移動端末30の数である実際数をカウントして、カウントした実際数に応じて、対象メッシュにかかるGPS誤差を補正(範囲の拡大)又は補完してもよい。具体的には、予測部21は、例えば、緯度及び経度とメッシュコードとの対応表を予め記憶しておき、当該対応表を参照すること等により、位置情報記憶部12に記憶された位置情報のうち、測位時刻が最新の位置情報の緯度及び経度をメッシュコードに変換する。予測部21は、変換されたメッシュコードが対象メッシュに対応する位置情報の数を実際数としてカウントする。予測部21は、カウントした実際数が、予め設定された必要数(例えば、1000台)の半分以下の場合、対象メッシュにかかるGPS誤差を隣接メッシュにかかるGPS誤差により補正又は補完する。
図9(A)は、GPS誤差の補正について説明するための図である。図9(A)では、中央に対象メッシュM1が示され、その周りに8つの隣接メッシュM2〜M9が示されている。図9(A)に示されるように、対象メッシュM1に位置する移動端末30の実際数の必要数に対する比(実際数/必要数)は0.5であり、実際数が必要数の半分以下である。この場合、予測部21は、比(実際数/必要数)が最も大きな隣接メッシュを特定する。ここでは、比(実際数/必要数)が1.5である隣接メッシュM2が特定される。続いて、エリア情報作成部14は、特定された隣接メッシュM2における比(実際数/必要数)と、対象メッシュM1における比(実際数/必要数)との平均が1を超えるか否かを判定する。この平均が1を超える場合、予測部21は、対象メッシュM1にかかるGPS誤差を、検出された隣接メッシュM2にかかるGPS誤差により補正する。具体的には、予測部21は、対象メッシュM1にかかるGPS誤差と、検出された隣接メッシュM2にかかるGPS誤差との平均を、対象メッシュM1のメッシュ平均誤差とする。
図9(B)は、GPS誤差の補完について説明するための図である。中央に対象メッシュM1が示され、その周りに8つの隣接メッシュM2〜M9が示されている点、対象メッシュM1における比(実際数/必要数)は0.5であり、実際数が必要数の半分以下である点は、図9(A)と図9(B)とで同様である。この場合、予測部21は、対象メッシュM1のGPS誤差を用いず、8つの隣接メッシュM2〜M9にかかるGPS誤差の平均を対象メッシュM1のメッシュ平均誤差とする。
このように、予測部21は、対象メッシュM1に位置する移動端末30の数に応じて、対象メッシュM1のメッシュ平均誤差を算出する。予測部21は、このようにして算出されたメッシュ平均誤差を用いて、気象を予測する。したがって、予測部21は、対象メッシュM1に位置する移動端末30の数をカウントし、カウントした数に応じて、対象メッシュM1の気象を予測すると言える。このように、対象メッシュM1に位置する移動端末30の数に応じて、対象メッシュM1にかかるGPS誤差を隣接メッシュM2〜M9にかかるGPS誤差を用いて補正するので、予測精度が更に向上可能となる。
なお、GPS誤差の補正又は補完を行った場合、サーバ10は、周辺エリアに係るGPS誤差を用いずに、気象予測を行ってもよい。即ち、雨雲学習部17が、周辺変化率を用いずに雨雲判定情報を生成すると共に、雨雲予測部23が、周辺変化率を用いずに雨雲の発生を予測してもよい。また、降水学習部19が、周辺平均誤差を用いずに降水予測情報を生成すると共に、降水予測部24が、周辺平均誤差を用いずに降水の発生を予測してもよい。
また例えば、対象メッシュM1が、定常的にGPS誤差が大きい(例えば、1km以上)エリアである場合に、当該第3次メッシュにかかるGPS誤差を補正又は補完してもよい。定常的にGPS誤差が大きいエリアとして、例えば電波が遮られるビル群などが挙げられる。この場合、事前にメッシュコードごとにGPS誤差を測定し、定常的にGPS誤差が大きいか否かを判定した結果を所定の記憶部に記憶しておき、エリア情報作成部14がこの記憶部を参照して、必要に応じてGPS誤差を補正又は補完してエリア情報を作成する。
サーバ10は、風向き情報取得部と、風向き情報記憶部と、を更に備えていてもよい。この場合、予測部21は、上述のGPS誤差の補完に用いる隣接メッシュM2〜M9を風向きに応じて選択する。風向き情報取得部は、風向きを示す風向き情報を、ネットワークを介して外部から取得する機能要素である。風向き情報取得部は、例えば、予め定められた所定時間(例えば、1分間)ごとに、第3次メッシュごとの風向き(方角)を示す風向き情報を取得し、風向き情報記憶部に登録する。風向き情報には、メッシュコードと、風向きとが含まれる。風向き情報記憶部は、風向き情報を記憶する機能要素である。
予測部21は、対象メッシュM1における比(実際数/必要数)が必要数の半分以下である場合、対象メッシュM1の風上にある3つの隣接メッシュにかかるGPS誤差の平均を当該第3次メッシュのメッシュ平均誤差とする。図10は、風上の隣接メッシュによるGPS誤差の補完について説明するための図である。図10(A)に示されるように、風向きが第3次メッシュを画定する格子に直交する場合、予測部21は、対象メッシュM1に対して風上の方向にある3つの隣接メッシュM2,M3,M9を予測に用いる隣接メッシュとして選択する。図10(B)に示されるように、風向きが第3次メッシュを画定する格子に直交しない場合、予測部21は、当該風向きを格子に沿う2つの方向成分に分解し、対象メッシュM1に対して、2つの方向成分の風上に位置する2つの隣接メッシュM2,M4と、この2つの隣接メッシュM2,M4の双方に隣接する隣接メッシュM3との3つの隣接メッシュを予測に用いる隣接メッシュとして選択する。
このようにサーバ10では、風向き情報取得部を更に備え、予測部21は、風向きに応じて、予測に用いる隣接エリアを選択してもよい。サーバ10では、気象変化の一因である風向きを考慮して、予測に用いる隣接エリアを選択するので、予測精度が更に向上可能となる。なお、サーバ10においても、このようなGPS誤差の補完を行った場合、予測部21が周辺エリアに係るGPS誤差を用いずに、気象予測を行ってもよい。
10…サーバ(気象予測装置)、11…位置情報取得部(誤差取得部)、14…エリア情報作成部(重み付け部)、21…予測部、22…出力部、30…移動端末。
Claims (6)
- 気象を予測する対象となる対象エリアに隣接する隣接エリアに位置する移動端末によりGPS測位用の信号が受信されてGPS測位された位置に関する誤差である第1誤差を取得する誤差取得部と、
前記第1誤差を用いて、前記対象エリアの気象を予測する予測部と、
前記予測部の予測結果を出力する出力部と、を備える、気象予測装置。 - 前記誤差取得部は、前記対象エリアに位置する移動端末によりGPS測位用の信号が受信されてGPS測位された位置に関する誤差である第2誤差を更に取得し、
前記予測部は、前記第2誤差を更に用いて、前記対象エリアの気象を予測する、請求項1に記載の気象予測装置。 - 前記予測部は、前記第1誤差の時間的な変化率を用いて、前記対象エリアの気象を予測する、請求項1又は2に記載の気象予測装置。
- 前記予測部は、前記対象エリアに位置する移動端末の数をカウントして、カウントした数に応じて、前記対象エリアの気象を予測する、請求項1〜3のいずれか一項に記載の気象予測装置。
- 前記移動端末ごとに、予め設定された重み付け係数により前記第1誤差に重み付けする重み付け部を更に備え、
前記予測部は、前記重み付け部により重み付けされた前記第1誤差を用いて、前記対象エリアの気象を予測する、請求項1〜4のいずれか一項に記載の気象予測装置。 - 前記対象エリアにおける風向きを示す風向き情報を取得する風向き情報取得部を更に備え、
前記予測部は、前記風向きに応じて、予測に用いる前記隣接エリアを選択する、請求項1〜5のいずれか一項に記載の気象予測装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015226657A JP2017096676A (ja) | 2015-11-19 | 2015-11-19 | 気象予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015226657A JP2017096676A (ja) | 2015-11-19 | 2015-11-19 | 気象予測装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017096676A true JP2017096676A (ja) | 2017-06-01 |
Family
ID=58817218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015226657A Pending JP2017096676A (ja) | 2015-11-19 | 2015-11-19 | 気象予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017096676A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488777A (zh) * | 2019-07-22 | 2019-11-22 | 浙江天澈科技有限公司 | 一种化工厂事故预警及事态跟踪系统 |
-
2015
- 2015-11-19 JP JP2015226657A patent/JP2017096676A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488777A (zh) * | 2019-07-22 | 2019-11-22 | 浙江天澈科技有限公司 | 一种化工厂事故预警及事态跟踪系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2018200169B2 (en) | Method and system for displaying nowcasts along a route on a map | |
JP6552928B2 (ja) | 気象予測装置、気象予測方法およびプログラム | |
US10203219B2 (en) | Method and system for displaying nowcasts along a route on a map | |
JP5425319B2 (ja) | エリア範囲推定装置およびエリア範囲推定方法 | |
Zus et al. | Systematic errors of mapping functions which are based on the VMF1 concept | |
US20130184008A1 (en) | Terminal number estimation device and terminal number estimation method | |
US20130085673A1 (en) | System, method and program product for providing populace centric weather forecasts | |
CN110362242A (zh) | 一种地图展示方法及终端设备 | |
WO2013125527A1 (ja) | 気象予測装置及び気象予測方法 | |
WO2019022911A1 (en) | SYSTEMS AND METHODS FOR SIMULATION OF WIND NOISE MODELS | |
CN109889983B (zh) | 一种室内定位方法、装置、设备和系统 | |
JP2018032939A (ja) | 品質推定装置及び品質推定方法 | |
JP5236441B2 (ja) | 位置算出サーバ、位置算出システム及び位置算出方法 | |
CN109977346B (zh) | 用于对区域风场进行风速预报的方法和装置 | |
Machaj et al. | Optimization of rank based fingerprinting localization algorithm | |
JP6494258B2 (ja) | 予測システム、予測方法、および予測プログラム | |
JP2017096676A (ja) | 気象予測装置 | |
JP2006220445A (ja) | 砂嵐予測システムとその砂嵐警報発令方法 | |
JP2013238550A (ja) | 紫外線情報提供装置、紫外線情報提供システム、紫外線情報算出方法及びプログラム | |
JP4514632B2 (ja) | 気象予測支援システム | |
JP2014155105A (ja) | 情報処理装置及び情報処理方法 | |
JP5945014B1 (ja) | 発電量予測装置、発電量予測装置の制御方法及びプログラム | |
JP6552077B1 (ja) | 日射量正規化統計解析システム、日射量正規化統計解析法および日射量正規化統計解析プログラム | |
JP2017121017A (ja) | 機器制御システム及び機器制御方法 | |
JP6696818B2 (ja) | 情報処理装置及び通信端末 |