JP7233391B2 - 河川はん濫および被害予測装置 - Google Patents
河川はん濫および被害予測装置 Download PDFInfo
- Publication number
- JP7233391B2 JP7233391B2 JP2020020324A JP2020020324A JP7233391B2 JP 7233391 B2 JP7233391 B2 JP 7233391B2 JP 2020020324 A JP2020020324 A JP 2020020324A JP 2020020324 A JP2020020324 A JP 2020020324A JP 7233391 B2 JP7233391 B2 JP 7233391B2
- Authority
- JP
- Japan
- Prior art keywords
- river
- damage
- water level
- flood
- time
- 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
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Description
すなわち、従来の河川水位監視は、重要地点に水位観測所を設置して、水位監視および予測を行っている。
図1は、実施の形態1による河川はん濫および被害予測装置の概略構成を示すブロック図である。
図1において、河川はん濫および被害予測装置1は、次のように構成されている。
3D(three-dimensional)点群データ生成部11は、航空測量データ、レーザー測量データなどの測量データ2より座標変換を行い、河川流域全体の3D点群データを作成し、3D点群データDB(database)12に登録する。
水位予測演算処理部13(水位予測処理部)は、水位・雨量データ3を入力し、水位予測演算により河川縦断の位置毎の水位と、この水位に達する時刻情報を演算する。ここで、水位・雨量データ3は、テレメータデータからの水位・雨量データおよび気象庁からの予測雨量データを含むものとする。
実施の形態1は、河川堤防の標高データを3D点群データより高精度に把握し、テレメータデータ等により収集された水位・雨量データ3、および水位予測演算処理部13の水位予測演算により、河川上流から下流までの縦断予測水位を予測演算する。
この予測結果を用いて、被害予測演算処理部14が、河川はん濫の発生する地点およびその発生時刻を予測し、さらに、ハザードマップDB4を用いて、はん濫発生地点から広がる被害範囲およびこの被害範囲に広がる時刻を予測するようにした。
まず、3D点群データ生成部11にて、測量データ2より座標変換を行い、河川流域全体の3D点群データを作成し、3D点群データDB12に登録する(ステップS01)。
さらに、被害予測演算処理部14にて、ハザードマップDB4、およびステップS03で予測された、はん濫発生地点およびはん濫発生時刻に基づき、はん濫発生地点から広がる被害範囲およびその被害範囲に広がる時刻を予測する(ステップS04)。
また、はん濫が発生した場合の被害範囲も合わせて予測することで、周辺住民への避難警報を、事前に発報可能とし、防災・減災に寄与することができる。
図3は、実施の形態2による河川はん濫および被害予測装置の概略構成を示すブロック図である。
図3において、符号1~4、11~14は図1におけるものと同一のものである。図3では、河川はん濫および被害予測装置1に、河川カメラ映像取得部15を設けている。河川カメラ映像取得部15は、カメラにより現在の河川の映像を取得する。
実施の形態1では、河川流域全体の3D点群データを作成し、河川縦断の位置毎の水位およびその水位に達する時刻を予測演算後に、3D点群データと予測水位により、はん濫発生地点およびはん濫発生時刻を予測し、さらにハザードマップDB4を用いて、はん濫発生地点から広がる被害範囲およびその被害範囲に広がる時刻を予測する場合について述べた。
実施の形態2は、図3に示すように、カメラにより現在の河川の映像を取得する河川カメラ映像取得部15を設け、この河川カメラ映像取得部15により取得されたカメラ映像における現在の水位状況を、被害予測に利用するようにした。
ステップS01~ステップS03の処理は、図2におけるものと同一の処理である。
被害予測演算処理部14にて、ハザードマップDB4を用いて、ステップS03で予測した、はん濫発生地点およびはん濫発生時刻に基づき、はん濫発生地点から広がる被害範囲およびその被害範囲に広がる時刻を予測する処理において、河川カメラ映像5における現在の河川の水位状況を利用して、予測するようにした(ステップS05)。
図5は、実施の形態3による河川はん濫および被害予測装置の概略構成を示すブロック図である。
図5において、符号1~4、11~15は図3におけるものと同一のものである。図5では、河川はん濫および被害予測装置1にカメラ映像記録部16を設けている。カメラ映像記録部16は、河川カメラ映像取得部15により取得された河川のカメラ映像を記録する。
実施の形態2では、河川カメラにより現在の河川の映像を取得し、このカメラ映像から現在の水位状況を加味して、被害範囲を予測するようにした。
実施の形態3は、図5に示すように、カメラ映像記録部16を設け、河川カメラ映像取得部15により取得されたカメラ映像を記録して、過去に発生した被害あるいは被害予測に関連して、その時の河川カメラ映像を画面で表示し、視覚的に過去の被害状況を分析、把握するようにした。
ステップS01~ステップS03の処理は、図2におけるものと同一の処理である。
被害予測演算処理部14にて、ハザードマップDB4を用いて、ステップS03で予測した、はん濫発生地点およびはん濫発生時刻に基づき、はん濫発生地点から広がる被害範囲およびその被害範囲に広がる時刻を予測する処理において、過去の記録カメラ映像6を画面に表示することで、視覚的に過去の被害状況を分析、把握するようにした(ステップS06)。
図7は、実施の形態4による河川はん濫および被害予測装置の概略構成を示すブロック図である。
図7において、符号1~4、11~16は図5におけるものと同一のものである。図7では、河川はん濫および被害予測装置1にドローン映像取得部17を設けている。ドローン映像取得部17により取得されたドローン映像を画面に表示して、被害予測演算処理部14による予測に利用し、かつカメラ映像記録部16に記録する。
実施の形態3では、カメラ映像記録部16を設け、取得したカメラ映像を記録することで、過去に発生した被害あるいは被害予測に関連して、その時の河川カメラ映像を画面で表示し、視覚的に過去の被害状況を分析、把握する場合について述べた。
実施の形態4は、図7に示すように、ドローンを使用して上空から河川の被害状況を撮影し、ハザードマップDB4を用いて、予測されたはん濫発生地点およびはん濫発生時刻から広がる被害範囲およびその被害範囲に広がる時刻を予測した結果に対して、上空からの立体的な映像を加味することができるようにした。
ステップS01~ステップS03の処理は、図2におけるものと同一の処理である。
被害予測演算処理部14にて、ハザードマップDB4を用いて、ステップS03で予測した、はん濫発生地点およびはん濫発生時刻に基づき、はん濫発生地点から広がる被害範囲およびその被害範囲に広がる時刻を予測する処理において、ドローン映像7における上空の立体的な映像を画面に表示するようにした(ステップS07)。
また、過去に発生した被害あるいは被害予測に関連して、その時の河川の上空からのカメラ映像を画面で表示することができ、視覚的に過去の被害状況を分析、把握できるようにした。
さらに、カメラ映像記録部16にて、カメラ映像を記録することで、過去に発生した被害あるいは被害予測に関連して、その時の河川の上空からのカメラ映像を画面に表示することができ、視覚的に過去の被害状況を分析、把握することできる。
図9は、実施の形態5による河川はん濫および被害予測装置の概略構成を示すブロック図である。
図9において、符号1~4、11~17は図7におけるものと同一のものである。図9では、河川はん濫および被害予測装置1に学習部18を設け、過去の映像からはん濫した河川の水位を学習させるようにした。学習部18は、AI(artificial intelligence)またはニューラルネットワークを用いている。
実施の形態4では、ドローンを使用して上空から河川の被害状況を撮影し、ハザードマップDB4を用いて、予測されたはん濫発生地点から広がる被害範囲およびその被害範囲に広がる時刻を予測した結果に関連して、上空からの立体的な映像を加味することで、予測精度を向上させる場合について述べた。
実施の形態5は、図9に示すように、取得した過去の映像から、はん濫した河川の水位を学習部18により学習させるようにした。
これにより、被害予測演算処理部14による被害予測の精度をさらに向上させることができるようになる。
ステップS01~ステップS03の処理は、図2におけるものと同一の処理である。
被害予測演算処理部14にて、ハザードマップDB4を用いて、ステップS03で予測した、はん濫発生地点およびはん濫発生時刻に基づき、はん濫発生地点から広がる被害範囲およびその被害範囲に広がる時刻を予測する処理において、過去の映像から、学習部18による、はん濫した河川の水位の学習結果8を利用するようにした(ステップS08)。
従って、例示されていない無数の変形例が、本願明細書に開示される技術の範囲内において想定される。例えば、少なくとも1つの構成要素を変形する場合、追加する場合または省略する場合、さらには、少なくとも1つの構成要素を抽出し、他の実施の形態の構成要素と組み合わせる場合が含まれるものとする。
4 ハザードマップDB、5 河川カメラ映像、6 記録カメラ映像、
7 ドローン映像、8 学習結果、11 3D点群データ生成部、
12 3D点群データDB、13 水位予測演算処理部、14 被害予測演算処理部、
15 河川カメラ映像取得部、16 カメラ映像記録部、17 ドローン映像取得部、
18 学習部、100 プロセッサ、101 記憶装置
Claims (4)
- 河川の堤防の標高データを含む上記河川流域の測量データを座標変換して、3D点群データを作成する3D点群データ生成部、
上記河川の水位データおよび上記河川周辺の雨量データに基づき、上記河川を縦断する位置毎の水位および当該水位に達する時刻を予測する水位予測処理部、
上記3D点群データおよび上記予測された上記河川を縦断する位置毎の水位および当該水位に達する時刻に基づき、はん濫発生地点および当該はん濫発生時刻を予測するとともに、別途作成されたハザードマップデータベースを参照して、上記予測された上記はん濫発生地点から広がる上記はん濫の被害範囲および当該被害範囲に広がる時刻を予測する被害予測処理部を備えたことを特徴とする河川はん濫および被害予測装置。 - ドローンにより上空から撮影された上記河川のドローン映像を取得するドローン映像取得部を備え、
上記被害予測処理部により予測された上記被害範囲に関連する上記ドローン映像を画面に表示することを特徴とする請求項1に記載の河川はん濫および被害予測装置。 - 上記ドローン映像取得部により取得されたドローン映像を記録するカメラ映像記録部を備え、
上記被害予測処理部により予測された上記被害範囲に関連する過去の上記ドローン映像を、画面に表示することを特徴とする請求項2に記載の河川はん濫および被害予測装置。 - 上記カメラ映像記録部に記録された過去のドローン映像に基づき、はん濫した河川の水位を学習する学習部を備え、
上記学習部による学習結果を上記被害予測処理部による上記被害範囲の予測に利用することを特徴とする請求項3に記載の河川はん濫および被害予測装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020020324A JP7233391B2 (ja) | 2020-02-10 | 2020-02-10 | 河川はん濫および被害予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020020324A JP7233391B2 (ja) | 2020-02-10 | 2020-02-10 | 河川はん濫および被害予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021125163A JP2021125163A (ja) | 2021-08-30 |
JP7233391B2 true JP7233391B2 (ja) | 2023-03-06 |
Family
ID=77459253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020020324A Active JP7233391B2 (ja) | 2020-02-10 | 2020-02-10 | 河川はん濫および被害予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7233391B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034543B (zh) * | 2022-04-14 | 2024-01-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种溃坝生命损失动态估算方法 |
WO2024074595A1 (en) * | 2022-10-05 | 2024-04-11 | Swiss Reinsurance Company Ltd. | Drone-based, airborne sensory system for flood elevation and flood occurrence probability measurements and return periods by proxy measurements and method thereof |
CN116625329B (zh) * | 2023-07-24 | 2023-10-20 | 新兴际华(北京)智能装备技术研究院有限公司 | 堰塞湖信息确定方法、系统、电子设备及存储介质 |
CN116976679B (zh) * | 2023-09-20 | 2023-12-29 | 航天宏图信息技术股份有限公司 | 堰塞湖溃坝预警方法、装置、电子设备及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001344285A (ja) | 2000-05-30 | 2001-12-14 | Matsushita Electric Ind Co Ltd | 被害情報収集管理装置 |
JP2004197554A (ja) | 2002-12-03 | 2004-07-15 | Foundation Of River & Basin Integrated Communications Japan | リアルタイム動的氾濫シミュレーションシステム |
JP2005128838A (ja) | 2003-10-24 | 2005-05-19 | Foundation Of River & Basin Integrated Communications Japan | 簡易型洪水氾濫解析システム |
JP2017091440A (ja) | 2015-11-17 | 2017-05-25 | ソニー株式会社 | 防災システム及び防災方法 |
JP2018179436A (ja) | 2017-04-17 | 2018-11-15 | 株式会社サタケ | 穀物処理設備及び穀物処理方法 |
US20180373993A1 (en) | 2017-06-23 | 2018-12-27 | University Of Alaska Fairbanks | Method Of Predicting Streamflow Data |
JP2019045191A (ja) | 2017-08-30 | 2019-03-22 | 三菱電機株式会社 | 水位計測装置および水際線抽出方法 |
WO2019131398A1 (ja) | 2017-12-28 | 2019-07-04 | 日本電気株式会社 | IoTデバイスの制御方法、プログラムが記録された記録媒体及びIoTネットワーク基盤システム |
JP2019159506A (ja) | 2018-03-09 | 2019-09-19 | 国立大学法人 東京大学 | 時系列予測装置、時系列予測方法及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6787481B2 (ja) * | 2017-03-31 | 2020-11-18 | 富士通株式会社 | 探索支援プログラム、探索支援方法および探索支援装置 |
-
2020
- 2020-02-10 JP JP2020020324A patent/JP7233391B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001344285A (ja) | 2000-05-30 | 2001-12-14 | Matsushita Electric Ind Co Ltd | 被害情報収集管理装置 |
JP2004197554A (ja) | 2002-12-03 | 2004-07-15 | Foundation Of River & Basin Integrated Communications Japan | リアルタイム動的氾濫シミュレーションシステム |
JP2005128838A (ja) | 2003-10-24 | 2005-05-19 | Foundation Of River & Basin Integrated Communications Japan | 簡易型洪水氾濫解析システム |
JP2017091440A (ja) | 2015-11-17 | 2017-05-25 | ソニー株式会社 | 防災システム及び防災方法 |
JP2018179436A (ja) | 2017-04-17 | 2018-11-15 | 株式会社サタケ | 穀物処理設備及び穀物処理方法 |
US20180373993A1 (en) | 2017-06-23 | 2018-12-27 | University Of Alaska Fairbanks | Method Of Predicting Streamflow Data |
JP2019045191A (ja) | 2017-08-30 | 2019-03-22 | 三菱電機株式会社 | 水位計測装置および水際線抽出方法 |
WO2019131398A1 (ja) | 2017-12-28 | 2019-07-04 | 日本電気株式会社 | IoTデバイスの制御方法、プログラムが記録された記録媒体及びIoTネットワーク基盤システム |
JP2019159506A (ja) | 2018-03-09 | 2019-09-19 | 国立大学法人 東京大学 | 時系列予測装置、時系列予測方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021125163A (ja) | 2021-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7233391B2 (ja) | 河川はん濫および被害予測装置 | |
Vacondio et al. | Simulation of the January 2014 flood on the Secchia River using a fast and high-resolution 2D parallel shallow-water numerical scheme | |
US20160133297A1 (en) | Dynamic Video Summarization | |
KR102203135B1 (ko) | 드론을 이용한 인공지능 기반 재난 피해정보 탐지 방법 및 시스템 | |
JP6908944B2 (ja) | 多重カメラまたはサラウンドビューモニタリングに利用されるために、ターゲット物体統合ネットワーク及びターゲット物体予測ネットワークを利用して、重要業績評価指標のようなユーザー要求事項に適用可能なcnn基盤の物体検出器を学習する方法及び学習装置、並びにこれを利用したテスティング方法及びテスティング装置 | |
US20070018977A1 (en) | Method and apparatus for generating a depth map | |
CN110598655B (zh) | 人工智能云计算多光谱烟雾高温火花火灾监控方法 | |
CN113298130B (zh) | 目标图像的检测、目标对象检测模型的生成方法 | |
Cheng et al. | A real-time flow forecasting with deep convolutional generative adversarial network: Application to flooding event in Denmark | |
JPWO2018181041A1 (ja) | 圃場管理装置、圃場管理方法、及びコンピュータ読み取り可能な記録媒体 | |
CN113297946B (zh) | 一种监控盲区识别方法和识别系统 | |
EP2476999A1 (en) | Method for measuring displacement, device for measuring displacement, and program for measuring displacement | |
US20240193946A1 (en) | Bird detection and species determination | |
Latif et al. | Compounding joint impact of rainfall, storm surge and river discharge on coastal flood risk: An approach based on 3D Fully Nested Archimedean Copulas | |
CN113808200B (zh) | 一种检测目标对象移动速度的方法、装置及电子设备 | |
JP4108593B2 (ja) | 浸水監視装置 | |
CN116910491B (zh) | 一种雷电监测预警系统、方法、电子设备及存储介质 | |
CN111640109B (zh) | 模型检测方法及系统 | |
JP4388044B2 (ja) | 管路被害予測システム及び管路被害予測方法 | |
JP7078295B2 (ja) | 変状検出装置、変状検出方法、及びプログラム | |
KR102039666B1 (ko) | 사고예방용 시설물 안전점검 시스템 및 방법 | |
KR20160120955A (ko) | 수변구조물 피해탐지를 위한 대용량 다차원 영상정보 가시화 모듈 개발 | |
Drews et al. | The utility of using Volunteered Geographic Information (VGI) for evaluating pluvial flood models | |
Makinano-Santillan et al. | Analyzing the Effects of Land Use/Cover Change (lulcc) Simulation on Flooding: a Case Study in Las Nieves, Agusan del Norte, Mindanao, Philippines | |
Usman et al. | Integration of spherical 360 panoramic virtual tour with assessment data for risk assessment and maintenance of tunnel and cavern |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211206 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221227 |
|
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: 20230124 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230221 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7233391 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |