JP2019045403A - 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム - Google Patents

雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム Download PDF

Info

Publication number
JP2019045403A
JP2019045403A JP2017170844A JP2017170844A JP2019045403A JP 2019045403 A JP2019045403 A JP 2019045403A JP 2017170844 A JP2017170844 A JP 2017170844A JP 2017170844 A JP2017170844 A JP 2017170844A JP 2019045403 A JP2019045403 A JP 2019045403A
Authority
JP
Japan
Prior art keywords
lightning
parameter
observation
prediction
data
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
Application number
JP2017170844A
Other languages
English (en)
Inventor
栄一 吉川
Eiichi Yoshikawa
栄一 吉川
知雄 牛尾
Tomoo Ushio
知雄 牛尾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Japan Aerospace Exploration Agency JAXA
Original Assignee
Japan Aerospace Exploration Agency JAXA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Japan Aerospace Exploration Agency JAXA filed Critical Japan Aerospace Exploration Agency JAXA
Priority to JP2017170844A priority Critical patent/JP2019045403A/ja
Priority to PCT/JP2018/029852 priority patent/WO2019049601A1/ja
Priority to US16/642,323 priority patent/US11822049B2/en
Publication of JP2019045403A publication Critical patent/JP2019045403A/ja
Priority to JP2021150134A priority patent/JP7232543B2/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/16—Measuring atmospheric potential differences, e.g. due to electrical charges in clouds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0004—Transmission of traffic-related information to or from an aircraft
    • G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0065—Navigation or guidance aids for a single aircraft for taking-off
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G08G5/0091—Surveillance aids for monitoring atmospheric conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/02—Automatic approach or landing aids, i.e. systems in which flight data of incoming planes are processed to provide landing data
    • G08G5/025—Navigation or guidance aids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】雷の脅威に関する精度の良い情報をユーザに提供することができる雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラムを提供すること。【解決手段】雷脅威情報の提供装置１は、気象の観測データについての観測パラメータ１１、気象の予測データについての予測パラメータ１２及び雷の発生に関連して発生した事例についての事例データ１３を入力する入力部１０と、入力された観測パラメータ１１及び予測パラメータ１２に基づき、雷の発生に関連する物理量についてのパラメータであって観測データ又は予測データから直接得られない中間パラメータ２７を算出する中間パラメータ算出部と、観測パラメータ１１、予測パラメータ１２、事例データ１３及び中間パラメータ２７に基づき、雷の脅威を推定する演算制御部２０とを有する。【選択図】図１

Description

本発明は、航空機被雷の危険性など、雷の脅威に関する情報を提供する雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラムに関する。
航空機運航は、巡航フェーズと離着陸フェーズに大別され、それぞれに個別の気象情報支援技術が用いられる。巡航フェーズにおける雷気象情報支援としては、気象庁が運用するLIDENを用いた情報が広く用いられており、また巡航中の航空機は回避行動をとりやすいことも合わさって、巡航フェーズの被雷はあまり発生していない。一方、被雷全体の９０％以上が離着陸フェーズにおいて発生している（非特許文献１参照）。
ハネウェル社は、航空機搭載レーダに対して脅威検知機能を付加しており、この脅威検知機能は雷を含む種々の気象脅威を検知することができる。ただし、現状は何の脅威かは特定できないものと思われる。
この機能は、航空機搭載レーダの観測値であるエコー強度のみから脅威検知を行うものであるが、そもそも雷（自然雷）発生とエコー強度の相関は低いことが知られており、航空機避雷に対する効果は少ないと予想される。この機能は国内の運航会社が一部導入しているが、実運用に移る前の検証段階である（特許文献１参照）。
自衛隊（小松基地）では、Lightning Detection and WArning System (LiDAS)と呼ばれるシステムを配備している。LiDASは、気象レーダと雷放電標定装置、電場計で構成されるシステムであり、作業員が観測結果を見て、航空機被雷の危険性を総合的に判断している。一部航空会社が利用しており、効果を挙げている。
雷に関連する複数種類の気象観測データを使用することで、総合的には雷発生に相関が高い情報を得ているものと考えられるが、システムとして雷気象状態を識別する機能を持たず、習熟した作業員による識別が必要である。
特開２０１０−２４１４１２号公報
WEATHER-Eyeビジョン、WEATHER-Eyeコンソーシアム、4.4節 平成２９年２月２２日 国立研究開発法人 宇宙航空研究開発機構 発行
本発明の目的は、雷の脅威に関する精度の良い情報をユーザに提供することができる雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラムを提供することにある。
上記目的を達成するため、本発明の一形態に係る雷脅威情報の提供装置は、気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力する入力部と、前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出する中間パラメータ算出部と、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定する雷脅威推定部とを具備する。
本発明では、観測パラメータ、予測パラメータ及び事例データに加えて、雷の発生に関連する物理量についてのパラメータであって観測データ又は予測データから直接得られない中間パラメータを用いて雷の脅威を推定しているので、雷の脅威に関する精度の良い情報をユーザに提供することができる。
本発明の一形態に係る雷脅威情報の提供装置は、前記雷脅威推定部が、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別する雷気象状態識別部を有してもよい。
本発明の一形態に係る雷脅威情報の提供装置は、前記雷脅威推定部が、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うＱＣＤ（品質・コスト・期限）に関する損失を含む雷リスクを推定する雷リスク推定部を有してもよい。
本発明の一形態に係る雷脅威情報の提供装置は、前記観測パラメータ、前記予測パラメータ、前記中間パラメータ及び前記事例データを関連付けて蓄積するデータベースを更に具備し、前記入力部は、リアルタイム又は準リアルタイムに取得した前記観測パラメータ及び前記予測パラメータを入力し、前記中間パラメータ算出部は、前記リアルタイム又は準リアルタイムに取得した観測パラメータ及び予測パラメータに基づき、前記中間パラメータを算出し、前記雷脅威推定部は、前記データベースに蓄積された観測パラメータ、予測パラメータ、中間パラメータ及び事例データに基づき、前記リアルタイム又は準リアルタイムに取得した観測パラメータ、予測パラメータ及び前記中間パラメータに対応する雷の脅威を推定するように構成してもよい。
本発明の一形態に係る雷脅威情報の提供装置は、前記雷気象状態識別部における状態識別の計算手順及び判断基準が、機械学習によって決定され、且つ、更新されるように構成してもよい。
本発明の一形態に係る雷脅威情報の提供装置は、前記雷リスク推定部におけるリスク推定の計算手順及び判断基準が、機械学習によって決定され、且つ、更新されるように構成してもよい。
これにより、雷の脅威に関するより精度の良い情報をユーザに提供することができる。
本発明の一形態に係る雷脅威情報の提供方法は、気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力し、前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出し、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定し、前記推定した雷の脅威に関する情報を表示する。
本発明の一形態に係る雷脅威情報の提供方法は、前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別してもよい。
本発明の一形態に係る雷脅威情報の提供方法は、前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うＱＣＤ（品質・コスト・期限）に関する損失を含む雷リスクを推定する。
本発明の一形態に係るプログラムは、気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力し、前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出し、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定し、前記推定した雷の脅威に関する情報を表示部に表示するステップをコンピュータに実行させる。
本発明の一形態に係るプログラムは、前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別するステップをコンピュータに実行させてもよい。
本発明の一形態に係るプログラムは、前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うＱＣＤ（品質・コスト・期限）に関する損失を含む雷リスクを推定するステップをコンピュータに実行させてもよい。
本発明により、雷の脅威に関する精度の良い情報をユーザに提供することができる。
本発明の一実施形態に係る雷脅威情報の提供装置の構成を示すブロック図である。 本発明の一実施形態に係る雷気象状態の識別技術を説明するための図である。 本発明の一実施形態に係る雷リスクの推定技術を説明するための図である。 本発明の一実施形態に係る雷気象状態及び雷リスクに関する指標の計算手順及び基準の決定のフローを説明するためのブロック図である。 本発明の一実施形態に係る雷脅威情報の提供装置の運用時のフローを説明するためのブロック図である。
以下、図面を参照しながら、本発明の実施形態を説明する。
この実施形態は、本発明に係る雷脅威情報の提供装置を、空港周辺をカバーする地上設置型のシステムに適用した例である。なお、本発明は実施形態に限定して解釈されないことは勿論である
［雷脅威情報の提供装置の構成］
図１は、本発明の一実施形態に係る雷脅威情報の提供装置の構成を示すブロック図である。
雷脅威情報の提供装置１は、入力部１０と、演算制御部２０と、データベース３０と、表示部４０と、外部出力部５０とを有する。
入力部１０は、複数種類の観測パラメータ１１、予測パラメータ１２及び事例データ１３が入力される。観測パラメータ１１は、航空機や様々な地点から取得される。予測パラメータ１２は、例えば気象庁など公的機関やコマーシャルベースの機関から提供される気象予測データに応じたパラメータである。事例データ１３は、例えば空港を離着陸した、典型的には着陸した航空機について各空港やデータセンタ１４０などから取得される。
観測パラメータ１１は、気象の観測データについてのパラメータであり、気象センサ群１１０から得られたパラメータである。観測パラメータ１１は、典型的には、空港気象レーダから取得したエコー強度やドップラー速度の時空間分布、フライトデータレコーダやラジオゾンデから取得した航空機位置や気温の高度分布などである。
予測パラメータ１２は、気象の予測データについてのパラメータであり、気象モデル１２０から得られたパラメータである。予測パラメータ１２は、典型的には、気象モデル１２０から取得した当該時刻もしくは周辺時刻の水蒸気量である。
事例データ１３は、雷の発生に関連して発生した実際の事例についてのデータである。典型的には、事例データ１３としては、被雷有無を問わずレーダエコーに接近して着陸した航空機を選定し、その航空機についての被雷の有無、被雷した場合は被雷時刻、機体の損傷程度、被雷による運航への影響である。
演算制御部２０は、装置全体を統括的に制御するとともに、中間パラメータ算出部２１と、雷気象状態の指標の計算手順及び基準算出部２２と、雷リスクの指標の計算手順及び基準２３と、雷気象状態識別部２４と、雷リスク推定部２５と、機械学習部２６とを有する。雷リスクとは、被雷に伴うＱＣＤ（品質・コスト・期限）に関する損失もそのリスクの中に含む。
中間パラメータ算出部２１は、中間パラメータ２７を算出する。中間パラメータ２７は、雷の発生に関連する物理量についてのパラメータであって観測データ又は予測データから直接得られないパラメータである。中間パラメータ算出部２１は、典型的には、三軸風向風速や乱流スペクトル強度、エコー強度の短期予測結果などである。
三軸風向風速は、気象レーダで計測される視線方向速度と気象モデルが出力する風向風速を、統合処理することによる高精度の風向風速である。気象レーダ、気象モデル、どちらも単体で風向風速を計算できるが、どちらも精度が不十分あるのに対して、三軸風向風速は精度が高い。三軸風向風速のうち特に上昇流速度が雷との関連が深い。
乱流スペクトル強度は、電荷の拡がりと関連が深いと考えられ、上記三軸風向風速から計算可能な値である。
エコー強度の短期予測結果は、エコー強度の時空間分布から算出される。
雷気象状態の指標の計算手順及び基準算出部２２は、データベース３０に蓄積された過去の観測パラメータ１１、予測パラメータ１２、中間パラメータ２７と事例データ（被雷有無）１３との関係性から、雷気象状態識別指標の計算手順及び判断基準を、計算機等によって自動で学習する。雷気象状態識別指標の計算手順及び判断基準は、設計者が任意に設定してもよい。
雷リスクの指標の計算手順及び基準算出部２３は、データベース３０に蓄積された過去の観測パラメータ１１、予測パラメータ１２、中間パラメータ２７と事例データ（被雷有無や被雷による運航への影響）１３との関係性から、雷リスク指標の計算手順及び判断基準を、計算機等によって自動で学習する。雷リスク指標の計算手順及び判断基準は、設計者が任意に設定してもよい。
雷気象状態識別部２４は、上記の雷気象状態識別指標の計算手順及び判断基準に基づき、リアルタイム又は準リアルタイムで入力部１０により入力された観測パラメータ１１、予測パラメータ１２及び中間パラメータ２７に対応する雷気象状態を所定の分解能で識別する。
ここでの中間パラメータ２７は、リアルタイム又は準リアルタイムで入力部１０により入力された観測パラメータ１１及び予測パラメータ１２に基づき算出されたパラメータである。
所定の分解能とは、典型的には、雷気象状態（被雷の危険性がある状態）を、航空機の経路選択に資する程度の分解能である。具体的には、例えば、分解能は、１ｋｍ×１ｋｍ平面、所定の高さ単位の空間グリッドで網羅する程度である。
雷リスク推定部２５は、上記の雷リスク指標の計算手順及び判断基準に基づき、リアルタイム又は準リアルタイムで入力部１０により入力された観測パラメータ１１、予測パラメータ１２及び中間パラメータ２７に対応する雷リスクを推定する。
この中間パラメータ２７は、上記と同様に、リアルタイム又は準リアルタイムで入力部１０により入力された観測パラメータ１１及び予測パラメータ１２に基づき算出されたパラメータである。
機械学習部２６は、雷気象状態の指標の計算手順及び基準算出部２２及び雷リスクの指標の計算手順及び基準算出部２３における計算手順及び判断基準を機械学習により更新する。
データベース３０は、観測パラメータ１１、予測パラメータ１２、中間パラメータ２７及び事例データ１３を関連付けて蓄積する。データベース３０に格納されるデータは、例えば、以下の項目を各列に格納する時系列データである。
・観測パラメータ１１
時間
航空機位置
航空機計測気温
レーダエコー関連パラメータ
・中間パラメータ２７
風向風速関連パラメータ
・予測パラメータ１２
水蒸気量関連パラメータ
・事例データ１３
被雷有無
被雷損傷程度
運航への影響度
表示部４０は、雷気象状態の識別結果や雷リスクの推定結果を地図上に表示する。
外部出力部５０は、雷気象状態の識別結果や雷リスクの推定結果を地図上に表示することができるデータを外部に出力する。例えば、当該装置は、外部出力部５０の出力を、送信機（図示を省略）介して空港に着陸しようとする航空機に送信し、航空機のコックピット内の表示部（図示を省略）に表示させるようにしてもよい。これにより、航空機を操縦するパイロットは、その表示に基づいて被雷のリスクを自ら判断し、その空港に着陸するか否かを決めることができる
［雷気象状態の識別技術について］
図２は、雷気象状態の識別技術を説明するための図である。
雷気象状態の指標の計算手順及び基準算出部２２による雷気象状態識別指標の計算手順及び判断基準の算出は、例えば概念的には以下のとおり行われる。
図２のｘ軸を観測パラメータ１１、予測パラメータ１２及び中間パラメータ２７のうち一つのパラメータ値、ｙ軸を観測パラメータ１１、予測パラメータ１２及び中間パラメータ２７のうち他のパラメータ値として、データベース３０の観測パラメータ１１、予測パラメータ１２及び中間パラメータ２７のデータ２０１をプロットする。
これとともに、事例データ１３から被雷有無のデータを得て、プロット点のデータのそれぞれについて被雷有無を明示する。図２中、白抜きの丸点が被雷なしのデータ、黒塗りの丸点が被雷有りのデータである。
図２中、２０２の線分は、雷気象状態識別指標の判断基準である。この雷気象状態識別指標の判断基準の線分２０２は、被雷なしのデータ領域と被雷有りのデータの領域とを区分するように設定される。この設定は、計算機等によって自動で学習してもよいし、設計者などが任意に設定してもよい。
図２中では、線分２０２は直線であるが、一般的な曲線や一般的とはいえない曲線も含まれ、被雷なしのデータ領域と被雷有りのデータの領域とを区分する線であればよい。なお、被雷なしのデータ領域と被雷有りのデータの領域とを線分によって明確に区分できない場合もある。例えば、被雷なしのデータ領域の領域に黒塗りの丸点が含まれる場合もあるが、その場合には例えばそのような領域に含まれる黒塗りの丸点は無視して線引きをしても構わない。
図２は、２つのパラメータに応じたデータをプロットしているが、３つ以上のパラメータに対するデータをプロット、つまり高次元プロットしてもよい。
雷気象状態識別部２４は、リアルタイム又は準リアルタイムで入力部１０により入力された観測パラメータ１１、予測パラメータ１２及び中間パラメータ２７に対応するデータが上記の図２の中のどの位置にあるかを判断し、その位置が線分２０２で区分される被雷なしのデータ領域と被雷有りのデータの領域のうちどちらにあるかを判断する。これにより、雷気象状態識別部２４は、雷気象状態を識別する。
機械学習部２６は、データベース３０にデータが蓄積されていくと、その蓄積されたデータに応じた機械学習により線分２０２を再設定（更新）する。これにより、より精度よく雷気象状態を識別することができるようになる。
この実施形態に係る雷脅威情報の提供装置１では、雷気象状態の識別情報に基づいて回避行動を取ることで、離着陸フェーズにおける被雷件数を削減することが期待できる。
［雷リスクの推定技術について］
図３は、雷リスク（運航リスク）の推定技術を説明するための図である。
雷リスクの指標の計算手順及び基準算出部２３による雷リスク指標の計算手順及び判断基準の算出は、例えば概念的には以下のとおり行われる。
図３のｆ（ｘ１，ｘ２，・・・，ｘｎ）は、データベース３０に蓄積された観測パラメータ１１、予測パラメータ１２、中間パラメータ２７及び事例データ１３に基づき設定される。この設定は、計算機等によって自動で学習してもよいし、設計者などが任意に設定してもよい。
事例データ１３は、被雷有無を問わずレーダエコーに接近して着陸した航空機を選定し、その航空機についての被雷の有無、被雷した場合は被雷時刻、機体の損傷程度、被雷による運航への影響などである。事例データ１３には、被雷に伴う経済的な損失が含まれる。
雷リスクは、例えば、現在着陸しようとしている航空機が仮に着陸した場合に、被雷する確率や、被雷した場合の運航遅延時間や機体損傷程度、復旧に必要なコスト等の運航に対する影響度とから推定される指標である。例えば、雷リスクは、そのリスクの程度に応じて、「低」、「中」、「高」のようにリスクの程度が段階的に示される。
ｆ（ｘ１，ｘ２，・・・，ｘｎ）は、リアルタイム又は準リアルタイムで入力部１０により入力された観測パラメータ１１、予測パラメータ１２及び中間パラメータ２７に応じて、上記のような段階を推定するための関数である。ここで、ｎは例えば入力されるパラメータの数である。
リアルタイム又は準リアルタイムで入力部１０により入力された観測パラメータ１１、予測パラメータ１２及び中間パラメータ２７がｆ（ｘ１，ｘ２，・・・，ｘｎ）に入力されると、ｆ（ｘ１，ｘ２，・・・，ｘｎ）より「低」、「中」、「高」のようにリスクの程度が出力される。
ｆ（ｘ１，ｘ２，・・・，ｘｎ）は例えば、y=a1x1+a2x2+…+anxnのような線形関数である。データベース３０で関連付けられ、事例ごとに存在する(y, x1, x2, …,xn)のセットから、(a1, a2, …,an)を決定する。この場合、一般的には、(y, x1, x2, …,xn)のセットはn個以上必要で、最小二乗法等で(a1, a2, …,an)を決定することができる。
機械学習部２６は、データベース３０にデータが蓄積されていくと、その蓄積されたデータに応じた機械学習によりｆ（ｘ１，ｘ２，・・・，ｘｎ）を再設定する。これにより、より精度よく雷リスクを推定することができるようになる。
例えば、機械学習部２６は、ニューラルネットワークにより構成することができる。ニューラルネットワークは、例えば上記の線形関数を複数層組み合わせて構成される。例えば、文献「C.M.Bishop著 Pattern Recognition and Machine Learning,Springer, 2006.」に詳しく記載されている。本発明は、上記の層の数を多く設定することで、深層学習を行ってもよい。
国内の航空機運航では、年間数百件の被雷が発生している。航空機被雷が直接重大事故につながる可能性は極めて低いものの、機体外板等に発生する損傷を修理するために年間数億円規模の費用が発生していると推算されている。これは小修理のみの費用であるため、恒久修理を含めるとより大きな費用が発生していることになる。また、被雷を受けた機体の検査や応急処置には少なからず時間を要するため、小規模な損傷でもしばしば次便の遅延につながることはもちろん、大規模な損傷の場合は欠航に至り、運航スケジュールに大きな影響を及ぼす。更に我が国では、冬季日本海側において、冬季雷と呼ばれる高エネルギーの雷が発生し、長年運航各社にとっての懸念材料となっている。
この実施形態に係る雷脅威情報の提供装置１では、雷気象状態の如く気象物理量に準ずる指標ばかりでなく、雷リスク、言い換えると運航リスクに関する指標で評価し、その情報を提供することで、例えば運航者が特別な専門知識を有さずとも回避行動を取ることができ、加えて雷被害に対するリスクマネジメントを実施できるようになる
［雷気象状態及び雷リスクに関する指標の計算手順及び基準の決定のフロー］
図４は上記指標の計算手順及び基準の決定のフローを説明するためのブロック図である
（１）航空機被雷に関するデータベース３０の作成・保持
演算制御部２０は、入力部１０を介して気象センサ群１１０より観測パラメータ１１を取得する（Ｓ１）。
演算制御部２０は、入力部１０を介して気象モデル１２０より予測パラメータ１２を取得する（Ｓ２）。
演算制御部２０は、観測パラメータ１１及び予測パラメータ１２より中間パラメータ２７を算出する（Ｓ３）。
演算制御部２０は、事例データ１３を取得する（Ｓ４）。
演算制御部２０は、これらのパラメータ１１、１２、２７と事例データ１３とを関連付けて航空機被雷に関するデータベース３０に蓄積する（Ｓ５）。
（２）雷気象状態指標の計算手順及び判断基準の決定
演算制御部２０は、上記入力データと事例データ（被雷有無）との関係性から、雷気象状態識別指標の計算手順及び判断基準を、計算機等によって自動で学習する（Ｓ６）。
（３）雷リスク指標の計算手順及び判断基準の決定
演算制御部２０は、上記入力データと事例データ（被雷有無や被雷による運航への影響など）との関係性から、雷リスク指標の計算手順及び判断基準を、計算機等によって自動で学習する（Ｓ７）。
（４）機械学習
演算制御部２０は、新たに収集した事例データ１３を追加して、Ｓ１〜Ｓ７を実施し、精度を高める。
［雷脅威情報の提供装置１の運用時のフロー］
図５は雷脅威情報の提供装置１の運用時のフローを説明するためのブロック図である。
（１）観測パラメータの取得
演算制御部２０は、入力部１０を介して気象センサ群１１０より上記観測パラメータ１１をリアルタイムで取得する（Ｓ８）。
（２）予測パラメータの取得
演算制御部２０は、入力部１０を介して気象モデル１２０より上記予測パラメータ１２を取得する（Ｓ９）。
（３）中間パラメータ算出
演算制御部２０は、上記観測パラメータ１１及び予測パラメータ１２より中間パラメータ２７をリアルタイムで算出する（Ｓ１０）。
（４）雷気象状態識別
演算制御部２０は、リアルタイムで取得した上記３種のパラメータ１１、１２、２７を入力とし、Ｓ６で決定した計算手順及び判断基準に従って、雷気象状態識別を行う（Ｓ１１）。
（５）雷リスク推定
演算制御部２０は、リアルタイムで取得した上記３種のパラメータ１１、１２、２７を入力とし、Ｓ７で決定した計算手順及び判断基準に従って、雷リスク推定を行う（Ｓ１２）。
（６）表示
演算制御部２０は、表示部４０としての付属のディスプレイや外部出力部５０を介して外部ディスプレイ１３０に、雷気象状態識別もしくは雷リスク推定結果を地図上に表示する（Ｓ１３）。
［その他］
本発明は上記の実施形態に限定されず様々変形や応用が可能である。
例えば、無人機運航に本発明を適用することができる。無人機運航については、現在はルールがないが、無人機が多く飛行するようになれば、より安全な運航が求められる。そのような運航に本発明を適用することで安全性を高めることができる。
また、本発明は自然雷にも適用可能である。特に雷による停電によって経済的デメリットが大きい工場や、危険な物質や薬品などが漏れる危険性がある工場などの操業停止判断について本発明を適用することで経済性及び安全性の向上を図ることができる。
上記の実施形態に関して、本発明は更に以下の方法やプログラムを開示する。
（１）気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力し、
前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出し、
前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定し、
前記推定した雷の脅威に関する情報を表示する
雷脅威情報の提供方法。
（２）上記（１）の雷脅威情報の提供方法であって、
前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別する
雷脅威情報の提供方法。
（３）上記（１）又は（２）に記載の雷脅威情報の提供方法であって、
前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うＱＣＤ（品質・コスト・期限）に関する損失を含む雷リスクを推定する
雷脅威情報の提供方法。
（４）上記（１）、（２）又は（３）に記載の雷脅威情報の提供方法であって、
データベースに前記観測パラメータ、前記予測パラメータ、前記中間パラメータ及び前記事例データを関連付けて蓄積し、
前記リアルタイム又は準リアルタイムに取得した前記観測パラメータ及び前記予測パラメータを入力し、
前記リアルタイム又は準リアルタイムに取得した観測パラメータ及び予測パラメータに基づき、前記中間パラメータを算出し、
前記データベースに蓄積された観測パラメータ、予測パラメータ、中間パラメータ及び事例データに基づき、前記リアルタイム又は準リアルタイムに取得した観測パラメータ、予測パラメータ及び前記中間パラメータに対応する雷の脅威を推定する
雷脅威情報の提供方法。
（５）上記（２）に記載の雷脅威情報の提供方法であって、
前記状態識別の計算手順及び判断基準を、機械学習によって決定し、且つ、更新する
雷脅威情報の提供方法。
（６）上記（３）に記載の雷脅威情報の提供方法であって、
前記リスク推定の計算手順及び判断基準を、機械学習によって決定し、且つ、更新する
雷脅威情報の提供方法。
（７）気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力し、
前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出し、
前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定し、
前記推定した雷の脅威に関する情報を表示部に表示する
ステップをコンピュータに実行させるプログラム。
（８）上記（７）に記載のプログラムであって、
前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別する
ステップをコンピュータに実行させるプログラム。
（９）上記（７）又は（８）に記載のプログラムであって、
前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うＱＣＤ（品質・コスト・期限）に関する損失を含む雷リスクを推定する
ステップをコンピュータに実行させるプログラム。
（１０）上記（７）、（８）又は（９）に記載のプログラムであって、
データベースに前記観測パラメータ、前記予測パラメータ、前記中間パラメータ及び前記事例データを関連付けて蓄積し、
前記リアルタイム又は準リアルタイムに取得した前記観測パラメータ及び前記予測パラメータを入力し、
前記リアルタイム又は準リアルタイムに取得した観測パラメータ及び予測パラメータに基づき、前記中間パラメータを算出し、
前記データベースに蓄積された観測パラメータ、予測パラメータ、中間パラメータ及び事例データに基づき、前記リアルタイム又は準リアルタイムに取得した観測パラメータ、予測パラメータ及び前記中間パラメータに対応する雷の脅威を推定する
ステップをコンピュータに実行させるプログラム。
（１１）上記（８）に記載のプログラムであって、
前記状態識別の計算手順及び判断基準を、機械学習によって決定し、且つ、更新する
ステップをコンピュータに実行させるプログラム。
（１２）上記（９）に記載のプログラムであって、
前記リスク推定の計算手順及び判断基準を、機械学習によって決定し、且つ、更新する
ステップをコンピュータに実行させるプログラム。
１ 雷脅威情報の提供装置
１０ 入力部
１１ 観測パラメータ
１２ 予測パラメータ
１３ 事例データ
２０ 演算制御部
２１ 中間パラメータ算出部
２４ 雷気象状態識別部
２５ 雷リスク推定部
２６ 機械学習部
２７ 中間パラメータ
３０ データベース
４０ 表示部

Claims (12)

  1. 気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力する入力部と、
    前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出する中間パラメータ算出部と、
    前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定する雷脅威推定部と
    を具備する雷脅威情報の提供装置。
  2. 請求項１に記載の雷脅威情報の提供装置であって、
    前記雷脅威推定部は、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別する雷気象状態識別部を有する
    雷脅威情報の提供装置。
  3. 請求項１又は２に記載の雷脅威情報の提供装置であって、
    前記雷脅威推定部は、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うＱＣＤ（品質・コスト・期限）に関する損失を含む雷リスクを推定する雷リスク推定部を有する
    雷脅威情報の提供装置。
  4. 請求項１から３のうちいずれか１項に記載の雷脅威情報の提供装置であって、
    前記観測パラメータ、前記予測パラメータ、前記中間パラメータ及び前記事例データを関連付けて蓄積するデータベースを更に具備し、
    前記入力部は、リアルタイム又は準リアルタイムに取得した前記観測パラメータ及び前記予測パラメータを入力し、
    前記中間パラメータ算出部は、前記リアルタイム又は準リアルタイムに取得した観測パラメータ及び予測パラメータに基づき、前記中間パラメータを算出し、
    前記雷脅威推定部は、前記データベースに蓄積された観測パラメータ、予測パラメータ、中間パラメータ及び事例データに基づき、前記リアルタイム又は準リアルタイムに取得した観測パラメータ、予測パラメータ及び前記中間パラメータに対応する雷の脅威を推定する
    雷脅威情報の提供装置。
  5. 請求項２に記載の雷脅威情報の提供装置であって、
    前記雷気象状態識別部における状態識別の計算手順及び判断基準は、機械学習によって決定され、且つ、更新される
    雷脅威情報の提供装置。
  6. 請求項３に記載の雷脅威情報の提供装置であって、
    前記雷リスク推定部におけるリスク推定の計算手順及び判断基準は、機械学習によって決定され、且つ、更新される
    雷脅威情報の提供装置。
  7. 気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力し、
    前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出し、
    前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定し、
    前記推定した雷の脅威に関する情報を表示する
    雷脅威情報の提供方法。
  8. 請求項７に記載の雷脅威情報の提供方法であって、
    前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別する
    雷脅威情報の提供方法。
  9. 請求項７又は８に記載の雷脅威情報の提供方法であって、
    前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うＱＣＤ（品質・コスト・期限）に関する損失を含む雷リスクを推定する
    雷脅威情報の提供方法。
  10. 気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力し、
    前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出し、
    前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定し、
    前記推定した雷の脅威に関する情報を表示部に表示する
    ステップをコンピュータに実行させるプログラム。
  11. 請求項１０に記載のプログラムであって、
    前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別する
    ステップをコンピュータに実行させるプログラム。
  12. 請求項１０又は１１に記載のプログラムであって、
    前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うＱＣＤ（品質・コスト・期限）に関する損失を含む雷リスクを推定する
    ステップをコンピュータに実行させるプログラム。
JP2017170844A 2017-09-06 2017-09-06 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム Pending JP2019045403A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2017170844A JP2019045403A (ja) 2017-09-06 2017-09-06 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム
PCT/JP2018/029852 WO2019049601A1 (ja) 2017-09-06 2018-08-09 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム
US16/642,323 US11822049B2 (en) 2017-09-06 2018-08-09 Lightning threat information-providing apparatus, lightning threat information-providing method, and program
JP2021150134A JP7232543B2 (ja) 2017-09-06 2021-09-15 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017170844A JP2019045403A (ja) 2017-09-06 2017-09-06 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2021150134A Division JP7232543B2 (ja) 2017-09-06 2021-09-15 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム

Publications (1)

Publication Number Publication Date
JP2019045403A true JP2019045403A (ja) 2019-03-22

Family

ID=65633863

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2017170844A Pending JP2019045403A (ja) 2017-09-06 2017-09-06 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム
JP2021150134A Active JP7232543B2 (ja) 2017-09-06 2021-09-15 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2021150134A Active JP7232543B2 (ja) 2017-09-06 2021-09-15 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム

Country Status (3)

Country Link
US (1) US11822049B2 (ja)
JP (2) JP2019045403A (ja)
WO (1) WO2019049601A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021157481A1 (ja) * 2020-02-07 2021-08-12 国立研究開発法人宇宙航空研究開発機構 情報処理装置、表示装置、情報処理方法、及びプログラム
WO2021177395A1 (ja) * 2020-03-05 2021-09-10 株式会社トルビズオン 情報処理装置、情報処理方法、記憶媒体
JP2024038799A (ja) * 2022-09-08 2024-03-21 三菱重工業株式会社 被雷予測地図作成装置、被雷予測地図共有システム、被雷予測地図作成方法、及び被雷予測地図作成プログラム
US12033520B2 (en) 2020-03-05 2024-07-09 Truebizon, Ltd. System for accessing an airspace

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11727303B2 (en) * 2019-08-22 2023-08-15 Kyndryl, Inc. Precipitation detection using mobile devices
CN114935788B (zh) * 2022-07-21 2022-10-21 国网江苏省电力有限公司苏州供电分公司 变电站一次设备多点位雷电联合预警方法与系统
CN116562418A (zh) * 2023-03-20 2023-08-08 武汉大学 一种基于气溶胶信息和深度学习的实时预测闪电方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1073670A (ja) * 1996-08-29 1998-03-17 Nagoya Denki Kogyo Kk 気象判別方法およびその装置
JP2001183473A (ja) * 1999-12-27 2001-07-06 Toshiba Corp 落雷予測システム
JP2002040162A (ja) * 2000-07-28 2002-02-06 Chubu Electric Power Co Inc 発雷予測システム
JP2003270357A (ja) * 2002-03-13 2003-09-25 Mitsubishi Electric Corp 視程学習装置
JP2009031104A (ja) * 2007-07-26 2009-02-12 Toshiba Corp 雷予測装置及び雷予測方法
JP2009192312A (ja) * 2008-02-13 2009-08-27 Nippon Telegr & Teleph Corp <Ntt> 発雷予測装置およびその方法、プログラム
JP2009192311A (ja) * 2008-02-13 2009-08-27 Nippon Telegr & Teleph Corp <Ntt> 発雷予測装置およびその方法、プログラム
US20120154971A1 (en) * 2010-12-21 2012-06-21 Ild Technologies, Llc Programmable Lightning Detector
JP2013164651A (ja) * 2012-02-09 2013-08-22 Chugoku Electric Power Co Inc:The 送電用避雷装置故障予測装置、故障予測プログラムおよび故障予測方法
JP2013221787A (ja) * 2012-04-13 2013-10-28 Japan Radio Co Ltd 気象予測支援装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0627876B2 (ja) 1990-04-27 1994-04-13 儀一郎 加藤 多機能型雷警報器
JP2519657B2 (ja) 1993-08-04 1996-07-31 工業技術院長 雷電探知方法及び雷電探知装置
US6405134B1 (en) 2000-08-30 2002-06-11 Weatherdata, Inc. Method and apparatus for predicting lightning threats based on radar and temperature data
JP2003344556A (ja) * 2002-05-27 2003-12-03 Toshiba Corp 気象観測・予測システムと気象レーダ情報解析装置、気象予測モデル装置
JP4173701B2 (ja) * 2002-07-31 2008-10-29 関西電力株式会社 冬季雷発雷予測方法および予測装置
US7069258B1 (en) * 2002-09-26 2006-06-27 Bothwell Phillip D Weather prediction method for forecasting selected events
US7982658B2 (en) 2009-03-31 2011-07-19 Honeywell International Inc. Systems and methods for assessing weather in proximity to an airborne aircraft
US9223020B1 (en) * 2010-09-28 2015-12-29 Rockwell Collins, Inc. System and method for weather detection using more than one source of radar data
US9134418B1 (en) 2013-03-15 2015-09-15 Rockwell Collins, Inc. Weather hazard threat level computation and display
WO2015112892A1 (en) * 2014-01-24 2015-07-30 Telvent Usa Llc Utility resource asset management system
US10459078B2 (en) * 2016-09-13 2019-10-29 Honeywell International Inc. Reliability index for weather information
US20180218303A1 (en) * 2017-02-01 2018-08-02 Weather Build, Inc. Systems and methods for analyzing weather event impacts on schedule activities
US11085957B2 (en) * 2017-08-09 2021-08-10 The Boeing Company Lightning strike prediction system based on radio receiver static

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1073670A (ja) * 1996-08-29 1998-03-17 Nagoya Denki Kogyo Kk 気象判別方法およびその装置
JP2001183473A (ja) * 1999-12-27 2001-07-06 Toshiba Corp 落雷予測システム
JP2002040162A (ja) * 2000-07-28 2002-02-06 Chubu Electric Power Co Inc 発雷予測システム
JP2003270357A (ja) * 2002-03-13 2003-09-25 Mitsubishi Electric Corp 視程学習装置
JP2009031104A (ja) * 2007-07-26 2009-02-12 Toshiba Corp 雷予測装置及び雷予測方法
JP2009192312A (ja) * 2008-02-13 2009-08-27 Nippon Telegr & Teleph Corp <Ntt> 発雷予測装置およびその方法、プログラム
JP2009192311A (ja) * 2008-02-13 2009-08-27 Nippon Telegr & Teleph Corp <Ntt> 発雷予測装置およびその方法、プログラム
US20120154971A1 (en) * 2010-12-21 2012-06-21 Ild Technologies, Llc Programmable Lightning Detector
JP2013164651A (ja) * 2012-02-09 2013-08-22 Chugoku Electric Power Co Inc:The 送電用避雷装置故障予測装置、故障予測プログラムおよび故障予測方法
JP2013221787A (ja) * 2012-04-13 2013-10-28 Japan Radio Co Ltd 気象予測支援装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
佐藤 浩史 HIROSHI SATOU: "環境および安心・安全に貢献するＮＴＴの技術", ＮＴＴ技術ジャーナル 第１９巻 第１２号, vol. 第19巻, JPN6021007311, 2007, pages 26 - 29, ISSN: 0004455820 *
吹山 直樹 NAOKI FUKIYAMA: "気象因子を用いた発雷予測の検討 Lightning Forecast Method By Using Meteorogical Factors", 電気学会論文誌Ｂ ＶＯＬ．１１６−Ｂ ＮＯ．４ THE TRANSACTIONS OF THE INSTITUTE OF ELECTRICAL ENGI, vol. 第116-B巻, JPN6021007309, 1996, JP, pages 461 - 468, ISSN: 0004455819 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021157481A1 (ja) * 2020-02-07 2021-08-12 国立研究開発法人宇宙航空研究開発機構 情報処理装置、表示装置、情報処理方法、及びプログラム
WO2021177395A1 (ja) * 2020-03-05 2021-09-10 株式会社トルビズオン 情報処理装置、情報処理方法、記憶媒体
JP2021140443A (ja) * 2020-03-05 2021-09-16 株式会社トルビズオン 情報処理装置、情報処理方法、情報処理プログラム
JP7361390B2 (ja) 2020-03-05 2023-10-16 株式会社トルビズオン 情報処理装置、情報処理方法、情報処理プログラム
US12033520B2 (en) 2020-03-05 2024-07-09 Truebizon, Ltd. System for accessing an airspace
JP2024038799A (ja) * 2022-09-08 2024-03-21 三菱重工業株式会社 被雷予測地図作成装置、被雷予測地図共有システム、被雷予測地図作成方法、及び被雷予測地図作成プログラム

Also Published As

Publication number Publication date
WO2019049601A1 (ja) 2019-03-14
US20210072423A1 (en) 2021-03-11
JP2021185391A (ja) 2021-12-09
JP7232543B2 (ja) 2023-03-03
US11822049B2 (en) 2023-11-21

Similar Documents

Publication Publication Date Title
JP7232543B2 (ja) 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム
Sharman et al. Prediction of energy dissipation rates for aviation turbulence. Part I: Forecasting nonconvective turbulence
US10175353B2 (en) Enhancement of airborne weather radar performance using external weather data
US20220028287A1 (en) System and method for aircraft flight control
US9564055B2 (en) Prediction and warning of transported turbulence in long-haul aircraft operations
CN105531748B (zh) 降落判断辅助系统、降落判断辅助方法以及降落判断辅助程序
CN110770610A (zh) 模拟、记录和预测对流气象的自学习即时预报系统
JP5255857B2 (ja) 乱気流予測システムおよび乱気流予測方法
US10852715B2 (en) System and method for visualizing and validating process events
CN109613530B (zh) 一种低小慢空中目标多源信息融合的管控方法
JP2015051678A (ja) 航空機運航用情報生成装置、航空機運航用情報生成方法、及び航空機運航用情報生成プログラム
US10691139B1 (en) Systems and methods for altitude capture performance monitor
CN111066074B (zh) 航空气象管制系统
Li et al. Operational anomaly detection in flight data using a multivariate gaussian mixture model
JP5362493B2 (ja) レーダ信号処理装置
De Leege et al. Novel method for wind estimation using automatic dependent surveillance-broadcast
Wantuch et al. Statistical methods and weather based decision making in meteorological support for Unmanned Aerial Vehicles (UAVs)
Zuluaga et al. Meteorological Risk Early Warning System for Air Operations
Stocker et al. Modelling adverse meteorological conditions for aircraft arising from airflow over complex terrain
Young et al. Modeling weather in simulation and analysis
CN116880573B (zh) 载弹无人机与探测无人机的协同控制方法及系统
WO2021157481A1 (ja) 情報処理装置、表示装置、情報処理方法、及びプログラム
WO2024005180A1 (ja) 被雷危険度導出装置および被雷危険度表示システム
Kikuchi et al. Real-Time Prediction of Wind and Atmospheric Turbulence Using Aircraft Flight Data
Winckelmans et al. The ATC-Wake Predictor system and its potential use to increase the capacity at airports

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200702

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210302

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210416

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20210615

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210915

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20210915

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20210915

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20210929

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20211005

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20211119

C211 Notice of termination of reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C211

Effective date: 20211124

C22 Notice of designation (change) of administrative judge

Free format text: JAPANESE INTERMEDIATE CODE: C22

Effective date: 20220111

C23 Notice of termination of proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C23

Effective date: 20220208

C03 Trial/appeal decision taken

Free format text: JAPANESE INTERMEDIATE CODE: C03

Effective date: 20220315

C30A Notification sent

Free format text: JAPANESE INTERMEDIATE CODE: C3012

Effective date: 20220315