JP6273125B2 - Leakage investigation planning device, leakage investigation planning system, and leakage investigation planning method - Google Patents
Leakage investigation planning device, leakage investigation planning system, and leakage investigation planning method Download PDFInfo
- Publication number
- JP6273125B2 JP6273125B2 JP2013234124A JP2013234124A JP6273125B2 JP 6273125 B2 JP6273125 B2 JP 6273125B2 JP 2013234124 A JP2013234124 A JP 2013234124A JP 2013234124 A JP2013234124 A JP 2013234124A JP 6273125 B2 JP6273125 B2 JP 6273125B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- water leakage
- water
- investigation
- area
- 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.)
- Active
Links
- 238000011835 investigation Methods 0.000 title claims description 194
- 238000000034 method Methods 0.000 title claims description 35
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 460
- 230000008439 repair process Effects 0.000 claims description 83
- 238000003860 storage Methods 0.000 claims description 77
- 238000005259 measurement Methods 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 20
- 230000007704 transition Effects 0.000 claims description 12
- 230000032683 aging Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims 2
- 238000009825 accumulation Methods 0.000 claims 1
- 238000011160 research Methods 0.000 claims 1
- 238000009826 distribution Methods 0.000 description 45
- 230000008569 process Effects 0.000 description 22
- 238000000605 extraction Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000005457 optimization Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 239000000284 extract Substances 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000002265 prevention Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 239000004698 Polyethylene Substances 0.000 description 2
- 238000009933 burial Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 229910001018 Cast iron Inorganic materials 0.000 description 1
- 229910001141 Ductile iron Inorganic materials 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005536 corrosion prevention Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- -1 polyethylene Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000008213 purified water Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010129 solution processing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Examining Or Testing Airtightness (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、漏水調査計画立案装置に係り、特に費用対効果の高い計画を立案する漏水調査計画立案装置に関する。 The present invention relates to a water leakage investigation planning device, and more particularly to a water leakage investigation planning device that makes a cost-effective plan.
特許文献1の請求項1は、「浄水を末端の需要家まで供給する配水管路網プロセスにおいて、収集・蓄積されている過去の漏水修繕データを解析する漏水調査対象路線抽出システムであって、過去の漏水修繕データや埋設給水管本数データが蓄積されているマスタDBと、マスタDBから図面番号ごとの修繕件数や工事番号ごとの埋設給水管本数、修繕年度、布設年度などのデータを抽出するデータ抽出手段と、上記データ抽出手段から得られるデータに基づいて、配水管路網全体に対する図面番号ごとの修繕件数や修繕割合を計算し、計算された値を図面ごとに数値化あるいは強調表示するメッシュ評価手段と、メッシュ評価手段で得られた漏水リスクの高い図面番号に属する工事番号を抽出し、工事番号、図面内での修繕件数、全修繕件数、埋設給水管本数、修繕割合をリスト化する工事番号リスト抽出手段と、抽出された工事番号リストに基づいて、使用者が設定するパラメータを元に漏水調査優先順位を計算する漏水調査優先順位評価手段を備えることを特徴とする漏水調査対象路線抽出システム」と記載している。
特許文献1の漏水調査対象路線抽出システムは、修繕情報から漏水リスクの高い地域を抽出できるものの、限られたリソース(人員など)を配分して次にどの地域の漏水調査を行うかを定めることができない。また、特許文献1の漏水調査対象路線抽出システムは、漏水リスクの不確かさに対処することができない。
Although the leak extraction target route extraction system of
そこで本発明は、限られたリソースの下で、漏水に関する不確かさがある中でも、費用対効果の高い漏水調査計画を立案する漏水調査計画立案装置を提供することを目的とする。 SUMMARY OF THE INVENTION Accordingly, an object of the present invention is to provide a water leakage investigation plan drafting device for drafting a cost-effective water leakage investigation plan under the limited resources, even when there is uncertainty regarding water leakage.
上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、本発明は水道管網を区分した複数のエリアに対する漏水調査計画を立案する漏水調査計画立案装置であって、
前記水道管網に設置された流量計をはじめとする計測装置から水の流量に係る計測情報を収集する計測情報収集部と、前記エリア内での水使用量情報を記憶する水使用量記憶部と、前記計測情報と前記水使用量情報とに基づき前記エリア内の水の漏水量を推定する漏水量推定部と、前記エリアにおける水道管網の延長情報を含む管路情報を蓄積する管路情報記憶部と、前記エリアにおける漏水調査および管路修繕の実施時期を含む調査・修繕情報を蓄積する調査・修繕情報記憶部と、
前記漏水量情報と前記管路情報と前記調査・修繕情報とのうち少なくとも一つの情報に基づき前記エリアの漏水量の推移を予測する予測モデル情報を生成する予測モデル学習部と、前記予測モデル情報に基づき前記エリアの予測漏水量情報を生成する漏水量予測部と、前記予測漏水量情報に基づき前記複数のエリアにおける漏水調査の実施順序を定める漏水調査計画を立案する調査計画立案部とを備え、
前記漏水量予測部は、前記予測漏水量情報として漏水量の期待値と該漏水量の期待値の不確かさとの双方の予測値を生成し、前記調査計画立案部は、前記漏水調査計画を前記漏水量の期待値と不確かさとの双方の予測値に基づき計算された漏水コストを用いて立案することを特徴としている。
In order to solve the above problems, for example, the configuration described in the claims is adopted. The present application includes a plurality of means for solving the above-described problems. To give an example, the present invention is a water leakage investigation plan planning device for making a water leakage investigation plan for a plurality of areas into which the water pipe network is divided.
A measurement information collection unit that collects measurement information relating to the flow rate of water from a measurement device such as a flow meter installed in the water pipe network, and a water usage storage unit that stores water usage information in the area A leakage amount estimation unit for estimating the amount of water leakage in the area based on the measurement information and the water usage information, and a pipeline for storing pipeline information including extension information of the water pipe network in the area An information storage unit, a survey / repair information storage unit for accumulating survey / repair information including the timing of water leakage investigation and pipeline repair in the area;
A prediction model learning unit that generates prediction model information for predicting a transition of the leakage amount of the area based on at least one of the leakage amount information, the pipeline information, and the investigation / repair information; and the prediction model information A leakage amount prediction unit that generates predicted leakage amount information of the area based on the information, and a survey plan planning unit that drafts a leakage investigation plan that determines the execution order of the leakage investigation in the plurality of areas based on the predicted leakage amount information. ,
The water leakage amount prediction unit generates predicted values of both the expected value of the water leakage amount and the uncertainty of the expected value of the water leakage amount as the predicted water leakage amount information, and the investigation plan planning unit defines the water leakage investigation plan as the It is characterized by making use of the leakage cost calculated based on the predicted values of both the expected value and uncertainty of the leakage amount.
本発明によれば、費用対効果の高い計画を立案する漏水調査計画立案装置を提供できるという効果がある。 Advantageous Effects of Invention According to the present invention, there is an effect that it is possible to provide a water leakage investigation plan planning device that makes a cost-effective plan.
上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。 Problems, configurations, and effects other than those described above will become apparent from the following description of embodiments.
以下、実施例につき図面を用いて説明する。なお、実質同一部位には同じ参照番号を振り、説明は繰り返さない。 Hereinafter, embodiments will be described with reference to the drawings. The same reference numerals are assigned to substantially the same parts, and the description will not be repeated.
図1は、本実施例における漏水調査計画立案装置101のブロック図である。
FIG. 1 is a block diagram of a water leakage
漏水調査計画立案装置101は、漏水量推定部110と、予測モデル学習部111と、漏水量予測部112と、調査計画立案部113と、管路情報記憶部121と、調査・修繕情報記憶部122と、計測情報記憶部123と、水使用量記憶部124と、コスト情報記憶部125と、予測モデル記憶部131と、調査計画記憶部132と、調査端末IF部171と、計測装置IF部172と、検針端末IF部173と、画面表示部174と、を有する。
The water leakage
漏水調査計画立案システム100は、漏水調査計画立案装置101と、調査端末181、計測装置182、検針端末183を有する。
The water leakage survey
漏水調査計画立案装置101が漏水調査計画の立案対象とする水道管網、配水ブロック等の構成については、図3を用いて後述する。
The configuration of the water pipe network, water distribution block, and the like that are targeted by the water leakage investigation
漏水量推定部110は、計測情報記憶部123に記録された計測情報と、水使用量記憶部124に記録された水使用量情報とを入力とし、所定の周期(例えば一日)での各エリアにおける漏水量を推定し、推定した漏水量を漏水量情報として予測モデル学習部111に送信する。
The water leakage
漏水量の推定処理は、夜間最小流量に基づく推定や、水収支計算(配水量の積算値から水使用量、その他の要因を差引くことで漏水量を推定する)など、公知の技術を用いることができる。漏水量推定部110の出力となる漏水量情報については、図8の説明で補足する。
The estimated amount of water leakage uses known techniques such as estimation based on the nighttime minimum flow rate and water balance calculation (estimating the amount of water leakage by subtracting the water consumption and other factors from the integrated value of the water distribution). be able to. The amount of water leakage information output from the water leakage
予測モデル学習部111は、漏水量推定部110から受信した配水ブロック等エリアにおける漏水量情報と、管路情報記憶部121に記録された管路情報と、調査・修繕情報記憶部122に記録された調査・修繕情報とを入力とし、各エリアの将来の漏水量の期待値とその不確かさとの双方の予測を計算する予測モデルを学習し、学習した予測モデルを予測モデル情報として予測モデル記憶部131に送信する。予測モデル学習部111の処理の詳細は、図12の説明にて後述する。
The prediction model learning unit 111 is recorded in the leakage amount information in the distribution block area received from the leakage
漏水量予測部112は、予測モデル記憶部131に記録された予測モデル情報を入力とし、各エリアの漏水量の期待値とその不確かさとの双方の予測を計算し、その結果を予測漏水量情報として調査計画立案部113および画面表示部174に送信する。漏水量予測部112の処理の詳細は、図13の説明にて後述する。
The water leakage
調査計画立案部113は、漏水量予測部112から受信した漏水量予測情報と、コスト情報記憶部125に記録されたコスト情報とを入力とし、漏水調査計画の評価指標として、前記漏水量の期待値とその不確かさとの双方の予測に基づき計算される漏水コストを用いて、漏水調査計画の立案計算処理を行い、立案された漏水調査計画を調査計画記憶部132に送信する。
The investigation
ここで、漏水調査計画とは、複数のエリアにおける漏水調査の実施順序を定めるものである。漏水調査とは、例えば水道管に対する音聴調査により、問題となるような漏水が発生しているか否かを作業者が調査することを言う。調査計画立案部113の処理の詳細は、図13の説明にて後述する。
Here, the water leakage investigation plan determines the order of the water leakage investigation in a plurality of areas. Leakage investigation means that an operator investigates whether or not there is a leakage that causes a problem by, for example, an audible investigation on a water pipe. Details of the process of the investigation
管路情報記憶部121は、漏水調査計画立案装置101の計画立案対象の水道管網に関して、水道管網の延長情報を含む管路情報を記録している。具体的には、図4の説明で後述する配水管の管路情報、図5の説明で後述する給水管の管路情報を記録している。
The pipe line
調査・修繕情報記憶部122は、漏水調査計画立案装置101の計画立案対象の水道管網に関して、漏水調査および管路修繕の実施時期を含む調査・修繕情報を記録している。具体的には、図6の説明で後述する漏水調査情報、図7の説明で後述する管路修繕情報を記録している。
The investigation / repair
計測情報記憶部123は、漏水調査計画立案装置101の計画立案対象の水道管網におけるセンサ計測情報を記録している。計測装置182が送信する周期、例えば1分周期での各計測装置のセンサ計測データ(圧力や流量の計測値)を時系列で記録している。
The measurement
水使用量記憶部124は、漏水調査計画立案装置101の計画立案対象の水道管網における水道利用者の水使用量情報を記録している。水道利用者は、水道管網の配水管から給水管を通して水を引入れており、その引入れ点に料金徴収のための水道メータが設置されている。水道メータで計測された水使用量は、検針員あるいは自動検針システム等により定期的に読み取られる。水使用量記憶部124は、このようにして収集された各水道利用者の水使用量の情報、即ち、或る水道利用者が或る期間に利用した水使用量の情報を記録している。
The water
コスト情報記憶部125は、漏水調査計画立案装置101の計画立案対象の水道管網における、漏水調査および管路修繕に要する費用と、単位量の漏水による損失とを含むコスト情報を記録している。
The cost
ここで、漏水調査および管路修繕の費用とは、前記水道管網の各エリアに対して音聴法等の手法で漏水調査を実施し、また調査で発見した漏水について管路修繕を実施する際に必要な費用である。また、単位量の漏水による損失とは、例えば1立法メートルの漏水を放置することによる費用である。 Here, the cost of water leakage investigation and pipe repair is to conduct water leakage investigation for each area of the water pipe network using a method such as hearing, and also to repair pipes for water leakage found in the investigation. This is a necessary expense. Moreover, the loss due to the unit amount of water leakage is, for example, the cost of leaving a water leak of 1 cubic meter.
予測モデル記憶部131は、予測モデル学習部111が出力した予測モデル情報を記録している。具体的には、図10の説明で後述する。
The prediction
調査計画記憶部132は、調査計画立案部113が出力した調査計画情報を記録している。具体的には、図11の説明で後述する。
The survey
調査端末IF部171は、後述する調査端末181から受信した情報を調査・修繕情報記憶部122に送信し、調査・修繕情報記憶部122に記録されている漏水調査情報および管路修繕情報を追加あるいは更新する。
The survey terminal IF
計測装置IF部172は、後述する計測装置182から受信した情報を計測情報記憶部123に送信し、計測情報記憶部123に新たな計測情報を追加する。
The measurement device IF
検針端末IF部173は、後述する検針端末183から受信した情報を水使用量記憶部124に送信し、水使用量記憶部124に記録されている水使用量の情報を追加あるいは更新する。
The meter-reading terminal IF
画面表示部174は、漏水量予測部112から受信した漏水量予測情報や、調査計画記憶部132に記録された漏水調査計画情報を、例えばディスプレイなどの出力装置を通じて漏水調査計画立案装置101の操作者へと提示する。具体的には図15、図16で説明するような形式で表やグラフを用いて提示する。
The
各計測装置182は、通信ネットワークを介して漏水調査計画立案装置101に接続されている。管理対象の水道管網に設置された流量計や圧力計などの計測装置は、計測したセンサデータを、通信ネットワークを介して漏水調査計画立案装置101の計測装置IF部172へと送信する。計測装置の具体例については図3の説明で後述する。
Each measuring device 182 is connected to the water leakage
各調査端末181および検針端末183(PDA等の携帯情報端末)は、通信ネットワーク等を介して漏水調査計画立案装置101に接続されている。
Each investigation terminal 181 and meter-reading terminal 183 (a portable information terminal such as a PDA) are connected to the water leakage
漏水調査および管路修繕に際して、調査端末181は当該調査端末の使用者の操作により漏水調査並びに管路修繕に関する情報を入力とし、当該情報を漏水調査計画立案装置101の調査端末IF部171に送信する。
In the case of water leakage investigation and pipeline repair, the survey terminal 181 inputs information on the water leakage survey and pipeline repair by the operation of the user of the survey terminal, and transmits the information to the survey terminal IF
また、検針端末183は、課金のための水道メータ検針の際に、当該検針端末の使用者の操作により、水道メータの読取値を入力とし、当該情報を漏水調査計画立案装置101の検針端末IF部173に送信する。
Further, the meter reading terminal 183 inputs the reading value of the water meter by the operation of the user of the meter reading terminal at the time of meter reading for billing, and uses the information as the meter reading terminal IF of the water leakage
図2は、本実施例における漏水調査計画立案装置101のハードウェアブロック図である。図2において、漏水調査計画立案装置101は、CPU201と、メモリ202と、メディア入出力部203と、通信制御部204と、入力部205と、表示部206と、周辺機器IF部207と、バス210を有する。
FIG. 2 is a hardware block diagram of the water leakage investigation
CPU201は、メモリ202上のプログラムを実行する。メモリ202は、プログラム、テーブル等を一時記憶する。メディア入出力部203は、例えばSDカードをはじめとする情報記録メディアとのインタフェースである。
The
通信制御部204は、ネットワーク220と接続されており、外部の装置との通信インタフェースを行う。入力部205は、キーボード、マウスをはじめとするユーザインタフェースである。
The
表示部206は、図1で説明したディスプレイである。周辺機器IF部207は、プリンタをはじめとする近傍に位置する装置とのインタフェースである。
The
バス210は、CPU201、メモリ202、メディア入出力部203、通信制御部204、入力部205、表示部206、周辺機器IF部207を相互接続する。
The
図1と図2との対比から明らかなように、図1の漏水調査計画立案装置101は、CPU201がプログラムを実行することで動作している。
As is clear from the comparison between FIG. 1 and FIG. 2, the water leakage
図3は、漏水調査計画立案装置101が漏水調査計画立案の対象とする水道管網と配水ブロックを示す図である。図3には、水道管網へ水を供給する配水池301と、実線で描いた配水管網が図示されている。また、水道管網中に設置された計測装置として、流量計310ないし313および圧力計321ないし324が図示されている。
FIG. 3 is a diagram showing a water pipe network and a water distribution block that are targeted for a water leakage investigation plan by the water leakage
配水ブロックとは、水道管網を分割する領域として設定されているもののうち、当該領域へ流出入する水の配水管全てについて、その流量が流量計により計測される領域をさす。図3の例では、領域331および332は流入管路に流量計311、および流量計312と313が設置されており、配水ブロックとなっている。なお、配水ブロックは、DMA(District Metered Area)とも呼ばれる。
The distribution block refers to an area in which the flow rate is measured by a flow meter for all of the distribution pipes of water flowing into and out of the area that is set as an area for dividing the water pipe network. In the example of FIG. 3, the
漏水調査計画立案装置101の調査計画立案部113は、漏水調査計画として、前記配水ブロックか、あるいは配水ブロックを更に分割したエリアを対象に、複数のエリアにおいて漏水調査をどのような順序で実施するかを定めた計画を立案する。以下、配水ブロックを含めて、漏水調査の実施単位をエリアと呼ぶ。
The investigation
ここで、漏水調査とは、音聴棒、音聴器や相関式漏水探知器等の機器を用いて人が水道管からの漏水を探知する業務をさす。漏水調査計画の具体例については、図11の説明にて後述する。 Here, the water leakage investigation refers to a task for a person to detect water leakage from a water pipe using devices such as a sound stick, a sound hearing device, and a correlation type water leakage detector. A specific example of the water leakage investigation plan will be described later with reference to FIG.
図4は、管路情報記憶部121に記録される配水管のテーブル管路情報400を示す図である。テーブル配水管情報400は、配水管ID情報401、位置情報402、延長情報403、口径情報404、管種情報405、敷設年数情報406、附帯物情報407、エリア情報408を列に有する。テーブル配水管情報400には、漏水調査計画立案装置101が管理対象とする水道管網の全配水管について、1つの配水管を1行として、可能な範囲で全ての情報が記録されている。図4では例として1つの配水管についてのみ表示している。
FIG. 4 is a diagram illustrating the table
配水管ID情報401には、全配水管の中で特定の配水管を一意に定めるIDを格納する。位置情報402には、GIS(Geographic Information System;地理情報システム)と連携し、該当配水管の埋設された位置を特定する座標情報が格納される。延長情報403および口径情報404には、当該配水管の延長および口径に関する情報が格納される。
The distribution
管種情報405には、DIP(ダクタイル鋳鉄管)、CIP(鋳鉄管)等の管種、管の仕様(腐食防止スリーブの有無)等の情報が格納される。敷設年数情報406には、配水管の敷設年数が記録される。あるいは埋設年度が記録されていて、そこから敷設年数が計算で求められてもよい。附帯物情報407には、消火栓、空気弁等の附帯物の数、位置、給水管の取り出し数等の情報が格納される。エリア情報408には、当該配水管が属するエリア(配水ブロック)の情報が格納される。
The
図5は、管路情報記憶部121に記録される給水管の管路情報を示すテーブル給水管情報500を示す図である。テーブル給水管情報500は、給水管ID情報501、位置情報502、接続先配水管ID情報503、延長情報504、口径情報505、管種情報506、敷設年数情報507、エリア情報508を列に有する。テーブル給水管情報500には、漏水調査計画立案装置101が管理対象とする水道管網の全給水管について、1つの給水管を1行として、可能な範囲で全ての情報を記録している。図5では例として1つの給水管についてのみ表示している。
FIG. 5 is a diagram showing table water
給水管ID情報501には、全給水管の中で特定の給水管を一意に定めるIDが格納される。位置情報502には、GISと連携し、該当給水管の埋設された位置を特定する座標情報が格納される。接続先配水管ID情報503には、当該給水管が接続されている配水管のIDが格納される。
The water supply
延長情報504および口径情報505には、当該給水管の延長および口径に関する情報が格納される。管種情報506には、PE(ポリエチレン管)、LP(鉛管)等の管種の情報が格納される。敷設年数情報507には、給水管の敷設年数が記録される。あるいは埋設年度が記録されてもよい。エリア情報508には、当該給水管が属するエリア(配水ブロック)の情報が格納される。
The
図6は、調査・修繕情報記憶部122に記録される漏水調査情報を示すテーブル漏水調査情報600を示す図である。テーブル漏水調査情報600は、調査ID情報601、期間情報602、対象エリア情報603を列に有する。テーブル漏水調査情報600には、漏水調査計画立案装置101が管理対象とする全エリアで実施した漏水調査履歴について、1つのエリアを対象とした漏水調査を1行として全ての情報を記録している。図6では例として2つの漏水調査履歴についてのみ表示している。
FIG. 6 is a diagram showing table
調査ID情報601には、全調査履歴の中で特定の調査履歴を一意に定めるIDが格納される。期間情報602には、当該調査を実施した期間の情報が格納される。対象エリア情報603には、当該調査で漏水調査を実施したエリアのIDが格納される。
The
図7は、調査・修繕情報記憶部122に記録されるテーブル管路修繕情報を示す図である。テーブル管路修繕情報700は、修繕ID情報701、種別情報702、管ID情報703、位置情報704、原因情報705、防止漏水量情報706、日時情報707、調査ID情報708を列に有する。テーブル管路修繕情報700には、漏水調査計画立案装置101が管理対象とする配水管および給水管に対して実施した管路修繕履歴について、1つの管路修繕を1行として全ての情報が記録されている。図7では例として1つの管路修繕履歴について表示している。
FIG. 7 is a diagram showing table pipeline repair information recorded in the investigation / repair
修繕ID情報701には、全修繕履歴の中で特定の修繕履歴を一意に定めるIDが格納される。種別情報702および管ID情報703には、当該修繕の対象が配水管か給水管かを示す情報、および対象の管のID情報が格納される。位置情報704には、GISと連携し、当該修繕を実施した位置の情報が格納される。即ち、対象の管のどの位置に対して修繕を行ったかの情報が格納される。
The
原因情報705には、修繕した漏水の推定される原因の情報が格納される。例えば、経年劣化、腐食、過重、不明等として原因の情報が格納される。防止漏水量情報706には、当該修繕の対象となった漏水の修繕時点での漏水量(流量)を、修繕現場で見積もった結果の情報が格納される。日時情報707には、当該修繕を実施した日時の情報が格納される。調査ID情報708には、当該修繕の対象とした漏水を発見した漏水調査のID情報が格納される。もし対象とした漏水が、漏水調査で発見された漏水ではなく、例えば地上漏水の通報等により発見された漏水であれば、それらの発見理由を特定できるID情報が格納される。
The
図8は、配水ブロックの漏水量の実績推移の例を示す図である。図8のグラフにおいて、横軸は時間、縦軸は特定のエリア(配水ブロック)の漏水量を示す。一般的に、エリアにおける漏水量は、漏水量801に示すように、防止作業期間811および防止作業期間812で示された漏水防止作業の実施期間を除き、単調に増加する。ここで、漏水防止作業とは、漏水調査と、漏水調査で発見された漏水の修理をさす。
FIG. 8 is a diagram illustrating an example of a transition of the actual amount of water leakage in the water distribution block. In the graph of FIG. 8, the horizontal axis represents time, and the vertical axis represents the amount of water leakage in a specific area (water distribution block). In general, the amount of water leakage in the area increases monotonously except for the period of the water leakage prevention work indicated by the
漏水量推定部110は、先述の通り、各記憶部に記録された情報にもとづき、各エリアの過去の漏水量を、例えば図8で示すように推定する。
As described above, the water leakage
図9は、漏水量予測部112による漏水量の予測推移を示す図である。図9を参照して、漏水量予測部112による特定のエリア(配水ブロック)の漏水量の期待値とその不確かさの双方の予測について説明する。図9のグラフにおいて、横軸は当該エリアの最後の漏水調査および修繕からの経過時間、縦軸は当該エリアの漏水量を示す。
FIG. 9 is a diagram showing the predicted transition of the water leakage amount by the water leakage
漏水量予測部112が出力する漏水量の推移の予測は、最後の漏水調査および修繕からの経過時間に対応する、予測漏水量の期待値901と、予測漏水量の低位値903および予測漏水量の高位値902の3つの時系列に係る。予測漏水量の高位値902および予測漏水量の低位値903は、予測漏水量の期待値901の不確かさを表現するための値である。例えば、高位値および低位値は、例えば予測モデルの過去の漏水量推移への当てはまり度合いから算出した、95%信頼区間の上限値および下限値等とすることができる。
The prediction of the transition of the leakage amount output by the leakage
一般に、漏水の発生は、不確かな要素が多く関係するため、決定的な事象として扱うことは難しい。そのため、漏水量の期待値のみでの予測は、誤差が大きくなるとともに、エリアごとに予測の不確かさが異なることを考慮することができない。 In general, the occurrence of water leakage is difficult to treat as a decisive event because there are many uncertain factors involved. For this reason, the prediction based only on the expected value of the water leakage amount cannot be taken into account that the error increases and the uncertainty of the prediction varies from area to area.
漏水調査計画立案装置101は、上記のように期待値に加え、期待値の不確かさとして高位値および低位値を出力することで、効果的な漏水調査計画の立案に際して、より有用な漏水量の予測を行うことができる。期待値の不確かさの表現方法としては、高位値および低位値以外にも、例えば、期待値からの偏差の大きさを用いてもよい。
In addition to the expected value as described above, the water leakage
図10は、予測モデル記憶部131に記録されるテーブル予測モデル情報1000を示す図である。テーブル予測モデル情報1000は、予測モデルID情報1001、対象エリア情報1002、モデル式情報1003、説明変数情報1004、係数情報1005、種別情報1006を列に有する。
FIG. 10 is a diagram showing the table
テーブル予測モデル情報1000は、予測モデル学習部111が出力するすべての予測モデルに対して、1つの予測モデルを1行として記録している。図10では例として2つの予測モデルについて表示している。なお、テーブル予測モデル情報1000には、漏水調査計画立案装置101が計画立案対象とする全エリアについて、1エリアにつき少なくとも1つ以上、適用できる予測モデルを含む。
The table
予測モデルID情報1001には、予測モデルを一意に定めるIDが格納される。対象エリア情報1002には、予測モデルが適用できるエリアのIDが格納される。複数のエリアに適用できるモデルについては、適用できるエリアを特定できる情報が格納される。
The prediction
モデル式情報1003には、予測モデルが予測に用いる数式の番号が格納される。説明変数情報1004には、予測モデルの各エリアへの適用に際して、利用するエリアの説明変数の情報が格納される。予測モデル学習部111および漏水量予測部112は、必要に応じて、エリアの説明変数の具体的な値を管路情報記憶部121、調査・修繕情報記憶部122から取得する。説明変数については、後に述べる。
The
係数情報1005には、モデル式情報1003が指示する予測式の係数の具体的な値が格納される。種別情報1006には、当該予測モデルが汎用予測モデルとエリア別予測モデルのどちらに該当するかを示す情報が格納される。
The
予測モデル学習部111は、図10で説明した予測モデル情報を出力する。予測モデル学習部111が出力する予測モデルは、種別情報1006で説明した通り、特定の一つのエリアのみに適用できるエリア別予測モデルと、前記のエリアでの値を代入することで、複数のエリアに適用できる汎用予測モデルと、の2つに区分される。
The prediction model learning unit 111 outputs the prediction model information described with reference to FIG. As described in the
例えば図10に示した予測モデルIDがE4A332の予測モデルは、エリア別予測モデルである。エリア別予測モデルの予測式の具体例として、漏水調査計画立案装置101は、例えば、下記の予測式を用いる。以下では式(1a)ないし(1c)を、式(1)と総称する。
L(t)=L0+k×t ・・・(1a)
Lh(t)=L(t)+Dh0+mh×t ・・・(1b)
Ll(t)=L(t)−Dl0−ml×t ・・・(1c)
ここで、
L(t):予測漏水量の期待値[m3/h]
L0 :同上の初期値(漏水修理の直後)[m3/h]
Lh(t):予測漏水量の高位値[m3/h]
Dh0 :同上の初期値(漏水修理の直後)[m3/h]
Ll(t):予測漏水量の低位値[m3/h]
Dl0 :同上の初期値(漏水修理の直後)[m3/h]
k,mh,ml:正の係数
t:経過時間[日]
である。
For example, the prediction model whose prediction model ID is E4A332 shown in FIG. 10 is an area-specific prediction model. As a specific example of the prediction formula of the area-specific prediction model, the water leakage
L (t) = L0 + k × t (1a)
Lh (t) = L (t) + Dh0 + mh × t (1b)
Ll (t) = L (t) −D10−ml × t (1c)
here,
L (t): Expected value of predicted water leakage [m 3 / h]
L0: Same as above (immediately after repair of water leakage) [m 3 / h]
Lh (t): High value of predicted water leakage [m 3 / h]
Dh0: Same as above (immediately after water leakage repair) [m 3 / h]
Ll (t): Lower value of predicted water leakage [m 3 / h]
D10: Initial value as above (immediately after water leakage repair) [m 3 / h]
k, mh, ml: positive coefficient t: elapsed time [days]
It is.
例えば図10に示した予測モデルIDがE3AGEの予測モデルは、汎用予測モデルである。汎用予測モデルの予測式の具体例として、漏水調査計画立案装置101は、例えば、下記の予測式を用いる。以下では式(2a)ないし(2c)を、式(2)と総称する。
L(t,x)=L0(x)+k(x)×t ・・・(2a)
Lh(t,x)=L(t,x)+Dh0+mh×t ・・・(2b)
Ll(t,x)=L(t,x)−Dl0−ml×t ・・・(2c)
For example, the prediction model whose prediction model ID is E3AGE shown in FIG. 10 is a general-purpose prediction model. As a specific example of the prediction formula of the general-purpose prediction model, the water leakage
L (t, x) = L0 (x) + k (x) × t (2a)
Lh (t, x) = L (t, x) + Dh0 + mh × t (2b)
Ll (t, x) = L (t, x) −D10−ml × t (2c)
L(t,x) :予測漏水量の期待値[m3/h]
L0(x) :同上の初期値(漏水修理の直後)[m3/h]
Lh(t,x):予測漏水量の高位値[m3/h]
Dh0 :同上の初期値(漏水修理の直後)[m3/h]
Ll(t,x):予測漏水量の低位値[m3/h]
Dl0 :同上の初期値(漏水修理の直後)[m3/h]
α0,β0,αs,βs:係数
k(x),mh,ml:正の係数
s:説明変数のインデックス
xs:インデックスsの説明変数
x:すべての説明変数
t:経過時間[日]
であり、sに関してはすべての説明変数のインデックスについてとる。
L (t, x): Expected value of predicted water leakage [m 3 / h]
L0 (x): Initial value same as above (immediately after water leakage repair) [m 3 / h]
Lh (t, x): High value of predicted water leakage [m 3 / h]
Dh0: Same as above (immediately after water leakage repair) [m 3 / h]
Ll (t, x): Lower value of predicted water leakage [m 3 / h]
D10: Initial value as above (immediately after water leakage repair) [m 3 / h]
α0, β0, αs, βs: coefficients k (x), mh, ml: positive coefficients s: explanatory variable index xs: explanatory variable of index s x: all explanatory variables t: elapsed time [days]
And for s, take the indices of all explanatory variables.
漏水調査計画立案装置101の扱う汎用予測モデルの説明変数としては、エリア内の過去の漏水修繕件数、同じく漏水修繕件数のうちその漏水が漏水調査ではなく通報で発見されたものの件数(通報漏水修繕件数)、エリア内の給水管本数、エリア内で最も古い管の敷設年数、例えば30年以上の経年管の本数・総延長など、管路情報記憶部121、調査・修繕情報記憶部122等に記憶された情報から算出できる任意の指標を用いることができる。
The explanatory variables of the general-purpose prediction model handled by the water leakage
上記同じ予測式(2)を用いても、異なる説明変数の組を用いている場合、漏水調査計画立案装置101は、それらを別の予測モデルとして扱う。なお、予測モデル記憶部131に記録される汎用予測モデルとしては、予測モデル学習部111が出力したモデルだけでなく、漏水調査計画立案装置101の利用者が任意に追加した汎用予測モデルを含んでいてもよい。
Even when the same prediction formula (2) is used, if different sets of explanatory variables are used, the water leakage
例えば、漏水調査計画立案装置101の計画立案対象ではないエリアで学習された汎用予測モデルを、予測モデル記憶部131に格納しておき、漏水量予測部112が当該汎用予測モデルを漏水調査計画立案装置101の計画立案対象エリアの漏水量の予測に利用することとしてもよい。任意に追加した汎用予測モデルは、期待値に関するモデルを固定し、不確かさに関する係数、すなわち、予測式(2)の例ではDh0,Dl0,mh,mlのみを予測モデル学習部111で学習することとしてもよい。
For example, a general-purpose prediction model learned in an area that is not a plan target of the water leakage
図11は、漏水計画記憶部132に記録されるテーブル漏水調査計画情報1100を示す図である。漏水調査計画は、先述の通り、複数のエリアにおける漏水調査の実施順序を定めるものである。例えば、実施順序に加えて、計画対象期間中に各エリアで漏水調査を実施する期間を定めることができる。ただし、一部のエリアでは漏水調査を実施しないものとしてもよい。漏水調査計画情報1100は、各エリアで漏水調査を実施する期間を定めるものとし、エリアID情報1101で指示されるエリアごとに、計画期間1102ないし1104の中の、どの期間に漏水調査を行うかを示している。
FIG. 11 is a diagram showing the table water leakage
例えば図11では、3年間の計画期間に、エリア331は調査期間1111、調査期間1112および調査期間1113の3回、またエリア332は調査期間1121および調査期間1122の2回、漏水調査を行う計画を示す。漏水調査計画情報1100には、計画対象の全エリアに対して、上記のような調査計画の情報を格納する。
For example, in FIG. 11, in the plan period of 3 years, the
図12は、予測モデル学習部111の処理を示すフローチャートである。図12では、予測モデル学習部111が、記録されている各エリアに係る情報に基づいて抽出し、さらに学習して予測モデルを生成し、予測モデル記憶部131に送信するまでの動作フローを示している。開始ステップ1200にて、予測モデル学習部111は処理を開始する。
FIG. 12 is a flowchart showing the process of the prediction model learning unit 111. FIG. 12 shows an operation flow from the time when the prediction model learning unit 111 extracts based on the recorded information relating to each area, further learns to generate a prediction model, and transmits the prediction model to the prediction
入力情報の受信ステップ1201にて、予測モデル学習部111は、管路情報記憶部121に記録された管路情報と、調査・修繕情報記憶部122に記録された調査・修繕情報とを受信し、また漏水量推定部110から各エリアの過去の漏水量情報を受信する。
In the input
配水地区の抽出ステップ1202にて、予測モデル学習部111は、エリア別予測モデルの学習対象とする配水地区(エリア)を1つ抽出する。ただし、予測モデル学習部111は、漏水量推定部110により過去の漏水量の推移が推定されているエリアのみを抽出する。
In the water distribution
エリア別予測モデルの学習ステップ1203にて、予測モデル学習部111は、抽出したエリアを対象としたエリア別予測モデルの学習を行う。
In the area-specific prediction
例えば予測式(1)を予測式としたエリア別予測モデルを学習するには、予測モデル学習部111は、漏水量推定部110から受信した図8の防止作業期間811および防止作業期間812の間の期間の漏水量801の実績データを再現する初期値L0と係数kを計算する。この計算には、例えば最小二乗法などの公知の技術を利用できる。
For example, in order to learn an area-specific prediction model using the prediction formula (1) as a prediction formula, the prediction model learning unit 111 receives the
また、予測モデル学習部111は、初期値Dh0、Dl0、係数mh、mlを定める手法として、例えば上記で求めた予測式(1a)を用いて、実績データが必ず高位値Lh(t)および低位値Ll(t)の間となる範囲での、最小の初期値Dh0、Dl0、係数mh、mlに定めることができる。 In addition, the prediction model learning unit 111 uses, for example, the prediction formula (1a) obtained as described above as a method for determining the initial values Dh0 and D10, and the coefficients mh and ml, so that the actual data is always the high value Lh (t) and the low value. The minimum initial values Dh0 and D10 and the coefficients mh and ml in the range between the values Ll (t) can be determined.
判定ステップ1204にて、予測モデル学習部111は、学習が可能なすべてのエリアに対してエリア別予測モデルの学習を行ったか否かを判定する。まだ学習を行なっていないエリアがある場合は、配水地区の抽出ステップ1202に戻る。学習が可能なすべてのエリアに対して学習を終えた場合は、汎用予測モデルの抽出ステップ1205に進む。
In
汎用予測モデルの抽出ステップ1205にて、予測モデル学習部111は、学習対象とする汎用予測モデルを1つ抽出する。
In the general prediction
エリア別予測モデルの抽出ステップ1206にて、予測モデル学習部111は、学習対象の汎用予測モデルが利用する説明変数の組が計算できるエリアをすべて抽出し、これらの中から当該エリアのエリア別予測モデルを抽出する。
In the area-specific prediction
管路情報記憶部121および調査・修繕情報記憶部122は、一般に地下に埋設された管路を数十年に渡って利用する水道事業の特性上、すべての管のすべての情報が必ず記録されているわけではない。そのため、エリアによっては特定の説明変数の計算に必要な情報が記録されておらず、特定の説明変数が計算できないことがある。そのため、エリア別予測モデルの抽出ステップ1206において、予測モデル学習部111は、利用する説明変数の組のすべてが計算できるエリアと、そのエリア別予測モデルのみを抽出する。
The pipeline
汎用予測モデルの学習ステップ1207にて、予測モデル学習部111は、抽出した汎用予測モデルの学習を行う。汎用予測モデルを定める係数の学習においては、抽出したエリア別予測モデルの係数に基づいて学習する。以下、汎用予測モデルの予測式に式(2)を、各エリア別予測モデルの予測式に式(1)を用いている場合について説明する。 In the general prediction model learning step 1207, the prediction model learning unit 111 learns the extracted general prediction model. In the learning of the coefficient that determines the general-purpose prediction model, learning is performed based on the extracted coefficient of the area-specific prediction model. Hereinafter, the case where Formula (2) is used for the prediction formula of the general-purpose prediction model and Formula (1) is used for the prediction formula of each area-specific prediction model will be described.
抽出したエリアおよびエリア別予測モデルのインデックスをpとし、各エリア別予測モデルの予測式(1)の係数をL0p、kp、Dh0p、Dl0p、mhp、mlp、各予測値をLp(t)、Lhp(t)、Llp(t)とする。また、インデックスsの説明変数のエリアpでの値をxsp、エリアpでの説明変数をまとめてxpと記する。 The index of the extracted area and area-specific prediction model is p, the coefficients of the prediction formula (1) of each area-specific prediction model are L0p, kp, Dh0p, D10p, mhp, mlp, and the prediction values are Lp (t), Lhp. (T) and Llp (t). In addition, the value of the explanatory variable of the index s in the area p is written as xsp, and the explanatory variable in the area p is collectively written as xp.
この時、予測モデル学習部111は、式(2d)および(2e)が上記各エリア別予測モデルの係数L0p、kpをよく再現するように係数α0、β0、αs、βsを計算する。この計算には、例えば最小二乗法などの公知の技術を利用できる。また、予測モデル学習部111は、上記で求めた予測式(2a)を用いた上で、以下の2つの式をすべてのエリアpについて満たすように、最小の係数Dh0、Dl0、mh、mlを定める。
Lh(t,xp)≧Lhp(t)
Ll(t,xp)≦Llp(t)
判定ステップ1208にて、予測モデル学習部111は、すべての汎用予測モデルに対して学習を行ったか否かを判定する。まだ学習をおこなっていない汎用予測モデルがある場合は、ステップ汎用予測モデルの抽出1205に戻る。すべての汎用予測モデルに対して学習を終えた場合は、出力情報の送信ステップ1209に進む。出力情報の送信ステップ1209にて、予測モデル学習部111は、学習した予測モデルの情報を、予測モデル記憶部131に送信する。終了ステップ1210にて、予測モデル学習部111は処理を終了する。
At this time, the prediction model learning unit 111 calculates the coefficients α0, β0, αs, and βs so that the equations (2d) and (2e) well reproduce the coefficients L0p and kp of each area-specific prediction model. For this calculation, a known technique such as a least square method can be used. Further, the prediction model learning unit 111 uses the prediction formula (2a) obtained above, and sets the minimum coefficients Dh0, D10, mh, and ml so as to satisfy the following two formulas for all areas p. Determine.
Lh (t, xp) ≧ Lhp (t)
Ll (t, xp) ≦ Llp (t)
In
図13は、漏水量予測部112の処理を示すフローチャートである。図13では、漏水量予測部112が、前記予測モデルに基づいて今後の漏水量を予測し、その高位値と低位値との差がた結果が最も小さい予測モデルによる予測漏水量情報を選択し、調査計画立案部113と、画面表示部173とに送信するまでの動作フローを示している。ステップ開始1300にて、漏水量予測部112は処理を開始する。
FIG. 13 is a flowchart showing the processing of the water leakage
入力情報の受信ステップ1301にて、漏水量予測部112は、予測モデル記憶部131より図12のフローにより作成された予測モデル情報を受信する。また、漏水量予測部112は、必要に応じて、各エリアの説明変数の計算に必要な情報を管路情報記憶部121および調査・修繕情報記憶部122等から受信する。
In the input
配水地区の抽出ステップ1302にて、漏水量予測部112は、漏水量予測の対象とする配水地区(エリア)を一つ抽出する。予測モデルの抽出ステップ1303にて、漏水量予測部112は、受信した予測モデル情報から、抽出したエリアに適用可能な予測モデルをすべて抽出する。
In the water distribution
汎用予測モデルによる予測ステップ1304にて、漏水量予測部112は、抽出した予測モデルのうち汎用予測モデルをそれぞれ用いて、抽出したエリアの漏水量を予測する。ここで、漏水量予測部112による汎用予測モデルを用いた漏水量の予測とは、必要な説明変数の値を抽出したエリアに対して計算し、また、計算した説明変数の値を汎用予測モデルに当てはめることで、図9に示した予測漏水量の期待値、高位値および低位値を計算する処理を指す。
In the
判定ステップ1305にて、漏水量予測部112は、抽出した予測モデルに、抽出したエリアに対して適用可能なエリア別予測モデルが含まれているか否かを判定する。含まれている場合は、エリア別予測モデルによる予測ステップ1306に、含まれていない場合は予測結果の選択ステップ1307に進む。
In
エリア別予測モデルによる予測ステップ1306にて、漏水量予測部112は、エリア別予測モデルを用いて抽出したエリアの漏水量を予測する。ここで、漏水量の予測とは、汎用予測モデルの場合と同様に、図9に示した予測漏水量の期待値、高位値および低位値を計算する処理を指す。
In the
予測結果の選択ステップ1307にて、漏水量予測部112は、抽出した各予測モデルによる漏水量の予測結果を比較し、高位値と低位値との差が最も小さい予測モデルを選択し、選択した予測モデルによる予測漏水量情報を当該エリアに対する予測漏水量情報とする。
In the prediction
判定ステップ1308にて、漏水量予測部112は、すべてのエリアに対して漏水量の予測処理を行ったか否かを判定する。まだ予測処理を行なっていないエリアがある場合は、配水地区の抽出ステップ1302に戻る。すべてのエリアに対して予測処理を終えた場合は、出力情報の送信ステップ1309に進む。
In
出力情報の送信ステップ1309にて、漏水量予測部112は、計算した漏水量予測情報を、調査計画立案部113と、画面表示部173とに送信する。終了ステップ1310にて、漏水量予測部112は処理を終了する。
In the output
漏水量予測部112において、特定のエリアに適用できる予測モデルが複数ある場合、ステップエリア別予測モデルによる予測1306にて高位値と低位値との差が最も小さい予測モデルによる予測漏水量情報を出力することで、より不確かさの小さい予測漏水量を出力できる。
When there are a plurality of prediction models that can be applied to a specific area in the leakage
なお、漏水量予測部112は、漏水調査計画の立案対象期間中に、管路の更新が予定されている場合、その更新を考慮した処理を行うこととしても良い。例えば、管路の更新がエリアの説明変数の計算結果に影響を与える場合、更新後の期間については、管路更新後の情報を用いた説明変数の計算結果を用いた汎用予測モデルによる予測を出力することができる。
Note that the leakage
図14は、調査計画立案部113の処理を示すフローチャートである。図14では、調査計画立案部113が、漏水量調査と漏水による損失に係るコストを考慮して求めた漏水調査計画情報を、調査計画記憶部132に送信するまでの動作フローを示している。開始ステップ1400にて、調査計画立案部113は処理を開始する。
FIG. 14 is a flowchart showing the processing of the investigation
入力情報の受信ステップ1401にて、調査計画立案部113は、漏水量予測部112より図13のフローにより作成された各エリアの漏水量予測情報を受信し、また、コスト情報記憶部125よりコスト情報を受信する。
In the input
最適化問題の構成ステップ1402にて、調査計画立案部113は、漏水調査計画を立案する数理最適化問題を構成する。調査計画立案部113が構成する数理最適化問題の制約条件として、第一に、計画対象期間のどの期間においても、同時に漏水調査を実施するエリアの総数を定められた漏水調査チーム数以下にするという制約条件がある。第二に一つのエリアで漏水調査を実施する期間を当該エリアの全域の漏水調査に要する期間だけ連続して確保するという制約条件がある。前者は漏水調査にかかる人件費を、後者は作業効率を考慮している。
In the optimization
また、調査計画立案部113が構成する数理最適化問題を最小化する目的関数は、例えば、漏水調査の費用と、漏水費用の漏水量予測の不確かさの双方における評価値との和を考慮した目的関数とすることができる。以下、調査計画立案部113が構成する数理最適化問題の具体例を記述する。添字として、エリアのインデックスaと、計画期間(例えば3年間)のうちの各月を表すインデックスtを用いる。
Moreover, the objective function which minimizes the mathematical optimization problem which the investigation
漏水調査計画として計画対象期間中に各エリアで漏水調査を実施する期間を定めるときの具体例として、主要な決定変数は、エリアaの漏水調査を開始する月tにのみ値1をとり、それ以外は値0をとるバイナリ変数y_{a,t}とできる。 As a specific example of determining the period for conducting a water leakage survey in each area during the planning period as a water leakage survey plan, the main decision variable takes a value of 1 only in the month t when the water leakage survey in area a starts. Can be a binary variable y_ {a, t} that takes the value 0.
エリアaで漏水調査を行う月tにのみ値1をとり、それ以外は値0をとるバイナリ変数z_{a,t}を定義すると、y_{a,t}とz_{a,t}の関係として以下の制約条件が得られる。
If a binary variable z_ {a, t} is defined that takes the
l_a:エリアaの漏水調査に要する月数(正の整数)
である。この制約式により、一つのエリアで漏水調査を実施する期間は、当該エリアの全域に対する漏水調査の完了に要する期間の長さだけ必ず連続して確保される。
l_a: Number of months required for water leakage survey in area a (positive integer)
It is. With this constraint equation, the period for conducting a water leakage survey in one area is always ensured continuously for the length of the period required to complete the water leakage survey for the entire area.
同時に漏水調査を実施するエリアの総数が限定される制約条件は、 Restrictions that limit the total number of areas where water leakage surveys are conducted simultaneously are:
T:漏水調査チーム数(正の整数)
と記述できる。
T: Number of water leakage investigation teams (positive integer)
Can be described.
調査計画立案部113が数理最適化問題で最小化する目的関数fは、例えば、評価指標として調査コストの予測値CSと漏水コストの予測値CWを用いて、漏水コストと調査コストの和からなる総コストとすることができる。
f=CW+CS
ここで、調査計画立案部113は、調査コストの予測値CSとして、コスト情報記憶部125に記録されたエリアaの漏水調査費用C_aを用いて、例えば
The objective function f that the
f = CW + CS
Here, the
一方、調査計画立案部113は、漏水コストの予測値CWとして、前記漏水量の期待値とその不確かさの双方の予測に基づき計算を行う。
On the other hand, the
例えば、各エリアにおける予測漏水量の計算に対して、高位値および低位値の間での不確実性を表現するパラメータを設定し、該パラメータと漏水コストとの係りにおいて評価する。前記パラメータが所定の不確実性集合の中で任意の値をとるなかでの最大の漏水コストを計算する。 For example, for the calculation of the predicted water leakage amount in each area, a parameter expressing the uncertainty between the high value and the low value is set and evaluated in relation to the parameter and the water leakage cost. The maximum water leakage cost is calculated when the parameter takes an arbitrary value within a predetermined uncertainty set.
具体的には、 In particular,
w:コスト情報記憶部125に記録された漏水の単位量あたりの限界費用
Lh_a(t;{y_{a,τ}}):決定変数y_{a,t}を定めた場合の月tにおけるエリアaの予測漏水量の高位値
Ll_a(t;{y_{a,τ}}):決定変数y_{a,t}を定めた場合の月tにおけるエリアaの予測漏水量の低位値
である。
w: Marginal cost per unit amount of water leakage recorded in the cost
ここで、δ_aはエリアaにおける不確実性を表現するパラメータであり、パラメータの不確実性集合は、全エリアに対するパラメータδ_aを要素として並べたベクトルδを用いて、δのノルムが1以下である集合としている。 Here, δ_a is a parameter expressing the uncertainty in area a, and the parameter uncertainty set uses a vector δ in which the parameters δ_a for all areas are arranged as elements, and the norm of δ is 1 or less. It is a set.
また、Lh_aおよびLl_aの具体的な計算方法は、漏水量予測部112から受信した、漏水調査・修繕後の経過時間で定まる漏水量の高位値および低位値と、調査・修繕情報記憶部122に記録された漏水調査計画対象期間より前の最後の漏水調査および修繕の時期と、前記決定変数により定まる漏水調査計画対象期間中の漏水調査および修繕の実施時期と、から求められる。
In addition, the specific calculation method of Lh_a and Ll_a includes the high and low values of the amount of water leaked from the leak
最適化問題の求解ステップ1403にて、調査計画立案部113は、ステップ最適化問題の構成1402で構成した最適化問題の求解処理を行い、得られた最適解を漏水調査計画情報に変換する。求解処理には、例えば、遺伝的アルゴリズムなどのメタヒューリスティクスや、分枝限定法などの公知の技術を適用できる。
In the optimization
出力情報の送信ステップ1404にて、調査計画立案部113は、計算した漏水調査計画情報を、調査計画記憶部132に送信する。終了ステップ1405にて、調査計画立案部113は処理を終了する。
In the output
漏水コストの予測値CWについて補足する。一般に、数理最適化問題の目的関数に予測漏水量の期待値のみを用いた漏水コストを用いて得られる漏水調査計画は、現実の漏水量が予測漏水量から乖離した場合にコスト(数理最適化問題の目的関数値)が計画時点の評価より大きく悪化してしまう。 It supplements about the predicted value CW of a water leak cost. In general, a water leakage investigation plan obtained using a leakage cost that uses only the expected value of the predicted leakage amount as the objective function of the mathematical optimization problem is a cost (mathematical optimization) when the actual leakage amount deviates from the predicted leakage amount. The objective function value in question) is significantly worse than the evaluation at the time of planning.
期待値のみを用いた漏水コストとは、例えば次の式でさだめるCWA、 The leakage cost using only the expected value is, for example, CWA,
L_a(t;{y_{a,τ}}):決定変数y_{a,t}を定めた場合の月tにおけるエリアaの予測漏水量の期待値
である。
L_a (t; {y_ {a, τ}}): an expected value of the predicted water leakage amount in area a at month t when the decision variable y_ {a, t} is determined.
漏水量の予測は必ず不確かさを含むため、上記期待値を用いた漏水調査計画を適用した場合のコストは、数理最適化問題の最適解の目的関数値よりほぼ確実に大きくなる。そこで、上記の予測値CWでは、ロバスト最適化の考え方を適用し、予測漏水量に典型的な誤差が生じた上でのコストを計算している。こうした評価値を用いて漏水調査計画を立案することで、予測漏水量の期待値のみを用いた評価値を用いた場合に比べて、漏水調査計画を現実適用した際によりコストが小さくなることが期待できる。 Since the prediction of water leakage always includes uncertainties, the cost of applying the water leakage investigation plan using the expected value is almost certainly greater than the objective function value of the optimal solution of the mathematical optimization problem. Therefore, in the predicted value CW described above, the concept of robust optimization is applied to calculate the cost when a typical error occurs in the predicted water leakage amount. By formulating a water leakage investigation plan using these evaluation values, the cost can be reduced when the water leakage investigation plan is actually applied, compared to the case where an evaluation value using only the expected value of the predicted water leakage amount is used. I can expect.
漏水コストの予測値CWは、上記に限定されるものではない。例えば、不確かさの大きいエリアに対する費用に対して大きな重みを与えて漏水コストを計算することとしてもよい。また、数理最適化問題の構成は、上記に限定されるものではない。例えば、調査コストの上限が定められている制約条件等を設定し、最小化する目的関数として、漏水コストの予測値を用いることもできる。数理最適化問題の目的関数としては、式(5)の漏水コストを用いて、式(4)の漏水コストは計算するだけとしてもよい。 The predicted value CW of the water leakage cost is not limited to the above. For example, the water leakage cost may be calculated by giving a large weight to the cost for an area with high uncertainty. Further, the configuration of the mathematical optimization problem is not limited to the above. For example, a predicted value of water leakage cost can be used as an objective function for setting a constraint condition or the like where an upper limit of the survey cost is set and minimizing. As the objective function of the mathematical optimization problem, the water leakage cost of Equation (4) may be simply calculated using the water leakage cost of Equation (5).
図15は、漏水調査計画に関する画面表示部173による画面表示を示す図である。画面表示部173がディスプレイ等に表示する漏水調査計画表示画面1501は、配水ブロック表示1502、コスト表示1503、漏水調査計画テーブル表示1504を有する。
FIG. 15 is a diagram illustrating a screen display by the
画面表示部173は配水ブロック表示1502において、漏水調査計画立案装置101の計画立案対象であるエリアについて、GISと連携して、地図上に水道管網と配水ブロックおよびエリア等を表示する。この例では、配水ブロック331および配水ブロック332を表示している。
In the water
画面表示部173はコスト表示1503において、漏水調査計画のコスト評価結果を表示する。調査コスト1541の行には、例えば式(3)で計算される漏水調査の費用を表示する。損失コスト1542の行には、例えば式(4)で計算される漏水費用の和を表示する。合計コスト1543の行には、上記調査コストと上記損失コストの総和を表示する。
The
ロバストコスト1532の列には、予測の不確かさを考慮したコスト評価値を表示する。例えば、損失コストの評価には、評価式(4)による評価値を表示する。一方、平均コスト1533の列には、予測の平均(期待値)を用いた場合の漏水調査計画のコスト評価結果を表示する。例えば、損失コストの評価には、評価式(4)ではなく評価式(5)による評価値を表示する。
In the column of the
画面表示部173は、漏水調査計画テーブル表示1504において、図11と同様に、漏水調査計画のテーブルとして表示している。
The
図16は、漏水量予測結果に関する画面表示部173による画面表示を示す図である。画面表示部173がディスプレイ等に表示する漏水予測表示画面1601は、配水ブロック表示1502、漏水予測テーブル表示1603、漏水予測グラフ表示1604を有する。
FIG. 16 is a diagram illustrating a screen display by the
画面表示部173は漏水予測テーブル表示1603において、漏水量予測部112による漏水量の予測推移をテーブルで表示している。エリア情報1631の列には、予測対象のエリアIDを表示している。平均予測値1632の列には、予測漏水量の期待値を表示している。高位予測値1633の列には、予測漏水量の高位値を表示している。低位予測値1633の列には、予測漏水量の低位値を表示している。漏水調査計画立案装置101の利用者が、表示対象の時刻を変更する操作を行うことで、画面表示部173は表示対象の時刻を、指定された現在(予測時点)や将来の時刻に変更する。
In the water leak
画面表示部173は、漏水予測グラフ表示1604において、図9と同様に、漏水量予測部112による漏水量の予測推移をグラフ表示している。なお、縦線1650は、漏水調査計画の立案時点(現在)を示しており、縦線1650より左側に過去、縦線1650より右側に過去の漏水量予測結果が表示されている。漏水調査計画立案装置101の利用者が表示対象のエリアを変更する操作を行うことで、画面表示部173は指定されたエリアにおける漏水量予測結果を示すよう表示を変更する。
In the water leak
なお、漏水調査計画立案装置101が、漏水量の予測あるいは調査計画立案を行うエリアは、それぞれ、適用先の水道管網の全エリアである必要はない。例えば、全部のエリアのみに対して予測を行い、調査計画立案は一部のエリアのみに対して行うとしてもよい。
The areas where the water leakage
以上、漏水調査計画立案装置101は、上記の構成により、限られたリソースの下で、漏水に関する不確かさがある中でも費用対効果の高い漏水調査計画を立案できる漏水調査計画立案することができる。
As described above, with the above-described configuration, the water leakage investigation
上記の実施例は、水道の漏水に関する調査計画の立案を対象としたものであるが、本発明は、例えばガスの漏洩に関する調査計画の立案など、水道以外の設備の保守計画の立案にも応用することができる。 The above embodiment is intended for the drafting of a survey plan for water leakage, but the present invention is also applicable to the planning of maintenance plans for facilities other than water supplies, such as the planning of a survey plan for gas leakage. can do.
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。 In addition, this invention is not limited to an above-described Example, Various modifications are included. For example, the above-described embodiments have been described in detail for easy understanding of the present invention, and are not necessarily limited to those having all the configurations described.
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、SSD(Solid State Drive)等の記録装置、または、ICカード、SDカード、DVD等の記録媒体に置くことができる。 Each of the above-described configurations, functions, processing units, processing means, and the like may be realized by hardware by designing a part or all of them with, for example, an integrated circuit. Each of the above-described configurations, functions, and the like may be realized by software by interpreting and executing a program that realizes each function by the processor. Information such as programs, tables, and files for realizing each function can be stored in a memory, a hard disk, a recording device such as an SSD (Solid State Drive), or a recording medium such as an IC card, an SD card, or a DVD.
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。 Further, the control lines and information lines indicate what is considered necessary for the explanation, and not all the control lines and information lines on the product are necessarily shown. Actually, it may be considered that almost all the components are connected to each other.
100:漏水調査計画立案システム、101:漏水調査計画立案装置、111:予測モデル学習部、112:漏水量予測部、113:調査計画立案部、121:管路情報記憶部、122:調査・修繕情報記憶部、125:コスト情報記憶部、131:予測モデル記憶部、132:調査計画記憶部、173:画面表示部。 100: Leakage investigation plan planning system, 101: Leakage investigation plan planning device, 111: Prediction model learning unit, 112: Leakage amount prediction unit, 113: Investigation plan planning unit, 121: Pipeline information storage unit, 122: Investigation / repair Information storage unit 125: Cost information storage unit 131: Prediction model storage unit 132: Survey plan storage unit 173: Screen display unit
Claims (10)
前記水道管網に設置された流量計をはじめとする計測装置から水の流量に係る計測情報を収集する計測情報収集部と、
前記エリア内での水使用量情報を記憶する水使用量記憶部と、
前記計測情報と前記水使用量情報とに基づき前記エリア内の水の漏水量を推定する漏水量推定部と、
前記エリアにおける水道管網の延長情報を含む管路情報を蓄積する管路情報記憶部と、
前記エリアにおける漏水調査および管路修繕の実施時期を含む調査・修繕情報を蓄積する調査・修繕情報記憶部と、
前記漏水量の情報と前記管路情報と前記調査・修繕情報とのうち少なくとも一つの情報に基づき前記エリアの漏水量の推移を予測する予測モデル情報を生成する予測モデル学習部と、
前記予測モデル情報に基づき前記エリアの予測漏水量情報を生成する漏水量予測部と、
前記予測漏水量情報に基づき前記複数のエリアにおける漏水調査の実施順序を定める漏水調査計画を立案する調査計画立案部と
を備え、
前記漏水量予測部は、
前記予測漏水量情報として漏水量の期待値と該漏水量の期待値の不確かさとの双方の予測値を生成し、
前記調査計画立案部は、
前記漏水調査計画を前記漏水量の期待値と不確かさとの双方の予測値に基づき計算された漏水コストと、調査コストの予測値とを用いて立案する
ことを特徴とする漏水調査計画立案装置。 A water leakage investigation plan drafting device for drafting a water leakage investigation plan for a plurality of areas divided into water pipe networks,
A measurement information collection unit that collects measurement information related to the flow rate of water from a measurement device including a flow meter installed in the water pipe network;
A water usage storage unit for storing water usage information in the area;
A leakage amount estimation unit that estimates a leakage amount of water in the area based on the measurement information and the water usage information;
A pipeline information storage unit that accumulates pipeline information including extension information of the water pipe network in the area;
An investigation / repair information storage unit for accumulating investigation / repair information including the timing of water leakage investigation and pipeline repair in the area;
A prediction model learning unit that generates prediction model information for predicting a transition of the amount of water leakage in the area based on at least one of the information on the amount of water leakage, the pipeline information, and the investigation / repair information;
A water leakage amount prediction unit that generates predicted water leakage amount information of the area based on the prediction model information;
A survey plan drafting unit that formulates a leak survey plan that determines the execution order of the leak survey in the plurality of areas based on the predicted leak amount information;
The leakage amount prediction unit
Generating predicted values of both the expected value of the leakage amount and the uncertainty of the expected value of the leakage amount as the predicted leakage amount information;
The investigation planning department
A water leakage investigation plan drafting apparatus, wherein the water leakage investigation plan is drafted using a water leakage cost calculated based on predicted values of both the expected value and uncertainty of the water leakage amount and a prediction value of the investigation cost .
前記漏水量予測部は、
前記漏水量の期待値の不確かさの予測値として、漏水量の高位値および低位値との双方の予測値を生成し、
前記予測モデル学習部は、
前記予測モデル情報として、前記漏水量の高位値および低位値を予測する予測式と前記予測式の係数を生成する
ことを特徴とする漏水調査計画立案装置。 A water leakage investigation planning apparatus according to claim 1,
The leakage amount prediction unit
As the predicted value of the uncertainty of the expected value of the water leakage amount, both predicted values of the high value and low value of the water leakage amount are generated,
The prediction model learning unit
As the prediction model information, a prediction formula for predicting a high value and a low value of the water leakage amount and a coefficient of the prediction formula are generated.
前記漏水量予測部は、
一つのエリアに適用できる予測モデルが複数ある場合に、
該当する予測モデルのうち、前記漏水量の高位値と漏水量の低位値との差が最も小さい予測漏水量情報を選択して生成する
ことを特徴とする漏水調査計画立案装置。 A water leakage investigation planning apparatus according to claim 2,
The leakage amount prediction unit
When there are multiple prediction models that can be applied to one area,
A leakage survey planning apparatus characterized by selecting and generating predicted leakage amount information in which the difference between the high value of the leakage amount and the low value of the leakage amount is the smallest among the corresponding prediction models.
前記予測モデル学習部は、
生成する前記予測モデル情報の各予測モデルが、
特定の一つのエリアに適用できるエリア別予測モデルと、前記管路情報および前記調査・修繕情報に基づいて計算されるエリアの説明変数を代入することにより複数のエリアに適用できる汎用予測モデルと、のいずれか一方であって、
前記汎用予測モデルを定める係数は、先に定めた前記エリア別予測モデルの係数に基づいて学習される
ことを特徴とする漏水調査計画立案装置。 A water leakage investigation planning apparatus according to claim 3,
The prediction model learning unit
Each prediction model of the prediction model information to be generated is
An area-specific prediction model that can be applied to a specific area, and a general-purpose prediction model that can be applied to a plurality of areas by substituting explanatory variables of the area calculated based on the pipe line information and the investigation / repair information; Either
The coefficient for determining the general-purpose prediction model is learned based on the coefficient of the area-specific prediction model previously determined.
前記調査計画立案部は、
立案する漏水調査計画として計画対象期間中に各エリアで漏水調査を実施する期間を定め、
前記調査計画立案部は、計画対象期間の各期間において同時に漏水調査を実施するエリアの総数が、定められた漏水調査チーム数以下となる第1の制約条件と、
一つのエリアで漏水調査を実施する期間が、当該エリアの全域に対して漏水調査を完了するに要する期間連続して確保されるという第2の制約条件と、を満たす漏水調査計画を立案する
ことを特徴とする漏水調査計画立案装置。 A water leakage investigation planning apparatus according to claim 4,
The investigation planning department
Establish a period for conducting water leakage surveys in each area during the planning period,
The survey planning unit has a first restriction condition in which the total number of areas where the water leakage survey is simultaneously performed in each period of the planning target period is equal to or less than a predetermined number of water leakage survey teams;
Develop a water leakage investigation plan that satisfies the second constraint that the period for conducting a water leakage investigation in one area is secured continuously for the period required to complete the water leakage investigation for the entire area. Leakage investigation planning equipment characterized by
前記調査計画立案部は、
前記漏水調査計画は、前記漏水コストと前記調査コストの予測値の和からなる総コストに関して、該総コストを最小とするよう立案される
ことを特徴とする漏水調査計画立案装置。 The water leakage investigation planning apparatus according to claim 5,
The investigation planning department
The leak detection scheme in relation to the total cost is a sum of the predicted value of the research costs and the leakage cost, leak detection planning apparatus characterized by being planned so as to minimize the said total cost.
前記調査計画立案部は、
評価指標である漏水コストを評価する際に、
各エリアにおける予測漏水量において、高位値および低位値の間での不確実性を表現するパラメータを設定し、
該パラメータと漏水コストとの係りにおいて評価する
ことを特徴とする漏水調査計画立案装置。 A water leakage investigation planning apparatus according to claim 6,
The investigation planning department
When evaluating leakage costs, which is an evaluation index,
In the predicted amount of water leakage in each area, set a parameter that represents the uncertainty between the high and low values,
An apparatus for planning a water leakage investigation characterized by evaluating the relationship between the parameter and the water leakage cost.
前記予測モデル学習部は、
前記汎用予測モデルの学習に用いる前記説明変数として、
エリア内の漏水修繕件数と、エリア内の通報漏水修繕件数と、エリア内の給水管本数と、エリア内で最も古い管の敷設年数と、経年管の本数と、経年管の総延長とのうち少なくとも1つを用いる
ことを特徴とする漏水調査計画立案装置。 The water leakage investigation planning apparatus according to claim 7,
The prediction model learning unit
As the explanatory variable used for learning the general-purpose prediction model,
Of the number of leak repairs in the area, the number of reported leak repairs in the area, the number of water supply pipes in the area, the age of the oldest pipes in the area, the number of aging pipes, and the total length of aging pipes A water leakage survey planning device characterized by using at least one.
前記漏水調査計画立案装置へ計測情報を送信する流量計をはじめとする計測装置と、
漏水調査で発見された漏水の位置を含む調査・修繕情報を前記漏水調査計画立案装置に送信する調査端末と
を有することを特徴とする漏水調査計画立案システム。 A water leakage investigation planning apparatus according to claim 1;
Measuring devices including flowmeters that transmit measurement information to the water leakage investigation planning device,
And a survey terminal for transmitting survey / repair information including the location of the leak found in the leak survey to the leak survey planning device.
水の流量に係る計測情報を収集する収集ステップ、
前記エリア内での水使用量情報を記憶する記憶ステップと、
前記計測情報と前記水使用量情報とに基づき前記エリア内の水の漏水量を推定する推定ステップと、
前記エリアにおける水道管網の延長情報を含む管路情報を蓄積する管路情報蓄積ステップと、
前記エリアにおける漏水調査および管路修繕の実施時期を含む調査・修繕情報を蓄積する調査・修理情報蓄積ステップと、
前記漏水量の情報と前記管路情報と前記調査・修繕情報とのうち少なくとも一つの情報に基づき前記エリアの漏水量の推移を予測する予測モデル情報を生成する予測モデル情報生成ステップと、
前記予測モデル情報に基づき前記エリアの予測漏水量情報を生成する予測漏水量情報生成ステップと、
前記予測漏水量情報に基づき前記複数のエリアにおける漏水調査の実施順序を定める漏水調査計画を立案する立案ステップと
を備え、
前記予測漏水量情報生成ステップは、
前記予測漏水量情報として漏水量の期待値と該漏水量の期待値の不確かさとの双方の予測値を生成し、
前記立案ステップは、
前記漏水調査計画を前記漏水量の期待値と不確かさとの双方の予測値に基づき計算された漏水コストと、調査コストの予測値とを用いて立案する
ことを特徴とする漏水調査計画立案方法。 A water leakage investigation plan drafting method for drafting a water leakage investigation plan for a plurality of areas divided into water pipe networks,
A collection step for collecting measurement information relating to the flow rate of water;
A storage step for storing water usage information in the area;
An estimation step of estimating a water leakage amount in the area based on the measurement information and the water usage information;
A pipeline information storage step for storing pipeline information including extension information of the water pipe network in the area;
Investigation / repair information accumulation step for accumulating investigation / repair information including the time for conducting water leakage investigation and pipeline repair in the area;
A prediction model information generating step for generating prediction model information for predicting a transition of the amount of water leakage in the area based on at least one of the information on the water leakage amount, the pipeline information, and the investigation / repair information;
A predicted water leak information generation step for generating predicted water leak information of the area based on the prediction model information;
And a planning step for formulating a water leakage investigation plan that determines an execution order of water leakage investigations in the plurality of areas based on the predicted water leakage information,
The predicted water leakage information generation step includes
Generating predicted values of both the expected value of the leakage amount and the uncertainty of the expected value of the leakage amount as the predicted leakage amount information;
The planning step includes
A method for planning a water leakage investigation plan, wherein the water leakage investigation plan is formulated using a water leakage cost calculated based on both predicted values and uncertainties of the water leakage amount, and a prediction value of the investigation cost .
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013234124A JP6273125B2 (en) | 2013-11-12 | 2013-11-12 | Leakage investigation planning device, leakage investigation planning system, and leakage investigation planning method |
IN3016DE2014 IN2014DE03016A (en) | 2013-11-12 | 2014-10-22 | |
CN201410645901.6A CN104636817A (en) | 2013-11-12 | 2014-11-12 | Water leakage survey plan making device, system and water leakage survey plan making method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013234124A JP6273125B2 (en) | 2013-11-12 | 2013-11-12 | Leakage investigation planning device, leakage investigation planning system, and leakage investigation planning method |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2015094665A JP2015094665A (en) | 2015-05-18 |
JP2015094665A5 JP2015094665A5 (en) | 2016-09-23 |
JP6273125B2 true JP6273125B2 (en) | 2018-01-31 |
Family
ID=53197157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013234124A Active JP6273125B2 (en) | 2013-11-12 | 2013-11-12 | Leakage investigation planning device, leakage investigation planning system, and leakage investigation planning method |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6273125B2 (en) |
CN (1) | CN104636817A (en) |
IN (1) | IN2014DE03016A (en) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6442374B2 (en) * | 2015-07-10 | 2018-12-19 | 株式会社日立製作所 | Water leakage countermeasure support device |
JP6625851B2 (en) * | 2015-09-25 | 2019-12-25 | 株式会社東芝 | Water leakage diagnosis device, water leakage diagnosis method, and computer program |
CN105716803B (en) * | 2016-01-29 | 2018-04-10 | 深圳市捷先数码科技股份有限公司 | A kind of comprehensive analysis device and its method of the monitoring of water supply network leakage loss |
US10795382B2 (en) * | 2016-08-02 | 2020-10-06 | Sensus USA, Inc. | Method and apparatus for model-based control of a water distribution system |
WO2018043417A1 (en) * | 2016-08-30 | 2018-03-08 | コニカミノルタ株式会社 | Piping evaluation device, piping evaluation method, and piping evaluation program |
JP6165952B1 (en) * | 2016-10-11 | 2017-07-19 | フジ地中情報株式会社 | Water pipe update management system |
JP6981464B2 (en) * | 2017-03-10 | 2021-12-15 | 日本電気株式会社 | Diagnostic cost output device, diagnostic cost output method and program |
US20210034999A1 (en) * | 2018-02-02 | 2021-02-04 | Nec Corporation | Optimization device, optimization method, and optimization program |
EP3776445A4 (en) * | 2018-03-28 | 2022-01-26 | Fracta | Processing data for predicting pipe failure |
JP6954242B2 (en) * | 2018-07-25 | 2021-10-27 | コニカミノルタ株式会社 | How to investigate the installation location of the stationary gas detector |
US11893546B2 (en) | 2018-10-09 | 2024-02-06 | Fracta | Automated asset management and planning |
WO2020077000A1 (en) * | 2018-10-09 | 2020-04-16 | Fracta | Calculating consequence of failure |
JP7376251B2 (en) * | 2019-06-07 | 2023-11-08 | 株式会社日立製作所 | Conduit network management system and conduit network management method |
KR102435919B1 (en) * | 2021-11-02 | 2022-08-24 | 주식회사 토이코스 | A in-house leakage detection and type classification device using multidimensional data, a method and a program thereof |
CN114135794B (en) * | 2021-11-22 | 2023-11-24 | 杭州数梦工场科技有限公司 | Method and device for detecting leakage of water network |
JP7396602B1 (en) * | 2023-04-28 | 2023-12-12 | フジ地中情報株式会社 | AI pipe deterioration prediction system, AI pipe deterioration prediction method, and AI pipe deterioration prediction program |
JP7466969B1 (en) | 2023-09-27 | 2024-04-15 | フジ地中情報株式会社 | AI earthquake damage prediction system, AI earthquake damage prediction method, and AI earthquake damage prediction program |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5468274A (en) * | 1977-11-11 | 1979-06-01 | Hitachi Ltd | Tap water consumption estimating apparatus at minimum flow rate time |
JPS56162029A (en) * | 1980-05-19 | 1981-12-12 | Hitachi Ltd | Water leakage detecting method |
JP2009020024A (en) * | 2007-07-12 | 2009-01-29 | Nippon Water Solution:Kk | Water leak state monitoring device and method |
JP4612696B2 (en) * | 2008-02-13 | 2011-01-12 | 株式会社東芝 | Water leakage diagnosis device and water leakage diagnosis method for water distribution pipe |
JP5329871B2 (en) * | 2008-08-25 | 2013-10-30 | 株式会社東芝 | Leakage node estimation device |
JP5377174B2 (en) * | 2009-09-07 | 2013-12-25 | 株式会社東芝 | Leakage investigation target route extraction system |
US8930150B2 (en) * | 2012-02-01 | 2015-01-06 | International Business Machines Corporation | Leak detection in a fluid distribution network |
JP5756767B2 (en) * | 2012-02-29 | 2015-07-29 | 株式会社日立製作所 | Water leak detection device |
CN102679166B (en) * | 2012-05-21 | 2015-08-05 | 宁波钢铁有限公司 | The method that the quick leakage-checking spacing of buried water supply pipe net is quantitative |
-
2013
- 2013-11-12 JP JP2013234124A patent/JP6273125B2/en active Active
-
2014
- 2014-10-22 IN IN3016DE2014 patent/IN2014DE03016A/en unknown
- 2014-11-12 CN CN201410645901.6A patent/CN104636817A/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CN104636817A (en) | 2015-05-20 |
IN2014DE03016A (en) | 2015-07-10 |
JP2015094665A (en) | 2015-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6273125B2 (en) | Leakage investigation planning device, leakage investigation planning system, and leakage investigation planning method | |
JP4612696B2 (en) | Water leakage diagnosis device and water leakage diagnosis method for water distribution pipe | |
JP6318053B2 (en) | Leakage distribution estimation device | |
JP5756767B2 (en) | Water leak detection device | |
KR101183656B1 (en) | Water supply management system and control method thereof | |
KR101283828B1 (en) | System for diagnosing performance of water supply network | |
Kanakoudis et al. | Results of an urban water distribution network performance evaluation attempt in Greece | |
Meseguer et al. | A decision support system for on-line leakage localization | |
JP5329871B2 (en) | Leakage node estimation device | |
WO2014115399A1 (en) | Water leak estimating device, system, and method | |
JP6329497B2 (en) | Pipeline renewal plan planning support system and pipe renewal plan planning support method | |
Moser et al. | Performance comparison of reduced models for leak detection in water distribution networks | |
JP2015094665A5 (en) | ||
KR100893424B1 (en) | Performance evaluation and rehabilitation of water networks and its method | |
JP4612695B2 (en) | Water distribution information analyzer | |
Moors et al. | Automated leak localization performance without detailed demand distribution data | |
JP2006183274A (en) | Method and equipment for predicting damage to sewer pipe of sewer pipe network | |
EP3605050B1 (en) | Pipe diagnosis device, asset management device and pipe diagnosis method. | |
KR20140119556A (en) | System and method for setting a site of sensor in water distribution pipe network | |
KR101567538B1 (en) | Business risk adjustment type gis-aided waterworks asset management method | |
JP6018970B2 (en) | Water distribution control device and method | |
JAURENA BELTRAMI | On the interconnectivity of urban water system models Possibilities, limitations, and feasibilities | |
KR102530193B1 (en) | Integration system for waterworks pipe asset management utilizing web applications | |
KR102553569B1 (en) | How to manage a piping system that avoids foreseeable accidents | |
Hingmire et al. | Probing to Reduce Operational Losses in NRW by using IoT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160802 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160802 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170619 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170627 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170728 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20171219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180105 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6273125 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |