JP7232543B2 - 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム - Google Patents
雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム Download PDFInfo
- Publication number
- JP7232543B2 JP7232543B2 JP2021150134A JP2021150134A JP7232543B2 JP 7232543 B2 JP7232543 B2 JP 7232543B2 JP 2021150134 A JP2021150134 A JP 2021150134A JP 2021150134 A JP2021150134 A JP 2021150134A JP 7232543 B2 JP7232543 B2 JP 7232543B2
- Authority
- JP
- Japan
- Prior art keywords
- lightning
- parameters
- parameter
- aircraft
- threat information
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
- G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/16—Measuring atmospheric potential differences, e.g. due to electrical charges in clouds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0004—Transmission of traffic-related information to or from an aircraft
- G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0065—Navigation or guidance aids for a single aircraft for taking-off
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0091—Surveillance aids for monitoring atmospheric conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/02—Automatic approach or landing aids, i.e. systems in which flight data of incoming planes are processed to provide landing data
- G08G5/025—Navigation or guidance aids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W2001/006—Main server receiving weather information from several sub-stations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
この機能は、航空機搭載レーダの観測値であるエコー強度のみから脅威検知を行うものであるが、そもそも雷(自然雷)発生とエコー強度の相関は低いことが知られており、航空機避雷に対する効果は少ないと予想される。この機能は国内の運航会社が一部導入しているが、実運用に移る前の検証段階である(特許文献1参照)。
雷に関連する複数種類の気象観測データを使用することで、総合的には雷発生に相関が高い情報を得ているものと考えられるが、システムとして雷気象状態を識別する機能を持たず、習熟した作業員による識別が必要である。
本発明では、観測パラメータ、予測パラメータ及び事例データに加えて、雷の発生に関連する物理量についてのパラメータであって観測データ又は予測データから直接得られない中間パラメータを用いて雷の脅威を推定しているので、雷の脅威に関する精度の良い情報をユーザに提供することができる。
本発明の一形態に係る雷脅威情報の提供装置は、前記雷リスク推定部におけるリスク推定の計算手順及び判断基準が、機械学習によって決定され、且つ、更新されるように構成してもよい。
これにより、雷の脅威に関するより精度の良い情報をユーザに提供することができる。
この実施形態は、本発明に係る雷脅威情報の提供装置を、空港周辺をカバーする地上設置型のシステムに適用した例である。なお、本発明は実施形態に限定して解釈されないことは勿論である
図1は、本発明の一実施形態に係る雷脅威情報の提供装置の構成を示すブロック図である。
雷脅威情報の提供装置1は、入力部10と、演算制御部20と、データベース30と、表示部40と、外部出力部50とを有する。
三軸風向風速は、気象レーダで計測される視線方向速度と気象モデルが出力する風向風速を、統合処理することによる高精度の風向風速である。気象レーダ、気象モデル、どちらも単体で風向風速を計算できるが、どちらも精度が不十分あるのに対して、三軸風向風速は精度が高い。三軸風向風速のうち特に上昇流速度が雷との関連が深い。
乱流スペクトル強度は、電荷の拡がりと関連が深いと考えられ、上記三軸風向風速から計算可能な値である。
エコー強度の短期予測結果は、エコー強度の時空間分布から算出される。
・観測パラメータ11
時間
航空機位置
航空機計測気温
レーダエコー関連パラメータ
・中間パラメータ27
風向風速関連パラメータ
・予測パラメータ12
水蒸気量関連パラメータ
・事例データ13
被雷有無
被雷損傷程度
運航への影響度
外部出力部50は、雷気象状態の識別結果や雷リスクの推定結果を地図上に表示することができるデータを外部に出力する。例えば、当該装置は、外部出力部50の出力を、送信機(図示を省略)介して空港に着陸しようとする航空機に送信し、航空機のコックピット内の表示部(図示を省略)に表示させるようにしてもよい。これにより、航空機を操縦するパイロットは、その表示に基づいて被雷のリスクを自ら判断し、その空港に着陸するか否かを決めることができる
図2は、雷気象状態の識別技術を説明するための図である。
雷気象状態の指標の計算手順及び基準算出部22による雷気象状態識別指標の計算手順及び判断基準の算出は、例えば概念的には以下のとおり行われる。
図3は、雷リスク(運航リスク)の推定技術を説明するための図である。
雷リスクの指標の計算手順及び基準算出部23による雷リスク指標の計算手順及び判断基準の算出は、例えば概念的には以下のとおり行われる。
f(x1,x2,・・・,xn)は例えば、y=a1x1+a2x2+…+anxnのような線形関数である。データベース30で関連付けられ、事例ごとに存在する(y, x1, x2, …,xn)のセットから、(a1, a2, …,an)を決定する。この場合、一般的には、(y, x1, x2, …,xn)のセットはn個以上必要で、最小二乗法等で(a1, a2, …,an)を決定することができる。
例えば、機械学習部26は、ニューラルネットワークにより構成することができる。ニューラルネットワークは、例えば上記の線形関数を複数層組み合わせて構成される。例えば、文献「C.M.Bishop著 Pattern Recognition and Machine Learning,Springer, 2006.」に詳しく記載されている。本発明は、上記の層の数を多く設定することで、深層学習を行ってもよい。
図4は上記指標の計算手順及び基準の決定のフローを説明するためのブロック図である
(1)航空機被雷に関するデータベース30の作成・保持
演算制御部20は、入力部10を介して気象センサ群110より観測パラメータ11を取得する(S1)。
演算制御部20は、入力部10を介して気象モデル120より予測パラメータ12を取得する(S2)。
演算制御部20は、観測パラメータ11及び予測パラメータ12より中間パラメータ27を算出する(S3)。
演算制御部20は、事例データ13を取得する(S4)。
演算制御部20は、これらのパラメータ11、12、27と事例データ13とを関連付けて航空機被雷に関するデータベース30に蓄積する(S5)。
(2)雷気象状態指標の計算手順及び判断基準の決定
演算制御部20は、上記入力データと事例データ(被雷有無)との関係性から、雷気象状態識別指標の計算手順及び判断基準を、計算機等によって自動で学習する(S6)。
(3)雷リスク指標の計算手順及び判断基準の決定
演算制御部20は、上記入力データと事例データ(被雷有無や被雷による運航への影響など)との関係性から、雷リスク指標の計算手順及び判断基準を、計算機等によって自動で学習する(S7)。
(4)機械学習
演算制御部20は、新たに収集した事例データ13を追加して、S1~S7を実施し、精度を高める。
図5は雷脅威情報の提供装置1の運用時のフローを説明するためのブロック図である。
(1)観測パラメータの取得
演算制御部20は、入力部10を介して気象センサ群110より上記観測パラメータ11をリアルタイムで取得する(S8)。
(2)予測パラメータの取得
演算制御部20は、入力部10を介して気象モデル120より上記予測パラメータ12を取得する(S9)。
(3)中間パラメータ算出
演算制御部20は、上記観測パラメータ11及び予測パラメータ12より中間パラメータ27をリアルタイムで算出する(S10)。
(4)雷気象状態識別
演算制御部20は、リアルタイムで取得した上記3種のパラメータ11、12、27を入力とし、S6で決定した計算手順及び判断基準に従って、雷気象状態識別を行う(S11)。
(5)雷リスク推定
演算制御部20は、リアルタイムで取得した上記3種のパラメータ11、12、27を入力とし、S7で決定した計算手順及び判断基準に従って、雷リスク推定を行う(S12)。
(6)表示
演算制御部20は、表示部40としての付属のディスプレイや外部出力部50を介して外部ディスプレイ130に、雷気象状態識別もしくは雷リスク推定結果を地図上に表示する(S13)。
本発明は上記の実施形態に限定されず様々変形や応用が可能である。
例えば、無人機運航に本発明を適用することができる。無人機運航については、現在はルールがないが、無人機が多く飛行するようになれば、より安全な運航が求められる。そのような運航に本発明を適用することで安全性を高めることができる。
また、本発明は自然雷にも適用可能である。特に雷による停電によって経済的デメリットが大きい工場や、危険な物質や薬品などが漏れる危険性がある工場などの操業停止判断について本発明を適用することで経済性及び安全性の向上を図ることができる。
(1)気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力し、
前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出し、
前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定し、
前記推定した雷の脅威に関する情報を表示する
雷脅威情報の提供方法。
(2)上記(1)の雷脅威情報の提供方法であって、
前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別する
雷脅威情報の提供方法。
(3)上記(1)又は(2)に記載の雷脅威情報の提供方法であって、
前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うQCD(品質・コスト・期限)に関する損失を含む雷リスクを推定する
雷脅威情報の提供方法。
(4)上記(1)、(2)又は(3)に記載の雷脅威情報の提供方法であって、
データベースに前記観測パラメータ、前記予測パラメータ、前記中間パラメータ及び前記事例データを関連付けて蓄積し、
前記リアルタイム又は準リアルタイムに取得した前記観測パラメータ及び前記予測パラメータを入力し、
前記リアルタイム又は準リアルタイムに取得した観測パラメータ及び予測パラメータに基づき、前記中間パラメータを算出し、
前記データベースに蓄積された観測パラメータ、予測パラメータ、中間パラメータ及び事例データに基づき、前記リアルタイム又は準リアルタイムに取得した観測パラメータ、予測パラメータ及び前記中間パラメータに対応する雷の脅威を推定する
雷脅威情報の提供方法。
(5)上記(2)に記載の雷脅威情報の提供方法であって、
前記状態識別の計算手順及び判断基準を、機械学習によって決定し、且つ、更新する
雷脅威情報の提供方法。
(6)上記(3)に記載の雷脅威情報の提供方法であって、
前記リスク推定の計算手順及び判断基準を、機械学習によって決定し、且つ、更新する
雷脅威情報の提供方法。
(7)気象の観測データについての観測パラメータ、気象の予測データについての予測パラメータ及び雷の発生に関連して発生した事例についての事例データを入力し、
前記入力された観測パラメータ及び予測パラメータに基づき、雷の発生に関連する物理量についてのパラメータであって前記観測データ又は前記予測データから直接得られない中間パラメータを算出し、
前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、雷の脅威を推定し、
前記推定した雷の脅威に関する情報を表示部に表示する
ステップをコンピュータに実行させるプログラム。
(8)上記(7)に記載のプログラムであって、
前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、所定の分解能で雷気象状態を識別する
ステップをコンピュータに実行させるプログラム。
(9)上記(7)又は(8)に記載のプログラムであって、
前記雷の脅威を推定するステップは、前記観測パラメータ、前記予測パラメータ、前記事例データ及び前記中間パラメータに基づき、被雷に伴うQCD(品質・コスト・期限)に関する損失を含む雷リスクを推定する
ステップをコンピュータに実行させるプログラム。
(10)上記(7)、(8)又は(9)に記載のプログラムであって、
データベースに前記観測パラメータ、前記予測パラメータ、前記中間パラメータ及び前記事例データを関連付けて蓄積し、
前記リアルタイム又は準リアルタイムに取得した前記観測パラメータ及び前記予測パラメータを入力し、
前記リアルタイム又は準リアルタイムに取得した観測パラメータ及び予測パラメータに基づき、前記中間パラメータを算出し、
前記データベースに蓄積された観測パラメータ、予測パラメータ、中間パラメータ及び事例データに基づき、前記リアルタイム又は準リアルタイムに取得した観測パラメータ、予測パラメータ及び前記中間パラメータに対応する雷の脅威を推定する
ステップをコンピュータに実行させるプログラム。
(11)上記(8)に記載のプログラムであって、
前記状態識別の計算手順及び判断基準を、機械学習によって決定し、且つ、更新する
ステップをコンピュータに実行させるプログラム。
(12)上記(9)に記載のプログラムであって、
前記リスク推定の計算手順及び判断基準を、機械学習によって決定し、且つ、更新する
ステップをコンピュータに実行させるプログラム。
10 入力部
11 観測パラメータ
12 予測パラメータ
13 事例データ
20 演算制御部
21 中間パラメータ算出部
24 雷気象状態識別部
25 雷リスク推定部
26 機械学習部
27 中間パラメータ
30 データベース
40 表示部
Claims (13)
- 気象の観測データについての観測パラメータ及び気象の予測データについての予測パラメータを入力する入力部と、
前記入力された観測パラメータ及び予測パラメータに基づき算出されるパラメータであって、雷の発生に関連する物理量についてのパラメータである中間パラメータを算出する中間パラメータ算出部と、
蓄積された過去の前記観測パラメータ、前記予測パラメータ及び前記中間パラメータのうち1つのパラメータ値と残りのパラメータのうち1つのパラメータ値との関係を少なくとも示す多次元の各データに対して、雷の発生に関連して発生した事例についての事例データから被雷有無を関連付けて、前記多次元の領域を被雷なしの領域と被雷ありの領域とを区分する雷気象状態識別指標の判断基準に基づき、前記入力部より入力したリアルタイム又は準リアルタイムに取得した前記観測パラメータ、前記予測パラメータ及び前記中間パラメータに対応する雷気象状態を離着陸フェーズにおける航空機の経路選択に資する分解能で識別する雷気象状態識別部と
を具備し、
前記離着陸フェーズにおける航空機に対して前記離着陸フェーズにおける航空機の経路選択に資する分解能の雷気象状態の情報を提供する
雷脅威情報の提供装置。 - 請求項1に記載の雷脅威情報の提供装置であって、
離着陸フェーズにおける航空機が仮に離着陸した場合に、被雷する確率及び被雷した場合の運航に対する影響度から雷リスクを推定する雷リスク推定部を更に具備し、
前記離着陸フェーズにおける航空機に対して前記推定された雷リスクの情報を提供する
雷脅威情報の提供装置。 - 請求項1に記載の雷脅威情報の提供装置であって、
過去の前記観測パラメータ、前記予測パラメータ、前記中間パラメータ及び前記事例データを関連付けて蓄積するデータベースと、
前記データベースに蓄積された過去の前記観測パラメータ、前記予測パラメータ及び前記中間パラメータと前記事例データとの関係性から雷気象状態識別指標の計算手順及び判断基準を算出する雷気象状態の指標の計算手順及び基準算出部と
を更に具備する雷脅威情報の提供装置。 - 請求項2に記載の雷脅威情報の提供装置であって、
前記雷リスク推定部は、蓄積された過去の前記観測パラメータ、前記予測パラメータ及び前記中間パラメータと雷の発生に関連して発生した事例についての事例データとの関係性から算出された雷リスク指標の計算手順及び判断基準に基づき、前記入力部より入力したリアルタイム又は準リアルタイムに取得した前記観測パラメータ、前記予測パラメータ及び前記中間パラメータに対応する雷リスクを推定する
雷脅威情報の提供装置。 - 請求項4に記載の雷脅威情報の提供装置であって、
過去の前記観測パラメータ、前記予測パラメータ、前記中間パラメータ及び前記事例データを関連付けて蓄積するデータベースと、
前記データベースに蓄積された過去の前記観測パラメータ、前記予測パラメータ及び前記中間パラメータと前記事例データとの関係性から雷リスク指標の計算手順及び判断基準を算出する雷リスクの指標の計算手順及び基準算出部と
を更に具備する雷脅威情報の提供装置。 - 請求項3に記載の雷脅威情報の提供装置であって、
前記雷気象状態識別部における雷気象状態識別の計算手順及び判断基準は、機械学習によって決定され、且つ、更新される
雷脅威情報の提供装置。 - 請求項5に記載の雷脅威情報の提供装置であって、
前記雷リスク推定部における雷リスク指標の計算手順及び判断基準は、機械学習によって決定され、且つ、更新される
雷脅威情報の提供装置。 - 気象の観測データについての観測パラメータ及び気象の予測データを入力し、
前記入力された観測パラメータ及び予測パラメータに基づき算出されるパラメータであって、雷の発生に関連する物理量についてのパラメータである中間パラメータを算出し、
蓄積された過去の前記観測パラメータ、前記予測パラメータ及び前記中間パラメータのうち1つのパラメータ値と残りのパラメータのうち1つのパラメータ値との関係を少なくとも示す多次元の各データに対して、雷の発生に関連して発生した事例についての事例データから被雷有無を関連付けて、前記多次元の領域を被雷なしの領域と被雷ありの領域とを区分する雷気象状態識別指標の判断基準に基づき、リアルタイム又は準リアルタイムに取得した前記観測パラメータ、前記予測パラメータ及び前記中間パラメータに対応する雷気象状態を離着陸フェーズにおける航空機の経路選択に資する分解能で識別し、
前記離着陸フェーズにおける航空機に対して前記離着陸フェーズにおける航空機の経路選択に資する分解能の雷気象状態の情報を提供する
雷脅威情報の提供方法。 - 請求項8に記載の雷脅威情報の提供方法であって、
離着陸フェーズにおける航空機が仮に離着陸した場合に、被雷する確率及び被雷した場合の運航に対する影響度から雷リスクを推定し、
前記離着陸フェーズにおける航空機に対して前記推定された雷リスクの情報を提供する
雷脅威情報の提供方法。 - 気象の観測データについての観測パラメータ及び気象の予測データを入力し、
前記入力された観測パラメータ及び予測パラメータに基づき算出されるパラメータであって、雷の発生に関連する物理量についてのパラメータである中間パラメータを算出し、
蓄積された過去の前記観測パラメータ、前記予測パラメータ及び前記中間パラメータのうち1つのパラメータ値と残りのパラメータのうち1つのパラメータ値との関係を少なくとも示す多次元の各データに対して、雷の発生に関連して発生した事例についての事例データから被雷有無を関連付けて、前記多次元の領域を被雷なしの領域と被雷ありの領域とを区分する雷気象状態識別指標の判断基準に基づき、リアルタイム又は準リアルタイムに取得した前記観測パラメータ、前記予測パラメータ及び前記中間パラメータに対応する雷気象状態を離着陸フェーズにおける航空機の経路選択に資する分解能で識別し、
前記離着陸フェーズにおける航空機に対して前記離着陸フェーズにおける航空機の経路選択に資する分解能の雷気象状態の情報を提供する
ステップをコンピュータに実行させるプログラム。 - 請求項10に記載のプログラムであって、
離着陸フェーズにおける航空機が仮に離着陸した場合に、被雷する確率及び被雷した場合の運航に対する影響度から雷リスクを推定し、
前記離着陸フェーズにおける航空機に対して前記推定された雷リスクの情報を提供する
ステップをコンピュータに実行させるプログラム。 - 請求項1に記載の雷脅威情報の提供装置であって、
前記事例データにおける前記雷の発生に関連して発生した事例についての事例データは、少なくとも航空機被雷についての事例を含むものであり、
前記雷気象状態識別部は、航空機への雷気象状態を識別するものである
雷脅威情報の提供装置。 - 請求項12に記載の雷脅威情報の提供装置であって、
前記航空機被雷は、無人航空機被雷を含み、
前記航空機は、無人航空機を含む
雷脅威情報の提供装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021150134A JP7232543B2 (ja) | 2017-09-06 | 2021-09-15 | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017170844A JP2019045403A (ja) | 2017-09-06 | 2017-09-06 | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム |
JP2021150134A JP7232543B2 (ja) | 2017-09-06 | 2021-09-15 | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017170844A Division JP2019045403A (ja) | 2017-09-06 | 2017-09-06 | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021185391A JP2021185391A (ja) | 2021-12-09 |
JP7232543B2 true JP7232543B2 (ja) | 2023-03-03 |
Family
ID=65633863
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017170844A Pending JP2019045403A (ja) | 2017-09-06 | 2017-09-06 | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム |
JP2021150134A Active JP7232543B2 (ja) | 2017-09-06 | 2021-09-15 | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017170844A Pending JP2019045403A (ja) | 2017-09-06 | 2017-09-06 | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11822049B2 (ja) |
JP (2) | JP2019045403A (ja) |
WO (1) | WO2019049601A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11727303B2 (en) * | 2019-08-22 | 2023-08-15 | Kyndryl, Inc. | Precipitation detection using mobile devices |
JP2021124468A (ja) * | 2020-02-07 | 2021-08-30 | 国立研究開発法人宇宙航空研究開発機構 | 情報処理装置、表示装置、情報処理方法、及びプログラム |
JP7361390B2 (ja) * | 2020-03-05 | 2023-10-16 | 株式会社トルビズオン | 情報処理装置、情報処理方法、情報処理プログラム |
CN114935788B (zh) * | 2022-07-21 | 2022-10-21 | 国网江苏省电力有限公司苏州供电分公司 | 变电站一次设备多点位雷电联合预警方法与系统 |
JP7326564B1 (ja) * | 2022-09-08 | 2023-08-15 | 三菱重工業株式会社 | 被雷予測地図作成装置、被雷予測地図共有システム、被雷予測地図作成方法、及び被雷予測地図作成プログラム |
CN116562418A (zh) * | 2023-03-20 | 2023-08-08 | 武汉大学 | 一种基于气溶胶信息和深度学习的实时预测闪电方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001183473A (ja) | 1999-12-27 | 2001-07-06 | Toshiba Corp | 落雷予測システム |
JP2002040162A (ja) | 2000-07-28 | 2002-02-06 | Chubu Electric Power Co Inc | 発雷予測システム |
JP2003270357A (ja) | 2002-03-13 | 2003-09-25 | Mitsubishi Electric Corp | 視程学習装置 |
JP2003344556A (ja) | 2002-05-27 | 2003-12-03 | Toshiba Corp | 気象観測・予測システムと気象レーダ情報解析装置、気象予測モデル装置 |
JP2004061416A (ja) | 2002-07-31 | 2004-02-26 | Kansai Electric Power Co Inc:The | 冬季雷発雷予測方法および予測装置 |
US7069258B1 (en) | 2002-09-26 | 2006-06-27 | Bothwell Phillip D | Weather prediction method for forecasting selected events |
JP2009031104A (ja) | 2007-07-26 | 2009-02-12 | Toshiba Corp | 雷予測装置及び雷予測方法 |
JP2009192311A (ja) | 2008-02-13 | 2009-08-27 | Nippon Telegr & Teleph Corp <Ntt> | 発雷予測装置およびその方法、プログラム |
JP2009192312A (ja) | 2008-02-13 | 2009-08-27 | Nippon Telegr & Teleph Corp <Ntt> | 発雷予測装置およびその方法、プログラム |
JP2010241412A (ja) | 2009-03-31 | 2010-10-28 | Honeywell Internatl Inc | 飛行中の航空機に接近する気象を評価するためのシステムおよび方法 |
US20120154971A1 (en) | 2010-12-21 | 2012-06-21 | Ild Technologies, Llc | Programmable Lightning Detector |
JP2013164651A (ja) | 2012-02-09 | 2013-08-22 | Chugoku Electric Power Co Inc:The | 送電用避雷装置故障予測装置、故障予測プログラムおよび故障予測方法 |
JP2013221787A (ja) | 2012-04-13 | 2013-10-28 | Japan Radio Co Ltd | 気象予測支援装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0627876B2 (ja) | 1990-04-27 | 1994-04-13 | 儀一郎 加藤 | 多機能型雷警報器 |
JP2519657B2 (ja) | 1993-08-04 | 1996-07-31 | 工業技術院長 | 雷電探知方法及び雷電探知装置 |
JP4118352B2 (ja) * | 1996-08-29 | 2008-07-16 | 名古屋電機工業株式会社 | 気象判別方法およびその装置 |
US6405134B1 (en) | 2000-08-30 | 2002-06-11 | Weatherdata, Inc. | Method and apparatus for predicting lightning threats based on radar and temperature data |
US9223020B1 (en) * | 2010-09-28 | 2015-12-29 | Rockwell Collins, Inc. | System and method for weather detection using more than one source of radar data |
US9134418B1 (en) | 2013-03-15 | 2015-09-15 | Rockwell Collins, Inc. | Weather hazard threat level computation and display |
WO2015112892A1 (en) * | 2014-01-24 | 2015-07-30 | Telvent Usa Llc | Utility resource asset management system |
US10459078B2 (en) * | 2016-09-13 | 2019-10-29 | Honeywell International Inc. | Reliability index for weather information |
US20180218303A1 (en) * | 2017-02-01 | 2018-08-02 | Weather Build, Inc. | Systems and methods for analyzing weather event impacts on schedule activities |
US11085957B2 (en) * | 2017-08-09 | 2021-08-10 | The Boeing Company | Lightning strike prediction system based on radio receiver static |
-
2017
- 2017-09-06 JP JP2017170844A patent/JP2019045403A/ja active Pending
-
2018
- 2018-08-09 WO PCT/JP2018/029852 patent/WO2019049601A1/ja active Application Filing
- 2018-08-09 US US16/642,323 patent/US11822049B2/en active Active
-
2021
- 2021-09-15 JP JP2021150134A patent/JP7232543B2/ja active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001183473A (ja) | 1999-12-27 | 2001-07-06 | Toshiba Corp | 落雷予測システム |
JP2002040162A (ja) | 2000-07-28 | 2002-02-06 | Chubu Electric Power Co Inc | 発雷予測システム |
JP2003270357A (ja) | 2002-03-13 | 2003-09-25 | Mitsubishi Electric Corp | 視程学習装置 |
JP2003344556A (ja) | 2002-05-27 | 2003-12-03 | Toshiba Corp | 気象観測・予測システムと気象レーダ情報解析装置、気象予測モデル装置 |
JP2004061416A (ja) | 2002-07-31 | 2004-02-26 | Kansai Electric Power Co Inc:The | 冬季雷発雷予測方法および予測装置 |
US7069258B1 (en) | 2002-09-26 | 2006-06-27 | Bothwell Phillip D | Weather prediction method for forecasting selected events |
JP2009031104A (ja) | 2007-07-26 | 2009-02-12 | Toshiba Corp | 雷予測装置及び雷予測方法 |
JP2009192311A (ja) | 2008-02-13 | 2009-08-27 | Nippon Telegr & Teleph Corp <Ntt> | 発雷予測装置およびその方法、プログラム |
JP2009192312A (ja) | 2008-02-13 | 2009-08-27 | Nippon Telegr & Teleph Corp <Ntt> | 発雷予測装置およびその方法、プログラム |
JP2010241412A (ja) | 2009-03-31 | 2010-10-28 | Honeywell Internatl Inc | 飛行中の航空機に接近する気象を評価するためのシステムおよび方法 |
US20120154971A1 (en) | 2010-12-21 | 2012-06-21 | Ild Technologies, Llc | Programmable Lightning Detector |
JP2013164651A (ja) | 2012-02-09 | 2013-08-22 | Chugoku Electric Power Co Inc:The | 送電用避雷装置故障予測装置、故障予測プログラムおよび故障予測方法 |
JP2013221787A (ja) | 2012-04-13 | 2013-10-28 | Japan Radio Co Ltd | 気象予測支援装置 |
Non-Patent Citations (4)
Title |
---|
佐藤 浩史 HIROSHI SATOU,環境および安心・安全に貢献するNTTの技術,NTT技術ジャーナル 第19巻 第12号,社団法人電気通信協会,2007年,第19巻,P.26-29 |
吹山 直樹 Naoki Fukiyama,気象因子を用いた発雷予測の検討 Lightning Forecast Method By Using Meteorogical Factors,電気学会論文誌B Vol.116-B No.4 The Transactions of The Institute of Electrical Engi,日本,社団法人電気学会,1996年,第116-B巻,p.461-468 |
気象庁予報部,配信資料に関する技術情報(気象編)第398号,[online] 配信資料に関する技術情報(気象編)第398号,2014年,[検索日:2022.01.19], インターネット<URL:http://www.data.jma.go.jp/suishin/jyouhou/pdf/398.pdf> からダウンロード可能 |
高田 吉治,技術連載その16 雷,風力エネルギー,2009年,Vol. 33, No. 1,p.71-78,[検索日:2022.07.15], <DOI:https://doi.org/10.11333/jwea.33.1_71>からダウンロード可能 |
Also Published As
Publication number | Publication date |
---|---|
US11822049B2 (en) | 2023-11-21 |
WO2019049601A1 (ja) | 2019-03-14 |
JP2021185391A (ja) | 2021-12-09 |
JP2019045403A (ja) | 2019-03-22 |
US20210072423A1 (en) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7232543B2 (ja) | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム | |
CN104615849B (zh) | 一种适用于通用航空的飞行计划评估系统及实现方法 | |
EP2837914B1 (en) | Display systems and methods for providing displays indicating a required time of arrival | |
CN104246637B (zh) | 分析飞行器记录的飞行数据以将其截取到飞行阶段的方法 | |
US9564055B2 (en) | Prediction and warning of transported turbulence in long-haul aircraft operations | |
US20220028287A1 (en) | System and method for aircraft flight control | |
JP6072446B2 (ja) | 航空機のパフォーマンスを算出する発見的方法 | |
JP5255857B2 (ja) | 乱気流予測システムおよび乱気流予測方法 | |
CN102812502A (zh) | 跑道状况监控 | |
JP6176717B2 (ja) | 航空機運航用情報生成装置、航空機運航用情報生成方法、及び航空機運航用情報生成プログラム | |
Rubnich et al. | An algorithm to identify robust convective weather avoidance polygons in en route airspace | |
CN109613530B (zh) | 一种低小慢空中目标多源信息融合的管控方法 | |
CN111066074B (zh) | 航空气象管制系统 | |
Wu et al. | Well clear trade study for unmanned aircraft system detect and avoid with non-cooperative aircraft | |
Kaikwong et al. | Aircraft wake fortex observations in Hong Kong | |
JP5150004B1 (ja) | 騒音観測装置及び騒音観測方法 | |
Li et al. | Operational anomaly detection in flight data using a multivariate gaussian mixture model | |
Reehorst et al. | Examination of icing induced loss of control and its mitigations | |
Gluck et al. | Too fast, too low, and too close: Improved real time safety assurance of the national airspace using long short term memory | |
Roychoudhury et al. | Predicting real-time safety of the national airspace system | |
Wantuch et al. | Statistical methods and weather based decision making in meteorological support for Unmanned Aerial Vehicles (UAVs) | |
WO2021157481A1 (ja) | 情報処理装置、表示装置、情報処理方法、及びプログラム | |
Mavris et al. | Investigation of a health monitoring methodology for future natural laminar flow transport aircraft | |
WO2024005180A1 (ja) | 被雷危険度導出装置および被雷危険度表示システム | |
Senvar et al. | An Overview to Unmanned Aerial Vehicles from Perspectives of Quality and Safety Management in Aviation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210915 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220720 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220921 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221221 |
|
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: 20230207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230213 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7232543 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |