JP2023523842A - 気象情報を向上させるための移動データの使用 - Google Patents
気象情報を向上させるための移動データの使用 Download PDFInfo
- Publication number
- JP2023523842A JP2023523842A JP2022566461A JP2022566461A JP2023523842A JP 2023523842 A JP2023523842 A JP 2023523842A JP 2022566461 A JP2022566461 A JP 2022566461A JP 2022566461 A JP2022566461 A JP 2022566461A JP 2023523842 A JP2023523842 A JP 2023523842A
- Authority
- JP
- Japan
- Prior art keywords
- weather
- observations
- observation data
- data
- virtual
- 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
- 238000000034 method Methods 0.000 claims description 50
- 238000012805 post-processing Methods 0.000 claims description 21
- 238000013213 extrapolation Methods 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000012937 correction Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000001556 precipitation Methods 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 102000016550 Complement Factor H Human genes 0.000 description 1
- 108010053085 Complement Factor H Proteins 0.000 description 1
- 206010011878 Deafness Diseases 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W2001/006—Main server receiving weather information from several sub-stations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
-
- 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
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
以下に記載されている実施形態は、気象情報に関し、より特定的には、気象情報を向上させるための移動データの使用に関する。
気象モデルによって生成される現状推定値および(将来)予測を向上させるために移動観測結果を使用することに対する関心が高まっている。移動観測結果は、携帯電話または車両によって提供される場合など、多くの場所で入手可能であるので、魅力的である。しかし、これらの観測結果は、定置センサ(たとえば、測候所)からの観測結果と比較して、いくつかの重大な不利点を有しており、それらを気象モデル情報を向上させるのに役立つようにするためには新規の方法が必要である。
気象情報を向上させるために移動データを使用するシステムが提供される。一実施形態に従って、上記システムは、気象予測所を備え、上記気象予測所は、複数の入力気象モデルからのデータとともに、複数の定置測候所によって提供される定点観測データを受信し、上記定点観測データおよび上記入力気象モデルデータに基づいて統合気象モデル推定値を生成するように構成されている。上記システムは、プロセッサも備え、上記プロセッサは、複数の非定置センサによって提供される移動観測データを集約し、上記集約された移動観測データを使用して上記統合気象モデル推定値を調整するように構成されている。
一局面に従って、気象情報を向上させるために移動データを使用するシステム(100)は、気象予測所(120)を備え、上記気象予測所(120)は、複数の定置測候所(110)によって提供される定点観測データを受信し、複数の入力気象モデル(115)からデータを受信し、上記定点観測データ、上記入力気象モデルデータに基づいて統合気象モデル推定値を生成するように構成されており、上記システム(100)はさらに、プロセッサ(130)を備える。上記プロセッサ(130)は、複数の非定置センサ(140)によって提供される移動観測データを集約し、上記集約された移動観測データを使用して上記統合気象モデル推定値を調整するように構成されている。
図1~図3および以下の説明は、気象情報を向上させるために移動データを使用する実施形態の最良の形態をどのように構成して使用するかを当業者に教示するための具体例を示している。発明の原理を教示する目的で、いくつかの従来の局面は簡略化または省略されている。当業者は、本説明の範囲内に含まれるこれらの例からの変形例を理解するであろう。当業者は、以下に記載されている特徴をさまざまな形で組み合わせて、気象情報を向上させるために移動データを使用することの複数の変形例を形成することができる、ということを理解するであろう。その結果、以下に記載されている実施形態は、以下に記載されている具体例に限定されるものではなく、特許請求の範囲およびそれらの等価物によってのみ限定される。
式中、Yn (ObsAdj)は観測結果ベースの調整である。
式中、Kは、移動観測結果調整プロセスに対するシステムの所望の全体感度を管理するために設定された、0から1までの間のローカルまたはグローバルなユーザ定義感度係数であり、
Qnは、0から1までの間のユーザ定義の場所ベースの品質係数であり、
DA,Bは、場所分離が大きくなるにつれて、適用される調整を小さくするための、相関距離に基づく係数である。
Qn=Hn・(s0/sn)(sn>s0)
=Hn (sn<=s0)
式中、nは、場所インデックス(たとえば、「A」または「B」)であり、
snは、場所nにおける変数Yの観測結果/気候学における不確実性を反映する標準偏差であり、
s0は、仮想観測結果を算出するのに使用される、変数Yの観測結果および気候学における最大許容可能な未補正誤差を反映するユーザ定義の閾値不確実性であり、
Hnは、多くの変数で名目上1に等しい観測結果曖昧さ係数である(本文献で後述する)。
DA,B=1-(dA,B/(m・dA CORR))(dA,B<=m・dA CORR)
=0 (dA,B>m・dA CORR)
式中、mは、どれぐらいの相関距離を調整すべきかを定義するユーザ設定の感度係数である。
=YA (UniModel)(QA<Qthresh)
YB (Virtual)=>YA (AggObs)(QA>=QthreshおよびdA,B<=QAK(m・dA CORR))
=>YB (UniModel)(QA<Qthresh),
(QA>=QthreshおよびdA,B>QAK(m・dA CORR))
式中、K,QAおよびmは、連続変数について上で定義した通りであり、
Qthreshは、Yを修正するためのユーザ定義の品質閾値である。
=0 (TA (AggObs)>0.3)
センサの性質およびそのデータがどのように変換されてモデル等価物を決定するかに基づいて、HAについての特定の式は、経験的であって状況によるものであると考えられる。この例では、静止摩擦の実際の観測結果を使用して道路状況の仮想観測結果を生成する。同様に、ワイパモータ速度の実際の観測結果を使用して降水率の仮想観測結果を生成することができる。逆のプロセスを使用して、モデル変数と移動型センサによって測定されたそれらの等価物とを関連付けることができる。モデル変数と代用移動観測結果との任意の対で最もよく機能する特定の式、および当該式に含まれている任意のパラメータで最もよく機能する特定の式は、変数の予測値と観測結果とを統計的に比較する分析(リアルタイムおよびオフラインの両方)によって改良および改善されることができる。
回帰適合の品質は、回帰データから決定することができ、定点観測結果と同様に品質制御を適用することができる。
Claims (15)
- 気象情報を向上させるために移動データを使用するシステム(100)であって、
気象予測所(120)を備え、前記気象予測所(120)は、
複数の定置測候所(110)によって提供される定点観測データを受信し、
複数の入力気象モデル(115)からデータを受信し、
前記定点観測データおよび前記入力気象モデルデータに基づいて統合気象モデル推定値を生成するように構成されており、前記システム(100)はさらに、
プロセッサ(130)を備え、前記プロセッサ(130)は、
複数の非定置センサ(140)によって提供される移動観測データを集約し、
前記集約された移動観測データを使用して前記統合気象モデル推定値を調整するように構成されている、システム(100)。 - 前記プロセッサ(130)はさらに、前記統合気象モデル推定値の前記調整に基づいて仮想観測データを決定するように構成されており、前記仮想観測データは、複数の存在しない定置測候所によって提供されたであろう観測データの推定値である、請求項1に記載のシステム(100)。
- 前記プロセッサ(130)が前記統合気象モデル推定値の前記調整に基づいて仮想観測データを決定するように構成されていることは、前記プロセッサ(130)が前記集約された移動観測データに基づいて気候値を求め、前記気候値を使用して前記仮想観測データを決定するように構成されていることを備える、請求項2に記載のシステム(100)。
- 前記プロセッサ(130)はさらに、前記仮想観測データを使用して気象予測モデルに対して事後処理を実行するように構成されている、請求項2に記載のシステム(100)。
- 前記プロセッサ(130)が前記集約された移動観測データを使用して前記統合気象モデル推定値を調整するように構成されていることは、前記プロセッサ(130)が前記移動観測データと仮想観測場所(230)とを空間的に相関させて、前記仮想観測場所(230)における前記統合気象モデル推定値を調整するように構成されていることを備える、請求項1に記載のシステム(100)。
- 前記プロセッサ(130)が前記集約された移動観測データと仮想観測場所(130)とを空間的に相関させるように構成されていることは、前記プロセッサ(130)が空間相関距離(dbin CORR)を求めるように構成されていることを備え、前記空間相関距離(dbin CORR)は、前記統合気象モデル推定値を調整するために観測結果が有用に外挿され得る距離を定義する、請求項5に記載のシステム(100)。
- 前記複数の非定置センサ(130)によって提供される前記移動観測データは、場所および時間パラメータによって以前に定義された時空間ビン(210)によって整理される、請求項1に記載のシステム(100)。
- 複数の定置測候所(110)をさらに備え、前記複数の定置測候所(110)は、前記定置測候所(110)の前記場所における気象状況の前記定点観測データを提供するように構成されている、請求項1に記載のシステム(100)。
- 気象情報を向上させるために移動データを使用する方法であって、
複数の定置測候所によって提供される定点観測データを受信するステップと、
複数の入力気象モデルからデータを受信するステップと、
前記定点観測データおよび前記入力気象モデルデータに基づいて統合気象モデル推定値を生成するステップと、
複数の非定置センサによって提供される移動観測データを集約するステップと、
前記集約された移動観測データを使用して前記統合気象モデル推定値を調整するステップとを備える、方法。 - 前記統合気象モデル推定値の前記調整に基づいて仮想観測データを決定するステップをさらに備え、前記仮想観測データは、複数の存在しない定置測候所によって提供されたであろう観測データの推定値である、請求項9に記載の方法。
- 前記統合気象モデル推定値の前記調整に基づいて仮想観測データを決定するステップは、前記集約された移動観測データに基づいて気候値を求め、前記気候値を使用して前記仮想観測データを決定するステップを備える、請求項10に記載の方法。
- 前記仮想観測データを使用して気象予測モデルに対して事後処理を実行するステップをさらに備える、請求項10に記載の方法。
- 前記集約された移動観測データを使用して前記統合気象モデル推定値を調整するステップは、前記移動観測データと仮想観測場所とを空間的に相関させて、前記仮想観測場所における前記統合気象モデル推定値を調整するステップを備える、請求項9に記載の方法。
- 前記移動観測データと仮想観測場所とを空間的に相関させるステップは、空間相関距離を求めるステップを備え、前記空間相関距離は、前記統合気象モデル推定値を調整するために観測結果が有用に外挿され得る距離を定義する、請求項13に記載の方法。
- 前記複数の非定置センサによって提供される前記移動観測データは、場所および時間パラメータによって定義された時空間ビンによって整理される、請求項9に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/864,377 US11506816B2 (en) | 2020-05-01 | 2020-05-01 | Using mobile data to improve weather information |
US16/864,377 | 2020-05-01 | ||
PCT/US2021/026205 WO2021221870A1 (en) | 2020-05-01 | 2021-04-07 | Using mobile data to improve weather information |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023523842A true JP2023523842A (ja) | 2023-06-07 |
Family
ID=75747075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022566461A Pending JP2023523842A (ja) | 2020-05-01 | 2021-04-07 | 気象情報を向上させるための移動データの使用 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11506816B2 (ja) |
EP (1) | EP4143611A1 (ja) |
JP (1) | JP2023523842A (ja) |
KR (1) | KR20220156635A (ja) |
CN (1) | CN115461650A (ja) |
WO (1) | WO2021221870A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561199A (zh) * | 2020-12-23 | 2021-03-26 | 北京百度网讯科技有限公司 | 天气参数预测模型训练方法、天气参数预测方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003215266A (ja) * | 2002-01-28 | 2003-07-30 | Mitsubishi Electric Corp | 気象情報配信サーバ、気象情報配信システム及び気象情報配信方法 |
US20140372038A1 (en) | 2013-04-04 | 2014-12-18 | Sky Motion Research, Ulc | Method for generating and displaying a nowcast in selectable time increments |
KR101602171B1 (ko) * | 2013-11-21 | 2016-03-10 | 남서울대학교 산학협력단 | 이동형 도로 기상정보 수집 및 전송 시스템 및 그 방법 |
US20150379408A1 (en) | 2014-06-30 | 2015-12-31 | Microsoft Corporation | Using Sensor Information for Inferring and Forecasting Large-Scale Phenomena |
US10088601B2 (en) * | 2014-10-28 | 2018-10-02 | Google Llc | Weather forecasting using satellite data and mobile-sensor data from mobile devices |
US10545263B2 (en) * | 2015-07-13 | 2020-01-28 | The Climate Corporation | Systems and methods for generating computer-based representations of probabilities of precipitation occurrences and intensities |
US10317575B2 (en) * | 2016-05-04 | 2019-06-11 | Global Weather Corporation | Method and apparatus for forecasting weather |
US10338274B2 (en) * | 2016-06-02 | 2019-07-02 | The Climate Corporation | Computer radar based precipitation estimate errors based on precipitation gauge measurements |
BR112020023127A2 (pt) | 2018-05-16 | 2021-02-02 | Basf Agro Trademarks Gmbh | método realizado por pelo menos um aparelho, código de programa de computador, meio de armazenagem legível, aparelho e sistema |
-
2020
- 2020-05-01 US US16/864,377 patent/US11506816B2/en active Active
-
2021
- 2021-04-07 EP EP21722655.4A patent/EP4143611A1/en active Pending
- 2021-04-07 CN CN202180031839.XA patent/CN115461650A/zh active Pending
- 2021-04-07 JP JP2022566461A patent/JP2023523842A/ja active Pending
- 2021-04-07 KR KR1020227037496A patent/KR20220156635A/ko unknown
- 2021-04-07 WO PCT/US2021/026205 patent/WO2021221870A1/en unknown
-
2022
- 2022-10-05 US US17/938,147 patent/US20230103168A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4143611A1 (en) | 2023-03-08 |
US11506816B2 (en) | 2022-11-22 |
US20210341645A1 (en) | 2021-11-04 |
WO2021221870A1 (en) | 2021-11-04 |
KR20220156635A (ko) | 2022-11-25 |
CN115461650A (zh) | 2022-12-09 |
US20230103168A1 (en) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10629070B2 (en) | Adaptive traffic dynamics prediction | |
US11715369B2 (en) | Latent space model for road networks to predict time-varying traffic | |
Feldmann et al. | Spatial postprocessing of ensemble forecasts for temperature using nonhomogeneous Gaussian regression | |
CN112669599A (zh) | 一种基于时序分析和残差匹配的模型 | |
Werner et al. | Hydrologic extremes--an intercomparison of multiple gridded statistical downscaling methods. | |
JP2017003416A (ja) | 降水予測システム | |
Sokol et al. | Nowcasting of precipitation–advective statistical forecast model (SAM) for the Czech Republic | |
Fuentes et al. | Spatial–temporal mesoscale modeling of rainfall intensity using gage and radar data | |
JP2023523842A (ja) | 気象情報を向上させるための移動データの使用 | |
CN113704693A (zh) | 一种高精度的有效波高数据估计方法 | |
CN104463841A (zh) | 衰减系数自适应的滤波方法及滤波系统 | |
US10317575B2 (en) | Method and apparatus for forecasting weather | |
Yussouf et al. | Bias-corrected short-range ensemble forecasts of near-surface variables during the 2005/06 cool season | |
JP2006242747A (ja) | 気温予測補正装置 | |
JP7238972B2 (ja) | 位置推定装置、位置推定方法及びプログラム | |
Alidoost et al. | Three novel copula-based bias correction methods for daily ECMWF air temperature data | |
Stauffer et al. | Hourly probabilistic snow forecasts over complex terrain: A hybrid ensemble postprocessing approach | |
KR20180122080A (ko) | 국지적 전리층지도의 가용영역 확장 장치 및 방법 | |
CN117396780A (zh) | 优化降水概率预报 | |
CN114004426B (zh) | 一种短时暴雨预报释用模型的动态调整方法 | |
Chandrasekar et al. | A machine learning approach to derive precipitation estimates at global scale using space radar and ground-based observations | |
CN117056732B (zh) | 一种顾及非各向同性的narx对流层延迟格网预测方法 | |
WO2023119352A1 (ja) | 制御装置、制御方法、及び、制御プログラム | |
Karpushin et al. | Hardware-software complex for acoustic monitoring of meteorological fields in the atmospheric boundary layer | |
US20230333280A1 (en) | Scaling and statistical adjustments of precipitation rates for apparatuses having precipitation sensitive sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221222 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221222 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230927 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240301 |