JP6693897B2 - 予測装置、予測方法、及び予測プログラム - Google Patents

Description

本発明は、予測装置、予測方法、及び予測プログラムに関する。

従来、自然災害等の種々の災害発生におけるリスクの評価等の種々の技術が提供されている。例えば、事業者の経済的観点の評価に基づく災害対策の意思決定を可能とする災害リスク評価技術が提供されている。

特開２００５−１４１３３４号公報

しかしながら、上記の従来技術では、災害に関する損害額を適切に予測することができるとは限らない。例えば、災害対策計画の策定及び対策費用の見積り等を行うだけでは、実際に災害が発生した際の災害に関する損害額を適切に予測することは難しい。

本願は、上記に鑑みてなされたものであって、災害に関する損害額を適切に予測する予測装置、予測方法、及び予測プログラムを提供することを目的とする。

本願に係る予測装置は、災害に関する発生情報と、当該災害の影響を受けるエリアに位置する対象に関する対象情報とを取得する取得部と、前記取得部により取得された前記発生情報と前記対象情報とに基づいて、前記災害に関する損害額を予測する予測部と、を備えたことを特徴とする。

実施形態の一態様によれば、災害に関する損害額を適切に予測することができるという効果を奏する。

図１は、実施形態に係る予測処理の一例を示す図である。 図２は、実施形態に係る予測システムの構成例を示す図である。 図３は、実施形態に係る予測装置の構成例を示す図である。 図４は、実施形態に係るユーザ情報記憶部の一例を示す図である。 図５は、実施形態に係る資産情報記憶部の一例を示す図である。 図６は、実施形態に係る保険情報記憶部の一例を示す図である。 図７は、実施形態に係る災害履歴情報記憶部の一例を示す図である。 図８は、実施形態に係る予測モデル情報記憶部の一例を示す図である。 図９は、実施形態に係る発生情報記憶部の一例を示す図である。 図１０は、実施形態に係る予測モデルの生成の一例を示すフローチャートである。 図１１は、実施形態に係る予測処理の一例を示すフローチャートである。 図１２は、実施形態に係る予測モデルの生成の一例を示す概念図である。 図１３は、実施形態に係る予測処理の一例を示す概念図である。 図１４は、損害額の予測に用いる対応表の一例を示す図である。 図１５は、予測装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る予測装置、予測方法、及び予測プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る予測装置、予測方法、及び予測プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
〔１．予測処理〕
まず、図１を用いて、実施形態に係る予測処理の一例について説明する。図１は、実施形態に係る予測処理の一例を示す図である。図１の例では、予測装置１００は、発生した災害（以下、単に「災害」ともいう）に関する損害額を予測する場合を示す。具体的には、図１の例では、予測装置１００は、災害種別が「台風」であって、発生災害ＩＤ「ＯＣ１１」により識別される災害である台風Ｚ号が発生した際に、保険会社であるＡ社が支払う保険料（支払額）を予測する場合を示す。なお、図１の例では、マップ情報ＭＰ１に示すように、台風Ｚ号の対象エリアがエリアＩＤ「ＡＲ１１」により識別されるエリアＡと、エリアＩＤ「ＡＲ１２」により識別されるエリアＢである場合を一例として説明する。また、図１の例では、予測装置１００は、各災害種別の各々に対応する複数の予測モデルのうち、発生した災害に対応するモデルを用いてＡ社の支払額を予測する場合を示す。なお、ここでいうエリアの大きさは、処理の目的等に応じて適宜設定されてもよい。例えば、エリアは、「国」、「地方」、「県」、「市」、「区」、「町」等の種々の大きさのエリアが適宜設定されてもよい。例えば、エリアは、関東地方や東京都等であってもよい。

〔予測システムの構成〕
図１の説明に先立って、図２を用いて予測システム１の構成について説明する。図２は、実施形態に係る予測システムの構成例を示す図である。図２に示すように、予測システム１は、端末装置１０と、保険サービス装置２０と、オープンデータ提供装置５０と、予測装置１００とが含まれる。端末装置１０と、保険サービス装置２０と、オープンデータ提供装置５０と、予測装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。なお、図２に示した予測システム１には、複数台の端末装置１０や、複数台の保険サービス装置２０や、複数台のオープンデータ提供装置５０や、複数台の予測装置１００が含まれてもよい。

端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１は、端末装置１０がスマートフォンである場合を示す。また、端末装置１０は、ＧＰＳ（Global Positioning System）センサ等の機能を有し、ユーザの位置を検知し、取得可能であるものとする。また、端末装置１０は、予測装置１００に種々の情報等を送信する。例えば、端末装置１０は、ユーザに関する位置情報等を予測装置１００へ送信する。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。

保険サービス装置２０は、保険会社の管理者等によって利用される情報処理装置である。例えば、保険サービス装置２０は、図６や図１２に示すような保険に関する各種情報を予測装置１００へ送信する。また、例えば、保険サービス装置２０は、ユーザの資産情報を有する場合、図５に示すようなユーザの資産に関する各種情報を予測装置１００へ送信する。

オープンデータ提供装置５０は、いわゆる広く開かれた利用が許可されているデータであるオープンデータを予測装置１００へ提供する報処理装置である。例えば、オープンデータ提供装置５０は、各自治体が管理し、自治体が保有するデータをオープンデータとして外部に提供する情報処理装置であってもよい。また、例えば、オープンデータ提供装置５０は、気象庁が管理するサーバ等の種々の情報処理装置であってもよい。オープンデータ提供装置５０は、利用が許可されているデータ（情報）であれば、上記に限らず、道路情報等の交通に関するオープンデータや天気や気温等の気象に関するオープンデータや地理空間情報、防災・減災情報、調達情報、統計情報等の種々のオープンデータを提供してもよい。

予測装置１００は、災害に関する発生情報と、当該災害の影響を受けるエリアに位置する対象に関する対象情報とに基づいて、災害に関する損害額を予測する情報処理装置である。また、予測装置１００は、災害の種別の各々について生成される複数の予測モデルのうち、予測対象となる災害の種別に対応する予測モデルを用いて、災害に関する損害額を予測する。

ここから、図１を用いて、予測処理の流れについて説明する。まず、図１の例では、マップ情報ＭＰ１に示すように、発生災害ＩＤ「ＯＣ１１」により識別される災害である台風Ｚ号が発生する（ステップＳ１１）。ここで、図１に示すマップ情報ＭＰ１について、簡単に説明する。図１に示すマップ情報ＭＰ１は、発生災害ＩＤ「ＯＣ１１」により識別される災害である台風Ｚ号の位置等を模式的に示す図である。例えば、マップ情報ＭＰ１には、台風Ｚ号の予測進路ＰＴ１１が図示されており、台風Ｚ号は、エリアＡ及びエリアＢを通る進路を取ることが予想されることを示す。

そのため、図１の例では、予測装置１００は、台風Ｚ号の対象エリアをエリアＡ及びエリアＢとし、Ａ社の支払額を予測する。まず、予測装置１００は、台風Ｚ号の対象エリアであるエリアＡ及びエリアＢに位置するユーザを抽出する（ステップＳ１２）。例えば、予測装置１００は、ユーザ情報記憶部１２１に記憶された各ユーザの位置情報に基づいて、エリアＡ及びエリアＢに位置するユーザを抽出する。

ここで、図１中のユーザ情報記憶部１２１に示す「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。以下では、ユーザＩＤ「Ｕ１」により識別されるユーザを「ユーザＵ１」とする場合がある。このように、以下では、「ユーザＵ＊（＊は任意の数値）」と記載した場合、そのユーザはユーザＩＤ「Ｕ＊」により識別されるユーザであることを示す。例えば、「ユーザＵ２」と記載した場合、そのユーザはユーザＩＤ「Ｕ２」により識別されるユーザである。

また、図１中のユーザ情報記憶部１２１に示す「最新位置」は、対応するユーザについて最後に取得された位置情報を示す。また、図１中のユーザ情報記憶部１２１に示す「取得日時」は、最後に位置情報が取得された日時を示す。

例えば、図１の例では、ユーザＵ１については、最新の位置がエリアＡ内の位置ＬＣ１１であることを示す。例えば、図１の例では、ユーザＵ２については、最新の位置がエリアＢ内の位置ＬＣ２１であることを示す。例えば、図１の例では、ユーザＵ３については、最新の位置がエリアＣ内の位置ＬＣ３１であることを示す。例えば、図１の例では、ユーザＵ４については、最新の位置がエリアＢ内の位置ＬＣ２５であることを示す。例えば、図１の例では、ユーザＵ５については、最新の位置がエリアＥ内の位置ＬＣ５１であることを示す。

図１の例では、予測装置１００は、エリアＡまたはエリアＢに位置するユーザであるユーザＵ１、ユーザＵ２、ユーザＵ４等を抽出する。例えば、予測装置１００は、エリアＡまたはエリアＢ以外のエリアに位置するユーザＵ３やユーザＵ５等を抽出しない。

そして、予測装置１００は、台風Ｚ号の対象エリアであるエリアＡ及びエリアＢに位置する資産を抽出する（ステップＳ１３）。例えば、予測装置１００は、資産情報記憶部１２２に記憶された各資産の所在地に基づいて、エリアＡ及びエリアＢに位置する資産を抽出する。

ここで、図１中の資産情報記憶部１２２に示す「資産情報」は、各ユーザが所有する資産に関する情報を示す。図１中の資産情報記憶部１２２に示す「資産ＩＤ」は、ユーザが所有する資産を識別するための識別情報を示す。また、図１中の資産情報記憶部１２２に示す「資産種別」は、ユーザが所有する資産の種別の具体的な名称を示す。また、図１中の資産情報記憶部１２２に示す「所在地」は、資産の所在値を示す。また、図１中の資産情報記憶部１２２に示す「価値」は、資産の金銭的価値を示す。

例えば、図１の例では、ユーザＵ１は、資産ＩＤ「ＡＳ１−１」により識別される資産「住宅」や資産ＩＤ「ＡＳ１−２」により識別される資産「自動車」や、資産ＩＤ「ＡＳ１−５」により識別される資産「住宅」等の資産を所有することを示す。以下では、資産ＩＤ「ＡＳ１−１」により識別される資産を「資産ＡＳ１−１」とする場合がある。このように、以下では、「資産ＡＳ＊（＊は任意の数値）」と記載した場合、その資産は資産ＩＤ「ＡＳ＊」により識別される資産であることを示す。例えば、「資産ＡＳ２−１」と記載した場合、その資産は資産ＩＤ「ＡＳ２−１」により識別される資産である。

例えば、図１の例では、ユーザＵ１が所有する資産ＡＳ１−１である住宅は、エリアＡ内の位置ＬＣ１２に位置し、その金銭的価値が「Ａ万円」であることを示す。なお、金額を示す「万円」や「億円」の文字列の直前に示す「Ａ」〜「Ｚ」等の記号は、１以上の所定の数に対応する。例えば、「Ａ万円」の「Ａ」が数「７０００」に対応する場合、「Ａ万円」は「７０００万円」を意味する。また、例えば、図１の例では、ユーザＵ１が所有する資産ＡＳ１−２である自動車は、エリアＡ内の位置ＬＣ１３に位置し、その金銭的価値が「Ｂ万円」であることを示す。なお、自動車等の動産に関する所在地は、自動車に搭載されたＧＰＳ等の機能により取得し、随時更新してもよい。

図１の例では、予測装置１００は、エリアＡまたはエリアＢに位置する資産であるユーザＵ１の資産ＡＳ１−１や資産ＡＳ１−２、ユーザＵ２の資産ＡＳ２−１等を抽出する。例えば、予測装置１００は、エリアＡまたはエリアＢ以外のエリアに位置するユーザＵ３やユーザＵ５等を抽出しない。例えば、予測装置１００は、エリアＡまたはエリアＢ以外のエリアに位置するユーザＵ１の資産ＡＳ１−５やユーザＵ４の資産ＡＳ４−１等を抽出しない。

そして、予測装置１００は、支払額を予測する対象会社であるＡ社の保険情報のうち、台風Ｚ号における保険の支払いの対象となる保険情報を抽出する（ステップＳ１４）。例えば、予測装置１００は、保険情報記憶部１２３に記憶されたＡ社の保険情報のうち、保険の対象となるユーザまたは資産がエリアＡ及びエリアＢに位置する保険情報を抽出する。

ここで、図１中の保険情報記憶部１２３に示す「加入情報」は、各保険会社が提供（契約）している保険に関する情報を示す。図１中の保険情報記憶部１２３に示す「ユーザＩＤ」は、保険会社と契約しているユーザを識別するための識別情報を示す。図１中の保険情報記憶部１２３に示す「保険種別ＩＤ」は、ユーザが加入した保険の種別を識別するための識別情報を示す。また、図１中の保険情報記憶部１２３に示す「保険種別」は、ユーザが加入した保険の種別の具体的な名称を示す。また、図１中の保険情報記憶部１２３に示す「対象」は、ユーザが加入した保険の対象を示す。また、図１中の保険情報記憶部１２３に示す「限度額」は、ユーザが加入した保険の保険金の支払限度額を示す。

図１の例では、ユーザＵ１は、Ａ社が提供する住宅保険や障害保険に加入していることを示す。例えば、ユーザＵ１は、Ａ社の住宅保険に対象を資産ＡＳ１−１や資産ＡＳ１−５として加入していること示す。例えば、ユーザＵ１は、Ａ社の障害保険に対象をユーザＵ１自身として加入していること示す。

図１の例では、予測装置１００は、エリアＡに位置するユーザＵ１の資産ＡＳ１−１やユーザＵ１自身が保険の対象となっていることを示す保険情報を抽出する。また、図１の例では、予測装置１００は、エリアＢに位置するユーザＵ２自身が保険の対象となっていることを示す保険情報を抽出する。

そして、予測装置１００は、Ａ社の支払額の予測に用いる予測モデルを決定する（ステップＳ１５）。例えば、予測装置１００は、予測モデル情報記憶部１２５に記憶された複数の予測モデルＭ１〜Ｍ３からＡ社の支払額の予測に用いる予測モデルを決定する。なお、図１の例では、予測モデル情報記憶部１２５に示すような、各災害種別に対応する予測モデルＭ１〜Ｍ３が生成済みであるものとする。また、図１の例では、予測モデルＭ１〜Ｍ３は、図１２に示すように、過去の各災害種別の災害時における対象会社の支払額を正解情報として生成した予測モデルであって、各災害種別に対応する予測モデルであるものとする。

図１中の予測モデル情報記憶部１２５に示す各予測モデルＭ１〜Ｍ３等は、災害種別ＩＤにより識別される災害種別が対応付けて記憶される。また、図１中の予測モデル情報記憶部１２５に示す各予測モデルＭ１〜Ｍ３等には、「素性１」〜「素性３」等の各重み（値）が対応付けて記憶される。

例えば、図１の例では、予測モデルＭ１に関する予測モデル情報は、災害種別ＩＤ「ＤＳ１１」により識別される災害種別「台風」に対応する予測モデルであることを示す。また、例えば、図１の例では、予測モデルＭ２に関する予測モデル情報は、災害種別ＩＤ「ＤＳ１２」により識別される疾病「地震」に対応する予測モデルであることを示す。

例えば、図１の例では、予測モデルＭ１に関する予測モデル情報は、素性１の重みが「０．５」、素性２の重みが「０．４」、素性３の重みが「０．２」等であることを示す。図１の例では、予測装置１００は、このように予測モデル情報記憶部１２５に記憶された予測モデルＭ１〜Ｍ３等に基づいて、発生した災害の損害額を予測するものとする。なお、各モデルの生成は、機械学習に関する種々の従来技術を適宜用いて行われてもよい。例えば、モデルの生成は、ＳＶＭ（Support Vector Machine）等の教師あり学習の機械学習に関する技術を用いて行われてもよい。また、例えば、モデルの生成は、教師なし学習の機械学習に関する技術を用いて行われてもよい。例えば、モデルの生成は、深層学習（ディープラーニング）の技術を用いて行われてもよい。例えば、モデルの生成は、ＤＮＮ（Deep Neural Network）やＲＮＮ（Recurrent Neural Network）やＣＮＮ（Convolutional Neural Network）等の種々のディープラーニングの技術を適宜用いて行われてもよい。なお、上記モデルの生成に関する記載は例示であり、モデルの生成は、取得可能な情報等に応じて適宜選択された学習手法により行われてもよい。

図１の例では、予測装置１００は、台風Ｚ号の災害種別である災害種別ＩＤ「ＤＳ１１」により識別される災害種別「台風」に対応する予測モデルＭ１を使用する予測モデルに決定する。

そして、予測装置１００は、予測モデルＭ１を用いて、台風Ｚ号によるＡ社の支払額を予測する（ステップＳ１６）。例えば、予測装置１００は、ステップＳ１２〜Ｓ１４において抽出したユーザに関する情報や資産に関する情報や保険に関する情報を予測モデルＭ１に入力することにより、台風Ｚ号によるＡ社の支払額を予測する。例えば、予測装置１００は、ユーザに関する情報や資産に関する情報や保険に関する情報を予測モデルＭ１に入力することにより、予測モデルＭ１が出力するスコアを、台風Ｚ号によるＡ社の支払額として予測する。図１の例では、予測装置１００は、予測情報ＰＬ１１に示すように、台風Ｚ号におけるＡ社の支払額を「Ｐ億円」と予測する。

このように、予測装置１００は、災害に関する損害額を適切に予測することができる。なお、図１では説明を簡単にするために、エリアＡとエリアＢとを併せてＡ社の支払額を予測する例を示したが、予測装置１００は、エリアＡとエリアＢとを個別に支払額を予測してもよい。

〔１−１．スコア〕
上述した例では、予測モデルが出力するスコアを損害額（支払額）として用いる場合を示したが、予測装置１００は、予測モデルが出力するスコアを損害額（支払額）のレベルを示す指標として用いてもよい。例えば、予測装置１００は、予測モデルが出力するスコアと対応表とを用いて損害額（支払額）を予測してもよい。この点について、図１４を用いて説明する。図１４は、損害額の予測に用いる対応表の一例を示す図である。

図１４の例では、予測装置１００は、対応表ＴＢ１１を用いて損害額（支払額）を予測する。図１４中の対応表ＴＢ１１に示す「ランクＩＤ」は、各スコアのランクを識別するための識別情報を示す。また、図１４中の対応表ＴＢ１１に示す「スコア」は、予測モデルが出力するスコアを示す。また、図１４中の対応表ＴＢ１１に示す「損害額（円）」は、各スコアに対応する損害額を示す。

図１４の例では、例えば、予測装置１００が所定の災害の損害額の予測に用いた予測モデルがスコア「３」を出力した場合、スコア「３」は、対応表ＴＢ１１においてランクＩＤ「ＲＮ１」により識別されるランクに対応する。そのため、予測装置１００は、対応表ＴＢ１１においてランクＩＤ「ＲＮ１」により識別されるランクに対応する損害額「２〜４億円」を、所定の災害の損害額として予測する。

図１４の例では、例えば、予測装置１００が所定の災害の損害額の予測に用いた予測モデルがスコア「７」を出力した場合、スコア「７」は、対応表ＴＢ１１においてランクＩＤ「ＲＮ２」により識別されるランクに対応する。そのため、予測装置１００は、対応表ＴＢ１１においてランクＩＤ「ＲＮ２」により識別されるランクに対応する損害額「５〜１０億円」を、所定の災害の損害額として予測する。

図１４の例では、例えば、予測装置１００が所定の災害の損害額の予測に用いた予測モデルがスコア「１４」を出力した場合、スコア「１４」は、対応表ＴＢ１１においてランクＩＤ「ＲＮ３」により識別されるランクに対応する。そのため、予測装置１００は、対応表ＴＢ１１においてランクＩＤ「ＲＮ３」により識別されるランクに対応する損害額「１５〜３０億円」を、所定の災害の損害額として予測する。

なお、上述した予測処理は一例であり、予測装置１００は、種々の情報を適宜用いて損害額を予測してもよい。

〔２．予測装置の構成〕
次に、図３を用いて、実施形態に係る予測装置１００の構成について説明する。図３は、実施形態に係る予測装置１００の構成例を示す図である。図３に示すように、予測装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、予測装置１００は、予測装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線または無線で接続され、端末装置１０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部１２０は、図３に示すように、ユーザ情報記憶部１２１と、資産情報記憶部１２２と、保険情報記憶部１２３と、災害履歴情報記憶部１２４と、予測モデル情報記憶部１２５と、発生情報記憶部１２６とを有する。また、記憶部１２０は、図１２に示すようなオープンデータＯＤ１、サービスデータＳＤ１、保険データＡＤ１や図１３に示すようなオープンデータＯＤ２、サービスデータＳＤ２、保険データＡＤ２等を記憶してもよい。

（ユーザ情報記憶部１２１）
実施形態に係るユーザ情報記憶部１２１は、ユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部１２１は、ユーザ属性に関する各種情報を記憶する。図４は、実施形態に係るユーザ情報記憶部の一例を示す図である。図４に示すユーザ情報記憶部１２１は、「ユーザＩＤ」、「年齢」、「性別」、「位置情報」といった項目が含まれる。また、「位置情報」には、「最新位置」、「取得日時」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。また、「年齢」は、ユーザＩＤにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば３５歳など、ユーザＩＤにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザの性別を示す。

また、「位置情報」中の「最新位置」は、対応するユーザについて最後に取得された位置情報を示す。なお、図４の例では、「最新位置」は、「ＬＣ１１（エリアＡ）」といった抽象的な符号や範囲を示す情報を図示するが、緯度や経度を示す情報や「Ｘ県Ｙ市Ｚ町」等のような住所を示す情報であってもよい。また、「位置情報」中の「取得日時」は、最後に位置情報が取得された日時を示す。なお、図４の例では、「ＴＭ１」等で図示するが、「取得日時」には、「２０１７年２月１５日１９時３８分５６秒」等の具体的な日時が記憶されてもよい。

例えば、図４の例では、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）の年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＵ１については、日時ＴＭ１に取得されたエリアＡ内の位置ＬＣ１１に位置したことを示す位置情報が最後に取得された位置情報、すなわち最新の位置情報であることを示す。

なお、ユーザ情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２１は、デモグラフィック属性情報やサイコグラフィック属性情報等の種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２１は、氏名、家族構成、収入等の情報を記憶してもよい。

（資産情報記憶部１２２）
実施形態に係る資産情報記憶部１２２は、ユーザの資産に関する情報（資産情報）を記憶する。図５は、実施形態に係る資産情報記憶部の一例を示す図である。例えば、資産情報記憶部１２２は、ユーザが所有する不動産や動産等の種々の資産に関する情報を記憶する。図５に示す資産情報記憶部１２２には、「ユーザＩＤ」、「資産情報」といった項目が含まれる。「資産情報」には、「資産ＩＤ」、「資産種別」、「所在地」、「価値」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。「資産情報」中の「資産ＩＤ」は、ユーザが所有する資産を識別するための識別情報を示す。また、「資産情報」中の「資産種別」は、ユーザが所有する資産の種別の具体的な名称を示す。また、「資産情報」中の「所在地」は、ユーザが所有する資産の所在を示す。なお、「所在地」は、「ＬＣ１２（エリアＡ）」といった抽象的な符号や範囲を示す情報を図示するが、緯度や経度を示す情報や「Ｘ県Ｙ市Ｚ町」等のような住所を示す情報であってもよい。また、「資産情報」中の「価値」は、ユーザが所有する資産の金銭的価値を示す。

例えば、図５の例では、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）は、資産ＩＤ「ＡＳ１−１」により識別される資産「住宅」や資産ＩＤ「ＡＳ１−２」により識別される資産「自動車」や、資産ＩＤ「ＡＳ１−５」により識別される資産「住宅」等の資産を所有することを示す。また、例えば、図５の例では、ユーザＵ１が所有する資産ＩＤ「ＡＳ１−１」により識別される資産「住宅」は、エリアＡ内の位置ＬＣ１２に位置し、その金銭的価値が「Ａ万円」であることを示す。また、例えば、図５の例では、ユーザＵ１が所有する資産ＩＤ「ＡＳ１−２」により識別される資産「自動車」は、エリアＡ内の位置ＬＣ１３に位置し、その金銭的価値が「Ｂ万円」であることを示す。なお、自動車等の動産に関する所在地は、自動車に搭載されたＧＰＳ等の機能により取得し、随時更新してもよい。

なお、資産情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。

（保険情報記憶部１２３）
実施形態に係る保険情報記憶部１２３は、ユーザの保険に関する情報（保険情報）を記憶する。図６は、実施形態に係る保険情報記憶部の一例を示す図である。例えば、保険情報記憶部１２３は、保険情報として、各ユーザが加入している保険に関する各種情報を記憶する。図６に示す保険情報記憶部１２３には、「保険会社ＩＤ」、「名称」、「加入情報」といった項目が含まれる。また、「加入情報」には、「ユーザＩＤ」、「保険種別ＩＤ」、「保険種別」、「対象」、「限度額」といった項目が含まれる。

「保険会社ＩＤ」は、保険会社を識別するための識別情報を示す。「名称」は、保険会社の具体的な名称を示す。

「加入情報」中の「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、「加入情報」中の「ユーザＩＤ」は、保険の契約を行ったユーザを識別するための識別情報を示す。「加入情報」中の「保険種別ＩＤ」は、ユーザが加入した保険の種別を識別するための識別情報を示す。また、「加入情報」中の「保険種別」は、ユーザが加入した保険の種別の具体的な名称を示す。また、「加入情報」中の「対象」は、ユーザが加入した保険の対象を示す。また、「加入情報」中の「限度額」は、ユーザが加入した保険の保険金の支払限度額を示す。

例えば、図６の例では、保険会社ＩＤ「ＩＳ１１」により識別される保険会社は、名称「Ａ社」であることを示す。また、図６の例では、Ａ社が提供する保険にユーザＵ１やユーザＵ２が加入していることを示す。また、図６の例では、ユーザＵ１は、Ａ社が提供する保険種別ＩＤ「ＴＰ１１」により識別される住宅保険や保険種別ＩＤ「ＴＰ１２」により識別される障害保険に加入していることを示す。

また、例えば、図６の例では、ユーザＵ１は、Ａ社が提供する保険種別ＩＤ「ＴＰ１１」により識別される住宅保険に対象を資産ＡＳ１−１として加入していること示す。また、図６の例では、対象を資産ＡＳ１−１として加入したＡ社の住宅保険の限度額がＤ万円であることを示す。

また、図６の例では、ユーザＵ１は、Ａ社が提供する保険種別ＩＤ「ＴＰ１２」により識別される障害保険に対象をユーザＵ１として加入していること示す。また、図６の例では、対象をユーザＵ１として加入したＡ社の障害保険の限度額がＥ万円であることを示す。

また、例えば、図６の例では、ユーザＵ１は、Ａ社が提供する保険種別ＩＤ「ＴＰ１１」により識別される住宅保険に対象を資産ＡＳ１−５として加入していること示す。また、図６の例では、対象を資産ＡＳ１−５として加入したＡ社の住宅保険の限度額がＦ万円であることを示す。

なお、保険情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。

（災害履歴情報記憶部１２４）
実施形態に係る災害履歴情報記憶部１２４は、災害履歴に関する情報を記憶する。図７は、実施形態に係る災害履歴情報記憶部の一例を示す図である。例えば、災害履歴情報記憶部１２４は、過去に発生した災害に関する各種情報を記憶する。図７に示す災害履歴情報記憶部１２４には、「履歴ＩＤ」、「災害種別ＩＤ」、「名称」、「対象エリア」、「災害強度」、「被害規模」、「損害額」といった項目が含まれる。

「履歴ＩＤ」は、各災害履歴を識別するための識別情報を示す。「災害種別ＩＤ」は、災害種別を識別するための識別情報を示す。「名称」は、災害の具体的な名称を示す。「対象エリア」は、災害の被害を受けたエリアを示す。「災害強度」は、対応するエリアにおける災害の強度を示す。なお、図７の例では、「ＬＶ１１」等の符号で図示するが、「災害強度」には、各災害に応じた具体的な数値等が記憶されてもよい。例えば、災害が「台風」である場合、「災害強度」には、「最大風速５４メートル」や「中心気圧９００ヘクトパスカル」等の具体的な数値等が記憶されてもよい。「被害規模」は、対応するエリアにおける災害の被害規模を示す。なお、図７の例では、「ＤＭ１１」等の符号で図示するが、「災害規模」には、各災害に応じた具体的な数値等が記憶されてもよい。例えば、「被害規模」には、「全壊５千棟」や「半壊１万棟」等の具体的な数値等が記憶されてもよい。また、「損害額」は、対応するエリアにおける災害による損害額を示す。

例えば、図７の例では、履歴ＩＤ「ＬＧ１１」により識別される災害の種別は、災害種別ＩＤ「ＤＳ１１」により識別される「台風」であることを示す。また、履歴ＩＤ「ＬＧ１１」により識別される災害の名称は、台風Ａ号であることを示す。また、履歴ＩＤ「ＬＧ１１」により識別される災害の対象エリアは、エリアＡやエリアＢであることを示す。

例えば、履歴ＩＤ「ＬＧ１１」により識別される災害は、エリアＡにおける災害強度が「ＬＶ１１」であることを示す。また、例えば、履歴ＩＤ「ＬＧ１１」により識別される災害は、エリアＡにおける被害規模が「ＤＭ１１」であることを示す。また、例えば、履歴ＩＤ「ＬＧ１１」により識別される災害は、エリアＡにおける損害額が「Ｘ億円」であることを示す。

なお、災害履歴情報記憶部１２４は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、災害履歴情報記憶部１２４は、災害が発生した日時等に関する情報を記憶してもよい。

（予測モデル情報記憶部１２５）
実施形態に係る予測モデル情報記憶部１２５は、予測モデルに関する情報を記憶する。例えば、予測モデル情報記憶部１２５は、生成処理により生成された予測モデル情報を記憶する。図８は、実施形態に係る予測モデル情報記憶部の一例を示す図である。図８に示す予測モデル情報記憶部１２５では、各災害種別に対応する予測モデルが記憶される。図８に示す予測モデル情報記憶部１２５は、予測モデル情報として、各予測モデルＭ１〜Ｍ３等に対応させて「素性１」〜「素性３」等といった項目を有する。

例えば、図８の例では、予測モデルＭ１に関する予測モデル情報は、災害種別ＩＤ「ＤＳ１１」により識別される災害種別「台風」に対応する予測モデルであることを示す。また、例えば、図８の例では、予測モデルＭ２に関する予測モデル情報は、災害種別ＩＤ「ＤＳ１２」により識別される災害種別「地震」に対応する予測モデルであることを示す。

例えば、図８の例では、予測モデルＭ１に関する予測モデル情報は、素性１の重みが「０．５」、素性２の重みが「０．４」、素性３の重みが「０．２」等であることを示す。例えば、モデルの素性（特徴量）がｍ次元のベクトルで表現される場合、素性数はｍ個になり、素性１〜素性ｍの重みが記憶される。例えば、図８の例では、予測モデルの素性は、資産情報や保険情報やユーザ情報に対応する素性であってもよい。

なお、予測モデル情報記憶部１２５は、上記に限らず、目的に応じて種々の予測モデル情報を記憶してもよい。

（発生情報記憶部１２６）
実施形態に係る発生情報記憶部１２６は、発生する災害に関する情報（発生情報）を記憶する。例えば、発生情報記憶部１２６は、発生している災害に関する発生情報を記憶する。図９は、実施形態に係る発生情報記憶部の一例を示す図である。図９に示す発生情報記憶部１２６は、「発生災害ＩＤ」、「名称」、「災害対象情報」といった項目が含まれる。また、「災害対象情報」には、「対象エリア」、「予測強度」といった項目が含まれる。

「発生災害ＩＤ」は、発生した災害を識別するための識別情報を示す。「名称」は、発生した災害の具体的な名称を示す。「災害対象情報」中の「対象エリア」は、発生した災害の被害を受ける対象となるエリアを示す。「災害対象情報」中の「予測強度」は、対応するエリアにおいて予測される災害の強度を示す。なお、図９の例では、「ＬＶ２１」等の符号で図示するが、「予測強度」には、各災害に応じた具体的な数値等が記憶されてもよい。例えば、災害が「地震」である場合、「予測強度」には、「震度５」等の具体的な数値等が記憶されてもよい。また、「災害対象情報」中の「対象エリア」や「予測強度」は、随時更新されてもよい。「災害対象情報」中の「対象エリア」や「予測強度」は、災害「台風」の進路変更や規模の変更に応じて随時更新されてもよい。

例えば、図９の例では、発生災害ＩＤ「ＯＣ１１」により識別される災害は、台風Ｚ号であることを示す。例えば、発生災害ＩＤ「ＯＣ１１」により識別される災害は、対象エリアにエリアＡやエリアＢを含むことを示す。また、例えば、発生災害ＩＤ「ＯＣ１１」により識別される災害は、エリアＡにおける予測強度が「ＬＶ２１」であることを示す。また、例えば、発生災害ＩＤ「ＯＣ１１」により識別される災害は、エリアＢにおける予測強度が「ＬＶ２２」であることを示す。

なお、発生情報記憶部１２６は、上記に限らず、目的に応じて種々の情報を記憶してもよい。

（制御部１３０）
図３の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、予測装置１００内部の記憶装置に記憶されている各種プログラム（予測プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図３に示すように、制御部１３０は、取得部１３１と、抽出部１３２と、生成部１３３と、予測部１３４と、提供部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図３に示した接続関係に限られず、他の接続関係であってもよい。

（取得部１３１）
取得部１３１は、種々の情報を取得する。取得部１３１は、端末装置１０等の外部装置から各種情報を取得する。また、取得部１３１は、記憶部１２０から各種情報を取得する。また、取得部１３１は、ユーザ情報記憶部１２１や、資産情報記憶部１２２や、保険情報記憶部１２３や、災害履歴情報記憶部１２４や、予測モデル情報記憶部１２５や、発生情報記憶部１２６等から各種情報を取得する。

例えば、取得部１３１は、災害に関する発生情報と、当該災害の影響を受けるエリアに位置する対象に関する対象情報とを取得する。例えば、取得部１３１は、ユーザが所有する資産であって、災害の発生の影響を受けるエリアに位置する資産に関する資産情報を含む対象情報を取得する。例えば、取得部１３１は、災害の発生におけるユーザに関する位置情報を含む対象情報を取得する。例えば、取得部１３１は、地震、台風、または交通災害のいずれかである災害に関する発生情報を取得する。例えば、取得部１３１は、保険会社に関する保険情報を取得する。例えば、取得部１３１は、保険会社が提供する所定の保険に加入する各ユーザであって、エリアに位置する対象に関連する各ユーザの保険情報を取得する。

例えば、取得部１３１は、オープンデータ提供装置５０から各種情報を取得してもよい。例えば、取得部１３１は、気象庁が管理するサーバ等の種々の外部の情報処理装置から各種情報を取得してもよい。例えば、取得部１３１は、保険サービス装置２０から各種情報を取得してもよい。例えば、取得部１３１は、各保険会社が利用するサーバ等の種々の外部の情報処理装置から各種情報を取得してもよい。例えば、取得部１３１は、サービス提供元が利用するサーバ等の種々の外部の情報処理装置から各種情報を取得してもよい。

例えば、取得部１３１は、図１２に示すようなオープンデータＯＤ１、サービスデータＳＤ１、保険データＡＤ１や図１３に示すようなオープンデータＯＤ２、サービスデータＳＤ２、保険データＡＤ２等から各種情報を取得してもよい。

（抽出部１３２）
抽出部１３２は、種々の情報を抽出する。例えば、抽出部１３２は、記憶部１２０から各種情報を抽出する。また、抽出部１３２は、ユーザ情報記憶部１２１や、資産情報記憶部１２２や、保険情報記憶部１２３や、災害履歴情報記憶部１２４や、予測モデル情報記憶部１２５や、発生情報記憶部１２６等から各種情報を抽出する。

図１の例では、抽出部１３２は、台風Ｚ号の対象エリアであるエリアＡ及びエリアＢに位置するユーザを抽出する。図１の例では、抽出部１３２は、ユーザ情報記憶部１２１に記憶された各ユーザの位置情報に基づいて、エリアＡ及びエリアＢに位置するユーザを抽出する。

図１の例では、抽出部１３２は、エリアＡまたはエリアＢに位置するユーザであるユーザＵ１、ユーザＵ２、ユーザＵ４等を抽出する。図１の例では、抽出部１３２は、エリアＡまたはエリアＢ以外のエリアに位置するユーザＵ３やユーザＵ５等を抽出しない。

図１の例では、抽出部１３２は、台風Ｚ号の対象エリアであるエリアＡ及びエリアＢに位置する資産を抽出する。図１の例では、抽出部１３２は、資産情報記憶部１２２に記憶された各資産の所在地に基づいて、エリアＡ及びエリアＢに位置する資産を抽出する。

図１の例では、抽出部１３２は、エリアＡまたはエリアＢに位置する資産であるユーザＵ１の資産ＡＳ１−１や資産ＡＳ１−２、ユーザＵ２の資産ＡＳ２−１等を抽出する。図１の例では、抽出部１３２は、エリアＡまたはエリアＢ以外のエリアに位置するユーザＵ３やユーザＵ５等を抽出しない。例えば、予測装置１００は、エリアＡまたはエリアＢ以外のエリアに位置するユーザＵ１の資産ＡＳ１−５やユーザＵ４の資産ＡＳ４−１等を抽出しない。

図１の例では、抽出部１３２は、支払額を予測する対象会社であるＡ社の保険情報のうち、台風Ｚ号における保険の支払いの対象となる保険情報を抽出する。図１の例では、抽出部１３２は、保険情報記憶部１２３に記憶されたＡ社の保険情報のうち、保険の対象となるユーザまたは資産がエリアＡ及びエリアＢに位置する保険情報を抽出する。

図１の例では、抽出部１３２は、エリアＡに位置するユーザＵ１の資産ＡＳ１−１やユーザＵ１自身が保険の対象となっていることを示す保険情報を抽出する。図１の例では、抽出部１３２は、エリアＢに位置するユーザＵ２自身が保険の対象となっていることを示す保険情報を抽出する。

（生成部１３３）
生成部１３３は、種々の情報を生成する。例えば、生成部１３３は、予測モデル等の各種モデルを生成する。例えば、生成部１３３は、予測モデル情報記憶部１２５（図８参照）に記憶された予測モデルＭ１〜Ｍ３を生成する。

例えば、生成部１３３は、過去に発生した災害（以下、「過去災害」ともいう）における損害に関する金額と、当該過去災害の影響を受けたエリアに位置する対象に関する対象情報とに基づいて予測モデルを生成する。例えば、生成部１３３は、災害の種別の各々について予測モデルを生成する。

例えば、生成部１３３は、過去災害における損害額を正解情報とし、その過去災害時におけるユーザに関する情報や資産に関する情報を入力として、その過去災害に対応する災害種別の損害額を予測する予測モデルを生成してもよい。例えば、生成部１３３は、図１２に示すオープンデータＯＤ１やサービスデータＳＤ１や保険データＡＤ１に含まれるデータであって、過去災害の災害時に対応するデータを入力として、過去災害における損害額に近いスコアを予測モデルが出力するように、各素性の重みを学習することにより、予測モデルを生成する。

また、例えば、生成部１３３は、資産情報記憶部１２２（図５参照）に記憶された資産情報や、保険情報記憶部１２３（図６参照）に記憶された保険情報や、ユーザ情報記憶部１２１（図４参照）に記憶されたユーザ情報のうち、過去災害の災害時に対応する情報を入力として、過去災害における損害額に近いスコアを予測モデルが出力するように、各素性の重みを学習することにより、予測モデル情報記憶部１２５（図８参照）に記憶された予測モデルＭ１〜Ｍ３等を生成する。

例えば、生成部１３３は、過去災害における保険会社の支払額を正解情報とし、その過去災害時におけるユーザに関する情報や資産に関する情報や保険に関する情報を入力として、その過去災害に対応する災害種別について保険会社の支払額を予測する予測モデルを生成してもよい。例えば、生成部１３３は、図１２に示すオープンデータＯＤ１やサービスデータＳＤ１や保険データＡＤ１に含まれるデータであって、過去災害の災害時に対応するデータを入力として、過去災害における保険会社の支払額に近いスコアを予測モデルが出力するように、各素性の重みを学習することにより、予測モデルを生成する。

また、例えば、生成部１３３は、資産情報記憶部１２２（図５参照）に記憶された資産情報や、保険情報記憶部１２３（図６参照）に記憶された保険情報や、ユーザ情報記憶部１２１（図４参照）に記憶されたユーザ情報のうち、過去災害の災害時に対応する情報を入力として、過去災害における保険会社の支払額に近いスコアを予測モデルが出力するように、各素性の重みを学習することにより、予測モデル情報記憶部１２５（図８参照）に記憶された予測モデルＭ１〜Ｍ３等を生成する。

また、例えば、生成部１３３は、資産情報記憶部１２２（図５参照）に記憶された資産情報や、ユーザ情報記憶部１２１（図４参照）に記憶されたユーザ情報のうち、災害履歴情報記憶部１２４に記憶された一の過去災害に対応する情報を入力として、当該一の過去災害における損害額に近いスコアを予測モデルが出力するように、各素性の重みを学習することにより、予測モデルを生成してもよい。例えば、生成部１３３は災害履歴情報記憶部１２４中の台風Ａ号の発生に対応する資産情報記憶部１２２（図５参照）に記憶された資産情報や、ユーザ情報記憶部１２１（図４参照）に記憶されたユーザ情報のうち、エリアＡに対応する情報を入力として、台風Ａ号におけるエリアＡの損害額「Ｘ億円」に近いスコアを予測モデルが出力するように、各素性の重みを学習することにより、予測モデルを生成してもよい。

図１２の例では、生成部１３３は、オープンデータＯＤ１やサービスデータＳＤ１や保険データＡＤ１等の種々のデータ（情報）を入力し、所定のデータを正解情報とすることにより、災害種別Ｘの支払額を予測する予測モデルＰＭを生成する。

例えば、生成部１３３は、予測モデルＰＭにより災害種別Ｘにおける１つの保険会社（以下、「対象会社」とする）の支払額の予測を行う場合、過去の災害種別Ｘの災害時における対象会社の支払額を正解情報として、予測モデルＰＭを生成する。この場合、抽出部１３２は、過去の災害種別Ｘの災害時における対象会社の支払額を保険データＡＤ１から抽出する。また、この場合、生成部１３３は、オープンデータＯＤ１やサービスデータＳＤ１や保険データＡＤ１に含まれるデータであって、過去の災害種別Ｘの災害時に対応するデータを入力として、正解情報である対象会社の支払額に近いスコアを予測モデルＰＭが出力するように、各素性の重みを学習することにより、予測モデルＰＭを生成する。

また、例えば、生成部１３３は、予測モデルにより災害種別Ｘにおける損害額の予測を行う場合、過去の災害種別Ｘの災害時における自治体（エリア）の損害額を正解情報として、予測モデルを生成する。この場合、抽出部１３２は、過去の災害種別Ｘの災害時における自治体（エリア）の損害額をオープンデータＯＤ１から抽出する。また、この場合、生成部１３３は、オープンデータＯＤ１やサービスデータＳＤ１や保険データＡＤ１に含まれるデータであって、過去の災害種別Ｘの災害時に対応するデータを入力として、正解情報である自治体（エリア）の損害額に近いスコアを予測モデルが出力するように、各素性の重みを学習することにより、予測モデルを生成する。

なお、予測装置１００が予測モデルＭ１〜Ｍ３等を外部の情報処理装置から取得する場合、予測装置１００は、生成部１３３を有しなくもよい。

（予測部１３４）
予測部１３４は、種々の情報を予測する。例えば、予測部１３４は、生成部１３３により生成された各種モデルを用いて、種々の情報を予測する。例えば、予測部１３４は、予測モデル情報記憶部１２５に記憶された予測モデルＭ１〜Ｍ３等を用いて、災害における損害額を予測する。

例えば、予測部１３４は、取得部１３１により取得された発生情報と対象情報とに基づいて、災害に関する損害額を予測する。例えば、予測部１３４は、過去に発生した過去災害における損害に関する金額と、当該過去災害の影響を受けたエリアに位置する対象に関する対象情報とに基づいて生成される予測モデルを用いて、災害に関する損害額を予測する。例えば、予測部１３４は、災害の種別の各々について生成される複数の予測モデルのうち、予測対象となる災害の種別に対応する予測モデルを用いて、災害に関する損害額を予測する。

例えば、予測部１３４は、保険情報に基づいて、災害に応じて保険会社が支払う支払額を損害額として予測する。例えば、予測部１３４は、保険情報に基づいて所定の保険の対象を特定することにより、災害による保険会社が支払う支払額を損害額として予測する。

図１の例では、予測部１３４は、台風Ｚ号の対象エリアをエリアＡ及びエリアＢとし、Ａ社の支払額を予測する。図１の例では、予測部１３４は、予測モデルＭ１を用いて、台風Ｚ号によるＡ社の支払額を予測する。図１の例では、予測部１３４は、抽出部１３２により抽出されたユーザに関する情報や資産に関する情報や保険に関する情報を予測モデルＭ１に入力することにより、台風Ｚ号によるＡ社の支払額を予測する。図１の例では、予測部１３４は、ユーザに関する情報や資産に関する情報や保険に関する情報を予測モデルＭ１に入力することにより、予測モデルＭ１が出力するスコアを、台風Ｚ号によるＡ社の支払額として予測する。図１の例では、予測部１３４は、予測情報ＰＬ１１に示すように、台風Ｚ号におけるＡ社の支払額を「Ｐ億円」と予測する。

（提供部１３５）
提供部１３５は、端末装置１０等の外部装置に各種情報を提供する。例えば、提供部１３５は、生成部１３３により生成された各種情報を外部装置に提供してもよい。また、提供部１３５は、予測部１３４により予測された各種の予測情報を外部装置に提供してもよい。例えば、提供部１３５は、予測部１３４により予測された損害額に関する情報を外部の情報処理装置へ提供してもよい。例えば、提供部１３５は、予測部１３４により予測された保険会社の支払額をその保険会社の保険サービス装置２０へ提供してもよい。

〔３．予測モデルの生成処理のフロー〕
次に、図１０を用いて、実施形態に係る予測システム１による予測処理の手順について説明する。図１０は、実施形態に係る予測モデルの生成の一例を示すフローチャートである。具体的には、図１０は、予測モデルの生成に関する予測モデルの生成の一例を示すフローチャートである。

図１０に示すように、予測装置１００は、過去の災害履歴情報を取得する（ステップＳ１０１）。そして、予測装置１００は、災害種別ごとの災害履歴情報に基づいて、各災害種別に対応する予測モデルを生成する（ステップＳ１０２）。

〔４．予測処理のフロー〕
次に、図１１を用いて、実施形態に係る予測システム１による予測処理の手順について説明する。図１１は、実施形態に係る予測処理の一例を示すフローチャートである。具体的には、図１１は、予測モデルを用いた予測処理の一例を示すフローチャートである。

図１１に示すように、予測装置１００は、所定の災害が発生した場合（ステップＳ２０１：Ｙｅｓ）、災害の影響を受ける対象エリアを抽出する（ステップＳ２０２）。また、予測装置１００は、所定の災害が発生していない場合（ステップＳ２０１：Ｎｏ）、ステップＳ２０１の処理を繰り返す。

そして、予測装置１００は、対象エリアに位置するユーザ及び資産を抽出する（ステップＳ２０３）。また、予測装置１００は、予測対象の保険会社の保険のうち、対象エリアに位置するユーザ及び資産が契約対象となる保険を抽出する（ステップＳ２０４）。

また、予測装置１００は、災害に応じて使用する予測モデルを決定する（ステップＳ２０５）。そして、予測装置１００は、予測モデルを用いて予測対象の保険会社の支払額を予測する（ステップＳ２０６）。

〔５．モデル生成、損害額予測〕
ここで、予測システム１における予測モデルの生成及び損害額の予測に用いるデータ等について、図１２及び図１３を用いて説明する。図１２は、実施形態に係る予測モデルの生成の一例を示す概念図である。また、図１３は、実施形態に係る予測処理の一例を示す概念図である。

〔５−１．モデル生成〕
まず、図１２を用いて予測装置１００による予測モデルの生成について説明する。図１２では、災害種別Ｘの損害額（支払額）を予測する予測モデルＰＭの生成を一例として示す。例えば、災害種別Ｘは、災害種別「地震」や災害種別「電車事故」であってもよいし、災害種別「全体」、すなわち全災害を対象とするものであってもよい。

図１２に示すように、予測装置１００は、オープンデータＯＤ１やサービスデータＳＤ１や保険データＡＤ１等の種々のデータ（情報）を用いて、災害種別Ｘの支払額を予測する予測モデルＰＭを生成する（ステップＳ５１）。

例えば、予測装置１００は、いわゆる広く開かれた利用が許可されているデータであるオープンデータＯＤ１を取得する。例えば、予測装置１００は、オープンデータＯＤ１として、気象庁から取得可能な天候や災害に関する情報や各自治体等から取得可能な過去の災害に関する情報や事故等が発生した地点等に関する情報など種々の情報を取得する。例えば、予測装置１００は、オープンデータＯＤ１を気象庁が管理するサーバ等の種々の外部の情報処理装置（例えば、図２中のオープンデータ提供装置５０等）から取得する。なお、上記は一例であり、予測装置１００は、災害の予測に利用可能であり、かつ取得可能なデータであれば、どのようなデータをオープンデータＯＤ１として取得してもよい。

例えば、予測装置１００は、所定のサービス提供元が提供するサービスにおいて収集されたデータであるサービスデータＳＤ１を取得する。例えば、予測装置１００は、サービスデータＳＤ１として、位置情報を利用するサービス提供元から各ユーザの登録地点や過去の災害時におけるユーザの行動ログや位置情報など種々の情報を取得する。例えば、予測装置１００は、サービスデータＳＤ１をサービス提供元が利用するサーバ等の種々の外部の情報処理装置から取得する。なお、上記は一例であり、予測装置１００は、災害の予測に利用可能であり、かつ取得可能なデータであれば、どのようなデータをサービスデータＳＤ１として取得してもよい。

例えば、予測装置１００は、各保険会社が提供する保険サービスにおいて収集されたデータである保険データＡＤ１を取得する。例えば、予測装置１００は、保険データＡＤ１として、過去の災害時における支払額や過去の災害時における契約内容など種々の情報を取得する。例えば、予測装置１００は、保険データＡＤ１を各保険会社が利用するサーバ等の種々の外部の情報処理装置（例えば、図２中の保険サービス装置２０等）から取得する。なお、上記は一例であり、予測装置１００は、災害の予測に利用可能であり、かつ取得可能なデータであれば、どのようなデータを保険データＡＤ１として取得してもよい。

図１２の例では、予測装置１００は、上述のようなオープンデータＯＤ１やサービスデータＳＤ１や保険データＡＤ１等の種々のデータ（情報）を入力し、所定のデータを正解情報とすることにより、災害種別Ｘの支払額を予測する予測モデルＰＭを生成する。

例えば、予測装置１００は、予測モデルＰＭにより災害種別Ｘにおける１つの保険会社（以下、「対象会社」とする）の支払額の予測を行う場合、過去の災害種別Ｘの災害時における対象会社の支払額を正解情報として、予測モデルＰＭを生成する。この場合、予測装置１００は、過去の災害種別Ｘの災害時における対象会社の支払額を保険データＡＤ１から抽出する。また、この場合、予測装置１００は、オープンデータＯＤ１やサービスデータＳＤ１や保険データＡＤ１に含まれるデータであって、過去の災害種別Ｘの災害時に対応するデータを入力として、正解情報である対象会社の支払額に近いスコアを予測モデルＰＭが出力するように、各素性の重みを学習することにより、予測モデルＰＭを生成する。

また、例えば、予測装置１００は、予測モデルにより災害種別Ｘにおける損害額の予測を行う場合、過去の災害種別Ｘの災害時における自治体（エリア）の損害額を正解情報として、予測モデルを生成する。この場合、予測装置１００は、過去の災害種別Ｘの災害時における自治体（エリア）の損害額をオープンデータＯＤ１から抽出する。また、この場合、予測装置１００は、オープンデータＯＤ１やサービスデータＳＤ１や保険データＡＤ１に含まれるデータであって、過去の災害種別Ｘの災害時に対応するデータを入力として、正解情報である自治体（エリア）の損害額に近いスコアを予測モデルが出力するように、各素性の重みを学習することにより、予測モデルを生成する。

なお、上述した予測モデルの生成方法は一例であり、予測装置１００は、どのような手法により予測モデルの生成を行ってもよい。

〔５−２．支払額予測〕
次に、図１３を用いて予測装置１００による損害額の予測について説明する。図１３では、予測モデルＰＭを用いた災害種別Ｘの損害額（支払額）の予測を一例として示す。図１３では、災害種別Ｘである災害ＸＸＸが発生した際に、予測装置１００が予測モデルＰＭを用いて災害ＸＸＸの損害額（支払額）を予測する場合を示す。具体的には、予測装置１００が災害種別Ｘである災害ＸＸＸが発生した際に、保険会社であるＸ社が支払う保険料（支払額）を予測する場合を示す。そのため、予測装置１００は、図１２に示すように、過去の災害種別Ｘの災害時における対象会社の支払額を正解情報として生成した予測モデルＰＭを用いる。

図１３に示すように、予測装置１００は、オープンデータＯＤ２やサービスデータＳＤ２や保険データＡＤ２等の種々のデータ（情報）を予測モデルＰＭに入力する（ステップＳ６１）。これにより、予測装置１００は、災害ＸＸＸにおけるＸ社の支払額を予測する（ステップＳ６１）。

例えば、予測装置１００は、災害ＸＸＸの対象エリアに関するオープンデータＯＤ２を取得する。例えば、予測装置１００は、オープンデータＯＤ２として、気象庁から取得可能な災害ＸＸＸの対象エリアに関する天候や災害に関する情報など種々の情報を取得する。例えば、予測装置１００は、オープンデータＯＤ２を気象庁が管理するサーバ等の種々の外部の情報処理装置（例えば、図２中のオープンデータ提供装置５０等）から取得する。なお、上記は一例であり、予測装置１００は、災害ＸＸＸの損害額の予測に利用可能であり、かつ取得可能なデータであれば、どのようなデータをオープンデータＯＤ２として取得してもよい。

例えば、予測装置１００は、所定のサービス提供元が提供するサービスにおいて収集されたデータであるサービスデータＳＤ２を取得する。例えば、予測装置１００は、サービスデータＳＤ２として、災害ＸＸＸの発生時における各ユーザの登録地点や災害ＸＸＸの発生時におけるユーザの行動ログや位置情報など種々の情報を取得する。例えば、予測装置１００は、サービスデータＳＤ２をサービス提供元が利用するサーバ等の種々の外部の情報処理装置から取得する。なお、上記は一例であり、予測装置１００は、災害ＸＸＸの損害額の予測に利用可能であり、かつ取得可能なデータであれば、どのようなデータをサービスデータＳＤ２として取得してもよい。

例えば、予測装置１００は、保険会社であるＸ社が提供する保険サービスにおいて収集されたデータである保険データＡＤ２を取得する。例えば、予測装置１００は、保険データＡＤ２として、災害ＸＸＸの対象エリアの契約内容など種々の情報を取得する。例えば、予測装置１００は、保険データＡＤ２として、Ｘ社が提供する保険の対象となるユーザや資産であって、災害ＸＸＸの対象エリアに位置するユーザや資産に関する情報など種々の情報を取得する。例えば、予測装置１００は、保険データＡＤ２を各保険会社が利用するサーバ等の種々の外部の情報処理装置（例えば、図２中の保険サービス装置２０等）から取得する。なお、上記は一例であり、予測装置１００は、災害ＸＸＸの損害額の予測に利用可能であり、かつ取得可能なデータであれば、どのようなデータを保険データＡＤ２として取得してもよい。

図１３の例では、予測装置１００は、上述のようなオープンデータＯＤ２やサービスデータＳＤ２や保険データＡＤ２等の種々のデータ（情報）を予測モデルＰＭに入力することにより、災害ＸＸＸにおけるＸ社の支払額を予測する。図１３の例では、予測装置１００は、予測情報ＰＬ６１に示すように、災害ＸＸＸにおけるＸ社の支払額を「Ｗ億円」と予測する。

〔６．効果〕
上述してきたように、実施形態に係る予測装置１００は、取得部１３１と、予測部１３４とを有する。取得部１３１は、災害に関する発生情報と、当該災害の影響を受けるエリアに位置する対象に関する対象情報とを取得する。予測部１３４は、取得部１３１により取得された発生情報と対象情報とに基づいて、災害に関する損害額を予測する。

これにより、実施形態に係る予測装置１００は、ユーザの資産情報に基づいて、発生情報と対象情報とに基づいて、災害に関する損害額を予測することにより、災害に関する損害額を適切に予測することができる。

また、実施形態に係る予測装置１００において、取得部１３１は、ユーザが所有する資産であって、災害の発生の影響を受けるエリアに位置する資産に関する資産情報を含む対象情報を取得する。

これにより、実施形態に係る予測装置１００は、ユーザが所有する資産であって、災害の発生の影響を受けるエリアに位置する資産に関する資産情報を含む対象情報を取得することにより、災害に関する損害額を適切に予測することができる。

また、実施形態に係る予測装置１００において、取得部１３１は、災害の発生におけるユーザに関する位置情報を含む対象情報を取得する。

これにより、実施形態に係る予測装置１００は、災害の発生におけるユーザに関する位置情報を含む対象情報を取得することにより、災害に関する損害額を適切に予測することができる。

また、実施形態に係る予測装置１００において、予測部１３４は、過去に発生した過去災害における損害に関する金額と、当該過去災害の影響を受けたエリアに位置する対象に関する対象情報とに基づいて生成される予測モデルを用いて、災害に関する損害額を予測する。

これにより、実施形態に係る予測装置１００は、過去に発生した過去災害における損害に関する金額と、当該過去災害の影響を受けたエリアに位置する対象に関する対象情報とに基づいて生成される予測モデルを用いて、災害に関する損害額を予測することにより、災害に関する損害額を適切に予測することができる。

また、実施形態に係る予測装置１００において、予測部１３４は、災害の種別の各々について生成される複数の予測モデルのうち、予測対象となる災害の種別に対応する予測モデルを用いて、災害に関する損害額を予測する。

これにより、実施形態に係る予測装置１００は、災害の種別の各々について生成される複数の予測モデルのうち、予測対象となる災害の種別に対応する予測モデルを用いて、災害に関する損害額を予測することにより、災害に関する損害額を適切に予測することができる。

また、実施形態に係る予測装置１００において、取得部１３１は、地震、台風、または交通災害のいずれかである災害に関する発生情報を取得する。

これにより、実施形態に係る予測装置１００は、地震、台風、または交通災害のいずれかである災害に関する発生情報を取得することにより、災害に関する損害額を適切に予測することができる。

また、実施形態に係る予測装置１００において、取得部１３１は、保険会社に関する保険情報を取得する。予測部１３４は、保険情報に基づいて、災害に応じて保険会社が支払う支払額を損害額として予測する。

これにより、実施形態に係る予測装置１００は、保険情報に基づいて、災害に応じて保険会社が支払う支払額を損害額として予測することにより、災害に関する損害額を適切に予測することができる。

また、実施形態に係る予測装置１００において、取得部１３１は、保険会社が提供する所定の保険に加入する各ユーザであって、エリアに位置する対象に関連する各ユーザの保険情報を取得する。予測部１３４は、保険情報に基づいて所定の保険の対象を特定することにより、災害による保険会社が支払う支払額を損害額として予測する。

これにより、実施形態に係る予測装置１００は、保険情報に基づいて所定の保険の対象を特定することにより、災害による保険会社が支払う支払額を損害額として予測することにより、災害に関する損害額を適切に予測することができる。

〔７．ハードウェア構成〕
上述してきた実施形態に係る予測装置１００は、例えば図１５に示すような構成のコンピュータ１０００によって実現される。図１５は、予測装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る予測装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態及び変形例のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

〔８．その他〕
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 予測システム
１００ 予測装置
１２１ ユーザ情報記憶部
１２２ 資産情報記憶部
１２３ 保険情報記憶部
１２４ 災害履歴情報記憶部
１２５ 予測モデル情報記憶部
１２６ 発生情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 抽出部
１３３ 生成部
１３４ 予測部
１３５ 提供部
１０ 端末装置
２０ 保険サービス装置
５０ オープンデータ提供装置
Ｎ ネットワーク

Claims (10)

1. 災害に関する発生情報と、当該災害の影響を受けるエリアに位置する対象に関する対象情報であって、エリアに対応するユーザに関する情報、資産に関する情報、及び保険に関する情報を含む対象情報と、予測モデルとを取得する取得部と、
   前記取得部により取得された前記発生情報と前記対象情報とに基づいて、前記ユーザに関する情報、前記資産に関する情報、及び前記保険に関する情報を前記予測モデルに入力することにより、前記予測モデルが出力するスコアと、損害額がスコアに対応付けられた対応表とを用いて、前記災害に関する損害額を予測する予測部と、
   を備えることを特徴とする予測装置。
2. 前記取得部は、
   ユーザが所有する資産であって、前記災害の発生の影響を受けるエリアに位置する資産に関する資産情報を含む前記対象情報を取得する
   ことを特徴とする請求項１に記載の予測装置。
3. 前記取得部は、
   前記災害の発生におけるユーザに関する位置情報を含む前記対象情報を取得する
   ことを特徴とする請求項１または請求項２に記載の予測装置。
4. 前記予測部は、
   過去に発生した過去災害における損害に関する金額と、当該過去災害の影響を受けたエリアに位置する対象に関する対象情報とに基づいて生成される予測モデルを用いて、前記災害に関する損害額を予測する
   ことを特徴とする請求項１〜３のいずれか１項に記載の予測装置。
5. 前記予測部は、
   災害の種別の各々について生成される複数の予測モデルのうち、予測対象となる災害の種別に対応する予測モデルを用いて、前記災害に関する損害額を予測する
   ことを特徴とする請求項４に記載の予測装置。
6. 前記取得部は、
   地震、台風、または交通災害のいずれかである前記災害に関する発生情報を取得する
   ことを特徴とする請求項１〜５のいずれか１項に記載の予測装置。
7. 前記取得部は、
   保険会社に関する保険情報を取得し、
   前記予測部は、
   前記保険情報に基づいて、前記災害に応じて前記保険会社が支払う支払額を前記損害額として予測する
   ことを特徴とする請求項１〜６のいずれか１項に記載の予測装置。
8. 前記取得部は、
   前記保険会社が提供する所定の保険に加入する各ユーザであって、前記エリアに位置する対象に関連する各ユーザの前記保険情報を取得し、
   前記予測部は、
   前記保険情報に基づいて前記所定の保険の対象を特定することにより、前記災害による前記保険会社が支払う支払額を前記損害額として予測する
   ことを特徴とする請求項７に記載の予測装置。
9. コンピュータが実行する予測方法であって、
   災害に関する発生情報と、当該災害の影響を受けるエリアに位置する対象に関する対象情報であって、エリアに対応するユーザに関する情報、資産に関する情報、及び保険に関する情報を含む対象情報と、予測モデルとを取得する取得工程と、
   前記取得工程により取得された前記発生情報と前記対象情報とに基づいて、前記ユーザに関する情報、前記資産に関する情報、及び前記保険に関する情報を前記予測モデルに入力することにより、前記予測モデルが出力するスコアと、損害額がスコアに対応付けられた対応表とを用いて、前記災害に関する損害額を予測する予測工程と、
   を含むことを特徴とする予測方法。
10. 災害に関する発生情報と、当該災害の影響を受けるエリアに位置する対象に関する対象情報であって、エリアに対応するユーザに関する情報、資産に関する情報、及び保険に関する情報を含む対象情報と、予測モデルとを取得する取得手順と、
    前記取得手順により取得された前記発生情報と前記対象情報とに基づいて、前記ユーザに関する情報、前記資産に関する情報、及び前記保険に関する情報を前記予測モデルに入力することにより、前記予測モデルが出力するスコアと、損害額がスコアに対応付けられた対応表とを用いて、前記災害に関する損害額を予測する予測手順と、
    をコンピュータに実行させることを特徴とする予測プログラム。

Images