JP7294529B2 - 分析装置、分析方法及びプログラム - Google Patents
分析装置、分析方法及びプログラム Download PDFInfo
- Publication number
- JP7294529B2 JP7294529B2 JP2022512966A JP2022512966A JP7294529B2 JP 7294529 B2 JP7294529 B2 JP 7294529B2 JP 2022512966 A JP2022512966 A JP 2022512966A JP 2022512966 A JP2022512966 A JP 2022512966A JP 7294529 B2 JP7294529 B2 JP 7294529B2
- Authority
- JP
- Japan
- Prior art keywords
- displacement
- unit
- information
- target
- facility
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
- G01C7/02—Tracing profiles of land surfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Description
<構成>
図1は、本開示の第1の参考例に係る分析装置10の構成の例を表すブロック図である。図1に示す例では、分析装置10は、第1受取部111と、第1抽出部112と、学習部113と、第2受取部121と、第2抽出部122と、判定部123と、出力部124と、モデル記憶部125と、地理空間情報記憶部131とを含む。なお、分析装置10は、互いに通信可能に接続されている2つ以上の装置の組み合わせとして実現されていてもよい。また、ユーザがデータの分析装置10への入力などを行う端末装置が、例えば通信ネットワークを介して分析装置10に通信可能に接続されていてもよい。分析装置10が、互いに通信可能に接続されている3つの装置の組み合わせとして実現されている例は、変形例として後述される。
第1受取部111は、地表面の高さの変位を表すデータを、学習用のデータとして受け取る。例えば、ユーザが、上述の端末装置を使用して、地表面の高さの変位を表すデータを、第1受取部111に入力してもよい。この場合、第1受取部111は、地表面の高さの変位を表すデータを、その端末装置から受け取る。
第1抽出部112は、第1受取部111から学習用変位データを受け取る。第1抽出部112は、例えば、学習用変位データから、その学習用変位データに含まれる変位データによって表される高さの推移が観測された地点の地点情報を抽出する。第1抽出部112は、抽出した地点情報によって位置が表される地点における、地理空間情報の値を、後述の地理空間情報記憶部131に格納されている地理空間情報から抽出する。
地理空間情報記憶部131は、地理空間情報を記憶する。地理空間情報は、指定された地点における地表面の状態を特定できる形で、地理空間情報記憶部131に格納されている。
学習部113は、第1抽出部112から、学習用変位データと、その学習用変位データが経年変位を表す領域の、抽出された地理空間情報の値と、を受け取る。
(参考文献)” Fully-Automatic Bayesian Piecewise Sparse Linear Models”, Riki Eto, Ryohei Fujimaki, Satoshi Morinaga, Hiroshi Tamano, Proceedings of the Seventeenth International Conference on Artificial Intelligence and Statistics, PMLR 33, pp. 238-246, 2014.
第2受取部121は、地表面上の地点の位置を特定する情報(例えば、緯度及び経度の情報)を受け取る。例えば、ユーザが、上述の端末装置を使用して、地表面上の地点の位置を特定する情報を、第2受取部121に入力してもよい。この場合、第2受取部121は、地表面上の地点の位置を特定する情報を、その端末装置から受け取る。
第2抽出部122は、第2受取部121から、対象地点情報を受け取る。第2抽出部122は、受け取った対象地点情報によって特定される対象地点における、地理空間情報の値を、地理空間情報記憶部131に格納されている地理空間情報から抽出する。第2抽出部122は、地理空間情報記憶部131に格納されている全ての地理空間情報のうち、あらかじめ定められている地理空間情報の値を抽出してもよい。この場合、例えば、地理空間情報の値に対する条件に関係が無く、高さの変位に寄与しないことがあらかじめ確かめられている地理空間情報を、値の抽出の対象から除外されていてよい。対象地点における値が設定されていない地理空間情報が存在する場合、第2抽出部122は、その地理空間情報の値を、値が存在しないことを表す数値(例えば0など)に設定してもよい。
判定部123は、対象地点における地理空間情報の値を、第2抽出部122から受け取る。判定部123は、対象地点情報を第2抽出部122から受け取ってもよい。
出力部124は、判定部123から、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報を受け取る。出力部124は、受け取った、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報を出力する。出力部124は、例えば、ディスプレイなどに、対象地点における高さの変位に寄与する地理空間情報の組み合わせを表示してもよい。出力部124は、対象地点における高さの変位に寄与する地理空間情報の組み合わせを、他の情報処理装置や上述の端末装置などに送出してもよい。
次に、第1の参考例の分析装置10の動作について、図面を参照して詳細に説明する。
本参考例には、地表面の高さの変動の要因を判定することができるという効果がある。その理由は、学習部113が、対象地点の位置における地理空間情報の少なくとも一部の値に基づいて、高さの変動の要因として、対象地点の位置における高さの変位に寄与する地理空間情報の組み合わせを判定する判定モデルを学習するからである。
次に、第1の参考例の第1の変形例について説明する。本変形例の分析装置10の構成は、第1の参考例の分析装置10の構成と同じである。本変形例の分析装置10の機能及び動作は、以下の相違点を除いて、第1の参考例の分析装置10の機能及び動作と同じである。
本変形例の学習部113が生成する判定モデルは、高さの変位に寄与する地理空間情報の情報に加えて、地理空間情報の寄与の大きさを表す値を出力する。
判定部123は、モデル記憶部125に格納されている判定モデルに従って、対象地点における高さの変位に寄与する地理空間情報の組み合わせと、その組み合わせに含まれる地理空間情報の、高さの変位に対する寄与の大きさとを判定する。具体的には、判定部123は、例えば、判定モデルに含まれる複数の条件のうち、受け取った地理空間情報の値によって満たされる条件を特定する。判定部123は、特定した条件が満たされる場合の、高さの変位に寄与する地理空間情報の組み合わせが、対象地点における高さの変位に寄与する地理空間情報の組み合わせであると判定する。さらに、判定部123は、特定した条件が満たされる場合の高さの変位に寄与する地理空間情報の高さの変位に対する寄与の大きさが、それらの地理空間情報の、対象地点における高さの変位に対する寄与の大きさであると判定する。
出力部124は、判定部123から、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報と、組み合わせに含まれる地理空間情報の寄与の大きさを表す情報とを受け取る。出力部124は、受け取った、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報と、組み合わせに含まれる地理空間情報の寄与の大きさを表す情報とを出力する。出力部124は、例えば、ディスプレイなどに、対象地点における高さの変位に寄与する地理空間情報の組み合わせと寄与の大きさとを表示してもよい。出力部124は、対象地点における高さの変位に寄与する地理空間情報の組み合わせと寄与の大きさとを、他の情報処理装置や上述の端末装置などに送出してもよい。
図3は、第1の参考例の変形例の分析システム1の構成を表すブロック図である。図3に示す例では、分析システム1は、学習装置11と、分析装置21と、地理空間情報記憶装置31、端末装置51とを含む。学習装置11、分析装置21、地理空間情報記憶装置31、及び、端末装置51は、通信ネットワークであるネットワーク40によって、通信可能に互いに接続されている。分析システム1は、第1の参考例の分析装置10の機能を、学習装置11と、分析装置21と、地理空間情報記憶装置31とによって実現する。端末装置51は、上述の端末装置である。
図1は、本開示の第2の参考例の分析装置10の構成を表す図である。本参考例の分析装置10の構成は、第1の参考例の分析装置10の構成と同じである。本参考例の分析装置10の構成要素は、以下で説明する相違点を除いて、同一の名称及び符号が付与されている、第1の参考例の分析装置10の構成要素と同じである。
本参考例の学習部113は、第1の参考例の学習部113が学習する判定モデルと異なる判定モデルを学習する。その他の点において、本参考例の学習部113は、第1の参考例の学習部113と同じである。例えば、第1の参考例の学習部113と同様に、本参考例の学習部113は、第1抽出部112から、学習用変位データと、その学習用変位データが経年変位を表す領域の、抽出された地理空間情報の値と、を受け取る。第1の参考例の学習部113と同様に、本参考例の学習部113は、学習によって得られた判定モデルを、モデル記憶部125に格納する。
本参考例の判定部123は、第1の参考例の判定部123と同様に、対象地点における地理空間情報の値を、第2抽出部122から受け取る。判定部123は、対象地点情報を第2抽出部122から受け取ってもよい。
出力部124は、予測された高さの変位を表す情報を判定部123から受け取る。出力部124は、受け取った、高さの変位を表す情報を出力する。出力部124の出力先は、第1の参考例の出力部124の出力部と同様である。
次に、本参考例の分析装置10の動作について説明する。
本参考例には、地表面の高さの変動を予測することができるという効果がある。その理由は、学習部113が、対象地点の位置における地理空間情報の少なくとも一部の値に基づいて、対象地点の位置における高さの変位の予測を行う判定モデルを学習するからである。
次に、第2の参考例の第1の変形例について説明する。本変形例の分析装置10の構成は、図1に示す、第2の参考例の分析装置10の構成と同じである。
次に、第2の参考例の第2の変形例について説明する。本変形例の分析装置10の構成は、図1に示す、第2の参考例の分析装置10の構成と同じである。
次に、第2の参考例の第3の変形例について説明する。本変形例の分析装置10の構成は、図1に示す、第2の参考例の分析装置10の構成と同じである。
次に、第2の参考例の第4の変形例について説明する。本変形例の分析装置10の構成は、図1に示す、第2の参考例の分析装置10の構成と同じである。
次に、第2の参考例の第5の変形例について説明する。本変形例の分析装置10の構成は、図1に示す、第2の参考例の分析装置10の構成と同じである。
第2の参考例、及び、第2の参考例の第1から第5の変形例の分析装置10の機能は、第1の参考例の第2の変形例のような、複数の装置の組み合わせによって実現できる。
次に、以上の参考例を利用した本開示の第1の実施形態について、図面を参照して詳細に説明する。
図6は、本実施形態の分析装置12の構成の例を表す図である。
第1受取部111は、地表面の高さの観測の結果を表す観測データを受け取り、受け取った観測データを、観測結果記憶部145に格納する。観測データは、例えば、過去の複数の時点において行われた、SARによる観測によって得られた変位データである。観測データは、例えば、均等な間隔で複数の地点(すなわち、観測点)において得られていてよい。観測点の間隔は、方向によって異なっていてよい。例えば、観測点の南北方向における間隔が、それらの観測点の東西方向における間隔と異なっていてもよい。なお、この観測データは、学習用データと異なるデータであってよい。
観測結果記憶部145は、第1受取部111によって格納された、上述の観測データを記憶する。
地理空間情報記憶部131は、第2の参考例の地理空間情報記憶部131と同様の地理空間情報を記憶していてよい。本実施形態の地理空間情報記憶部131は、地理空間情報の一種として、施設の情報を記憶する。施設は、例えば埋設施設である。埋設施設は、例えば、水道管、ガスなどのパイプライン網、埋設されている発電関連施設、送電施設、配電施設、ガス貯蔵施設、石油貯蔵施設、水道管などの、地中に埋設されている施設である。地理空間情報記憶部131は、これらの施設が埋設されている範囲の情報を、施設の範囲として、地理空間情報として記憶していてよい。埋設施設が埋設されている範囲の情報は、例えば、埋設施設を地表面に鉛直方向に投影した場合の、埋設施設の像の範囲であってよい。施設の地理空間情報の値は、例えば、それぞれの施設に割り当てられている識別情報(例えば、識別番号)であってもよい。施設の地理空間情報の値は、例えば、それぞれの施設の種類を表していてもよい。施設は、例えば地表に設置されている、石油貯蔵施設やガス貯蔵施設などの埋設されていない施設を含んでいてもよい。その場合、地理空間情報記憶部131は、それらの施設の範囲の情報を、地理空間情報として記憶していてよい。
対象情報受付部144は、例えば端末装置51から、領域を表す情報を受け付ける。対象情報受付部144が受け付けた情報が表す領域を、対象領域と表記する。対象領域は、例えば、上述の施設を含む領域である。領域のサイズは、例えば、4km(kilometer)四方、10km四方等であってよい。領域のサイズは、適宜定められてよい。領域の形状は、正方形でなくてよい。領域の形状は、適宜定められてよい。対象情報受付部144は、受け取った対象領域を表す情報を、予測部141に送出する。
予測部141は、対象情報を表す情報を、対象情報受付部144から受け取る。予測部141は、観測結果記憶部145に格納されている観測データから、対象領域における観測の結果を表す観測データを抽出する。予測部141は、例えば、対象領域に含まれる観測点における観測データを、観測結果記憶部145から読み出してよい。本実施形態では、観測データは、地表面の高さの変位の推移である。
検出部142は、予測された高さの変位を表す情報と、対象範囲を表す情報と、観測点の位置を表す情報とを、予測部141から受け取る。検出部142は、対象範囲内の施設の範囲を、第2抽出部122から受け取る。検出部142は、予測式を用いて予測された高さの変位に基づいて、対象範囲内の対象現象を検出する。
第2抽出部122は、対象範囲を表す情報を受け取る。第2抽出部122は、受け取った情報が表す対象範囲における施設に関する地理空間情報の値を、地理空間情報記憶部131に格納されている地理空間情報から抽出する。第2抽出部122は、抽出した地理空間情報の値に基づいて、対象範囲における施設の範囲を特定する。第2抽出部122は、施設の種類ことに、施設の範囲を特定してもよい。第2抽出部122は、個別の施設ごとに、施設の範囲を特定してもよい。施設の範囲は、上述の観測点ごとに、観測点に施設が埋設されているか否かを示す情報によって表されていてもよい。この場合、対象範囲を表す情報は、対象範囲に含まれる観測点の各々の位置を表す情報であってもよい。施設の範囲は、施設の範囲の外周を表す他の情報によって表されていてもよい。第2抽出部122は、対象範囲に存在する施設の情報を、検出部142に送出する。
判定部123は、対象範囲に含まれる観測点の各々の位置を表す情報と、対象範囲に含まれる観測点における地理空間情報の値とを、第2抽出部122から受け取る。判定部123は、あらかじめ学習によって生成された、複数の種類の地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測を行う上述の判定モデルによって、地理空間情報の値に基づいて、各観測点における高さの変位の予測を行う。上述のように、判定モデルは、前記地理空間情報の少なくとも一部の各々の値に対する条件と、それらの条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式と、によって表される。予測式は、地理空間情報をそれぞれ表す変数の線形和によって表される。
出力部143は、対象現象が検出された施設の情報を、検出部142から受け取ってよい。出力部143は、対象現象が検出された領域の情報を、検出部142から受け取ってよい。出力部143は、検出された対象現象の種類を表す情報を、検出部142から受け取ってよい。出力部143は、第1対象分布、第2対象分布、及び、第1対象変位と第2対象変位との差の分布の少なくともいずれか1つを、検出部142から受け取ってよい。
図7は、本実施形態の分析装置12の、判定モデルを学習する動作の例を表すフローチャートである。
本実施形態には、不同変位やストレス異常などの対象現象が少なくとも将来基準を超える可能性がある施設を把握できる効果がある。その理由は、検出部142が、対象範囲内の地表面の高さの変位の推移に基づいて予測された、地表面の高さの変位の分布に基づいて、対象現象を検出するからである。
次に、本開示の第2の実施形態について、図面を参照して詳細に説明する。
図10は、本実施形態の分析装置13の構成の例を表すブロック図である。
対象情報受付部144は、第1の実施形態の対象情報受付部144と同様に、対象範囲の情報を受け取る。対象情報受付部144は、対象範囲の情報を、算出部151に送出する。
算出部151は、対象範囲の情報を対象情報受付部144から受け取る。算出部151は、受け取った情報が示す対象範囲に含まれる観測点における観測データを、観測結果記憶部145から読み出す。算出部151は、対象範囲に含まれる観測点の各々における、所定期間前の時点における地表面の高さの変位と、最も新しい地表面の高さの変位との差(言い換えると、所定期間前からの地表面の高さの変位)を算出する。算出部151は、対象範囲の情報と、所定期間前からの地表面の高さの変位とを、検出部142に送出する。
本実施形態の地理空間情報記憶部131は、少なくとも、例えば上述の埋設施設などの施設の、範囲などの情報を、地理空間情報の値として記憶している。
本実施形態の第2抽出部122は、例えば検出部142から対象範囲の情報を受け取り、対象範囲に含まれる施設の情報を、地理空間情報記憶部131が記憶する地理空間情報から抽出する。第2抽出部122は、抽出した施設の情報を検出部142に送出する。
検出部142は、算出部151から、対象範囲の情報と、所定期間前からの地表面の高さの変位とを受け取る。検出部142は、第2抽出部122を介して、地理空間情報記憶部131から、対象範囲内の施設の情報を受け取る。具体的には、検出部142は、対象範囲の情報を第2抽出部122に送出し、第2抽出部122が検出した、対象範囲内の施設の情報を、第2抽出部122から受け取る。検出部142は、対象範囲において、所定期間前からの地表面の高さの変位の分布に基づいて、対象現象を検出する。対象現象は、上述のように、不同変位、及び、ストレス異常の少なくとも一方である。
出力部143は、対象範囲内の地表面の高さの変位の分布と、検出された対象現象の情報と、対象現象が検出された施設の情報とを検出部142から受け取る。出力部143は、対象現象が検出された施設の情報を出力する。出力部143が出力する情報の形式は、第1の実施形態の出力部143が出力する情報の形式と同等でよい。
次に、本実施形態の分析装置13の動作について、図面を参照して詳細に説明する。
本実施形態には、不同変位やストレス異常などの対象現象が基準を超えている施設を把握できるという効果がある。その理由は、検出部142が、対象範囲内の地表面の高さの変位の分布に基づいて、対象現象を検出するからである。
<構成>
図12は、本実施形態の分析装置14の構成の例を表す図である。
図13は、本実施形態の分析装置14の動作の例を表すフローチャートである。
本実施形態には、第1の実施形態と同じ効果がある。その理由は、第1の実施形態の効果が生じる理由と同じである。
<構成>
図14は、本実施形態の分析装置15の構成の例を表す図である。
図15は、本実施形態の分析装置15の動作の例を表すフローチャートである。
本実施形態には、第1の実施形態と同じ効果がある。その理由は、第1の実施形態の効果が生じる理由と同じである。
本開示の実施形態に係る分析装置10、学習装置11、分析装置12、分析装置13、分析装置14、分析装置15、分析装置21の各々は、記憶媒体から読み出されたプログラムがロードされたメモリと、そのプログラムを実行するプロセッサとを含むコンピュータによって実現することができる。本開示の実施形態に係る分析装置10、学習装置11、分析装置12、分析装置13、分析装置14、分析装置15、分析装置21の各々は、専用のハードウェアによって実現することもできる。本開示の実施形態に係る分析装置10、学習装置11、分析装置12、分析装置13、分析装置14、分析装置15、分析装置21の各々は、前述のコンピュータと専用のハードウェアとの組み合わせによって実現することもできる。
対象範囲内の地表面の高さの変位の推移に基づいて、前記対象範囲内の地表面の高さの変位の予測を行う予測手段と、
前記変位の推移に基づいて予測された変位である第1予測変位の分布に基づいて、前記対象範囲内の施設の、ストレス異常及び不同変位を含む対象現象を検出する検出手段と、
前記対象現象が検出された前記施設の情報を出力する出力手段と、
を備える分析装置。
前記地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測を行うように学習した判定モデルによって、前記対象範囲内の前記地理空間情報の値に基づいて当該対象範囲内の地表面の変位の予測を行う判定手段を備え、
前記検出手段は、前記第1予測変位の分布と、前記地理空間情報の値に基づいて前記判定モデルによって予測された変位である第2予測変位の値と、に基づいて、前記対象現象を検出する
付記1に記載の分析装置。
前記検出手段は、前記第1予測変位と前記第2予測変位との差の分布に基づいて、前記対象現象を検出する
付記2に記載の分析装置。
前記検出手段は、前記施設の領域と当該領域からの距離が第3基準よりも近い領域とを含む第3影響領域において、前記第1予測変位と前記第2予測変位との差の分布における傾きが所定基準を満たす部分が存在する場合、前記施設における前記ストレス異常を検出する
付記3に記載の分析装置。
前記検出手段は、前記第2予測変位の分布の傾きに基づいて、前記対象範囲内の施設における前記不同変位を検出する
付記2乃至4のいずれか1項に記載の分析装置。
前記検出手段は、前記施設の領域と当該領域からの距離が第2基準よりも近い範囲とを含む第2影響領域において、前記第2予測変位の分布の傾きが所定基準を満たす部分が存在する場合、前記施設において前記不同変位を検出する
付記5に記載の分析装置。
前記検出手段は、前記第2予測変位の分布の傾きの空間的変化に基づいて、前記対象範囲内の施設における前記ストレス異常を検出する
付記2乃至6のいずれか1項に記載の分析装置。
前記検出手段は、前記施設の領域と当該領域からの距離が第2基準よりも近い範囲とを含む第2影響領域において、前記第2予測変位の分布の傾きの空間的変化の大きさが所定基準を満たす部分が存在する場合、前記施設において前記ストレス異常を検出する
付記7に記載の分析装置。
前記判定モデルは、前記地理空間情報の少なくとも一部の各々の値に対する条件と、当該条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式と、によって表され、
前記予測式は、前記地理空間情報をそれぞれ表す変数の線形和によって表される
付記2乃至8のいずれか1項に記載の分析装置。
前記検出手段は、前記第1予測変位の分布の傾きに基づいて、前記対象範囲内の施設における前記不同変位を検出する
付記1乃至9のいずれか1項に記載の分析装置。
前記検出手段は、前記施設の領域と当該領域からの距離が第1基準よりも近い範囲とを含む第1影響領域において、前記第1予測変位の分布の傾きが所定基準を満たす部分が存在する場合、前記施設において、前記不同変位を検出する
付記10に記載の分析装置。
前記検出手段は、前記第1予測変位の分布の傾きの空間的変化に基づいて、前記対象範囲内の施設における前記ストレス異常を検出する
付記1乃至11のいずれか1項に記載の分析装置。
前記検出手段は、前記施設の領域と当該領域からの距離が第1基準よりも近い範囲とを含む第1影響領域において、前記第1予測変位の分布の傾きの空間的変化の大きさが所定基準を満たす部分が存在する場合、前記施設において、前記ストレス異常を検出する
付記12に記載の分析装置。
対象範囲内の地表面の高さの変位の分布に基づいて、前記対象範囲内の施設の、ストレス異常及び不同変位を含む対象現象を検出する検出手段と、
前記対象現象が検出された前記施設の情報を出力する出力手段と、
を備える分析装置。
前記検出手段は、前記分布の傾きに基づいて、前記不同変位を検出する
付記14に記載の分析装置。
前記検出手段は、前記分布の傾きの空間的変化に基づいて、前記ストレス異常を検出する
付記14又は15に記載の分析装置。
対象範囲内の地表面の高さの変位の推移に基づいて、前記対象範囲内の地表面の高さの変位の予測を行い、
前記変位の推移に基づいて予測された変位である第1予測変位の分布に基づいて、前記対象範囲内の施設の、ストレス異常及び不同変位を含む対象現象を検出し、
前記対象現象が検出された前記施設の情報を出力する、
分析方法。
前記地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測を行うように学習した判定モデルによって、前記対象範囲内の前記地理空間情報の値に基づいて当該対象範囲内の地表面の変位の予測を行い、
前記第1予測変位の分布と、前記地理空間情報の値に基づいて前記判定モデルによって予測された変位である第2予測変位の値と、に基づいて、前記対象現象を検出する
付記17に記載の分析方法。
前記第1予測変位と前記第2予測変位との差の分布に基づいて、前記対象現象を検出する
付記18に記載の分析方法。
前記施設の領域と当該領域からの距離が第3基準よりも近い領域とを含む第3影響領域において、前記第1予測変位と前記第2予測変位との差の分布における傾きが所定基準を満たす部分が存在する場合、前記施設における前記ストレス異常を検出する
付記19に記載の分析方法。
前記第2予測変位の分布の傾きに基づいて、前記対象範囲内の施設における前記不同変位を検出する
付記18乃至20のいずれか1項に記載の分析方法。
前記施設の領域と当該領域からの距離が第2基準よりも近い範囲とを含む第2影響領域において、前記第2予測変位の分布の傾きが所定基準を満たす部分が存在する場合、前記施設において前記不同変位を検出する
付記21に記載の分析方法。
前記第2予測変位の分布の傾きの空間的変化に基づいて、前記対象範囲内の施設における前記ストレス異常を検出する
付記18乃至22のいずれか1項に記載の分析方法。
前記施設の領域と当該領域からの距離が第2基準よりも近い範囲とを含む第2影響領域において、前記第2予測変位の分布の傾きの空間的変化の大きさが所定基準を満たす部分が存在する場合、前記施設において前記ストレス異常を検出する
付記23に記載の分析方法。
前記判定モデルは、前記地理空間情報の少なくとも一部の各々の値に対する条件と、当該条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式と、によって表され、
前記予測式は、前記地理空間情報をそれぞれ表す変数の線形和によって表される
付記18乃至24のいずれか1項に記載の分析方法。
前記第1予測変位の分布の傾きに基づいて、前記対象範囲内の施設における前記不同変位を検出する
付記17乃至25のいずれか1項に記載の分析方法。
前記施設の領域と当該領域からの距離が第1基準よりも近い範囲とを含む第1影響領域において、前記第1予測変位の分布の傾きが所定基準を満たす部分が存在する場合、前記施設において、前記不同変位を検出する
付記26に記載の分析方法。
前記第1予測変位の分布の傾きの空間的変化に基づいて、前記対象範囲内の施設における前記ストレス異常を検出する
付記17乃至27のいずれか1項に記載の分析方法。
前記施設の領域と当該領域からの距離が第1基準よりも近い範囲とを含む第1影響領域において、前記第1予測変位の分布の傾きの空間的変化の大きさが所定基準を満たす部分が存在する場合、前記施設において、前記ストレス異常を検出する
付記28に記載の分析方法。
対象範囲内の地表面の高さの変位の分布に基づいて、前記対象範囲内の施設の、ストレス異常及び不同変位を含む対象現象を検出し、
前記対象現象が検出された前記施設の情報を出力する、
分析方法。
前記分布の傾きに基づいて、前記不同変位を検出する
付記30に記載の分析方法。
前記分布の傾きの空間的変化に基づいて、前記ストレス異常を検出する
付記30又は31に記載の分析方法。
対象範囲内の地表面の高さの変位の推移に基づいて、前記対象範囲内の地表面の高さの変位の予測を行う予測処理と、
前記変位の推移に基づいて予測された変位である第1予測変位の分布に基づいて、前記対象範囲内の施設の、ストレス異常及び不同変位を含む対象現象を検出する検出処理と、
前記対象現象が検出された前記施設の情報を出力する出力処理と、
をコンピュータに実行させるプログラムを記憶する記憶媒体。
前記プログラムは、前記地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測を行うように学習した判定モデルによって、前記対象範囲内の前記地理空間情報の値に基づいて当該対象範囲内の地表面の変位の予測を行う判定処理をコンピュータにさらに実行させ、
前記検出処理は、前記第1予測変位の分布と、前記地理空間情報の値に基づいて前記判定モデルによって予測された変位である第2予測変位の値と、に基づいて、前記対象現象を検出する
付記33に記載の記憶媒体。
前記検出処理は、前記第1予測変位と前記第2予測変位との差の分布に基づいて、前記対象現象を検出する
付記34に記載の記憶媒体。
前記検出処理は、前記施設の領域と当該領域からの距離が第3基準よりも近い領域とを含む第3影響領域において、前記第1予測変位と前記第2予測変位との差の分布における傾きが所定基準を満たす部分が存在する場合、前記施設における前記ストレス異常を検出する
付記35に記載の記憶媒体。
前記検出処理は、前記第2予測変位の分布の傾きに基づいて、前記対象範囲内の施設における前記不同変位を検出する
付記34乃至36のいずれか1項に記載の記憶媒体。
前記検出処理は、前記施設の領域と当該領域からの距離が第2基準よりも近い範囲とを含む第2影響領域において、前記第2予測変位の分布の傾きが所定基準を満たす部分が存在する場合、前記施設において前記不同変位を検出する
付記37に記載の記憶媒体。
前記検出処理は、前記第2予測変位の分布の傾きの空間的変化に基づいて、前記対象範囲内の施設における前記ストレス異常を検出する
付記34乃至38のいずれか1項に記載の記憶媒体。
前記検出処理は、前記施設の領域と当該領域からの距離が第2基準よりも近い範囲とを含む第2影響領域において、前記第2予測変位の分布の傾きの空間的変化の大きさが所定基準を満たす部分が存在する場合、前記施設において前記ストレス異常を検出する
付記39に記載の記憶媒体。
前記判定モデルは、前記地理空間情報の少なくとも一部の各々の値に対する条件と、当該条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式と、によって表され、
前記予測式は、前記地理空間情報をそれぞれ表す変数の線形和によって表される
付記34乃至40のいずれか1項に記載の記憶媒体。
前記検出処理は、前記第1予測変位の分布の傾きに基づいて、前記対象範囲内の施設における前記不同変位を検出する
付記33乃至41のいずれか1項に記載の記憶媒体。
前記検出処理は、前記施設の領域と当該領域からの距離が第1基準よりも近い範囲とを含む第1影響領域において、前記第1予測変位の分布の傾きが所定基準を満たす部分が存在する場合、前記施設において、前記不同変位を検出する
付記42に記載の記憶媒体。
前記検出処理は、前記第1予測変位の分布の傾きの空間的変化に基づいて、前記対象範囲内の施設における前記ストレス異常を検出する
付記33乃至43のいずれか1項に記載の記憶媒体。
前記検出処理は、前記施設の領域と当該領域からの距離が第1基準よりも近い範囲とを含む第1影響領域において、前記第1予測変位の分布の傾きの空間的変化の大きさが所定基準を満たす部分が存在する場合、前記施設において、前記ストレス異常を検出する
付記35に記載の記憶媒体。
対象範囲内の地表面の高さの変位の分布に基づいて、前記対象範囲内の施設の、ストレス異常及び不同変位を含む対象現象を検出する検出処理と、
前記対象現象が検出された前記施設の情報を出力する出力処理と、
をコンピュータに実行させるプログラムを記憶する記憶媒体。
前記検出処理は、前記分布の傾きに基づいて、前記不同変位を検出する
付記46に記載の記憶媒体。
前記検出処理は、前記分布の傾きの空間的変化に基づいて、前記ストレス異常を検出する
付記46又は47に記載の記憶媒体。
10 分析装置
11 学習装置
12 分析装置
13 分析装置
14 分析装置
15 分析装置
21 分析装置
31 地理空間情報記憶装置
40 ネットワーク
51 端末装置
111 第1受取部
112 第1抽出部
113 学習部
114 第1読出部
115 送信部
121 第2受取部
122 第2抽出部
123 判定部
124 出力部
125 モデル記憶部
126 第2読出部
127 受信部
131 地理空間情報記憶部
132 入出力部
141 予測部
142 検出部
143 出力部
144 対象情報受付部
145 観測結果記憶部
151 算出部
1000 コンピュータ
1001 プロセッサ
1002 メモリ
1003 記憶装置
1004 I/Oインタフェース
1005 記憶媒体
Claims (10)
- 対象範囲内の地表面の高さの変位の推移に基づいて、前記対象範囲内の地表面の高さの変位の予測を行う予測手段と、
前記変位の推移に基づいて予測された変位である第1予測変位の分布に基づいて、前記対象範囲内の施設の、ストレス異常及び不同変位を含む対象現象を検出する検出手段と、
前記対象現象が検出された前記施設の情報を出力する出力手段と、
を備える分析装置。 - 前記地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測を行うように学習した判定モデルによって、前記対象範囲内の前記地理空間情報の値に基づいて当該対象範囲内の地表面の変位の予測を行う判定手段を備え、
前記検出手段は、前記第1予測変位の分布と、前記地理空間情報の値に基づいて前記判定モデルによって予測された変位である第2予測変位の値と、に基づいて、前記対象現象を検出する
請求項1に記載の分析装置。 - 前記検出手段は、前記第1予測変位と前記第2予測変位との差の分布に基づいて、前記対象現象を検出する
請求項2に記載の分析装置。 - 前記検出手段は、前記施設の領域と当該領域からの距離が第3基準よりも近い領域とを含む第3影響領域において、前記第1予測変位と前記第2予測変位との差の分布における傾きが所定基準を満たす部分が存在する場合、前記施設における前記ストレス異常を検出する
請求項3に記載の分析装置。 - 前記検出手段は、前記第2予測変位の分布の傾きに基づいて、前記対象範囲内の施設における前記不同変位を検出する
請求項2乃至4のいずれか1項に記載の分析装置。 - 前記検出手段は、前記施設の領域と当該領域からの距離が第2基準よりも近い範囲とを含む第2影響領域において、前記第2予測変位の分布の傾きが所定基準を満たす部分が存在する場合、前記施設において前記不同変位を検出する
請求項5に記載の分析装置。 - 前記検出手段は、前記第2予測変位の分布の傾きの空間的変化に基づいて、前記対象範囲内の施設における前記ストレス異常を検出する
請求項2乃至6のいずれか1項に記載の分析装置。 - 前記検出手段は、前記施設の領域と当該領域からの距離が第2基準よりも近い範囲とを含む第2影響領域において、前記第2予測変位の分布の傾きの空間的変化の大きさが所定基準を満たす部分が存在する場合、前記施設において前記ストレス異常を検出する
請求項7に記載の分析装置。 - 対象範囲内の地表面の高さの変位の推移に基づいて、前記対象範囲内の地表面の高さの変位の予測を行い、
前記変位の推移に基づいて予測された変位である第1予測変位の分布に基づいて、前記対象範囲内の施設の、ストレス異常及び不同変位を含む対象現象を検出し、
前記対象現象が検出された前記施設の情報を出力する、
分析方法。 - 対象範囲内の地表面の高さの変位の推移に基づいて、前記対象範囲内の地表面の高さの変位の予測を行う予測処理と、
前記変位の推移に基づいて予測された変位である第1予測変位の分布に基づいて、前記対象範囲内の施設の、ストレス異常及び不同変位を含む対象現象を検出する検出処理と、
前記対象現象が検出された前記施設の情報を出力する出力処理と、
をコンピュータに実行させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/014746 WO2021199241A1 (ja) | 2020-03-31 | 2020-03-31 | 分析装置、分析方法及び記憶媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021199241A1 JPWO2021199241A1 (ja) | 2021-10-07 |
JPWO2021199241A5 JPWO2021199241A5 (ja) | 2022-09-21 |
JP7294529B2 true JP7294529B2 (ja) | 2023-06-20 |
Family
ID=77928022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022512966A Active JP7294529B2 (ja) | 2020-03-31 | 2020-03-31 | 分析装置、分析方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7294529B2 (ja) |
WO (1) | WO2021199241A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023162244A1 (ja) * | 2022-02-28 | 2023-08-31 | 日本電気株式会社 | 影響判定システム、影響判定方法、及び、記録媒体 |
WO2023162245A1 (ja) * | 2022-02-28 | 2023-08-31 | 日本電気株式会社 | 影響判定システム、影響判定方法、及び、記録媒体 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006194822A (ja) | 2005-01-17 | 2006-07-27 | Oyo Corp | 加速度センサを用いる地盤等の変位モニタリング方法 |
JP2017090397A (ja) | 2015-11-17 | 2017-05-25 | 中国電力株式会社 | 測定装置 |
JP2017215248A (ja) | 2016-06-01 | 2017-12-07 | 国立研究開発法人宇宙航空研究開発機構 | 変状度判定方法及び変状度判定システム |
JP2020016923A (ja) | 2018-07-23 | 2020-01-30 | 株式会社パスコ | 家屋異動推定装置及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0921636A (ja) * | 1995-07-10 | 1997-01-21 | Shimizu Corp | 地盤・建造物挙動監視装置 |
-
2020
- 2020-03-31 WO PCT/JP2020/014746 patent/WO2021199241A1/ja active Application Filing
- 2020-03-31 JP JP2022512966A patent/JP7294529B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006194822A (ja) | 2005-01-17 | 2006-07-27 | Oyo Corp | 加速度センサを用いる地盤等の変位モニタリング方法 |
JP2017090397A (ja) | 2015-11-17 | 2017-05-25 | 中国電力株式会社 | 測定装置 |
JP2017215248A (ja) | 2016-06-01 | 2017-12-07 | 国立研究開発法人宇宙航空研究開発機構 | 変状度判定方法及び変状度判定システム |
JP2020016923A (ja) | 2018-07-23 | 2020-01-30 | 株式会社パスコ | 家屋異動推定装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021199241A1 (ja) | 2021-10-07 |
WO2021199241A1 (ja) | 2021-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garousi‐Nejad et al. | Terrain analysis enhancements to the height above nearest drainage flood inundation mapping method | |
Fisher | Improved modeling of elevation error with geostatistics | |
Arun | A comparative analysis of different DEM interpolation methods | |
Pradhan et al. | Manifestation of remote sensing data and GIS on landslide hazard analysis using spatial-based statistical models | |
Amante et al. | Accuracy of interpolated bathymetry in digital elevation models | |
US10425280B2 (en) | Method for determining optimal laying arrangement of infrastructure link | |
Marchesini et al. | Non-susceptible landslide areas in Italy and in the Mediterranean region | |
CN113283802A (zh) | 一种复杂艰险山区滑坡危险性评估方法 | |
Marques et al. | Sea cliff instability susceptibility at regional scale: a statistically based assessment in the southern Algarve, Portugal | |
JP7294529B2 (ja) | 分析装置、分析方法及びプログラム | |
CN112117700B (zh) | 水下电缆路线规划工具 | |
Marques et al. | Statistically based sea cliff instability hazard assessment of Burgau-Lagos coastal section (Algarve, Portugal) | |
Khattab et al. | Generate reservoir depths mapping by using digital elevation model: A case study of Mosul dam lake, Northern Iraq | |
Hassan et al. | Statistical interpolation and spatial mapping of geotechnical soil parameters of District Sargodha, Pakistan | |
Šiljeg et al. | The effect of user-defined parameters on DTM accuracy—development of a hybrid model | |
Ochoa et al. | Analysis and correction of digital elevation models for plain areas | |
Lin et al. | Framework for susceptibility analysis of layered rock slopes considering the dimensions of the mapping units and geological data resolution at various map scales | |
Hong et al. | Using the meteorological early warning model to improve the prediction accuracy of water damage geological disasters around pipelines in mountainous areas | |
Romah | Advanced methods in sea level rise vulnerability assessment | |
Dhital | An overview of landslide hazard mapping and rating systems in Nepal | |
JP7375915B2 (ja) | 分析装置、分析方法及びプログラム | |
JP7356070B2 (ja) | 被害率曲線作成方法、被害率曲線作成装置、及びプログラム | |
Kim et al. | Urban flood inundation simulation based on high-precision 3D modeling | |
Kim et al. | Site-specific zonation of seismic site effects by optimization of the expert GIS-based geotechnical information system for Western Coastal Urban Areas in South Korea | |
Remmel et al. | A comparison of existing surficial hydrological data layers in a low-relief forested Ontario landscape with those derived from a LiDAR DEM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220720 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220720 |
|
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: 20230509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230522 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7294529 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |