JP6806396B1 - 災害予測システム、および災害予測方法 - Google Patents
災害予測システム、および災害予測方法 Download PDFInfo
- Publication number
- JP6806396B1 JP6806396B1 JP2020074217A JP2020074217A JP6806396B1 JP 6806396 B1 JP6806396 B1 JP 6806396B1 JP 2020074217 A JP2020074217 A JP 2020074217A JP 2020074217 A JP2020074217 A JP 2020074217A JP 6806396 B1 JP6806396 B1 JP 6806396B1
- Authority
- JP
- Japan
- Prior art keywords
- disaster
- detection means
- data
- risk
- target 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
- 238000000034 method Methods 0.000 title claims description 44
- 238000001514 detection method Methods 0.000 claims abstract description 99
- 230000008859 change Effects 0.000 claims abstract description 38
- 239000013049 sediment Substances 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims description 86
- 238000001556 precipitation Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 8
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 34
- 238000004891 communication Methods 0.000 description 29
- 230000005540 biological transmission Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000013480 data collection Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
【課題】環境状況に影響されにくい、従来よりも安定した土砂災害発生の予測および検知が可能なシステムを提供する。【解決手段】災害予測システムは、対象地域における地物の状態の変化を検出する第１の検出手段と、前記第１の検出手段とは異なる検出原理により前記地物の状態の変化を検出する第２の検出手段と、前記第１の検出手段および前記第２の検出手段それぞれの検出結果により得られた前記地物の状態の変化に基づき、前記対象地域における土砂災害の発生の危険度を予測する予測手段と、前記対象地域と前記地物の状態の変化と前記土砂災害の発生の危険度とを表示する表示手段とを有する。【選択図】図１
Description
本願発明は、土砂災害の災害予測システム、および災害予測方法に関する。
近年の気候変動や自然災害の多発などを踏まえ、気象情報や地域の形状などに応じて、各地域における災害予測を行うことがより重要になってきている。災害予測を行うことで、災害の発生前に避難誘導を行うことや、地域における危険の程度を把握することなどが可能となり、災害による被害の抑制が可能となる。
例えば、特許文献１では、飛行機に搭載したレーザスキャナを用いて地上までの距離を計測し、飛行機の位置情報から、地上の標高や地形の形状を特定する技術が提案されている。また、特許文献２では、土砂災害の恐れがある監視対象斜面を異なる視点から複数のカメラで撮影して３次元座標データを取得し、その３次元座標データから監視対象斜面の微小変化を検出する方法が提案されている。また、特許文献３では、カメラの画像にて斜面の崩落を認識し、警報装置から警報を出力する方法が提案されている。
特許文献１の方法によると、飛行機が飛行できない状況においては、各種情報を取得できず、例えば、台風による被害をリアルタイムに検出することができないという課題がある。また、特許文献２や特許文献３の方法によると、カメラにて撮像された画像を用いているが、大雨などで視界が効かない状況では監視対象斜面の画像を取得できないため、例えば、視界が効かない状況においてリアルタイムでは土砂崩れを検知できないという問題があった。
本願発明は、上記課題を鑑み、環境状況に影響されにくい、従来よりも安定した土砂災害発生の予測および検知が可能な災害予測システムを提供することを目的とする。
上記課題を解決するために本願発明は以下の構成を有する。すなわち、
災害予測システムであって、
対象地域における地物の状態の変化を検出する第１の検出手段と、
前記第１の検出手段とは検出原理が異なる検出手法により前記地物の状態の変化を検出する第２の検出手段と、
降水量および地表面形状を入力データとし、土砂災害の発生の危険度を出力データとして機械学習を行うことで生成される学習済みモデルを用いて、前記対象地域における前記第１の検出手段および前記第２の検出手段それぞれの検出結果に基づく前記対象地域における土砂災害の発生の危険度を予測する予測手段と、
前記対象地域と前記地物の状態の変化と前記土砂災害の発生の危険度とを表示する表示手段と
を有する。
災害予測システムであって、
対象地域における地物の状態の変化を検出する第１の検出手段と、
前記第１の検出手段とは検出原理が異なる検出手法により前記地物の状態の変化を検出する第２の検出手段と、
降水量および地表面形状を入力データとし、土砂災害の発生の危険度を出力データとして機械学習を行うことで生成される学習済みモデルを用いて、前記対象地域における前記第１の検出手段および前記第２の検出手段それぞれの検出結果に基づく前記対象地域における土砂災害の発生の危険度を予測する予測手段と、
前記対象地域と前記地物の状態の変化と前記土砂災害の発生の危険度とを表示する表示手段と
を有する。
本開示によれば、環境状況に影響されにくい、従来よりも安定した土砂災害発生の予測および検知が可能となる。
以下、本願発明を実施するための形態について図面などを参照して説明する。なお、以下に説明する実施形態は、本願発明を説明するための一実施形態であり、本願発明を限定して解釈されることを意図するものではなく、また、各実施形態で説明されている全ての構成が本願発明の課題を解決するために必須の構成であるとは限らない。また、各図面において、同じ構成要素については、同じ参照番号を付すことにより対応関係を示す。
＜第１の実施形態＞
以下、本願発明の第１の実施形態について説明を行う。なお、以下の説明において、監視対象となる地形や物標などをまとめて「地物」と称する。これは、車両などの移動体などを全て除外することを意図するものではなく、必要に応じてこれらを含めて地物として扱ってよい。
以下、本願発明の第１の実施形態について説明を行う。なお、以下の説明において、監視対象となる地形や物標などをまとめて「地物」と称する。これは、車両などの移動体などを全て除外することを意図するものではなく、必要に応じてこれらを含めて地物として扱ってよい。
［システム構成］
図１は、本実施形態に係る災害予測システムの全体構成の例を示す概要図である。本実施形態に係る災害予測システムは、災害予測サーバ１、気象情報提供サーバ２、カメラ３、レーザスキャナ４、レーダ距離測定装置５、地表面位置測定装置６、および表示装置７を含んで構成される。各装置は、ネットワーク８を介して通信可能に接続される。ネットワーク８の通信規格や有線／無線は特に限定するものではなく、複数の通信規格が組み合わせて実現されてもよい。また、図１においては、各装置はそれぞれ１つずつが示されているが、複数の装置が含まれてよい。特に検出手段としてのカメラ３、レーザスキャナ４、レーダ距離測定装置５、および地表面位置測定装置６については、災害監視を行う地物の形状等に応じて、各検出手段が１または複数設置されるものとする。また、複数種類の検出手段それぞれに対し、複数存在することを示す添え字ｎ（≧２）を付しているが、これは、各検出手段が同じ数であることを意味するものではなく、それぞれが異なる数であってよい。また、同一種類の検出手段について、包括的に説明する場合には添え字を省略し、個別に説明を要する場合には添え字を付して説明する。
図１は、本実施形態に係る災害予測システムの全体構成の例を示す概要図である。本実施形態に係る災害予測システムは、災害予測サーバ１、気象情報提供サーバ２、カメラ３、レーザスキャナ４、レーダ距離測定装置５、地表面位置測定装置６、および表示装置７を含んで構成される。各装置は、ネットワーク８を介して通信可能に接続される。ネットワーク８の通信規格や有線／無線は特に限定するものではなく、複数の通信規格が組み合わせて実現されてもよい。また、図１においては、各装置はそれぞれ１つずつが示されているが、複数の装置が含まれてよい。特に検出手段としてのカメラ３、レーザスキャナ４、レーダ距離測定装置５、および地表面位置測定装置６については、災害監視を行う地物の形状等に応じて、各検出手段が１または複数設置されるものとする。また、複数種類の検出手段それぞれに対し、複数存在することを示す添え字ｎ（≧２）を付しているが、これは、各検出手段が同じ数であることを意味するものではなく、それぞれが異なる数であってよい。また、同一種類の検出手段について、包括的に説明する場合には添え字を省略し、個別に説明を要する場合には添え字を付して説明する。
災害予測サーバ１は、本実施形態に係る検出手段にて検出された結果に基づいて、監視対象である地域における災害予測を行う。災害予測サーバ１は、負荷分散の目的や、監視対象の地域の差異などに応じて、複数が備えられてよい。気象情報提供サーバ２は、監視対象である地域における気象情報を提供する。表示装置７は、災害予測サーバ１による災害予測の結果を表示するための装置である。表示装置７は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などの情報処理装置、スマートフォンやタブレット端末などの携帯端末、もしくはＨＭＤ（Ｈｅａｄ Ｍｏｕｎｔｅｄ Ｄｉｓｐｌａｙ）であってよい。
［機能構成］
図２は、本実施形態に係る各検出手段としての装置の機能構成の例を示す図である。図３は、本実施形態に係る検出手段以外の装置の機能構成の例を示す図である。
図２は、本実施形態に係る各検出手段としての装置の機能構成の例を示す図である。図３は、本実施形態に係る検出手段以外の装置の機能構成の例を示す図である。
（カメラ）
図２（ａ）に示すように、本実施形態に係るカメラ３は、ネットワークカメラとして構成され、撮像部３０１、記憶部３０２、制御部３０３、および通信部３０４を含んで構成される。撮像部３０１は、カメラ３が設置された周辺の画像を取得するための撮像部であり、不図示のレンズや撮像素子などを備える。記憶部３０２は、撮像部３０１を介して撮像された画像を記憶する記憶部であり、例えば、フラッシュメモリやＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの不揮発性の記憶領域により構成される。記憶部３０２は、撮影画像と、撮影時の情報（撮影日時や撮影設定など）とを対応付けて記憶する。制御部３０３は、カメラ３の全体の制御を司る部位であり、例えば、処理部としてのＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）や専用回路などにより構成される。通信部３０４は、外部装置との通信を行うための部位であり、有線／無線や通信規格などは特に限定するものではない。
図２（ａ）に示すように、本実施形態に係るカメラ３は、ネットワークカメラとして構成され、撮像部３０１、記憶部３０２、制御部３０３、および通信部３０４を含んで構成される。撮像部３０１は、カメラ３が設置された周辺の画像を取得するための撮像部であり、不図示のレンズや撮像素子などを備える。記憶部３０２は、撮像部３０１を介して撮像された画像を記憶する記憶部であり、例えば、フラッシュメモリやＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの不揮発性の記憶領域により構成される。記憶部３０２は、撮影画像と、撮影時の情報（撮影日時や撮影設定など）とを対応付けて記憶する。制御部３０３は、カメラ３の全体の制御を司る部位であり、例えば、処理部としてのＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）や専用回路などにより構成される。通信部３０４は、外部装置との通信を行うための部位であり、有線／無線や通信規格などは特に限定するものではない。
カメラ３は、撮影範囲が予め規定された構成であってもよいし、全方位を撮影可能な構成であってもよい。また、カメラ３は、撮影設定（例えば、明るさ、コントラスト、解像度など）を周辺環境の状況等に応じて切り替え可能な構成であってもよい。撮影範囲や撮影設定を切り替え可能な構成である場合には、制御部３０３が制御を行う。カメラ３による撮影タイミングは、予め規定された間隔にて行われてもよいし、外部（例えば、災害予測サーバ１）からの要求に起因して行われてもよい。または、所定のイベントが発生したことを検知したタイミングにて、撮影が行われてもよい。所定のイベントとしては、例えば所定値以上の揺れや発光を検知した場合などであってよく、これらは不図示の震度センサや受光素子を用いて検知してよい。
制御部３０３は、撮像部３０１にて撮影された撮影画像に対して、所定の画像処理を行う構成であってもよい。例えば、制御部３０３は、撮影画像に対してフィルタリングなどの画像処理を行うような構成であってもよい。また、撮像部３０１が動画を撮影可能な構成である場合には、制御部３０３は、撮影動画の中から所定間隔ごとにフレームを抽出して送信用の撮影画像とするような処理を行ってもよい。または、制御部３０３は、画像の内容に変化が生じたフレームを抽出して送信用の撮影画像とするような処理を行ってもよい。
通信部３０４は、記憶部３０２に記憶された撮影画像を外部（例えば、災害予測サーバ１）へ適時送信する。ここでの送信タイミングは、予め規定された間隔にて行われてもよいし、外部（例えば、災害予測サーバ１）からの要求に起因して行われてもよい。または、記憶部３０２に記憶された撮影画像の容量が所定の閾値を超えた場合に送信してもよい。記憶部３０２に記憶された撮影画像は、外部へ送信した後、時間が経過した際に削除されてもよい。なお、複数のカメラ３−１〜３−ｎが設置される場合において、複数のカメラ３−１〜３−ｎそれぞれの構成は同一である必要はない。設置位置や撮影対象となるエリアの特性などに応じて、異なる機能を備えたカメラ３が設けられてよい。
（レーザスキャナ）
図２（ｂ）に示すように、本実施形態に係るレーザスキャナ４は、距離測定部４０１、記憶部４０２、制御部４０３、および通信部４０４を含んで構成される。距離測定部４０１は、測定対象に対してレーザ光線を照射し、その反射光により測定結果を算出する。ここでの測定結果として、予め規定された座標系における３次元座標（Ｘ，Ｙ，Ｚ）の他、カラー情報（Ｒ，Ｇ，Ｂ）、反射強度、反射率、角度情報などが測定対象を構成する点ごとに取得されてよい。なお、レーザスキャナ４による測定方法は、例えばタイムオブフライト方式やフェイズシフト方式など公知の方法を用いてよく、測定対象に合わせて用いられてよい。以下の説明において、測定対象を構成する複数の点のデータを点群データ（２次元点群データまたは３次元点群データ）とも称する。
図２（ｂ）に示すように、本実施形態に係るレーザスキャナ４は、距離測定部４０１、記憶部４０２、制御部４０３、および通信部４０４を含んで構成される。距離測定部４０１は、測定対象に対してレーザ光線を照射し、その反射光により測定結果を算出する。ここでの測定結果として、予め規定された座標系における３次元座標（Ｘ，Ｙ，Ｚ）の他、カラー情報（Ｒ，Ｇ，Ｂ）、反射強度、反射率、角度情報などが測定対象を構成する点ごとに取得されてよい。なお、レーザスキャナ４による測定方法は、例えばタイムオブフライト方式やフェイズシフト方式など公知の方法を用いてよく、測定対象に合わせて用いられてよい。以下の説明において、測定対象を構成する複数の点のデータを点群データ（２次元点群データまたは３次元点群データ）とも称する。
記憶部４０２は、距離測定部４０１を介して取得された点群データを記憶する記憶部であり、例えば、フラッシュメモリなどの不揮発性の記憶領域により構成される。記憶部４０２は、点群データと、測定時の情報（測定日時や測定設定など）とを対応付けて記憶する。制御部４０３は、レーザスキャナ４の全体の制御を司る部位であり、例えば、処理部としてのＣＰＵや専用回路などにより構成される。通信部４０４は、外部装置との通信を行うための部位であり、有線／無線や通信規格などは特に限定するものではない。
レーザスキャナ４は、測定範囲が予め規定された構成であってもよいし、所定の範囲にて測定範囲や測定設定を切り替え可能な構成であってもよい。測定範囲や測定設定を切り替え可能な構成である場合には、制御部４０３が制御を行う。レーザスキャナ４による測定タイミングは、予め規定された間隔にて行われてもよいし、外部（例えば、災害予測サーバ１）からの要求に起因して行われてもよい。または、所定のイベントが発生したことを検知したタイミングにて、測定が行われてもよい。所定のイベントとしては、例えば所定値以上の揺れを検知した場合などであってよく、これらは不図示の震度センサを用いて検知してよい。
制御部４０３は、距離測定部４０１にて測定された点群データに対して、所定の処理を行う構成であってもよい。例えば、制御部４０３は、点群データに対して所定の解析処理を行うような構成であってもよい。
通信部４０４は、記憶部４０２に記憶された点群データを外部（例えば、災害予測サーバ１）へ適時送信する。ここでの送信タイミングは、予め規定された間隔にて行われてもよいし、外部（例えば、災害予測サーバ１）からの要求に起因して行われてもよい。または、記憶部４０２に記憶された点群データの容量が所定の閾値を超えた場合に送信してもよい。記憶部４０２に記憶された点群データは、外部へ送信した後、所定時間が経過した際に削除されてもよい。なお、複数のレーザスキャナ４−１〜４−ｎが設置される場合において、複数のレーザスキャナ４−１〜４−ｎそれぞれの構成は同一である必要はない。設置位置や測定対象の特性などに応じて、異なる機能を備えたレーザスキャナ４が設けられてよい。
（レーダ距離測定装置）
図２（ｃ）に示すように、本実施形態に係るレーダ距離測定装置５は、距離測定部５０１、記憶部５０２、制御部５０３、および通信部５０４を含んで構成される。距離測定部５０１は、送信機（不図示）から所定の波長の電波を送信し、その反射波を受信機（不図示）にて受信することで、対象物との距離、速度、および角度情報などを算出する。ここでは、周波数が３０〜３００ＧＨｚ帯の電波であるミリ波が用いられる。なお、利用可能なミリ波の帯域幅は地域等によって異なるため、ここでは特に限定しない。以下の説明において便宜上、レーダ距離測定装置５にて測定された結果をレーダ測定データとも称する。
図２（ｃ）に示すように、本実施形態に係るレーダ距離測定装置５は、距離測定部５０１、記憶部５０２、制御部５０３、および通信部５０４を含んで構成される。距離測定部５０１は、送信機（不図示）から所定の波長の電波を送信し、その反射波を受信機（不図示）にて受信することで、対象物との距離、速度、および角度情報などを算出する。ここでは、周波数が３０〜３００ＧＨｚ帯の電波であるミリ波が用いられる。なお、利用可能なミリ波の帯域幅は地域等によって異なるため、ここでは特に限定しない。以下の説明において便宜上、レーダ距離測定装置５にて測定された結果をレーダ測定データとも称する。
記憶部５０２は、距離測定部５０１を介して取得されたレーダ測定データを記憶する記憶部であり、例えば、フラッシュメモリなどの不揮発性の記憶領域により構成される。記憶部５０２は、レーダ測定データと、測定時の情報（測定日時や測定設定など）とを対応付けて記憶する。制御部５０３は、レーダ距離測定装置５の全体の制御を司る部位であり、例えば、処理部としてのＣＰＵや専用回路などにより構成される。通信部５０４は、外部装置との通信を行うための部位であり、有線／無線や通信規格などは特に限定するものではない。
レーダ距離測定装置５による測定タイミングは、予め規定された間隔にて行われてもよいし、外部（例えば、災害予測サーバ１）からの要求に起因して行われてもよい。または、所定のイベントが発生したことを検知したタイミングにて、測定が行われてもよい。所定のイベントとしては、例えば所定値以上の揺れや発光を検知した場合などであってよく、これらは不図示の震度センサや受光素子を用いて検知してよい。
制御部５０３は、距離測定部５０１にて測定されたレーダ測定データに対して、所定の処理を行う構成であってもよい。例えば、制御部５０３は、レーダ測定データに対して所定の解析処理やフィルタリング処理などを行うような構成であってもよい。
通信部５０４は、記憶部５０２に記憶されたレーダ測定データを外部（例えば、災害予測サーバ１）へ適時送信する。ここでの送信タイミングは、予め規定された間隔にて行われてもよいし、外部（例えば、災害予測サーバ１）からの要求に起因して行われてもよい。または、記憶部５０２に記憶されたレーダ測定データの容量が所定の閾値を超えた場合に送信してもよい。記憶部５０２に記憶されたレーダ測定データは、外部へ送信した後、所定時間が経過した際に削除されてもよい。なお、複数のレーダ距離測定装置５−１〜５−ｎが設置される場合において、複数のレーダ距離測定装置５−１〜５−ｎそれぞれの構成は同一である必要はない。設置位置の特性などに応じて、異なる機能を備えたレーダ距離測定装置５が設けられてよい。
（地表面変位測定装置）
図２（ｄ）に示すように、本実施形態に係る地表面位置測定装置６は、衛星信号受信部６０１、記憶部６０２、制御部６０３、および通信部６０４を含んで構成される。衛星信号受信部６０１は、測位衛星から送信された信号を受信し、自装置の位置を検出する。ここでは、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）などの測位衛星を利用する全世界測位システム（ＧＮＳＳ：Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）が用いられる。複数の測位衛星が用いられてよい。受信した信号（電波）には衛星からの送信時刻が含まれており、衛星信号受信部６０１は、この送信時間と受信時間から得られる電波の伝搬時間と、電波の速度とを用いて、自装置の位置を検出する。自装置の位置としては、緯度、経度、および標高が該当する。下の説明において便宜上、地表面位置測定装置６にて測定された結果を位置データとも称する。
図２（ｄ）に示すように、本実施形態に係る地表面位置測定装置６は、衛星信号受信部６０１、記憶部６０２、制御部６０３、および通信部６０４を含んで構成される。衛星信号受信部６０１は、測位衛星から送信された信号を受信し、自装置の位置を検出する。ここでは、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）などの測位衛星を利用する全世界測位システム（ＧＮＳＳ：Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）が用いられる。複数の測位衛星が用いられてよい。受信した信号（電波）には衛星からの送信時刻が含まれており、衛星信号受信部６０１は、この送信時間と受信時間から得られる電波の伝搬時間と、電波の速度とを用いて、自装置の位置を検出する。自装置の位置としては、緯度、経度、および標高が該当する。下の説明において便宜上、地表面位置測定装置６にて測定された結果を位置データとも称する。
記憶部６０２は、衛星信号受信部６０１を介して取得された位置データを記憶する記憶部であり、例えば、フラッシュメモリなどの不揮発性の記憶領域により構成される。記憶部４０２は、位置データと、測定時の情報（測定日時など）とを対応付けて記憶する。制御部６０３は、地表面位置測定装置６の全体の制御を司る部位であり、例えば、処理部としてのＣＰＵや専用回路などにより構成される。通信部６０４は、外部装置との通信を行うための部位であり、有線／無線や通信規格などは特に限定するものではない。
地表面位置測定装置６による測定タイミングは、予め規定された間隔にて行われてもよいし、外部（例えば、災害予測サーバ１）からの要求に起因して行われてもよい。または、所定のイベントが発生したことを検知したタイミングにて、測定が行われてもよい。所定のイベントとしては、例えば所定値以上の揺れや発光を検知した場合などであってよく、これらは不図示の震度センサや受光素子を用いて検知してよい。
制御部６０３は、衛星信号受信部６０１にて測定された位置データに対して、所定の処理を行う構成であってもよい。例えば、制御部６０３は、位置データの変化を検出し、変化が生じた場合に通信部６０４に対して外部への送信を指示するような構成であってもよい。
通信部６０４は、記憶部６０２に記憶された位置データを外部（例えば、災害予測サーバ１）へ適時送信する。ここでの送信タイミングは、予め規定された間隔にて行われてもよいし、外部（例えば、災害予測サーバ１）からの要求に起因して行われてもよい。または、記憶部６０２に記憶された位置データの容量が所定の閾値を超えた場合に送信してもよい。記憶部６０２に記憶された位置データは、外部へ送信した後、所定時間が経過した際に削除されてもよい。
なお、本実施形態に係る検出手段の例として、４つの種類の検出手段を示した。これらは、別個に構成される必要はなく、１の装置が複数の検出部を備える構成であってもよい。例えば、１の装置にて、撮像部とレーザによる距離測定部を備える構成であってもよい。また、各検出手段は、固定された状態で設置される構成に限定されるものではない。例えば、カメラ３は移動体（例えば、ドローンなどの無人航空機）に搭載された構成にて実現されてもよい。このように、移動体に検出手段が搭載された構成では、ＧＮＳＳ装置などにより、測定時において自装置の位置情報を併せて取得することが望ましい。
（災害予測サーバ）
図３（ａ）に示すように、本実施形態に係る災害予測サーバ１は、データ収集部１０１、３次元モデル生成部１０２、気象情報解析部１０３、通信制御部１０４、形状変化検出部１０５、履歴情報管理部１０６、危険範囲特定部１０７、および表示制御部１０８を含んで構成される。
図３（ａ）に示すように、本実施形態に係る災害予測サーバ１は、データ収集部１０１、３次元モデル生成部１０２、気象情報解析部１０３、通信制御部１０４、形状変化検出部１０５、履歴情報管理部１０６、危険範囲特定部１０７、および表示制御部１０８を含んで構成される。
データ収集部１０１は、本実施形態に係る各種検出手段から測定データを収集する。収集するタイミングは、各種検出手段から送信されてきたタイミングにて受信することで収集してもよいし、データ収集部１０１が各種検出手段に要求を行うことで収集してもよい。また、収集するタイミングは、検出手段ごとに異なっていてもよい。また、データ収集部１０１は、気象情報提供サーバ２から気象情報を取得する。
３次元モデル生成部１０２は、各種検出手段から収集した測定データに基づいて、３次元モデルを生成する。例えば、カメラ３から取得した撮影画像や、レーザスキャナ４から取得した点群データを用いて、３次元モデルを生成する。３次元モデルの生成方法は公知の方法を用いてよく、特に限定するものではない。ここでは、３次元モデルの生成方法の一例について説明する。
３次元モデルを作成する際に、同一対象物を含む可能性のある複数枚の撮影画像を収集し、各撮影画像の特徴点の候補を、特徴量計算関数を用いて検出する。この関数としては、Ｈａｒｒｉｓ、ＡＫＡＺＥ、またはＯＲＢ（Ｏｒｉｅｎｔｅｄ ＦＡＳＴ ａｎｄ Ｒｏｔａｔｅｄ ＢＲＩＥＦ）などを利用することができる。次に、検出した特徴点の候補の特徴量の値が予め設定された閾値を越えた場合にその候補を特徴点とする（特徴点抽出）。
各画像にて検出された特徴点が同一対象物に起因している場合には、それらの特徴点は点群データ間で対応している。そこで、画像間における特徴点の対応付けを行う（特徴点マッチング）。特徴点マッチングができた特徴点は同一対象物のある箇所を示しているため、その対象物の３次元座標を、測定結果に含まれる各種情報に基づいて算出する。ここでの情報としては、検出手段の向きや位置情報などが挙げられる。このようにして算出した複数の３次元座標点が３次元点群を形成することとなる。
３次元点群は、単なる３次元座標点の集まりであるため、これを人が視認しやすいように、３次元モデルに変換する。その場合には、画像の近傍３点の特徴点で囲まれる領域を、その特徴点の３点で形成された３次元座標の３点に張り付ける（テキスチャーマッピング）。これにより三角ポリゴン面で構成された３次元モデルが形成できる。なお、レーザスキャナ４から取得した点群データを用いて、同様に３次元モデルを生成することも可能である。
気象情報解析部１０３は、気象情報提供サーバ２から収集した気象情報を用いて、測定対象の地域における気象の変動などを解析する。ここでの解析内容は特に限定するものではなく、例えば、測定範囲のうちの所定領域ごとの降水量の変化などであってよい。通信制御部１０４は、外部装置との通信を行うための部位であり、有線／無線や通信規格などは特に限定するものではない。形状変化検出部１０５は、各種検出手段から収集した測定データに基づいて、地表形状の変化を検出する。ここでの変化は、過去の測定データを蓄積し、その変化に基づいて検出してよい。例えば、形状変化検出部１０５は、生成された３次元モデルの比較により変化量を検出してもよいし、位置情報の変化に応じて変化量を検出してもよい。
履歴情報管理部１０６は、過去の気象情報、地表面形状、測定データなどを履歴情報として管理する。履歴情報管理部１０６は、履歴情報により、測定範囲それぞれの変化を管理してよい。危険範囲特定部１０７は、各測定データや解析結果を用いて、測定範囲のうちの危険範囲を特定する。ここでの危険範囲の特定は、予め規定された大きさの範囲ごとに特定してもよいし、地形の形状に応じて決定してもよい。また、危険範囲特定部１０７は、発生が予測される土砂災害の種類（斜面崩壊、地滑り、土石流、水害、雪崩など）ごとに危険範囲を特定してよい。本実施形態においては、危険度として４段階（レベル１〜レベル４）の例を挙げて説明する。レベル１は、災害発生の可能性が無い、もしくは、極めて低い状態を示す。レベルが上がるにつれて、災害発生の可能性が高くなることを示す。なお、危険度の粒度は一例であり、これに限定するものではない。また、対象とする災害に応じて、異なるレベルが用いられてよい。
表示制御部１０８は、３次元モデル生成部１０２にて生成された３次元モデルや危険範囲特定部１０７にて特定された危険範囲の表示を制御する。ここでの表示制御は、危険範囲特定部１０７にて特定された危険範囲を、３次元モデル上に重畳して表示したり、危険度に応じて表示内容を切り替えたりすることが挙げられる。表示の例については、図１０を用いて後述する。表示制御部１０８は、表示装置７からの要求に応じて、３次元モデルや危険範囲データを含む表示データを表示装置７に提供する。
（気象情報提供サーバ）
図３（ｂ）に示すように、本実施形態に係る気象情報提供サーバ２は、気象情報提供部２０１、気象情報管理部２０２、および通信制御部２０３を含んで構成される。気象情報提供部２０１は、地域ごとの気象情報を提供する。ここでの提供方法は、外部（例えば、災害予測サーバ１）からの要求に応じて提供してもよいし、所定の間隔ごとに提供してもよい。または、緊急の気象情報が発生した場合には、そのタイミングにて提供してもよい。
図３（ｂ）に示すように、本実施形態に係る気象情報提供サーバ２は、気象情報提供部２０１、気象情報管理部２０２、および通信制御部２０３を含んで構成される。気象情報提供部２０１は、地域ごとの気象情報を提供する。ここでの提供方法は、外部（例えば、災害予測サーバ１）からの要求に応じて提供してもよいし、所定の間隔ごとに提供してもよい。または、緊急の気象情報が発生した場合には、そのタイミングにて提供してもよい。
気象情報管理部２０２は、気象情報を管理する。気象情報は、過去の情報の他、将来の予測情報が含まれてよい。また、土砂災害の発生に影響を与えるような情報を気象情報に含めてもよい。例えば、地震の発生情報、火山活動の情報などが気象情報に含まれてもよい。また、気象情報が示す粒度（時間間隔や範囲）は特に限定するものではなく、地域などに応じて異なっていてもよい。通信制御部２０３は、外部装置との通信を行うための部位であり、有線／無線や通信規格などは特に限定するものではない。
（表示装置）
図３（ｃ）に示すように、本実施形態に係る表示装置７は、３次元モデル表示部７０１、操作受付部７０２、および通信制御部７０３を含んで構成される。３次元モデル表示部７０１は、災害予測サーバ１から提供された表示データを表示装置７のディスプレイ（不図示）に表示する。３次元モデルの表示は、プロジェクタ（不図示）などの投影により表示されてもよいし、仮想現実（ＶＲ：Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ）として表示されてもよい。操作受付部７０２は、表示装置７の操作部（不図示）を介してユーザからの操作を受け付ける。ここでの操作は、ディスプレイ上に表示している３次元モデルの表示の切り替えなどの操作が挙げられる。通信制御部７０３は、外部装置との通信を行うための部位であり、有線／無線や通信規格などは特に限定するものではない。なお、表示装置７における各部位は、表示装置７にインストールされたアプリケーションにより実現されてよい。
図３（ｃ）に示すように、本実施形態に係る表示装置７は、３次元モデル表示部７０１、操作受付部７０２、および通信制御部７０３を含んで構成される。３次元モデル表示部７０１は、災害予測サーバ１から提供された表示データを表示装置７のディスプレイ（不図示）に表示する。３次元モデルの表示は、プロジェクタ（不図示）などの投影により表示されてもよいし、仮想現実（ＶＲ：Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ）として表示されてもよい。操作受付部７０２は、表示装置７の操作部（不図示）を介してユーザからの操作を受け付ける。ここでの操作は、ディスプレイ上に表示している３次元モデルの表示の切り替えなどの操作が挙げられる。通信制御部７０３は、外部装置との通信を行うための部位であり、有線／無線や通信規格などは特に限定するものではない。なお、表示装置７における各部位は、表示装置７にインストールされたアプリケーションにより実現されてよい。
［検出手段の特性］
上述したように、本実施形態に係る災害予測システムでは、複数種類の検出手段を組み合わせて用いる。各検出手段は、検出原理が異なるため、検出に関する特性が異なる。以下、複数種類の検出手段それぞれの特性を踏まえた長所、短所について説明する。
上述したように、本実施形態に係る災害予測システムでは、複数種類の検出手段を組み合わせて用いる。各検出手段は、検出原理が異なるため、検出に関する特性が異なる。以下、複数種類の検出手段それぞれの特性を踏まえた長所、短所について説明する。
図４は、複数種類の検出手段それぞれの特性の概要を示す。カメラ３は、撮像部３０１により周辺画像を取得する。このとき、カメラ３により取得される測定データ（撮影画像）からは高分解能の点群データを取得することができる。一方、カメラ３は、撮影時の気象状況（雨や霧など）や視界変化（照度変化など）によっては測定が不可、もしくは、低画質の撮影画像が取得されることが想定される。
レーザスキャナ４は、中程度の分解能での点群データを取得することができる。ここでの中程度とは相対的な関係を示し、カメラ３とレーダ距離測定装置５の間とする。一方、レーザスキャナ４は、測定時の気象状況（雨や霧など）によっては測定が不可、もしくは、低精度の点群データが取得されることが想定される。
レーダ距離測定装置５は、気象状況に影響されずに測定可能である。一方、レーダ距離測定装置５は、カメラ３やレーザスキャナ４の測定データと比較して、低分解能のレーダ測定データが取得される。
地表面位置測定装置６は、気象状況に影響されずに測定可能である。また、地表面位置測定装置６は、高精度に自装置の位置を測定することが可能である。一方、地表面位置測定装置６は、自装置の位置を検出するため、他の装置の位置を検出することはできない。
本実施形態では、上記のようにそれぞれ特性の異なる複数種類の検出手段を組み合わせて用いることで、システム全体としての検出精度を向上させ、かつ検出の見逃しを低減している。また、これらの複数種類の検出手段を組み合わせることで、測定の際の環境変化に対応可能としつつ、３次元モデルの生成の際の情報の補完も可能となる。そして、システム全体としての検出精度を向上させ、検出の見逃しを低減することで、検出結果として得られたデータから生成される３次元モデルの生成の精度および災害予測の精度を向上させる。
なお、本実施形態において、４種類の検出手段を示した。この中から少なくとも２種類の検出手段を組み合わせて用いるパターンは、１１の組み合わせが存在するが、各検出手段の特性を考慮して、対象地域に適した組み合わせを用いてよい。また、対象地域に応じて、用いる各検出手段の数は変動してよい。
［処理フロー］
以下、本実施形態に係る災害予測サーバ１の処理フローについて説明する。以下に示す処理は、例えば、災害予測サーバ１が備えるＣＰＵ（不図示）が記憶装置に記憶されたプログラムを読み出して実行することにより実現される。なお、以下の処理は、所定間隔ごとに開始されてもよい。また、各検出手段は測定対象の地域周辺に設置され、測定データを災害予測サーバ１に提供可能な状況とする。
以下、本実施形態に係る災害予測サーバ１の処理フローについて説明する。以下に示す処理は、例えば、災害予測サーバ１が備えるＣＰＵ（不図示）が記憶装置に記憶されたプログラムを読み出して実行することにより実現される。なお、以下の処理は、所定間隔ごとに開始されてもよい。また、各検出手段は測定対象の地域周辺に設置され、測定データを災害予測サーバ１に提供可能な状況とする。
Ｓ５０１にて、災害予測サーバ１は、測定対象の地域における変化量に対する危険度を設定する。また、災害の種類に応じて、複数の危険度が設定されてよい。危険度の設定方法は特に限定するものではなく、測定対象の地域における形状に応じて規定されてよい。例えば、ある時点を基準として、その時点からの所定時間内での変化量に対する危険度が設定されてよい。または、ある時点における地形の基準位置からの変化量に対する危険度が設定されてよい。本実施形態では、複数種類の検出手段それぞれにて検出された検出結果に基づいて得られる変化量に対する危険度が設定される。
Ｓ５０２にて、災害予測サーバ１は、設置されている各検出手段から測定データを取得する。このとき、取得した測定データの内容に応じて、以降の処理に利用する測定データを抽出するような構成であってもよい。例えば、カメラ３から取得した撮影画像の画質が低い場合には、以降の処理に利用するデータからは除くような構成であってもよい。または、あるタイミングにて検出手段から測定データを取得できない場合には、災害予測サーバ１は、測定データをその検出手段に要求してもよい。もしくは、測定データを取得できない場合には、その測定範囲にて何らかの災害が発生している可能性があるものとして、その情報を測定データとして扱ってもよい。
Ｓ５０３にて、災害予測サーバ１は、各検出手段から取得した測定データに基づいて、対象地域の地表面形状の変化量を算出する。例えば、災害予測サーバ１は、Ｓ５０２にて取得した測定データから新たに３次元モデルを生成し、これとすでに生成されている３次元モデルとを比較することで得られる差分から、対象地域の地表面形状の変化量を算出してよい。なお、生成した３次元モデルは、その都度、記憶装置（不図示）に保持されているものとする。または、災害予測サーバ１は、測定データに基づいて、測定対象の位置の変化量（変動）を算出してよい。
Ｓ５０４にて、災害予測サーバ１は、Ｓ５０３にて算出した地表面形状の変化量と、Ｓ５０１にて設定した危険度とに基づき、対象地域における危険度を予測する。本実施形態では、複数種類の検出手段による検出結果のうち、最も危険度が高い値をその地域の危険度として予測する。なお、予測方法はこれに限定するものではなく、複数種類の検出手段による検出結果に対応して設定された危険度の組み合わせや、検出結果の総合評価に基づいて、危険度を予測してもよい。ここでの総合評価は、検出結果それぞれに対して重みづけを行うことで判定してもよいし、予め規定された基準に基づいて評価してもよい。
Ｓ５０５にて、災害予測サーバ１は、Ｓ５０４における予測結果に基づいて、対象地域の３次元モデルの表示を制御する。ここでの表示は、３次元モデルに対して危険度に応じた表示を重畳表示して、表示装置７に表示データとして提供することで行われる。
Ｓ５０６にて、災害予測サーバ１は、Ｓ５０４における予測結果に基づいて警報を行う。ここでの警報は、表示装置７における表示の際に点滅や避難警報を行うような構成であってもよい。もしくは、表示装置７の周辺に設置されたスピーカーなどの警報装置（不図示）などを介して避難警報や危険と予測された地域の情報を報知するような構成であってもよい。そして、本処理フローを終了する。
以上、本実施形態により、対象地域に対して設けられる検出手段の長所、短所を考慮した上で、環境状況に影響されにくい、従来よりも安定した土砂災害発生の予測および検知が可能となる。
＜第２の実施形態＞
以下、本願発明の第２の実施形態について説明する。第２の実施形態として、過去の土砂災害の発生地域の地表面形状と降水量との関係を示す相関データを用いて、土砂災害が発生する危険性があるか否かを判定する実施形態について説明する。なお、第１の実施形態と重複する構成については説明を省略し、差分に着目して説明を行う。
以下、本願発明の第２の実施形態について説明する。第２の実施形態として、過去の土砂災害の発生地域の地表面形状と降水量との関係を示す相関データを用いて、土砂災害が発生する危険性があるか否かを判定する実施形態について説明する。なお、第１の実施形態と重複する構成については説明を省略し、差分に着目して説明を行う。
本実施形態に係る相関データとは、過去の降水量および降水予測量と、地表面形状とに基づき、災害の発生の相関を示すデータである。本実施形態に係る相関データは、例えば、公的機関や所定の組織などから提供されているものを利用できるものとする。相関データの一例としては、対象地域の管轄する行政機関が提供するハザードマップなどが挙げられる。
［処理フロー］
以下、本実施形態に係る災害予測サーバ１の処理フローについて説明する。以下に示す処理は、例えば、災害予測サーバ１が備えるＣＰＵ（不図示）が記憶装置に記憶されたプログラムを読み出して実行することにより実現される。なお、以下の処理は、所定間隔ごとに開始されてもよい。また、各検出手段は測定対象の地域周辺に設置され、測定データを災害予測サーバ１に提供可能な状況とする。
以下、本実施形態に係る災害予測サーバ１の処理フローについて説明する。以下に示す処理は、例えば、災害予測サーバ１が備えるＣＰＵ（不図示）が記憶装置に記憶されたプログラムを読み出して実行することにより実現される。なお、以下の処理は、所定間隔ごとに開始されてもよい。また、各検出手段は測定対象の地域周辺に設置され、測定データを災害予測サーバ１に提供可能な状況とする。
Ｓ６０１にて、災害予測サーバ１は、所定の提供元から相関データを取得する。相関データの提供元は予め規定され、その提供元に関する情報が保持されているものとする。なお、相関データは、本処理が実行されるごとに取得する必要はなく、相関データが更新されたタイミングにて取得するような構成であってもよい。
Ｓ６０２にて、災害予測サーバ１は、設置されている各検出手段から測定データを取得する。このとき、取得した測定データの内容に応じて、以降の処理に利用する測定データを抽出するような構成であってもよい。例えば、カメラ３から取得した撮影画像の画質が低い場合には、以降の処理に利用するデータからは除くような構成であってもよい。また、あるタイミングにて検出手段から測定データを取得できない場合には、災害予測サーバ１は、測定データをその検出手段に要求してもよい。もしくは、測定データを取得できない場合には、その測定範囲において何らかの災害が発生している可能性があるものとして、その情報を測定データとして扱ってもよい。
Ｓ６０３にて、災害予測サーバ１は、各検出手段から取得した測定データに基づいて、３次元モデルを生成することにより、対象地域の地表面形状を特定する。災害予測サーバ１は、Ｓ６０２にて取得した測定データにより新たに３次元モデルを生成する。なお、生成した３次元モデルは、その都度、記憶装置に保持されているものとする。
Ｓ６０４にて、災害予測サーバ１は、Ｓ６０１にて取得した相関データと、Ｓ６０３にて生成した地表面形状とに基づき危険度を設定する。また、災害の種類に応じて、複数の危険度が設定されてよい。本実施形態では、複数種類の検出手段それぞれにて検出された検出結果に基づいて得られる変化量に対する危険度が設定される。
Ｓ６０５にて、災害予測サーバ１は、対象地域における気象情報を気象情報提供サーバ２から取得する。ここで取得する気象情報は、対象地域における過去の降水量およびこれからの降水予測量を含む。なお、気象情報に含まれる期間（過去分の期間、予測分の期間）は特に限定するものではない。例えば、地表形状や過去の降水総量などに応じて対象期間が変動するような構成であってもよい。
Ｓ６０６にて、災害予測サーバ１は、Ｓ６０５にて取得した気象情報とＳ６０４にて設定した危険度とに基づき、対象地域における危険度を予測する。本実施形態では、複数種類の検出手段による検出結果のうち、最も危険度が高い値をその地域の危険度として予測する。なお、予測方法はこれに限定するものではなく、複数種類の検出手段による検出結果に対応して設定された危険度の組み合わせや、検出結果の総合評価に基づいて、危険度を予測してもよい。ここでの総合評価は、検出結果それぞれに対して重みづけを行うことで判定してもよいし、予め規定された基準に基づいて評価してもよい。
Ｓ６０７にて、災害予測サーバ１は、Ｓ６０６における予測結果に基づいて、対象地域の３次元モデルの表示を制御する。ここでの表示は、３次元モデルに対して危険度に応じた表示を重畳表示して、表示装置７に表示データとして提供することで行われる。
Ｓ６０８にて、災害予測サーバ１は、Ｓ６０７における予測結果に基づいて警報を行う。ここでの警報は、表示装置７における表示の際に点滅や避難警報を行うような構成であってもよい。もしくは、表示装置７の周辺に設置されたスピーカーなどの警報装置（不図示）などを介して避難警報や危険と予測された地域の情報を報知するような構成であってもよい。そして、本処理フローを終了する。
以上、本実施形態では、対象地域に対して設けられる検出手段の長所、短所を考慮した上で、複数種類の検出手段を組わせて３次元モデルを生成し、その３次元モデルにて得られる地表面形状と、相関データから得られる危険度とから災害予測を行う。これにより、環境状況に影響されにくい、従来よりも安定した土砂災害発生の予測および検知が可能となる。
＜第３の実施形態＞
以下、本願発明の第３の実施形態について説明する。第３の実施形態では、危険度の設定の際に学習済みモデルを用いる実施形態について説明する。なお、第２の実施形態と重複する構成については説明を省略し、差分に着目して説明を行う。
以下、本願発明の第３の実施形態について説明する。第３の実施形態では、危険度の設定の際に学習済みモデルを用いる実施形態について説明する。なお、第２の実施形態と重複する構成については説明を省略し、差分に着目して説明を行う。
［機能構成］
図７は、本実施形態に係る災害予測サーバ１の機能構成の例を示す図である。第１の実施形態にて、図３（ａ）を用いて説明した構成に代えて用いられる。本実施形態に係る災害予測サーバ１は、気象情報解析部１０３、形状変化検出部１０５、および危険範囲特定部１０７に代えて、学習用データ生成部１１１、学習処理部１１２、および災害予測部１１３を含んで構成される。
図７は、本実施形態に係る災害予測サーバ１の機能構成の例を示す図である。第１の実施形態にて、図３（ａ）を用いて説明した構成に代えて用いられる。本実施形態に係る災害予測サーバ１は、気象情報解析部１０３、形状変化検出部１０５、および危険範囲特定部１０７に代えて、学習用データ生成部１１１、学習処理部１１２、および災害予測部１１３を含んで構成される。
学習用データ生成部１１１は、データ収集部１０１にて収集した測定情報や気象情報などを用いて、後述する学習用データを生成する。学習処理部１１２は、学習用データ生成部１１１にて生成された学習用データを用いて学習処理を行い、学習済みモデルを生成する。災害予測部１１３は、学習処理部１１２にて生成された学習済みモデルを用いて、災害予測を行う。
［学習処理］
本実施形態では、過去の土砂災害の発生地域の地表面形状および降水量の履歴情報を入力データとし、危険度を出力するための学習済みモデルを生成する。本実施形態に係る学習方法は、ニューラルネットワークによる教師あり学習を用いるものとして説明するが、これ以外の手法が用いられてよい。
本実施形態では、過去の土砂災害の発生地域の地表面形状および降水量の履歴情報を入力データとし、危険度を出力するための学習済みモデルを生成する。本実施形態に係る学習方法は、ニューラルネットワークによる教師あり学習を用いるものとして説明するが、これ以外の手法が用いられてよい。
図８は、本実施形態に係る学習処理の概念を説明するための図である。本実施形態にて用いる学習用データは、入力データと教師データとの対から構成される。入力データは、例えば、対象地域の土地の傾斜角度、土地表面の種類、ロート状の土地面積、降水量、積算降水量、および降水予測量を含む。土地表面の種類は、土地表面の構成材質（樹木、石、砂など）を示す。降水量は、所定期間（時間、日など）における過去の降水量を示す。積算降水量は、所定期間における降水量の総和を示す。降水予測量は、所定の時点における将来の降水予測量を示す。なお、入力データは上記に限定するものではなく、他の情報が含まれてもよい。また、教師データは、災害発生の危険度を示すレベルである。この危険度のレベルは、過去に発生した災害の規模により規定されてよい。
学習モデルに入力データを入力すると、危険度のレベル１〜レベル４のいずれに分類されるかの確率を示す出力データが出力される。そして、損失関数を用いて、出力データと、教師データとの比較が行われ、学習モデルにおける重みが調整されることで、学習モデルのパラメータが更新される。この処理を繰り返すことで学習済みモデルが生成される。つまり、本実施形態において、学習済みモデルは、分類器としての動作を行うこととなる。なお、学習処理は、学習用データが追加されるごとに繰り返されてよく、その学習結果により学習済みモデルが更新されてよい。
［処理フロー］
以下、本実施形態に係る災害予測サーバ１の処理フローについて説明する。以下に示す処理は、例えば、災害予測サーバ１が備えるＣＰＵ（不図示）が記憶装置に記憶されたプログラムを読み出して実行することにより実現される。なお、以下の処理は、所定間隔ごとに開始されてもよい。また、各検出手段は測定対象の地域周辺に設置され、測定データを災害予測サーバ１に提供可能な状況とする。また、上述した学習処理が行われ、学習済みモデルがすでに生成されているものとする。
以下、本実施形態に係る災害予測サーバ１の処理フローについて説明する。以下に示す処理は、例えば、災害予測サーバ１が備えるＣＰＵ（不図示）が記憶装置に記憶されたプログラムを読み出して実行することにより実現される。なお、以下の処理は、所定間隔ごとに開始されてもよい。また、各検出手段は測定対象の地域周辺に設置され、測定データを災害予測サーバ１に提供可能な状況とする。また、上述した学習処理が行われ、学習済みモデルがすでに生成されているものとする。
Ｓ９０１にて、災害予測サーバ１は、設置されている各検出手段から測定データを取得する。
Ｓ９０２にて、災害予測サーバ１は、対象地域における気象情報を気象情報提供サーバ２から取得する。ここで取得する気象情報は、対象地域における過去の降水量およびこれからの降水予測量を含む。
Ｓ９０３にて、災害予測サーバ１は、Ｓ９０１にて取得した測定データ、および、Ｓ９０２にて取得した気象情報を用いて、学習済みモデルに入力される入力データを生成する。入力データに含まれる情報は、例えば、図８に示した項目が含まれるものとする。
Ｓ９０４にて、災害予測サーバ１は、Ｓ９０３にて生成した入力データを学習済みモデルに入力することで、対象地域の災害の危険度の予測を行う。より具体的には、入力データを学習済みモデルに適用することで、出力データとして、対象地域が、危険度として設定されている複数のレベルのいずれに該当するかが出力される。
Ｓ９０５にて、災害予測サーバ１は、Ｓ９０４における予測結果に基づいて、対象地域の３次元モデルの表示を制御する。ここでの表示は、３次元モデルに対して危険度に応じた表示を重畳表示して、表示装置７に表示データとして提供することで行われる。
Ｓ９０６にて、災害予測サーバ１は、Ｓ９０７における予測結果に基づいて警報を行う。ここでの警報は、表示装置７における表示の際に点滅や避難警報を行うような構成であってもよい。もしくは、表示装置７の周辺に設置されたスピーカーなどの警報装置（不図示）などを介して避難警報や危険と予測された地域の情報を報知するような構成であってもよい。そして、本処理フローを終了する。
［表示例］
図１０は、本実施形態に係る表示装置７にて表示される画面の構成例を示す図である。図１０において、領域１００１は、危険度がレベル３として予測された範囲を示す。領域１００２は、危険度がレベル２として予測された範囲を示す。図１０において領域１００１、および領域１００２以外の領域は、レベル１として予測された範囲を示す。図１０に示すように、危険度のレベルに応じて、表示内容を切り替える。表示方法は、色を変えて表示したり、点滅させたりする方法であってもよい。
図１０は、本実施形態に係る表示装置７にて表示される画面の構成例を示す図である。図１０において、領域１００１は、危険度がレベル３として予測された範囲を示す。領域１００２は、危険度がレベル２として予測された範囲を示す。図１０において領域１００１、および領域１００２以外の領域は、レベル１として予測された範囲を示す。図１０に示すように、危険度のレベルに応じて、表示内容を切り替える。表示方法は、色を変えて表示したり、点滅させたりする方法であってもよい。
また、表示装置７にて、危険度のレベルに応じた避難経路を表示してよい。このときの経路は、危険度の高いエリアに近づかないよう経路を算出し、被害が及びにくい場所を目的地として設定してよい。経路を算出する際には、例えば地図情報を用いたナビゲーションシステム（不図示）と連携してもよい。さらに、表示装置７が携帯端末などである場合には、表示装置７に搭載されたナビゲーションアプリケーションなどと連動して、避難誘導を行うような構成であってもよい。なお、表示方法や報知方法は、本実施形態に係るシステムの利用者が任意に設定可能な構成であってもよい。
以上、本実施形態では、第１の実施形態の効果に加え、学習処理により得られた学習済みモデルを用いることで、予測時の処理を高速化することが可能となる。
また、本願発明において、上述した１以上の実施形態の機能を実現するためのプログラムやアプリケーションを、ネットワーク又は記憶媒体等を用いてシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサがプログラムを読出し実行する処理でも実現可能である。
また、１以上の機能を実現する回路（例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ））によって実現してもよい。さらには、機械学習においては、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）の他、ＧＰＵ（Ｇｒａｐｈｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などが用いられてよい。
１ 災害予測サーバ
２ 気象情報提供サーバ
３ カメラ
４ レーザスキャナ
５ レーダ距離測定装置
６ 地表面位置測定装置
７ 表示装置
８ ネットワーク
１０１ データ収集部
１０２ ３次元モデル生成部
１０３ 気象情報解析部
１０４ 通信制御部
１０５ 形状変化検出部
１０６ 履歴情報管理部
１０７ 危険範囲特定部
１０８ 表示制御部
２ 気象情報提供サーバ
３ カメラ
４ レーザスキャナ
５ レーダ距離測定装置
６ 地表面位置測定装置
７ 表示装置
８ ネットワーク
１０１ データ収集部
１０２ ３次元モデル生成部
１０３ 気象情報解析部
１０４ 通信制御部
１０５ 形状変化検出部
１０６ 履歴情報管理部
１０７ 危険範囲特定部
１０８ 表示制御部
Claims (7)
- 対象地域における地物の状態の変化を検出する第１の検出手段と、
前記第１の検出手段とは異なる検出原理により前記地物の状態の変化を検出する第２の検出手段と、
降水量および地表面形状を入力データとし、土砂災害の発生の危険度を出力データとして機械学習を行うことで生成される学習済みモデルを用いて、前記対象地域における前記第１の検出手段および前記第２の検出手段それぞれの検出結果に基づく前記対象地域における土砂災害の発生の危険度を予測する予測手段と、
前記対象地域と前記地物の状態の変化と前記土砂災害の発生の危険度とを表示する表示手段と
を有することを特徴とする災害予測システム。 - 前記第１の検出手段と前記第２の検出手段との組み合わせは、
画像データを取得するカメラ、点群データを導出するレーザスキャナ、位置データを検出するＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）装置、および距離データを測定するレーダ距離測定装置、のうちの少なくとも２つの組み合わせから構成されることを特徴とする請求項１に記載の災害予測システム。 - 前記第１の検出手段と前記第２の検出手段により得られた情報を用いて、３次元地表面形状をモデル化するモデル化手段を更に有し、
前記表示手段は、前記予測手段にて予測した土砂災害の発生の危険度を、前記モデル化手段にてモデル化した３次元地表面形状に可視化して表示することを特徴とする請求項１または２に記載の災害予測システム。 - 前記表示手段は、前記予測手段にて予測した土砂災害の発生の危険度を、前記モデル化手段にてモデル化した３次元地表面形状に可視化して表示することを特徴とする請求項３に記載の災害予測システム。
- 前記表示手段は、前記モデル化手段にてモデル化した３次元地表面形状を、仮想空間にて構築して出力、または、実空間に投影して表示させることを特徴とする請求項３または４に記載の災害予測システム。
- 前記予測手段にて予測した危険度に応じて、前記対象地域における避難行動に関する報知を行う報知手段を更に有することを特徴とする請求項１乃至５のいずれか一項に記載の災害予測システム。
- 第１の検出手段にて検出した対象地域における地物の状態の変化を取得する工程と、
前記第１の検出手段とは異なる検出原理の第２の検出手段にて検出した前記地物の状態の変化を取得する工程と、
降水量および地表面形状を入力データとし、土砂災害の発生の危険度を出力データとして機械学習を行うことで生成される学習済みモデルを用いて、前記対象地域における前記第１の検出手段および前記第２の検出手段それぞれの検出結果に基づく前記対象地域における土砂災害の発生の危険度を予測する工程と、
前記対象地域と前記地物の状態の変化と前記土砂災害の発生の危険度とを表示する表示工程と
を有することを特徴とする災害予測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020074217A JP6806396B1 (ja) | 2020-04-17 | 2020-04-17 | 災害予測システム、および災害予測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020074217A JP6806396B1 (ja) | 2020-04-17 | 2020-04-17 | 災害予測システム、および災害予測方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6806396B1 true JP6806396B1 (ja) | 2021-01-06 |
| JP2021174013A JP2021174013A (ja) | 2021-11-01 |
Family
ID=73992792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020074217A Active JP6806396B1 (ja) | 2020-04-17 | 2020-04-17 | 災害予測システム、および災害予測方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6806396B1 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114511301A (zh) * | 2022-02-28 | 2022-05-17 | 华侨大学 | 一种工地台风预警期安全隐患快速识别方法及系统 |
| WO2023047441A1 (ja) * | 2021-09-21 | 2023-03-30 | 日本電気株式会社 | 情報提供装置、情報提供方法、記録媒体、および観測システム |
| CN118656997A (zh) * | 2024-08-20 | 2024-09-17 | 铁科院(深圳)检测工程有限公司 | 基于3DWebGIS的边坡地质灾害监测信息系统 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023195207A1 (ja) * | 2022-04-07 | 2023-10-12 | 三菱電機株式会社 | 気象予測システムおよび気象病予測システム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002269656A (ja) * | 2001-03-12 | 2002-09-20 | Foundation Of River & Basin Integrated Communications Japan | 河川情報提供システム |
| JP3742346B2 (ja) * | 2002-01-17 | 2006-02-01 | 国際航業株式会社 | 防災情報配信サーバ及びこのサーバとともに用いられる防災配信システム |
| CN1996054B (zh) * | 2006-11-23 | 2010-12-08 | 浙江工业大学 | 基于全方位视觉的泥石流预警预报装置 |
| JP5804034B2 (ja) * | 2013-12-03 | 2015-11-04 | 有限会社 ジオテック | 地域内の崩壊危険報知サービス情報提供装置およびその提供方法、および装置運用のコンピュータに用いられる媒体 |
| CN106844761A (zh) * | 2017-02-21 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 公路地质灾害多源信息监测预警装置 |
-
2020
- 2020-04-17 JP JP2020074217A patent/JP6806396B1/ja active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023047441A1 (ja) * | 2021-09-21 | 2023-03-30 | 日本電気株式会社 | 情報提供装置、情報提供方法、記録媒体、および観測システム |
| CN114511301A (zh) * | 2022-02-28 | 2022-05-17 | 华侨大学 | 一种工地台风预警期安全隐患快速识别方法及系统 |
| CN118656997A (zh) * | 2024-08-20 | 2024-09-17 | 铁科院(深圳)检测工程有限公司 | 基于3DWebGIS的边坡地质灾害监测信息系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021174013A (ja) | 2021-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6806396B1 (ja) | 災害予測システム、および災害予測方法 | |
| US12020476B2 (en) | Data synthesis for autonomous control systems | |
| US11455565B2 (en) | Augmenting real sensor recordings with simulated sensor data | |
| US11487988B2 (en) | Augmenting real sensor recordings with simulated sensor data | |
| CN107015559B (zh) | 使用散列加权积分和求和的目标跟踪的概率推理 | |
| US20190219700A1 (en) | Iterative closest point process based on lidar with integrated motion estimation for high definition maps | |
| EP4078535A1 (en) | Methods and systems for constructing map data using poisson surface reconstruction | |
| WO2018125938A1 (en) | Enrichment of point cloud data for high-definition maps for autonomous vehicles | |
| US11668577B1 (en) | Methods and systems for response vehicle deployment | |
| CA2870677A1 (en) | Point cloud visualization of acceptable helicopter landing zones based on 4d lidar | |
| EP2946368B1 (en) | A method and arrangement for providing a 3d model | |
| CN111339826B (zh) | 一种滑坡无人机线性传感器网络框架检测系统 | |
| US11055894B1 (en) | Conversion of object-related traffic sensor information at roadways and intersections for virtual dynamic digital representation of objects | |
| US11961272B2 (en) | Long range localization with surfel maps | |
| US20230334849A1 (en) | Method and system for virtual area visualization | |
| CN113723403A (zh) | 一种滑坡监测方法、装置、电子设备及存储介质 | |
| US7945071B2 (en) | Automatically generating precipitation proximity notifications | |
| JP2019028807A (ja) | モバイルプラットフォーム、情報出力方法、プログラム、及び記録媒体 | |
| Hooda | IoT and remote sensing | |
| JP7241906B2 (ja) | データ処理装置およびデータ処理方法 | |
| Shan et al. | Feasibility of Accurate Point Cloud Model Reconstruction for Earthquake‐Damaged Structures Using UAV‐Based Photogrammetry | |
| CN111491154A (zh) | 基于一个或多个单视场帧的检测和测距 | |
| CN115565092A (zh) | 一种获取目标对象的地理位置信息的方法与设备 | |
| CN110617800A (zh) | 基于民航客机的应急遥感监测方法、系统及存储介质 | |
| Monfort et al. | Assimilation of airborne imagery with a wave model for bathymetric estimation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200417 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200527 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200616 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200804 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200828 |
|
| 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: 20201104 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201127 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6806396 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |