JP7356070B2 - 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 - Google Patents

Description

本開示は、被害率曲線作成方法、被害率曲線作成装置、及びプログラムに関する。

地下に布設された管路の、地震による被害率を予測する手法について研究が進められている。

被害率の予測に関しては、従来、経験又は簡易な統計等で利用する地震動指標が決定されていた。例えば、非特許文献１では、水道管の被害率予測の手法として管路被害予測式が記載されている。当該式は、標準被害率曲線に管種、口径、及び微地形のそれぞれの補正係数を乗じて求めるものである。当該標準被害率曲線は、液状化の無い場所においては地表面最大速度であるＰＧＶ（Peak Ground Velocity）を利用して構築されている。非特許文献２には、低圧ガス導管について、ＳＩ（Spectral Intensity）値を用いてガス供給を停止するかについての判断を行う手法が記載されている。一方、地震動指標はＰＧＶ又はＳＩ値以外にも提案されており、例えば、非特許文献３には、ＰＧＶ^２／ＰＧＡを利用することが記載されている。また、非特許文献４では、通信埋設管の管種によって、被害の発生に影響する地震動指標が異なる可能性があることが示唆されている。

公益財団法人水道技術研究センター、「平成28年熊本地震を踏まえた「地震による管路被害予測式」の見直しに関する検討」、２０１６年 株式会社エイト日本技術開発、「都市ガスの供給停止判断基準最適化に関する事業報告書」、２０１８年 Omar Pineda-Porras, "A New Seismic Intensity Parameter to Estimate Damage in Buried Pipelines due to Seismic Wave Propagation", Journal of Earthquake Engineering, 11, pp.773-786 (2007) 伊藤陽、外４名、「硬質塩化ビニル管と鋼管の被害分析」、第39回地震工学研究発表会、C21‐1482、２０１９年

しかしながら、上記の管路の被害率の予測には精度の向上の余地があった。従来の技術では、被害率の予測に用いる地震動指標の決定にあたり、管路の種別は考慮されていなかった。また、通常の統計手法を適用すると、被害率が上がり始める閾値の設定に関し精度が不足する可能性があった。予測に利用する地震動指標を管路の種別によって柔軟に変化させ、被害率が上がり始める閾値を適切に設定することで被害率の予測をより正確に行える手法が望まれていた。

このような事情に鑑みてなされた本開示の目的は、より精度よく管路の被害率を予測する手法を提供することを目的とする。

上述の課題を解決するため、本開示に係る被害率曲線作成方法は、地震被害の有無と管路の特性とに関する情報を含む第１の管路被害データを用いて、前記管路の特性ごとに前記管路の第１の被害率を予測して出力する機械学習モデルを複数作成するステップと、前記機械学習モデルのそれぞれについて、予測に対する寄与度の高い特徴量を抽出するステップと、前記特徴量の変化に対する前記第１の被害率の変化を分析するステップと、前記第１の被害率の変化の変曲点における前記特徴量の値を極値として特定し、前記第１の管路被害データから、前記極値との差が閾値以下となる前記特徴量の値を有するデータを第２の管路被害データとして抽出するステップと、前記第２の管路被害データに基づいて、第２の被害率を示す被害率曲線を作成するステップとを含む。

また、本開示に係る被害率曲線作成装置は、地震被害の有無と管路の特性とに関する情報を含む第１の管路被害データを用いて、前記管路の特性ごとに前記管路の第１の被害率を予測して出力する機械学習モデルを複数作成するモデル作成部と、前記機械学習モデルのそれぞれについて、予測に対する寄与度の高い特徴量を抽出する特徴量抽出部と、前記特徴量の変化に対する前記第１の被害率の変化を分析する予測分析部と、前記第１の被害率の変化の変曲点における前記特徴量の値を極値として特定し、前記第１の管路被害データから、前記極値との差が閾値以下となる前記特徴量の値を有するデータを第２の管路被害データとして抽出するデータ抽出部と、前記第２の管路被害データに基づいて、第２の被害率を示す被害率曲線を作成する曲線作成部とを備える。

また、本開示に係るプログラムは、コンピュータを、上記の被害率曲線作成装置として機能させる。

本開示に係る被害率曲線作成方法、被害率曲線作成装置、及びプログラムによれば、より精度よく管路の被害率を予測する手法を提供することができる。

本開示の第１実施形態に係るシステムの概略構成を示す図である。 本開示の第１実施形態に係る被害率曲線作成装置の構成の一例を示す図である。 本開示の第１実施形態に係る既往地震管路被害データベースに格納されるテーブルの例を示す図である。 本開示の第１実施形態に係る既往地震管路被害データベースに格納されるテーブルの例を示す図である。 本開示の第１実施形態に係る被害率曲線適用装置の構成の一例を示す図である。 本開示の第１実施形態に係る推定対象管路データベースに格納されるテーブルの例を示す図である。 本開示の第１実施形態に係る推定対象管路データベースに格納されるテーブルの例を示す図である。 本開示の第１実施形態に係る被害率曲線作成装置の動作の一例を示すフローチャートである。 本開示の第１実施形態に係る被害率曲線作成装置の動作の一例を示すフローチャートである。 本開示の第１実施形態に係る被害率曲線作成装置の適用例を示す図である。 本開示の第１実施形態に係る被害率曲線作成装置の適用例を示す図である。 本開示の第１実施形態に係る被害率曲線作成装置の適用例を示す図である。 本開示の第１実施形態に係る被害率曲線作成装置の適用例を示す図である。 本開示の第１実施形態に係る被害率曲線適用装置の動作の一例を示すフローチャートである。 本開示の第１実施形態に係る被害率曲線適用装置の適用例を示す図である。 本開示の第１実施形態に係る被害率曲線適用装置の適用例を示す図である。 本開示の第２実施形態に係る被害率曲線適用装置の適用例を示す図である。

以下、本開示の実施形態について適宜図面を参照しながら説明する。以下に説明する実施形態は本開示の構成の例であり、本開示は、以下の実施形態に制限されるものではない。

（第１実施形態）
＜システム１の概略構成＞
図１は、本開示の第１実施形態に係るシステム１の要部構成を示す図である。図１に示すように、システム１は、被害率曲線作成装置１０と、被害率曲線適用装置２０とを備える。

被害率曲線作成装置１０と被害率曲線適用装置２０とは、有線または無線により通信可能に接続されていてもよい。各装置間で情報を送受信するための通信方法は、特に限定されない。また、被害率曲線作成装置１０と被害率曲線適用装置２０とは、一体化されていてもよい。

被害率曲線作成装置１０は、管路の被害有無に関する情報を含む第１の管路被害データを用いて被害率曲線を作成する。被害率曲線作成装置１０は、作成した被害率曲線を被害率曲線適用装置２０に送信する。具体的には、以下で詳細に説明するように、被害率曲線作成装置１０は、第１の管路被害データを用いて、第１の被害率を予測して出力するＮ（Ｎ≧２）個の機械学習モデルを作成し、作成した第１の機械学習モデルから特徴量の抽出を行って予測に対する寄与度の高い特徴量を特定する。被害率曲線作成装置１０は、当該特徴量の変化に対する第１の被害率の変化を分析する。そして、当該被害率の変化の変曲点における特徴量の値を極値として特定し、第１の管路被害データから、極値との差が閾値以下となる特徴量の値を有するデータを第２の管路被害データとして出力する。被害率曲線作成装置１０は、さらに、当該第２の管路被害データに基づいて第２の被害率を算出し、フィッティング関数を用いてフィッティングを行って当該第２の被害率を示す被害率曲線を作成する。被害率曲線作成装置１０は、作成したＮ個の被害率曲線を、被害率曲線適用装置２０に出力する。

被害率曲線適用装置２０は、地震動指標情報と管路の情報を示すデータを、Ｎ個の被害率曲線に適用して、被害率曲線から管路の被害率を推定するものである。具体的には、以下で詳細に説明するように、被害率曲線適用装置２０は、ユーザが入力した地震動指標情報の種別と管路の特性とに応じて、地震動指標情報と管路の情報を示すデータを取得する。そして、取得したデータを被害率曲線作成装置１０から受け付けた被害率曲線に適用して、当該管路の被害率を読み出し、結果を管路の特性ごとに出力する。

＜被害率曲線作成装置１０の構成＞
図２は、本実施形態に係る被害率曲線作成装置１０の構成の一例を示す図である。図２に示すように、被害率曲線作成装置１０は、記憶部１１と、入力部１２と、制御部１３と、出力部１４と、通信部１５とを備える。

記憶部１１は、１つ以上のメモリを含み、例えば、半導体メモリ、磁気メモリ、光メモリなどを含んでよい。記憶部１１に含まれる各メモリは、例えば、主記憶装置、補助記憶装置、又はキャッシュメモリとして機能してよい。記憶部１１は、被害率曲線作成装置１０の動作に用いられる各種情報を記憶する。記憶部１１は既往地震管路被害データベース１１１と、制御部１３が各種処理を実行するために必要な各種プログラムと、各種情報とを記憶する。記憶部１１は、後述する制御部１３のモデル作成部１３１が作成した機械学習モデルと、曲線作成部１３５が作成した被害率曲線とを格納することが好ましい。このとき、他の端末から記憶部１１が参照可能であれば、複数の端末から機械学習モデル及び被害率曲線を閲覧することが可能になる。記憶部１１は例えばネットワーク経由で制御部１３からアクセス可能なファイルサーバーのハードディスクや不揮発性メモリであってもよい。このような構成であっても、記憶部１１は被害率曲線作成装置１０の一部として機能し、制御部１３は必要な場合に記憶部１１にアクセスできる。

既往地震管路被害データベース１１１は、既往の地震の際のスパンごとの点検結果の情報を、スパンＮｏ、スパン名、被害の有無、及び管路の特性を相互に関連付けて含むレコードとして格納する。図３Ａ及び図３Ｂは、既往地震管路被害データベース１１１の一例を示す図である。本例において、１レコードは図３Ａ及び図３Ｂの１行に相当する。「スパン」とは、マンホールとマンホールとの間に配された地下管路の区間と、橋梁添架管及び橋台への接続管を含めて橋梁に関わる区間とをいう。「管路の特性」とは、例えば、地震による被害有無、スパンの亘長、管種、外径、建設年、スパンの属する区画、スパンの中央部の緯度及び経度、スパンが布設された位置のＡＶＳ（Average Shear-Wave Velocity）３０、微地形区分、既往地震の際のスパンが布設された位置におけるＰＧＶ（Peak Ground Velocity）、ＰＧＡ（Peak Ground Acceleration）、ＰＧＤ（Peak Ground Displacement）、ＳＩ値、震度等である。スパンの属する区画とは、固定配線区画などの予め定められた区画である。本実施形態においては、１区画は２５０ｍ×２５０ｍの大きさであるが、これに限られず、自由に設定されてよい。ＡＶＳ３０は、地表から深さ３０ｍまでの平均Ｓ波速度をいう。ＰＧＡは、地震動の最大加速度いう。ＰＧＶは、地震動の最大速度をいう。ＰＧＤは、地震動の最大変位度をいう。本実施形態において、ＰＧＤ値は、ＰＧＶ値を二乗してＰＧＡ値で徐した値で近似している。管路の特性は、図３Ａ及び図３Ｂに示すように、被害有無の情報、設備情報、地域情報、座標情報、地盤情報、及び地震動指標情報のカテゴリに分けることができる。なお、図３Ａ及び図３Ｂに示す例はテーブル形式の情報となっているが、これに限定されるものではなく、上述の各情報を関連付ける情報であればどのような形式であってもよい。既往地震管路被害データベース１１１は、地震発生後、各管路の被害が点検された結果をユーザが入力することで更新される。これにより、既往地震管路被害データベース１１１の情報を用いて作成される機械学習モデル及び被害率曲線の精度が向上していく。

設備情報に含まれる管路の特性は、図３Ａ及び図３Ｂに示した例に限られず、他に管路の素材、曲り角度、防護コンクリートの有無、近接構造物の有無、布設場所の縦断勾配等を含んでもよい。地盤情報に含まれる管路の特性は、図３Ａ及び図３Ｂに示した例に限られず、他に平均傾斜角度、平均標高、人工的に平坦化されたと推定される土地であるか否かについての情報、地盤の基本固有周期等を含んでもよい。また、微地形区分は、図３Ａ及び図３Ｂに示した例に限られず、他に山麓地、丘陵、火山地、火山山麓地、火山性丘陵、岩石台地、砂礫質台地、谷底低地、扇状地、自然堤防、後背湿地、旧河道、三角州・海岸低地、砂州・砂礫州、砂丘、砂州・砂丘間低地、干拓地、磯・岩礁、河原、河道、湖沼等を含んでもよい。地震動指標情報に含まれる管路の特性は、図３Ａ及び図３Ｂに示した例に限られず、他に地震の等価卓越周期、ガス指針に基づく地盤ひずみの値等を含んでもよい。

入力部１２は、ユーザから既往の地震の際の管路の点検結果の各情報を受け付ける。入力部１２は、例えばキーボード及びマウスの少なくとも一方であってもよいし、タッチパネルであってもよいが、特に限定されるものではない。入力部１２によって受け付けられた各情報は、記憶部１１の既往地震管路被害データベース１１１に格納され、後述するモデル作成処理に用いられる。

制御部１３は、モデル作成部１３１と、特徴量抽出部１３２と、予測分析部１３３と、データ抽出部１３４と、曲線作成部１３５とを備える。制御部１３は、専用のハードウェアによって構成されてもよいし、汎用のプロセッサ又は特定の処理に特化したプロセッサによって構成されてもよい。

モデル作成部１３１は、記憶部１１を参照して、既往地震管路被害データベース１１１に含まれるレコードを取得し、レコードをＮ個の管路の特性ごとにまとめ、Ｎ個の機械学習モデル作成用の第１の管路被害データとして記憶部１１に格納する。モデル作成部１３１は、Ｎ個の第１の管路被害データをそれぞれについて機械学習を行い、管路の特性ごとに管路の第１の被害率を予測して出力するＮ個の機械学習モデルの作成を行う。機械学習の手法は、ランダムフォレストまたは匂配ブースティングを用いた二値分類回帰によるものであってよいが、これに限られない。ランダムフォレスト、勾配ブースティング方式の詳細については、周知の手法であるためここでは省略する。ここで「第１の被害率」とは、ある管路の特性を有するスパンの地震被害の有無の確率をいい、０から１の連続した値で表される。第１の被害率が０に近づくほど、ある管路の特性を有するスパンに地震の被害がある可能性が低いことを意味し、第１の被害率が１に近づくほど、ある管路の特性を有するスパンに地震の被害がある可能性が高いことを意味する。

特徴量抽出部１３２は、記憶部１１を参照してモデル作成部１３１が作成した機械学習モデルを取得し、取得した機械学習モデルのそれぞれについて特徴量の抽出を行い、機械学習モデルの予測に対する最も寄与度の高い特徴量を抽出する。本実施形態において特徴量とは地震動指標をいうが、これに限られず、他の管路の特性であってもよい。特徴量の抽出は、順列の特徴量の重要度（Permutation Feature Importance）の手法を用いてもよい。順列の特徴量の重要度の手法の詳細については、周知の手法であるため、ここでは省略する。図７は、特徴量抽出部１３２が抽出した、管路の特性が「ねじ継手鋼管」である機械学習モデルの予測に対して寄与度の高い管路の特性を、寄与度の高い順に示す図である。縦軸は機械学習モデルの予測に寄与する管路の特性を、横軸は作成された第１の機械学習モデルのＲＯＣ曲線下の面積ＡＵＣ（Area Under the Curve）の減少量を示す。図７から、管路の特性が「ねじ継手鋼管」の機械学習モデルに対し特徴量の抽出を行うと、最も寄与度の高い特徴量はＰＧＤであることがわかる。よって、特徴量抽出部１３２はＰＧＤを特徴量として抽出する。

予測分析部１３３は、特徴量抽出部１３２により抽出された地震動指標の値の変化に対する、作成された機械学習モデルが出力する第１の被害率の変化を分析する。第１の被害率の変化の分析は、累積局所効果プロット（Accumulated Local Effect plot)の手法を用いてもよい。累積局所効果プロットの手法は周知であるためここでは説明を省略する。予測分析部１３３は、地震動指標の値を変数として、当該値が変化するとどのように被害率が変化するのかを分析する。予測分析部１３３は分析結果を平面上に表す。図８に、特徴量がＰＧＤである場合の分析結果の例を示す。図８ではＰＧＤ値の変化に対する第１の被害率の変化が、縦軸に第１の被害率の平均予測値、横軸をＰＧＤ値として連続的なグラフで表される。

データ抽出部１３４は、予測分析部１３３が分析した第１の被害率の変化の変曲点における特徴量の値を極値として特定する。図８を参照すると、４つの丸で囲まれたＡからＤまでの符号が付与された箇所が、第１の被害率が大きく変化する変曲点を示す。データ抽出部１３４は当該変曲点におけるＰＧＤ値を極値としてそれぞれ特定する。図８では、ＡからＤまでの変曲点におけるＰＧＤ値はそれぞれ、1ｃｍ、７ｃｍ、14ｃｍ、19.5ｃｍである。本実施形態では極値は小数値を四捨五入することで整数値として特定される。よって、Ｄの符号が付された変曲点における極値である19.5ｃｍのＰＧＤ値は、20ｃｍのＰＧＤ値として特定される。特定される極値は小数値を含む値であってもよい。

データ抽出部１３４は、第１の管路被害データから、極値との差が閾値以下となる特徴量の値を有するデータを第２の管路被害データとして抽出する。本実施形態では、データ抽出部１３４は、ＡからＤまでの変曲点における極値である、1ｃｍ、７ｃｍ、14ｃｍ、20ｃｍのＰＧＤ値との差が閾値以下となる特徴量の値を有するレコードを、第１の管路被害データから、第２の管路被害データとして抽出する。本実施形態の閾値は、極値であるＰＧＤ値の±1ｃｍの範囲内の値である。閾値はこれに限られず、自由に設定されてよい。第２の管路被害データはＮ個の第１の管路被害データからそれぞれ抽出される。データ抽出部１３４は、抽出したＮ個の第２の管路被害データを、記憶部１１に格納する。

曲線作成部１３５は、記憶部１１を参照して、データ抽出部１３４が抽出した第２の管路被害データに基づいて、第２の被害率を算出し、被害率曲線を作成する。本実施形態における「第２の被害率」とは、第２の管路被害データのうち地震被害の有るレコードの数を、対応する管路の特性を有する第１の管路被害データのレコードの総数で除した値で表される。曲線作成部１３５は、算出した第２の被害率をＹ軸と、データ抽出部１３４が特定した極値をＸ軸とした平面上にプロットする。図９は、曲線作成部１３５によるプロットの例を示す。図９では、Ｄの符号が付された変曲点における極値のＰＧＤ値が２０ｃｍのとき、第２の被害率は０．２０９、すなわち２０．９パーセントであることが示される。次に曲線作成部１３５は、フィッティング関数を用いて当該プロットに基づいて曲線を作成し、被害率曲線とする。本実施形態では、フィッティング関数はシグモイド関数であるがこれに限られない。曲線作成部１３５は、管路の特性ごとに作成した被害率曲線を、記憶部１１に格納する。

出力部１４は、曲線作成部１３５が作成したＮ個の被害率曲線を、被害率曲線適用装置２０に対し出力する。これにより、被害率曲線適用装置２０は、被害率曲線作成装置１０が作成した被害率曲線を、地震動指標情報と管路の情報を示すデータに適用して、管路の被害率を推定することができる。出力部１４は液晶ディスプレイ、有機ＥＬディスプレイ、無機ＥＬディスプレイ等であって、作成した被害率曲線をユーザに表示可能に構成されてもよい。

通信部１５には、少なくとも１つの通信用インタフェースが含まれる。通信用インタフェースは、例えば、ＬＡＮインタフェースである。通信部１５は、被害率曲線作成装置１０の動作に用いられる情報を受信し、また被害率曲線作成装置１０の動作によって得られる情報を送信する。

＜被害率曲線適用装置２０の構成＞
図４は、本実施形態に係る被害率曲線適用装置２０の構成の一例を示す図である。図４に示すように、被害率曲線適用装置２０は、記憶部２１と、入力部２２と、制御部２３と、出力部２４と、通信部２５とを備える。

記憶部２１は、１つ以上のメモリを含み、例えば、半導体メモリ、磁気メモリ、光メモリなどを含んでよい。記憶部２１に含まれる各メモリは、例えば、主記憶装置、補助記憶装置、又はキャッシュメモリとして機能してよい。記憶部２１は、被害率曲線適用装置２０の動作に用いられる各種情報を記憶する。記憶部２１は、推定対象管路データベース２１１と、地震動指標情報データベース２１２と、被害率曲線作成装置１０から受け付けた被害率曲線と、制御部２３が各種処理を実行するために必要な各種プログラムと、各種情報とを記憶する。ここで記憶部２１は、本実施形態にかかる被害率曲線適用装置２０の各種算出結果を格納することが好ましい。このとき、他の端末から記憶部２１が参照可能であれば、複数の端末から管路の被害率の推定結果を閲覧することが可能になる。記憶部２１は例えばネットワーク経由で制御部２３からアクセス可能なファイルサーバーのハードディスクや不揮発性メモリであってもよい。このような構成であっても、記憶部２１は被害率曲線適用装置２０の一部として機能し、制御部２３は必要な場合に記憶部２１にアクセスできる。

推定対象管路データベース２１１は、被害率の推定対象とするスパンの情報を、スパンＮｏ及びスパン名と、管路の特性とを相互に関連付けて含むレコードとして格納する。当該管路の特性には、座標情報が含まれる。推定対象管路データベース２１１の例を図５Ａ及び図５Ｂに示す。推定対象管路データベース２１１に格納される設備情報、地域情報、座標情報、及び地盤情報を含む管路の特性は、上述の既往地震管路被害データベース１１１が格納する管路の特性と同様のものであってもよい。推定対象管路データベース２１１は図５Ａ及び図５Ｂに示すようなテーブル形式に限定されず、上述の各情報を関連付ける情報であればどのような形式であってもよい。

地震動指標情報データベース２１２には、制御部２３によってＪ－ＳＨＩＳが有するサーバ等の外部装置から取得された地震動指標情報及び座標情報が格納される。地震動指標情報データベース２１２は、ＰＧＶ、ＰＧＡ、ＰＧＤ、ＳＩ、震度等の地震動指標の予測値及び速報値と、対応する座標情報とを相互に関連付けて含むレコードとして格納する。予測値とは、将来地震が発生した場合に想定される、地震発生前の地震動指標の値である。速報値とは、地震発生直後に計測された地震動指標の値である。例えば、地震動指標情報データベース２１２は、将来想定される首都圏直下型地震の予測値として２０ｃｍのＰＧＤ値、対応する座標情報として３５度から３６度の緯度、１３９度から１４０度の経度を示すレコードを格納する。当該レコードは、将来に首都圏直下型地震が起きた場合、３５度から３６度の緯度及び１３９度から１４０度の経度の範囲内の地域において、ＰＧＤ値が２０ｃｍであることが予測されることを示す。地震動指標情報データベース２１２は、制御部２３が常時または定期的に外部装置からデータを取得することで更新される。

入力部２２は、ユーザから、推定対象とする管路の特性、及び、地震動指標情報の種別の入力を受け付ける。「地震動指標情報の種別」とは、本実施形態においては、各種地震動指標の予測値又は速報値のいずれかをいうが、これに限られない。地震動指標情報の種別は、地震発生から所定の期間の経過後の値等、自由に設定されてよい。ユーザは地震発生前に管路の被害率を推定したい場合は予測値を、地震発生後に管路の被害率を推定したい場合は速報値を、入力部２２を介して入力する。例えば、ユーザは管路の特性を「ねじ継手鋼管」、地震動指標情報の種別を「予測値」として入力部２２を介して入力する。入力部２２は、例えばキーボード及びマウスの少なくとも一方であってもよいし、出力部２４と一体となったタッチパネルであってもよいが、特に限定されるものではない。入力部２２によって入力された情報は、制御部２３に伝えられて、制御部２３の被害率の推定処理に用いられる。

制御部２３は、推定対象管路取得部２３１と、地震動指標情報取得部２３２と、被害率曲線受付部２３３と、推定部２３４と、を備える。制御部２３は、専用のハードウェアによって構成されてもよいし、汎用のプロセッサ又は特定の処理に特化したプロセッサによって構成されてもよい。

推定対象管路取得部２３１は、入力部２２を介して入力された管路の特性を有するスパンのレコードを、記憶部２１の推定対象管路データベース２１１から取得する。例えば、入力部２２を介して入力された管路の特性が「ねじ継手鋼管」である場合、推定対象管路取得部２３１は、図５Ａ及び図５Ｂのレコードのうち「ねじ継手鋼管」を管路の特性として有するスパンＮｏ．１、２、及び５のレコードを選択して取得する。推定対象管路取得部２３１は、取得したレコードを記憶部２１に格納する。

地震動指標情報取得部２３２は、入力部２２を介して入力された地震動指標情報の種別に対応する地震動指標情報及び座標情報を含むレコードを、記憶部２１の地震動指標情報データベース２１２から取得する。例えば、入力部２２を介して入力された地震動指標情報の種別が「予測値」である場合、地震動指標情報取得部２３２は、予測値として２０ｃｍのＰＧＤ値、対応する座標情報として３５度から３６度の緯度、１３９度から１４０度の経度の値を示すレコードを選択して取得する。地震動指標情報取得部２３２は、取得したレコードを記憶部２１に格納する。

被害率曲線受付部２３３は、被害率曲線作成装置１０から管路の特性に対応する被害率曲線を受け付ける。被害率曲線受付部２３３は、受け付けた被害率曲線を記憶部２１に格納する。被害率曲線受付部２３３は、例えば定期的に被害率曲線作成装置１０から被害率曲線を受け付けて記憶部２１に格納しておいてもよい。被害率曲線受付部２３３は、入力部２２を介してユーザの入力があったときに被害率曲線作成装置１０から被害率曲線を受け付けてもよい。例えば、ユーザが入力された管路の特性が「ねじ継手鋼管」である場合、被害率曲線受付部２３３は、被害率曲線作成装置１０において管路の特性が「ねじ継手鋼管」であるレコードに基づいて作成された被害率曲線を、被害率曲線作成装置１０から受け付ける。

推定部２３４は、推定対象管路取得部２３１と、地震動指標情報取得部２３２とが取得した情報と、被害率曲線受付部２３３が受け付けた被害率曲線とに基づいて被害率を推定する。具体的には、まず、推定部２３４は記憶部２１を参照して、推定対象管路取得部２３１が取得したレコードの座標情報と地震動指標情報取得部２３２が取得したレコードの座標情報とを対応付ける。次に、対応づけた座標情報を基に、推定対象管路取得部２３１が取得したレコードに、地震動指標情報取得部２３２が取得した地震動指標の予測値または速報値を付加する。そして、被害率曲線受付部２３３が取得した曲線から、付加された地震動指標の予測値又は速報値に対応する被害率を読み出す。例えば、地震動指標情報取得部２３２が、予測値として２０ｃｍのＰＧＤ値と、対応する座標情報として３５度から３６度の緯度及び１３９度から１４０度の経度の値を示すレコードを記憶部２１に格納していたとする。さらに、推定対象管路取得部２３１が図５Ａ及び図５ＢのスパンＮｏ．１、２、及び５のレコードを記憶部２１に格納していたとする。推定部２３４は、地震動指標情報取得部２３２が取得したレコードの座標情報の範囲に含まれる座標の値を有するスパンＮｏ．１のレコードに、地震動指標の予測値である２０ｃｍのＰＧＤ値を付加して、記憶部２１に格納する。推定部２３４は、被害率曲線受付部２３３が取得した図１０の被害率曲線から、２０ｃｍのＰＧＤ値に対応する被害率は２０．９パーセントであることを読み出す。このようにして推定部２３４は、各スパンの被害率を推定する。推定部２３４は、推定対象管路取得部２３１が取得したレコードに対応する地震動指標が地震動指標情報取得部２３２によって取得されていない場合には、ユーザが設定した任意の値を地震動指標の値として用いるよう構成されてもよい。推定部２３４は、被害率を推定した結果を記憶部２１に格納する。

出力部２４は、被害率の推定結果をユーザに表示する。出力部２４は例えば液晶ディスプレイ、有機ＥＬディスプレイ、無機ＥＬディスプレイ等である。また、出力部２４はタッチパネルであってもよく、この場合、出力部２４はユーザに推定結果を表示するとともに、ユーザの操作による入力を受付ける入力部２２として機能する。

出力部２４は推定結果を数値で表してもよいし、数値を所定の範囲ごとにわけ、高、中、低のレベルに分けて表示してもよい。推定結果は地図情報と共に表示されてもよい。推定結果を地図情報と共に表示する例を図１２Ａと図１２Ｂとに示す。図１２Ａ及び図１２Ｂはユーザが地震動指標情報の種別として予測値を入力した場合の表示例である。図１２Ａは出力部２４に表示される、管路の特性が「ねじ継手鋼管」のスパンの被害率の推定結果の一例である。図１２Ｂは、出力部２４に表示される、管路の特性が「接着継手ビニル管」のスパンの被害率の推定結果の一例である。なお、白丸はマンホールであって、実線、二重線、間隔大及び間隔小の破線がマンホールを繋ぐスパンである。出力部２４は、被害率の高さに応じて、各スパンの被害率を実線（被害率高）、二重線（被害率中）、間隔大の破線（被害率低）、間隔小の破線（脆弱性無）で表示する。出力部２４に表示された画面を見ると、ユーザは、入力した管路の特性ごとに、将来地震が発生した場合の被害率の推定結果を地図上で一元的に把握することができる。

出力部２４の表示は、ユーザが入力する地震動指標情報の種別と、入力された管路の特性とに基づいて、出力される被害率の推定結果が切り替わって表示される。出力部２４は、ユーザの操作によって、例えば１ｋｍ×１ｋｍのサイズ、または２５０ｍ×２５０ｍのサイズの区画ごとに地図を分けて表示できるよう構成されてもよい。出力部２４はスパンと被害率の推定結果とを地図上に平面的に表示する他、リストによって表示できてもよい。

通信部２５には、少なくとも１つの通信用インタフェースが含まれる。通信用インタフェースは、例えば、ＬＡＮインタフェースである。通信部２５は、被害率曲線適用装置２０の動作に用いられる情報を受信し、また被害率曲線適用装置２０の動作によって得られる情報を送信する。

＜プログラム＞
被害率曲線作成装置１０及び被害率曲線適用装置２０は、それぞれプログラム命令を実行可能なコンピュータであってもよい。コンピュータは、被害率曲線作成装置１０及び被害率曲線適用装置２０の各機能を実現する処理内容を記述したプログラムを該コンピュータの記憶部に格納しておき、該コンピュータのプロセッサによってこのプログラムを読み出して実行する。これらの処理内容の一部はハードウェアで実現されてもよい。ここで、コンピュータは、汎用コンピュータ、専用コンピュータ、ワークステーション、ＰＣ（Personal Computer）、電子ノートパッドなどであってもよい。プログラム命令は、必要なタスクを実行するためのプログラムコード、コードセグメントなどであってもよい。プロセッサは、ＣＰＵ(Central Processing Unit)、ＧＰＵ（Graphics Processing Unit）、ＤＳＰ(Digital Signal Processor)などであってもよい。

また、このプログラムは、コンピュータが読み取り可能な記録媒体に記録されていてもよい。このような記録媒体を用いれば、プログラムをコンピュータにインストールすることが可能である。ここで、プログラムが記録された記録媒体は、非一過性の記録媒体であってもよい。非一過性の記録媒体は、特に限定されるものではないが、例えば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭなどの記録媒体であってもよい。また、このプログラムは、ネットワークを介したダウンロードによって提供することもできる。

次に、本実施形態に係るシステム１の動作について説明する。

＜被害率曲線作成装置１０の動作＞
まず、システム１に含まれる被害率曲線作成装置１０の動作を説明する。この動作は、本実施形態に係る被害率曲線作成方法に相当する。図６Ａ及び図６Ｂは、システム１に含まれる被害率曲線作成装置１０の動作の一例を示すフローチャートである。

被害率曲線作成装置１０のモデル作成部１３１は、既往地震管路被害データベース１１１に含まれるレコードを取得し、Ｎ個の管路の特性ごとにレコードを分けてまとめ、Ｎ個の機械学習モデル作成用の第１の管路被害データとして記憶部１１に格納する（ステップＳ１）。モデル作成部１３１は、図３Ａ及び図３Ｂに示す既往地震管路被害データベース１１１に格納されるレコードのうち、「ねじ継手鋼管」を管路の特性として備えるレコード、すなわちスパンＮｏ．１、３、及び５のレコードをひとまとまりのデータとし、また、「接着継手ビニル管」を管路の特性として備えるレコード、すなわちスパンＮｏ．２及び４のレコードをひとまとまりのデータとして、管路の特性ごとにレコードを分ける。このように、モデル作成部１３１は管路の特性ごとにＮ個のまとまりに既往地震管路被害データベース１１１に含まれるレコードを分ける。モデル作成部１３１は、ひとまとまりとしたデータをそれぞれ第１の管路被害データとして記憶部１１に格納する。

モデル作成部１３１は、ステップＳ１で分けられたＮ個の第１の管路被害データを学習データとして用いて、管路の特性ごとに機械学習をそれぞれ行い、管路の特性ごとに第１の被害率を出力する機械学習モデルの作成を行う（ステップＳ２＿１～ステップＳ２＿Ｎ）。図３Ａ及び３Ｂを参照すると、モデル作成部１３１は、「ねじ継手鋼管」を管路の特性として備えるレコード、すなわちスパンＮｏ．１、３、及び５のレコードを学習データとして機械学習を行う（ステップＳ２＿１）。また、「接着継手ビニル管」を管路の特性として備えるレコード、すなわちスパンＮｏ．２及び４のレコードを学習データとして機械学習を行う（ステップＳ２＿２）。このように、モデル作成部１３１はＮ個のデータのまとまりそれぞれについて、合計Ｎ個の機械学習を行う（Ｓ２＿１～ステップＳ２＿Ｎ）。そして、モデル作成部１３１は、ステップＳ２＿１～ステップＳ２＿Ｎで作成した機械学習モデル１Ａ～１Ｎのそれぞれを、記憶部１１に格納する。

次に特徴量抽出部１３２は、記憶部１１を参照して、モデル作成部１３１が作成したＮ個の機械学習モデル１Ａ～１Ｎを取得し、それぞれついて特徴量を抽出し、機械学習モデルの予測に対する最も寄与度の高い特徴量を抽出する（ステップＳ３＿１～ステップＳ３＿Ｎ）。図７は、特徴量抽出部１３２が、管路の特性が「ねじ継手鋼管」である機械学習モデル１Ａについて特徴量を抽出した結果を、寄与度の高い順に示す図である。図７から、管路の特性が「ねじ継手鋼管」の機械学習モデル１Ａに対し特徴量の抽出を行うと、最も寄与度の高い特徴量は地震動指標のＰＧＤであることがわかる。よって、特徴量抽出部１３２はＰＧＤを特徴量として抽出する。

次に予測分析部１３３は、抽出した特徴量の変化に対する第１の被害率の変化を分析する（ステップＳ４＿１～ステップＳ４＿Ｎ）。本実施形態では、予測分析部１３３は、第１の管路被害データのＰＧＤ値が変化するとどのように第１の被害率が変化するのかを、累積局所効果プロットの手法を用いて分析する。図８は、予測分析部１３３が分析した結果を示す。図８ではＰＧＤ値の変化に対する第１の被害率の変化が、縦軸を第１の被害率の平均予測値、横軸をＰＧＤ値として連続的なグラフで表される。

次にデータ抽出部１３４は、予測分析部１３３が分析した第１の被害率の変化の変曲点における特徴量の値を極値として特定する（ステップＳ５＿１～ステップＳ５＿Ｎ）。図８を参照すると、４つの丸で囲まれたＡからＤまでの符号が付与された箇所は第１の被害率が大きく変化する変曲点を示す。データ抽出部１３４は、４つの変曲点それぞれにおける極値としてのＰＧＤ値を特定する。本実施形態では、データ抽出部１３４は、Ｄの符号が付された変曲点における極値としての１９．５ｃｍのＰＧＤ値を読み出し、小数点を四捨五入して２０ｃｍのＰＧＤ値として特定する。

次にデータ抽出部１３４は、第１の管路被害データから、極値との差が閾値以下となる特徴量の値を有するデータを第２の管路被害データとして抽出する（ステップＳ６＿１～ステップＳ６＿Ｎ）。本実施形態では、データ抽出部１３４は、特定した極値としてのＰＧＤ値との差が閾値以下となる特徴量の値を有するレコードを、第１の管路被害データから抽出する。図３Ｂを参照すると、「ねじ継手鋼管」を管路の特性として備える第１の管路被害データに含まれるスパンＮｏ．１、３、及び５のレコードは、ＰＧＤ値がそれぞれ１９ｃｍ、２１ｃｍ、８ｃｍである。データ抽出部１３４は、Ｄの符号が付された変曲点における極値として特定された２０ｃｍのＰＧＤ値との差が閾値以下である、スパンＮｏ．１及び３のレコードを第２の管路被害データとして抽出する。本実施形態で、閾値とはＰＧＤ値の±１ｃｍの範囲内の値である。データ抽出部１３４はこの他にも、第１の管路被害データから２０ｃｍのＰＧＤ値との差が閾値以下であるＰＧＤ値を有するレコードを抽出する。データ抽出部１３４は、抽出したレコードを記憶部１１に格納する。

次に曲線作成部１３５は、第２の管路被害データに基づいて、第２の被害率を算出する（ステップＳ７＿１～ステップＳ７＿Ｎ）。曲線作成部１３５は、第２の管路被害データのうち地震被害の有るレコードの数を、対応する管路の特性を有する第１の管路被害データのレコードの総数で除して第２の被害率を算出する。図３Ａ及び図３Ｂを参照すると、ステップＳ６＿１において第２の管路被害データとして抽出されたスパンＮｏ．１及び３のレコードのうち、スパンＮｏ．１は地震被害の有るレコードである。よって、曲線作成部１３５は、スパンＮｏ．１を含む、地震被害の有るレコードの数を、「ねじ継手鋼管」を管路の特性として有する第１の管路被害データのレコードの総数で除す。本実施形態では、第２の管路被害データのうち地震被害の有るレコードの数が２０９個、「ねじ継手鋼管」を管路の特性として有する第１の管路被害データのレコードの総数が１０００個である。よって曲線作成部１３５は、第２の被害率を２０．９パーセントと算出する。

次に曲線作成部１３５は、被害率曲線を作成する（ステップＳ８＿１～ステップＳ８＿Ｎ）。具体的には、曲線作成部１３５はまず、第２の被害率をＹ軸と、データ抽出部１３４が特定した極値をＸ軸とした平面上にプロットする。図９を参照すると、Ｄの符号が付された極値のＰＧＤ値が２０ｃｍのとき、第２の被害率は０．２０９、すなわち２０．９パーセントであることが示される。次に曲線作成部１３５は、フィッティング関数を用いてプロットに基づいて曲線を作成し、被害率曲線とする。本実施形態では、フィッティング関数はシグモイド関数を用いる。図１０は、図９に示すプロットに基づいて作成された被害率曲線を示す。曲線作成部１３５は、Ｎ個の管路の特性ごとに第２の被害率を示す被害率曲線を作成し、記憶部１１に格納する。

制御部１３は、出力部１４を介して記憶部１１に格納されたＮ個の被害率曲線それぞれを、被害率曲線適用装置２０に対し出力する（ステップＳ９）。そのあと、制御部１３は処理を終了する。

以上のステップＳ１～Ｓ９によって、被害率曲線が作成され、被害率曲線適用装置２０に作成された被害率曲線が出力される。
＜被害率曲線適用装置２０の動作＞

次に、システム１に含まれる被害率曲線適用装置２０の動作を説明する。図１１は、システム１に含まれる被害率曲線適用装置２０の動作の一例を示すフローチャートである。

被害率曲線適用装置２０の入力部２２は、ユーザから、推定対象とする管路の特性、及び、地震動指標情報の種別の入力を受け付ける（ステップＳ１０）。本実施形態では、ユーザが管路の特性として「ねじ継手鋼管」を、地震動指標情報の種別として「予測値」を入力したとする。

推定対象管路取得部２３１は、入力部２２を介して入力された管路の特性を有するレコードを、記憶部２１の推定対象管路データベース２１１から取得する。また、地震動指標情報取得部２３２は、ユーザによって入力された地震動指標情報の種別に基づいて、地震動指標情報及び座標情報を含むレコードを記憶部２１の地震動指標情報データベース２１２から取得する。（ステップＳ１１）。本実施形態では、推定対象管路取得部２３１は、図５Ａ及び図５Ｂに示す推定対象管路データベース２１１に格納されたレコードのうち、「ねじ継手鋼管」を管路の特性として有するスパンＮｏ．１、２、５のレコードを選択して取得する。地震動指標情報取得部２３２は、「速報値」である地震動指標情報の２０ｃｍのＰＧＤ値と、対応する座標情報として３５度から３６度の緯度、及び１３９度から１４０度の経度を示す情報を取得する。

被害率曲線適用装置２０の被害率曲線受付部２３３は、入力された管路の特性に対応する被害率曲線を被害率曲線作成装置１０から受け付ける（ステップＳ１２）。被害率曲線受付部２３３は、受け付けた被害率曲線を記憶部２１に記憶させる。本実施形態では、被害率曲線受付部２３３は、管路の特性が「ねじ継手鋼管」であるレコードに基づいて作成された被害率曲線を被害率曲線作成装置１０から受け付ける。

次に被害率曲線適用装置２０の推定部２３４は、記憶部２１を参照して、推定対象管路取得部２３１と、地震動指標情報取得部２３２とが取得したレコードと、被害率曲線受付部２３３が受け付けた被害率曲線とに基づいて被害率を推定する（ステップＳ１３）。まず、推定部２３４は、推定対象管路取得部２３１が取得したスパンＮｏ．１、２、５のレコードのうち、地震動指標情報取得部２３２が取得した座標情報の範囲に含まれる座標の値を有するスパンＮｏ．１のレコードに、地震動指標情報の速報値の２０ｃｍのＰＧＤ値を付加して記憶部２１に格納する。そして、推定部２３４は、被害率曲線受付部２３３が取得した図１０の被害曲線から、スパンＮｏ．１のレコードに付加された２０ｃｍのＰＧＤ値に対応する被害率は２０．９パーセントであることを読み出す。推定部２３４は、推定対象管路取得部２３１が取得したすべてのレコードについて被害率曲線から被害率を読み出し終わるまで、ステップＳ１３を繰り返す（ステップＳ１４）。取得したすべてのレコードについて被害率曲線から被害率を読み出したのち、推定部２３４は、読み出した各スパンの被害率を推定結果として記憶部２１に格納する。

出力部２４は、記憶部２１に格納された各スパンの被害率の推定結果をユーザに表示する（ステップＳ１５）。出力部２４は、各スパンの被害率を地図情報と共に表示する。図１２Ａは、出力部２４が被害率を表示する例である。図１２Ａを参照すると、各スパンの被害率は実線（被害率高）、二重線（被害率中）、間隔大の破線（被害率低）、間隔小の破線（被害率無）で表示される。出力部２４は、ユーザが管路の特性又は地震動指標の種類の入力を変更するたびに、画面を切り替えて各スパンの被害率を地図上に示すことができる。

以上のステップＳ１０～Ｓ１５によって、各スパンの被害率の推定が行われる。

上述したように、本実施形態にかかる被害率曲線作成方法は、地震被害の有無と管路の特性とに関する情報を含む第１の管路被害データを用いて、前記管路の特性ごとに前記管路の第１の被害率を予測して出力する機械学習モデルを複数作成するステップと、前記機械学習モデルのそれぞれについて、予測に対する寄与度の高い特徴量を抽出するステップと、前記特徴量の変化に対する前記第１の被害率の変化を分析するステップと、前記第１の被害率の変化の変曲点における前記特徴量の値を極値として特定し、前記第１の管路被害データから、前記極値との差が閾値以下となる前記特徴量の値を有するデータを第２の管路被害データとして抽出するステップと、前記第２の管路被害データに基づいて、第２の被害率を示す被害率曲線を作成するステップとを含む。

本実施形態によれば、推定対象とする管路の特性に対応した被害率曲線が作成される。当該被害率曲線を用いることで、精度よく管路の被害率を推定することができる。

上述したように、本実施形態にかかる被害率曲線を作成するステップは、被害率曲線をフィッティング関数を用いて作成するステップを含む。

本実施形態によれば、算出した第２の被害率のデータを用いて容易に被害率曲線を作成することができる。管路の種別ごとに作成された被害率曲線を用いて、より精度よく管路の被害率を推定することができる。

上述したように、本実施形態にかかるフィッティング関数はシグモイド関数である。

本実施形態によれば、算出した第２の被害率のデータを用いて容易に被害率曲線を作成することができる。管路の種別ごとに作成された被害率曲線を用いて、より精度よく管路の被害率を推定することができる。

上述したように、本実施形態にかかる寄与度の高い特徴量は地震動指標である。

本実施形態によれば、管路の特性に応じた地震動指標を用いて被害率曲線を作成することができる。当該被害率曲線を用いて、より精度よく管路の被害率を推定することができる。

（第２実施形態）
以下、第１実施形態と本実施形態との差異を説明する。

本実施形態に係るシステム１の構成については、図１に示した第１実施形態のものと同じであるため、説明を省略する。

本実施形態に係る被害率曲線作成装置１０の構成については、図２に示した第１実施形態のものと同じであるため、説明を省略する。

本実施形態においては、被害率曲線作成装置１０の制御部１３のモデル作成部１３１によって作成されるＮ個の機械学習モデルは、第１実施形態の「第１の被害率」と異なった「第１の被害率」を出力する。本実施形態における「第１の被害率」とは、ある特定の区画に属するスパンのうち地震による被害のあったスパンの件数を示し、０以上の連続した値で表される。例えば、本実施形態において、モデル作成部１３１は、区画Ａに属するスパンのうち被害のあったスパンの件数を出力する機械学習モデルを作成する。

本実施形態に係る被害率曲線作成装置１０の制御部１３の曲線作成部１３５は、第２の管路被害データに基づいて、第１実施形態の「第２の被害率」と異なった「第２の被害率」を算出し、被害率曲線を作成する。本実施形態における「第２の被害率」とは、第２の管路被害データのうち地震被害の有るレコードの数を、第１の管路被害データに含まれるスパンの亘長の総延長で除した値で表される。すなわち、本実施形態の「第２の被害率」は、ある区画に属するスパンの単位長あたりの被害有りの箇所の数で表される。第１実施形態と同様、曲線作成部１３５は、算出した第２の被害率をＹ軸と、データ抽出部１３４が特定した極値をＸ軸とした平面上にプロットする。曲線作成部１３５は、フィッティング関数を用いて当該プロットに基づいて曲線を作成し、被害率曲線とする。

本実施形態に係る被害率曲線適用装置２０の構成については、図４に示した第１実施形態のものと同じであるため、説明を省略する。

本実施形態に係る被害率曲線適用装置２０の出力部２４は、第１の実施形態と同様、被害率の推定結果を数値で表してもよいし、数値を所定の範囲ごとにわけ、高、中、低のレベルに分けて表示してもよい。本実施形態の出力部２４は、地図をスパンの属する区画ごとに区切り、算出された第２の被害率の数値の所定の範囲ごとに分け、高、中、低のレベルに合わせて当該区画の色を変化させて表示する。本実施形態の出力部２４の表示の例を図１３に示す。図１３では、地図上の区画ごとの被害率が示される。図１３を参照すると、区画Ａは被害率が低く、区画Ｂは被害率が中程度であり、区画Ｃは被害率が高いことがわかる。ユーザは、出力部２４の表示を見て、地図上のスパンの属する区画ごとの被害率を一元的に把握することができる。

以下、第１実施形態に係るシステム１の動作と本実施形態に係るシステム１の動作との差異を説明する。第１の実施形態ではユーザが入力する管路の特性は、設備情報のカテゴリに含まれる「ねじ継手鋼管」又は「接着継手ビニル管」であるが、本実施形態では地域情報のカテゴリに含まれる「区画Ａ」又は「区画Ｂ」である。

まず、システム１に含まれる被害率曲線作成装置１０の動作を説明する。この動作は、本実施形態に係る被害率曲線作成方法に相当する。

被害率曲線作成装置１０のモデル作成部１３１は、既往地震管路被害データベース１１１に含まれるレコードを取得し、Ｎ個の管路の特性ごとにレコードを分けてまとめ、Ｎ個の機械学習モデル作成用の第１の管路被害データとして記憶部１１に格納する（ステップＳ１）。モデル作成部１３１は、既往地震管路被害データベース１１１に格納されるレコードのうち、「区画Ａ」を管路の特性として備えるレコード、すなわちスパンＮｏ．１、３、及び５のレコードをひとまとまりのデータとし、また、「区画Ｂ」を管路の特性として備えるレコード、すなわちスパンＮｏ．２及び４のレコードをひとまとまりのデータとして、管路の特性ごとにレコードを分ける。このように、モデル作成部１３１は管路の特性ごとにＮ個のまとまりに既往地震管路被害データベース１１１に含まれるレコードを分ける。モデル作成部１３１は、ひとまとまりとしたデータをそれぞれ第１の管路被害データとして記憶部１１に格納する。

図６ＡのステップＳ２＿１～ステップＳ２＿Ｎから、ステップＳ６＿１～ステップＳ６＿Ｎまでは、第１実施形態と同様であるため説明を省略する。

曲線作成部１３５は、第２の管路被害データから第２の被害率を算出する（ステップＳ７＿１～ステップＳ７＿Ｎ）。曲線作成部１３５は、第２の管路被害データのうち地震被害の有るレコードの数を、対応する管路の特性を有する第１の管路被害データに含まれるスパンの総延長で除して第２の被害率を算出する。例えば、図３を参照すると、ステップＳ６＿１において第２の管路被害データとして抽出されたスパンＮｏ．１及び３のレコードのうち、スパンＮｏ．１は地震被害の有るレコードである。よって、曲線作成部１３５は、スパンＮｏ．１を含む地震被害の有るレコードの数を、「区画Ａ」を管路の特性として有する第１の管路被害データに含まれるスパンの総延長で除す。本実施形態では、地震被害の有るレコードの数が１０個、第１の管路被害データに含まれるスパンの総延長が４ｋｍである。よって曲線作成部１３５は、第２の被害率を２．５件／ｋｍと算出する。

図６ＢのステップＳ８＿１～ステップＳ８＿Ｎから、ステップＳ９までは、第１実施形態と同様であるため説明を省略する。

次に、本実施形態のシステム１に含まれる被害率曲線適用装置２０の動作を説明する。

図１１のステップＳ１０からステップＳ１４までは、第１実施形態と同様であるため説明を省略する。

出力部２４は、記憶部２１に格納された各スパンの被害率の推定結果をユーザに表示する（ステップＳ１５）。出力部２４は、各スパンの被害率を地図情報と共に表示する。図１３は、ユーザが入力した管路の特性が「区画Ａ」であって、且つユーザが入力した地震動指標の種類が「予測値」である場合の被害率の推定結果の表示例である。図１３を参照すると、地図を区画ごとに区切り、各区画に含まれるスパンの被害率に従って区画の色を変化させて被害率が表示される。太線で囲まれた区画は、ユーザが入力した管路の特性の「区画Ａ」の地図上の位置を示す。

上述のように、第１実施形態及び第２実施形態に係る被害率曲線を作成するステップは、第２の管路被害データ中の管路の全数に対する、第２の管路被害データ中の被害有りの管路数の割合、又は第２の管路被害データ中の管路の単位長当たりの被害有りの箇所の数を、第２の被害率として算出する。

第１実施形態及び第２実施形態によれば、被害率曲線の作成に用いる第２の被害率を管路の特性に応じて算出することができる。当該第２の被害率に基づいて作成された被害率曲線を用いることで、精度よく管路の被害率を推定することができる。

本開示を諸図面や実施形態に基づき説明してきたが、当業者であれば本開示に基づき種々の変形や修正を行うことが容易であることに注意されたい。従って、これらの変形や修正は本開示の範囲に含まれることに留意されたい。

本開示の変形例として、被害率曲線作成装置１０は、既往地震管路被害データベース１１１のデータを学習用データと検証用データとに分け、学習用データを用いて機械学習モデルを作成した後、当該検証用データを用いて機械学習モデルの精度を検証してもよい。被害率曲線作成装置１０が、検証結果も併せて被害率曲線適用装置２０へ出力し、検証結果を参照して被害率曲線適用装置２０が管路の被害率の推定に用いる被害率曲線を選択することができてもよい。

１ システム
１０ 被害率曲線作成装置
１１ 記憶部
１２ 入力部
１３ 制御部
１４ 出力部
１５ 通信部
１１１ 既往地震管路被害データベース
１３１ モデル作成部
１３２ 特徴量抽出部
１３３ 予測分析部
１３４ データ抽出部
１３５ 曲線作成部
２０ 被害率曲線適用装置
２１ 記憶部
２２ 入力部
２３ 制御部
２４ 出力部
２５ 通信部
２１１ 推定対象管路データベース
２１２ 地震動指標情報データベース
２３１ 推定対象管路取得部
２３２ 地震動指標情報取得部
２３３ 被害率曲線受付部
２３４ 推定部

Claims (8)

1. 地震被害の有無と管路の特性とに関する情報を含む第１の管路被害データを用いて、前記管路の特性ごとに前記管路の第１の被害率を予測して出力する機械学習モデルを複数作成するステップと、
   前記機械学習モデルのそれぞれについて、予測に対する寄与度の高い特徴量を抽出するステップと、
   前記特徴量の変化に対する前記第１の被害率の変化を分析するステップと、
   前記第１の被害率の変化の変曲点における前記特徴量の値を極値として特定し、前記第１の管路被害データから、前記極値との差が閾値以下となる前記特徴量の値を有するデータを第２の管路被害データとして抽出するステップと、
   前記第２の管路被害データに基づいて、第２の被害率を示す被害率曲線を作成するステップと
   を含む被害率曲線作成方法。
2. 前記被害率曲線を作成するステップは、前記被害率曲線をフィッティング関数を用いて作成するステップを含む、請求項１に記載の被害率曲線作成方法。
3. 前記フィッティング関数はシグモイド関数である、請求項２に記載の被害率曲線作成方法。
4. 前記寄与度の高い特徴量は地震動指標である、請求項１から３のいずれか一項に記載の被害率曲線作成方法。
5. 前記被害率曲線を作成するステップは、
   前記第２の管路被害データ中の前記管路の全数に対する、前記第２の管路被害データ中の被害有りの管路数の割合、
   又は前記第２の管路被害データ中の前記管路の単位長当たりの被害有りの箇所の数を、前記第２の被害率として算出する、請求項１から４のいずれか一項に記載の被害率曲線作成方法。
6. 地震被害の有無と管路の特性とに関する情報を含む第１の管路被害データを用いて、前記管路の特性ごとに前記管路の第１の被害率を予測して出力する機械学習モデルを複数作成するモデル作成部と、
   前記機械学習モデルのそれぞれについて、予測に対する寄与度の高い特徴量を抽出する特徴量抽出部と、
   前記特徴量の変化に対する前記第１の被害率の変化を分析する予測分析部と、
   前記第１の被害率の変化の変曲点における前記特徴量の値を極値として特定し、前記第１の管路被害データから、前記極値との差が閾値以下となる前記特徴量の値を有するデータを第２の管路被害データとして抽出するデータ抽出部と、
   前記第２の管路被害データに基づいて、第２の被害率を示す被害率曲線を作成する曲線作成部と
   を備える被害率曲線作成装置。
7. 前記曲線作成部は、前記被害率曲線をフィッティング関数を用いて作成する、請求項６に記載の被害率曲線作成装置。
8. コンピュータを、請求項６又は７に記載の被害率曲線作成装置として機能させるプログラム。

Images