JP4118352B2 - 気象判別方法およびその装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、気温、気圧、路面温度などの気象状態の変化と関連の深い要因から、場所毎に癖を持った気象状態を正確に判別することのできる気象判別方法とその装置に関する。
【０００２】
【従来の技術】
安全、かつ、円滑な道路交通を確保するためには、路面状況、視程、交通流、気象状態などの道路運転環境にかかわる要因を精度良く検出し、これらの情報を道路利用者や道路管理者に目的に応じた形で提供することが望まれる。路面状態、視程および交通流などの状態変化と気象状態の変化との間には相関関係があり、気象状態の検出は道路運転環境などにおいて重要な役割を担うものである。
【０００３】
道路運転環境などにおいて特に知りたい気象情報は、道路利用者が現在おかれあるいは極めて近い将来におかれるであろう道路運転環境がいかなる気象状態にあるかという点であり、この意味で気象状態の判別は極めて重要である。
【０００４】
従来、このような気象状態を判別するための手法として、気温、気圧、路面温度などの気象状態の変化と関連の深い要因と気象状態との間に線形性を仮定し、多変量解析に代表される統計的な解析手法を用いて判別しているのが一般的であった。
【０００５】
【発明が解決しようとする課題】
しかし、気象状態の変化と、気温、気圧、路面温度などとの関係は必ずしも線形ではなく、非線形的な要素を含んでいる。特に、山間部や山麓部などの内陸部では、さほど距離が離れていないにもかかわらず、気象状態がまったく異なるというような現象が多々見られる。従来の統計的な解析手法では、このような局所的な気象状態の変化に対して十分に対処することができなかった。
【０００６】
本発明は、上記のような問題を解決するためになされたもので、非線形処理が可能な階層型のニューラルネットワークを気象状態の判別に利用し、局所的な気象状態の判別が可能で、しかも精度の高い判別を行うことのできる気象判別方法とその装置を提供することを目的とする。
【０００７】
【課題を解決するための手段】
前記課題を解決するために、本発明の気象判別方法は、観測場所における気象センサから得られた気温、気圧、路面温度等からなる気象データと、前記観測場所における気温または路面温度と気圧について、例えば、３０分毎の如き所定時間毎の平均値からなる過去の推移傾向とを用いた階層型ニューラルネットワークであって、該階層型ニューラルネットワークの入力層に前記気象データと過去の推移傾向とを前記所定時間を合算した過去の推移傾向の合計時間に相当する回数分の前記所定時間毎の平均値を入力すると共に、前記入力層へ観測場所における実際の気象状態を与える教師データを用いて教師データとの判別誤差が最小となるように学習を行ったニューラルネットワークに、前記気象センサから得られた気象データと、気象データを得た前記合計時間前の過去の推移傾向とを入力することにより前記観測場所における気象状態を求めることを特徴とする。
【０００８】
また、本発明の気象判別装置は、観測場所における気温、気圧、路面温度等からなる気象データを検出して出力する気象センサ部と、前記観測場所における気温または路面温度と気圧について、例えば、３０分毎の如き所定時間毎の平均値からなる過去の推移傾向を出力する推移傾向出力部と、前記気象センサ部から出力される気象データと前記推移傾向出力部から出力された過去の推移傾向とを階層型ニューラルネットワークの入力層に前記所定時間を合算した過去の推移傾向の合計時間に相当する回数分の前記所定時間毎の平均値を入力すると共に、前記入力層へ観測場所における実際の気象状態を与える教師データを用いて教師データとの判別誤差が最小となるように学習を行ったニューラルネットワークに、前記気象センサ部から得られた気象データと、前記推移傾向出力部から得られた気象データを得た前記合計時間前の過去の推移傾向とを入力することにより前記観測場所における気象状態を求める気象判別部と、前記気象判別部の判別結果に応じて気象状態の表示を行う表示部とを備えたことを特徴とする。
【００１０】
【発明の実施の形態】
以下、本発明の実施の形態について、図面を参照して説明する。
図１は、本発明方法を適用して構成した本発明に係る気象判別装置の一実施形態のブロック図である。
この気象判別装置は、気象センサ部１Ａと、過去の推移傾向出力部１Ｂと、気象判別部２と、表示部３から構成されている。気象センサ部１Ａは少なくとも、気温センサ１１、気圧センサ１２、路面温度センサ１３などの気象状態の変化と関連の深い要因を検出するための複数のセンサを備えている。なお、現在の状態のみならず、過去の推移傾向も上述の非線形な要素を含む気象状態の変化と深い関係を持つと考えられるため、本発明では、前記各センサで得られた気温、気圧、路面温度などの物理量を平均処理などで加工し、この得られたデータを過去の推移傾向を示す信号として気象判別部２に出力する過去の推移傾向入力１Ｂとから構成している。
【００１１】
気象判別部２は、図２にその詳細を示すように、入力層２１、中間層２２、出力層２３からなる階層型のニューラルネットワークにより構成されている。前記気象センサ部１からの各信号は入力層２１に入力され、この入力信号に基づいて気象状態の判別を行い、その結果が出力層２３から表示部３へ出力される。
【００１２】
前記判別を行うには、予め、ニューラルネットワークに入力教師信号と出力教師信号を与えて学習させ、各階層のニューロンを結ぶシナプスの結合係数を最適な値に設定しておく必要がある。この学習により、入出力間の関係がネットワーク内に構築され、気象の判別が可能となる。このとき、気象状態の判別を行いたい場所についての教師データを用いて学習を行えば、場所毎に異なる気象状態の癖を組み込んだネットワークが構築されるので、局所的な気象状態の判別が可能となる。
【００１３】
前記学習方法としては、例えば、バックプロパゲーション法などの学習アルゴリズムを利用し、実際の気温、気圧、路面温度、過去の推移傾向などで構成された入力教師信号２４と、この入力教師信号に対する実際の気象状態を与える出力教師信号２５のデータの組を教師信号として用意し、その判別誤差２６が最小となるように各層のニューロンを結ぶシナプスの結合係数を決定すればよい。
【００１４】
上記のように教師データによって学習したニューラルネットワークの入力層２１に、気象センサ部１Ａにおいて実際に検出した現在の気温、気圧、路面温度および過去の推移傾向出力部１Ｂからの信号を入力してやることにより、出力層２３から判別された気象状態が出力される。この判別される気象状態としては、「晴天」、「曇天」、「降雨」、「降雪」、「霧」などがある。表示部３では、気象判別部２から送られてくる判別結果を所望の表示形式でモニタ画面やプリンタなどに出力して表示する。
【００１５】
【実施例】
前記図１および図２の構成になる気象判別装置を用い、実際のフィールドにおいて収集した実測データを用いて気象状態を判別した場合の具体的な実施例を以下に示す。
図３は学習データとなる実測データを示すもので、気圧，気温，路面温度からなる実測データ３１と、これに対応する実際の気象状態３２の変化状態を図示したものである。実測データ３１は、１５分毎の気温、気圧、路面温度を収集したものであり、その全サンプル数は１９９５年１２月１９日から１２月２１日における１６３サンプルである。気象状態３２については、“降雪なし”と“降雪あり”の２つの事象に着目した。
【００１６】
まず、上記図３の１６３サンプル中から、降雪のある場合について２０サンプル、降雪のない場合について２０サンプル、計４０サンプルを取り出し、このサンプルデータを教師データとして図２のニューラルネットワークの学習を行う。図３中の符号３３で示すエリアに、この学習に使用した教師データについての４０個のサンプル位置を黒色の縦棒線で示した。
【００１７】
前述したように、ニューラルネットワークに入力する気象状態の変化と関連のある要因としては、前記気温、気圧、路面温度に加え、これらの過去の推移傾向も重要な情報であると考えられる。この推移傾向に関しては、図３中の実測データ３１を見れば、気温と路面温度はほぼ同様な推移傾向を示しているため、路面温度についての過去の推移傾向は不要とし、気温と気圧について図５のサンプリングの手法によって３０分毎の平均値を過去６時間まで遡って各々１２の入力情報を同時に与えるようにした。すなわち、本実施例の場合、気温、気圧、路面温度の実測データと、気温および気圧の過去の推移傾向により、“降雪あり”と“降雪なし”を判別するようにした。
【００１８】
次に、上記のようにして学習した気象判別装置による実際の気象状態の判別結果について示す。前記学習後のニューラルネットワーク（気象判別部２）の入力層２１に、前記図３の気温、気圧、路面温度、および気温と気圧についての過去の推移傾向を入力することにより、気象状態の判別を行った。図４は、図３に示した１６３サンプルの全サンプルについてその気象状態を判別した結果である。図４において、４１は実際の気象状態、４２は本発明の気象判別装置による判別結果を示している。また、下記の表１に、実際の気象状態と、本発明による気象状態の判別結果との一致度合いを全サンプル数に対する割合で表した判別正解率を示す。
【００１９】
【表１】

【００２０】
この表１に示すように、過去の推移傾向の情報を入力しない場合の８２．２％に対して本発明の気象判別装置によるときは９５．１％という高い判別正解率が得られた。これから、極めて精度の高い気象判別が実行されていることが分かる。また、図４において誤判別した個所は、“降雪あり”、“降雪なし”のどちらの状態とも言い難い部分に該当するものがほとんどであった。
【００２１】
さらに、図４中の気象状態の変化する境界部分における判別結果に注目すると、いずれの場合も、時間的に少し早めに判別する傾向が見られ、予測効果を持った判別がなされていることが分かる。したがって、この予測結果を利用すれば、気象状態の変化に先立って、早め早めに対策を講ずることが可能となり、実際の道路交通などにおいて極めて有用なものとなる。
【００２２】
なお、前記した実施の形態による他、前後のデータを微分処理によってデータの増減の変化を求め、過去所定時間の変化を変化量の推移傾向として気象判別部２に入力してもよい。
【００２３】
【発明の効果】
以上説明したように、請求項１および２記載の気象判別方法によるときは、気温、気圧、路面温度等の現在の気象状態と、過去の前記気象状態の推移傾向とを入力層に入力し、階層型のニューラルネットワークを用いて気象状態の判別を行うようにしたので、気温、気圧、路面温度および過去の推移傾向などに基づいて非線形的な要素を含む気象状態の判別を精度良く行うことができる。また、その地域の学習データを用いて学習させることにより、局所的な気象判別を行うことができ、有用性と適応性に富んだ気象判別方法を提供することができる。
【００２４】
請求項３および４記載の気象判別装置によるときは、気温、気圧、路面温度等の気象状態を検出して出力する気象センサ部と、過去の前記気象状態の推移傾向を出力する推移傾向出力部と、該気象センサ部から送られてくる信号を基に階層型のニューラルネットワークを用いて気象状態の判別を行う気象判別部と、該気象判別部の判別結果に応じて気象状態の表示を行う表示部とから構成したので、気温、気圧、路面温度および過去の推移傾向などに基づいて非線形的な要素を含む気象状態の判別を精度良く行うことができる。また、その地域の学習データを用いて学習させることにより、局所的な気象判別を行うことができ、有用性と適応性に富んだ気象判別装置を提供することができる。
【図面の簡単な説明】
【図１】本発明方法を適用して構成した本発明に係る気象判別装置の一実施例のブロック図である。
【図２】気象判別部を構成するニューラルネットワークの構成図である。
【図３】学習データとなる実測データを示す図である。
【図４】図１の気象判別装置による気象判別結果を示す図である。
【図５】過去の推移傾向を示す説明図である。
【符号の説明】
１Ａ 気象センサ部
１Ｂ 過去の推移傾向出力部
２ 気象判別部（ニューラルネットワーク）
３ 表示部
１１ 気温センサ
１２ 気圧センサ
１３ 路面温度センサ
１４ 過去の推移傾向
２１ 入力層
２２ 中間層
２３ 出力層
２４ 入力学習信号
２５ 出力学習信号
２６ 判別誤差

Claims (2)

1. 観測場所における気象センサから得られた気温、気圧、路面温度等からなる気象データと、前記観測場所における気温または路面温度と気圧について、例えば、３０分毎の如き所定時間毎の平均値からなる過去の推移傾向とを用いた階層型ニューラルネットワークであって、
   該階層型ニューラルネットワークの入力層に前記気象データと過去の推移傾向とを前記所定時間を合算した過去の推移傾向の合計時間に相当する回数分の前記所定時間毎の平均値を入力すると共に、前記入力層へ観測場所における実際の気象状態を与える教師データを用いて教師データとの判別誤差が最小となるように学習を行ったニューラルネットワークに、
   前記気象センサから得られた気象データと、気象データを得た前記合計時間前の過去の推移傾向とを入力することにより前記観測場所における気象状態を求めることを特徴とする気象判別方法。
2. 観測場所における気温、気圧、路面温度等からなる気象データを検出して出力する気象センサ部と、
   前記観測場所における気温または路面温度と気圧について、例えば、３０分毎の如き所定時間毎の平均値からなる過去の推移傾向を出力する推移傾向出力部と、
   前記気象センサ部から出力される気象データと前記推移傾向出力部から出力された過去の推移傾向とを階層型ニューラルネットワークの入力層に前記所定時間を合算した過去の推移傾向の合計時間に相当する回数分の前記所定時間毎の平均値を入力すると共に、前記入力層へ観測場所における実際の気象状態を与える教師データを用いて教師データとの判別誤差が最小となるように学習を行ったニューラルネットワークに、前記気象センサ部から得られた気象データと、前記推移傾向出力部から得られた気象データを得た前記合計時間前の過去の推移傾向とを入力することにより前記観測場所における気象状態を求める気象判別部と、
   前記気象判別部の判別結果に応じて気象状態の表示を行う表示部と、
   を備えたことを特徴とする気象判別装置。

Images