JP7465192B2 - 優先度判定装置、優先度判定方法及び優先度判定システム - Google Patents

Description

本開示は、優先度判定装置、優先度判定方法及び優先度判定システムに関する。

近年、ＩＴ化の進展に伴い、社会に多数のセンサが配置され、極めて大量のデータが蓄積されている。そうした中、収集されたデータを分析し、社会にとっての新たな価値を創出するＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）基盤サービスが注目されている。ＩｏＴは、従来のＩＴ技術と多様な産業技術との融合及び複合を通じてスマートホーム、スマートビルディング、スマートシティ、スマートカー又はコネクテッドカー、スマートグリッド、ヘルスケア、スマート家電、及び先端医療サービスなどの分野に応用可能である。

ＩｏＴ基盤の一環として、公共の安全を守りつつ、様々なサービスの効率を高めるＣ４Ｉ（Ｃｏｍｍａｎｄ、ｃｏｎｔｒｏｌ、ｃｏｍｍｕｎｉｃａｔｉｏｎ、ｃｏｍｐｕｔｅｒｓ、ｉｎｔｅｌｌｉｇｅｎｃｅ）プラットフォームが知られている。Ｃ４Ｉプラットフォームをスマートシティに適用することで、交通事故、火事、テロ、自然災害等のイベントをリアルタイムで検出し、当該イベントに対応したり、被害を抑制するための対策を実施することができる。

このようなプラットフォームでは、イベントに対する最も効率的な対処法を決定するためには、イベントの優先度を判定することが重要である。

従来では、イベントの優先度を判定するいくつかの提案がなされている。
例えば、特許文献１（特開２０１６－０５７８４２号公報）には、「災害対応支援システムは、災害対応支援サーバと、現在の位置を認識可能であり、災害対応支援サーバに通信回線を介して接続可能である少なくとも１つの携帯端末とを備えている。災害対応支援サーバは、少なくとも１つの携帯端末から災害発生の通報を受信した際に、作業指示に関する通報の優先度を判定する優先度判定手段と、受信した通報の情報及び優先度判定手段によって判定した優先度の情報を記憶するデータベースとを備えている。この優先度判定手段は、通報の通報者に基づいて定まる信頼度に応じて重み付け係数を求める信頼度重み付け係数取得手段と、通報と共に受信した人的被害の有無の付加情報に応じて重み付け係数を求める人的被害重み付け係数取得手段等に従って災害の優先度を決定するように構成されている」発明が記載されている。

特開２０１６－０５７８４２号公報

特許文献１には、災害を通報した通報者の信頼度と、災害による人的被害の有無とに基づいて災害の優先度を決定する手段が開示されている。
しかしながら、特許文献１に記載の手段は、災害の通報の信頼度に応じて災害の優先度を決定することに着目しており、災害等のイベントの種類（火事、停電、テロ）に応じてイベントの影響を受ける可能性がある影響領域への影響に基づいて優先度を判定することを想定していない。このため、例えば同じ種類のイベントが異なる場所で多数発生する場合には、イベントの影響領域への影響を考慮した優先度判定ができず、適切な対処法を選択することができない。

そこで、本開示は、イベントの種類（火事、停電、テロ）に応じてイベントの影響を受ける可能性がある影響領域への影響に基づいて優先度を判定することで、当該イベントによる二次的なイベントの発生を防ぎ、スマートシティにおけるイベント対策を効率化し、安全性を向上させることが可能な優先度判定手段を提供することを目的とする。

上記の課題を解決するために、代表的な本開示の優先度判定装置の一つは、センサ情報を取得するセンサ群と、予め設定されるイベント判定ルールを用いて前記センサ情報を分析することで、イベントの発生を検出し、検出した前記イベントに関するイベント特徴量を判定する分析部と、前記イベントに関する前記イベント特徴量に基づいて、前記イベントの影響を受ける可能性がある影響領域について、前記影響領域における静的資産の重要性を示す静的資産パラメータと、前記影響領域における動的資産の重要性を示す動的資産パラメータとを計算するパラメータ計算部と、少なくとも前記静的資産パラメータと前記動的資産パラメータとに基づいて、前記イベントの優先度を判定する優先度計算部とを含む。

本開示によれば、イベントの種類（火事、停電、テロ）に応じてイベントの影響を受ける可能性がある影響領域への影響に基づいて優先度を判定することで、当該イベントによる二次的なイベントの発生を防ぎ、スマートシティでのイベント対策効率及び安全性を向上させることが可能な優先度判定手段を提供することができる。
上記以外の課題、構成及び効果は、以下の発明を実施するための形態における説明により明らかにされる。

図１は、本開示の実施形態に係る優先度判定装置のハードウェア構成の一例を示す図である。 図２は、本開示の実施形態に係る優先度判定部のハードウェア構成の一例を示す図である。 図３は、本開示の実施形態に係るイベント対応方法の一例を示す図である。 図４は、本開示の実施形態に係るイベント優先度判定方法の一例を示す図である。 図５は、本開示の実施形態に係るイベントキューの一例を示す図である。 図６は、本開示の実施形態に係る第１のデータベースの一例を示す図である。 図７は、本開示の実施形態に係る施設情報データベースの一例を示す図である。 図８は、本開示の実施形態に係るユーザ入力データベースの一例を示す図である。 図９は、本開示の実施形態に係る第２のデータベースの一例を示す図である。 図１０は、本開示の実施形態を実施するためのコンピュータシステムを示す図である。

以下、図面を参照して、本開示の実施形態について説明する。なお、この実施形態により本開示が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。

上述したように、近年、ＩｏＴプラットフォームを備えるスマートシティでは、火事、停電、テロ等のイベントに対する最も効率的な対処法を決定するためには、イベントの優先度を判定することが重要である。
従来のイベント優先度判定手段では、イベントの優先度は「高い」、「中」、「低い」等の大まかなカテゴリーに分類される。しかし、スマートシティのような、数多くのイベントが発生する大規模な環境では、複数のイベントに対して同レベルの優先度が割り当てられることがあり、どのイベントを優先して対応すべきかが不明となる。従って、スマートシティで発生する多数のイベントを限られている資源で最も効率よく対応する対処法を判定するためには、より細かな優先度を判定できる手段が望ましい。
また、状況によっては、直ぐにイベントに対応しなければ、当該イベントによる二次的なイベントが発生し、被害が甚大となることがある。一例として、ガソリンスタンドの周辺で火事が発生した場合、消火活動を迅速に実施しない限り、火事がガソリンスタンドまで移り、爆発等を引き起こすこと等が考えられる。

上記のような状況に鑑み、イベントの種類（火事、停電、テロ）に応じてイベントの影響を受ける可能性がある影響領域への影響に基づいて細かな優先度を判定する手段が求められている。
一例として、火事が公園とガソリンスタンドとで同時に発生した場合、それぞれの火事が発生した場所の周辺環境や人口密度を考慮し、火事がガソリンスタンドまで移った場合の爆発等のような二次的なイベントの発生を防ぐためにガソリンスタンド付近で発生した火事の対応を優先することが望ましい。

そこで、本開示は、イベントの現在の深刻度を示す深刻度パラメータに加えて、当該イベントの影響を受ける可能性がある影響領域について判定した周辺影響パラメータを用いて細かな優先度を判定する。本開示における優先度とは、特定のイベントを優先する度合いを定量的に示す尺度であり、イベントの優先度が高ければ高い程、他のイベントと比べて、より早くかつより多くの資源（人的資源、物的資源、資金等）を使用して対応すべきであることを意味する。
また、本開示におけるイベントとは、スマートシティに対して重大な影響を与える可能性がある事象であり、例えば火事、停電、テロ、交通事故、感染症、自然災害（竜巻、地震、津波、台風）等を含んでもよい。
本開示によれば、イベントによる二次的なイベントの発生を防ぎつつ、スマートシティでのイベント対策効率及び安全性を向上させることができる。

まず、図１を参照して、本開示の実施形態に係る優先度判定装置のハードウェア構成について説明する。

図１は、本開示の実施形態に係る優先度判定装置１１０のハードウェア構成の一例を示す図である。
図１に示すように、優先度判定装置１１０は、本開示の実施形態に係る機能における各種処理を実行するためのプロセッサ１００及びメモリ１０１、センサ情報を取得するセンサ群１０２、分析部１０３、優先度判定部１０４、対策フロー生成部１０５、及び人材派遣部１０６を含む。

センサ群１０２は、スマートシティに配置され、当該スマートシティに関するセンサ情報を取得するためのセンサネットワークである。センサ群１０２は、例えば、映像情報、音響情報、温度情報、物体の移動情報、気圧情報、湿度情報、加速度情報、太陽光発電量情報、交通情報、防犯情報、信号機情報、災害情報、日照度情報、雨量情報、風向情報、風量情報、風速情報、風圧情報、深度情報等、スマートシティの様々な側面に関する観測結果を示すデータをセンサ情報として取得するように構成されたセンサを含んでもよい。
センサ群１０２は、スマートシティに関するセンサ情報を継続的に取得し、分析部１０３に送信する。

分析部１０３は、センサ群１０２によって取得されたセンサ情報を受信し、予め設定されるイベント判定ルールを用いて当該センサ情報を分析することで、イベントの発生を検出し、検出したイベントに関するイベント特徴量を判定するための機能部である。ここでのイベント特徴量とは、イベントを識別し、効率よく対応するために必要な特性を示す情報である。

ここでの分析部１０３は、例えばセンサ情報に基づいてイベントを検出するために訓練されたニューラルネットワークであってもよい。この場合、分析部１０３として機能するニューラルネットワークは、既存の方法で訓練されてもよく、イベントを高精度で検出できる手段であれば特に限定されない。
また、ここでのイベント判定ルールとは、例えば優先度判定装置１１０のユーザによって事前に定められ、発生する可能性がある様々なイベントのそれぞれについて、当該イベントを検出するために用いられる基準を規定するルールである。例えば、火事を判定するための判定ルールとして、「所定面積内に所定数の火災警報器が作動したか」や、「温度は所定値を超えたか」等が考えられる。また、分析部１０３は、センサ情報に基づいてイベントを検出するために訓練されたニューラルネットワークで構成された場合、ここでのイベント判定ルールは、それぞれのイベントを検出するために設定されるニューラルネットワークのパラメータであってもよい。
なお、分析部１０３は、センサ情報からイベントを検出する機能のみならず、スマートシティの市民等によって通報されたイベントを検出する機能を備えてもよい。

優先度判定部１０４は、イベントについて判定されるイベント特徴量に基づいて、当該イベントの優先度を判定するための機能部である。より具体的には、優先度判定部１０４は、イベントの深刻度（ｃｒｉｔｉｃａｌｉｔｙ）を示す深刻度パラメータと、イベントの影響を受ける可能性がある影響領域への影響を示す周辺影響パラメータとに基づいて、当該イベントの優先度として、０～１００の範囲における値を判定する（ここでは、優先度の値が大きければ大きい程、優先度が高い）。このように、「高い」、「中」、「低い」等の大まかな優先度カテゴリーではなく、０～１００の範囲における値のようなより細かな尺度を用いて優先度を表現することにより、例えば多数のイベントが同時に発生した場合であっても、それぞれのイベントについて適切な優先度を判定した上、これらのイベントに対応する対策フローを効率よく実施することができる。
また、ここでの影響領域とは、イベントによって被害を受ける可能性がある領域を意味する。また、この影響領域は、例えば後述するユーザ入力データベース２０７に格納される影響領域の半径によって設定されてもよい。一例として、影響領域の半径が「３００メートル」の場合、イベントの発生地から３００メートルの半径以内の領域は、イベントの影響を受ける可能性がある「影響領域」として設定される。
なお、優先度判定部１０４の構成及び機能について、図２を参照して説明するため、ここではその説明を省略する。

対策フロー生成部１０５は、優先度判定部１０４によって判定された優先度に基づいて、当該イベントに対応するための対策フローを生成するための機能部である。対策フロー生成部１０５は、優先度がより高いイベントに対して、より早くかつより多くの資源（人的資源、物的資源、資金等）を使用した対策フローを生成する。ここでの対策フローとは、イベントによる被害を防いだり、イベントによる二次的なイベントの発生を防止したり、イベントの影響を最小限に抑えたりするためのアクションのシーケンスである。対策フローは、人間によって行われるアクションのみならず、所定のシステム、人工知能、又はロボットによって自動的に行われたアクションを含んでもよい。
一例として、「火事」のイベントが発生した場合には、対策フローは、「火事が発生した場所から所定の距離以内の人間や動物を避難させる」アクションと、「消防団を派遣する」アクションとを含んでもよい。

人材派遣部１０６は、対策フロー生成部１０５によって生成された対策フローに基づいて、当該対策フローを実施するために必要な人材を調達し、派遣するための機能部である。例えば、「火事」のイベントが発生し、当該イベントについて、「火事が発生した場所から所定の距離以内の人間や動物を避難させる」アクションと、「消防団を派遣する」アクションとを規定する対策フローの場合、人材派遣部１０６は、人間や動物を避難させるために警察官を派遣し、消火活動を行うために消防団を派遣してもよい。

図１に示すように構成した優先度判定装置１１０によれば、イベントの種類（火事、停電、テロ）に応じてイベントの影響を受ける可能性がある影響領域への影響に基づいて優先度を判定することで、当該イベントによる二次的なイベントの発生を防ぎ、スマートシティでのイベント対策効率及び安全性を向上させることが可能となる。

次に、図２を参照して、本開示の実施形態に係る優先度判定部のハードウェア構成について説明する。

図２は、本開示の実施形態に係る優先度判定部１０４のハードウェア構成の一例を示す図である。上述したように、優先度判定部１０４は、イベントに関するイベント特徴量に基づいて、当該イベントの優先度を判定するための機能部である。
図２に示すように、優先度判定部１０４のハードウェア構成は、イベントキュー２０１、パラメータ計算部２０２、イベント深刻度判定部２０３、畳み込みニューラルネットワーク２０４、第１のデータベース２０５、周辺影響度判定部２０６、ユーザ入力データベース２０７、静的資産パラメータ計算部２０８、動的資産パラメータ計算部２０９、施設情報データベース２１０、優先度計算部２１１、ニューラルネットワーク２１２、及び第２のデータベース２１３を含む。

イベントキュー２０１は、本開示の実施形態に係る分析部（例えば、図１に示す分析部１０３）によって検出されるイベントの情報が格納されるデータベースである。イベントキュー２０１には、分析部によって検出されるイベントのイベント特徴量が格納される。後述するように、イベントキュー２０１に格納されているイベント情報に基づいて、イベントの優先度を判定することができる。
なお、イベントキュー２０１の詳細については、図５を参照して説明する。

パラメータ計算部２０２は、イベントキュー２０１に格納されている各イベントについて、深刻度パラメータを判定するためのイベント深刻度判定部２０３と、周辺影響パラメータ（静的資産パラメータと動的資産パラメータとを含む）を判定するための周辺影響度判定部２０６を含む。

イベント深刻度判定部２０３は、イベントキュー２０１に格納されている各イベントについて、当該イベントの深刻度（ｃｒｉｔｉｃａｌｉｔｙ）を示す深刻度パラメータを判定するための機能部である。イベント深刻度判定部２０３は、イベントの深刻度を判定するためには、例えばイベントの深刻度を計算するように学習された畳み込みニューラルネットワーク２０４を用いてもよい。この畳み込みニューラルネットワーク２０４は、例えば第１のデータベース２０５に格納されている学習データによって学習されてもよい。
なお、畳み込みニューラルネットワーク２０４の学習に用いられる学習データを格納する第１のデータベース２０５の詳細については、図６を参照して説明する。

周辺影響度判定部２０６は、イベントキュー２０１に格納されている各イベントについて、当該イベントの影響を受ける可能性がある影響領域への影響度を示す周辺影響パラメータを判定するための機能部である。この周辺影響パラメータは、イベントの影響領域に与えられる影響の度合いを示す値であり、イベントキュー２０１、ユーザ入力データベース２０７、及び施設情報データベース２１０に格納されている情報に基づいて計算される静的資産パラメータと動的資産パラメータに基づいて判定されてもよい。
なお、施設情報データベース２１０及びユーザ入力データベース２０７の詳細については、後述する図７及び図８を参照して説明する。

ある実施形態では、周辺影響度判定部２０６によって判定される周辺影響パラメータは、静的資産パラメータ計算部２０８によって計算される静的資産パラメータと、動的資産パラメータ計算部２０９によって計算される動的資産パラメータとに基づいて判定されてもよい。
静的資産パラメータ計算部２０８は、イベントの影響領域における静的資産の重要性を示す静的資産パラメータを計算するための機能部である。ここでの静的資産とは、イベントの影響領域において、外部からの力によって変化されない限り、状態が変化しないものを意味し、例えばイベントの影響領域に存在する建物、物品、インフラ、個人や企業の財産、現金等を含む。静的資産パラメータ計算部２０８は、イベントキュー２０１、ユーザ入力データベース２０７、及び施設情報データベース２１０に格納されている情報に基づいて静的資産パラメータを計算してもよい。
動的資産パラメータ計算部２０９は、イベントの影響領域における動的資産の重要性を示す動的資産パラメータを計算するための機能部である。ここでの動的資産とは、イベントの影響領域において、自らの力で状態が変化するものを意味し、例えばイベントの影響領域に滞在する人間や動物等の生命体、自動車、列車、ロボット等の自動的に走行する機械を含む。動的資産パラメータ計算部２０９は、イベントキュー２０１、ユーザ入力データベース２０７、及び施設情報データベース２１０に格納されている情報に基づいて動的資産パラメータを計算してもよい。

優先度計算部２１１は、パラメータ計算部２０２のイベント深刻度判定部２０３によって計算されるイベント深刻度パラメータと周辺影響度判定部２０６によって計算される周辺影響度パラメータとに基づいて、イベントの優先度を計算するための機能部である。優先度計算部２１１は、イベントの優先度を判定するためには、例えばイベントの優先度を計算するように学習されたニューラルネットワーク２１２を用いてもよい。このニューラルネットワーク２１２は、例えば第２のデータベース２１３に格納されている学習データによって学習されてもよい。

ここでのニューラルネットワーク２１２は、例えば、１つの入力層、複数の隠れ層、及び１つの出力層からなる多層パーセプトロン（ＭＬＰ）ネットワークである。ニューラルネットワーク２１２の入力層は、例えば分析部によって判定されるイベントの特徴量と、イベント深刻度判定部２０３によって判定されるイベント深刻度パラメータと、周辺影響度判定部２０６によって判定される周辺影響度パラメータとを入力する。次に、隠れ層は、ＲｅＬＵ（Ｒｅｃｔｉｆｉｅｄ Ｌｉｎｅａｒ Ｕｎｉｔ）等の活性化関数を用いて入力された情報を処理することで、イベントの優先度を計算する。次に、出力層は、シグモイド関数を用いて、隠れ層の出力を「０」～「１」の間の値とし、この値をイベントの優先度として出力する。この優先度は、「０」～「１」の間の値であってもよく、「０」～「１００」の値に変換されてもよい。
なお、ニューラルネットワーク２１２の学習に用いられる学習データを格納する第２のデータベース２１３の詳細については、図９を参照して説明する。

図２に示すように構成した優先度判定部１０４によれば、イベントの種類（火事、停電、テロ）に応じて影響領域への影響に基づいて優先度を判定することが可能となる。

次に、図３を参照して、本開示の実施形態に係るイベント対応方法について説明する。

図３は、本開示の実施形態に係るイベント対応方法３６０の一例を示す図である。図３に示すイベント対応方法３６０は、スマートシティにおいて発生したイベントの影響を抑制するための対応を行うための方法であり、例えば図１に示す優先度判定装置１１０によって実施される方法である。

まず、ステップＳ３６１では、分析部（例えば図１に示す分析部１０３）は、スマートシティに配置されているセンサ群（例えば、図１に示すセンサ群１０２）から、当該スマートシティに関するセンサ情報を受け付ける。
例えば、ここでは、分析部は、公園に設置されている防犯カメラの映像と、当該公園に配置されている熱カメラからの熱映像をセンサ情報として受け付けてもよい。

次に、ステップＳ３６２では、分析部は、予め定められたイベント判定ルールを用いてステップＳ３６１で受け付けたセンサ情報を分析することでイベントを検出する。例えば、ここで、分析部は、熱カメラから受信した熱映像を所定の映像解析手段によって解析することで所定の温度を超える領域を検出した上、現在の日時及び当該公園の場所に対応する燃焼許可証の事前登録が行われていないことを検出した場合、「火事」のイベントを判定してもよい。

次に、ステップＳ３６３では、イベントが検出されていない場合には、本処理はステップＳ３６１へ戻り、イベントが検出された場合には、本処理はステップＳ３６４へ進む。

ステップＳ３６３でイベントが検出された場合、ステップＳ３６４では、分析部は、検出したイベントのイベント特徴量を抽出し、これらの特徴量を、イベント情報としてイベントキュー（例えば、図５に示すイベントキュー２０１）に保存する。
ここで、分析部は、例えば、イベントを一意に識別するためのイベントインデックス、イベントの発生時刻を示すタイムスタンプ、イベントの種類（火事、交通事故）を示すイベントタイプ、イベントが発生した場所（緯度及び経度）、イベントの様子を示す映像データ等をイベント特徴量としてイベントキューに保存してもよい。

次に、ステップＳ３６５では、優先度判定部（例えば、図１に示す優先度判定部１０４）は、ステップＳ３６２～ステップＳ３６３で判定されたイベントの優先度を判定する。上述したように、ここでは、優先度判定部は、当該イベントについて計算される深刻度パラメータと、周辺影響度パラメータとに基づいてイベントの優先度を判定してもよい。例えば、優先度判定部は、イベントの優先度として０～１００の範囲における値を計算してもよい。

次に、ステップＳ３６６では、対策フロー生成部（例えば、図１に示す対策フロー生成部１０５）は、ステップＳ３６５で判定されたイベントの優先度に基づいて、イベントに対応するための対策フローを生成する。ここでは、対策フロー生成部は、それぞれのイベントタイプについて予め定められた対策フローの候補の中から、当該イベントの優先度に対応する対策フローの候補を実施する対策フローとして選択してもよい。また、ある実施形態では、対策フロー生成部は、優先度がより高いイベントに対して、より早くかつより多くの資源（人的資源、物的資源、資金等）を使用した対策フローの候補を選択してもよい。更に、１つのイベントタイプについて、当該イベントの優先度に対応する対策フローの候補が複数ある場合、対策フロー生成部は、現在の使用可能な人的資源、物的資源及び資金を最も効率よく投入しつつ、イベントを抑制する可能性が最も高い対策フローを選択してもよい。

次に、ステップＳ３６７では、人材派遣部（例えば、図１に示す人材派遣部１０６）は、ステップＳ３６６で生成した対策フローを実施するために必要な人材を調達し、派遣する。上述したように、例えば「火事」のイベントが発生し、当該イベントについて、「火事が発生した場所から所定の距離以内の人間や動物を避難させる」アクションと、「消防団を派遣する」アクションとを規定する対策フローの場合、人材派遣部は、人間や動物を避難させるために警察官を派遣し、消火活動を行うために消防団を派遣してもよい。

以上説明したイベント対応方法３６０によれば、イベントの種類（火事、停電、テロ）に応じて周辺環境への影響に基づいて優先度を判定し、判定した優先度に応じて、当該イベントに効率よく対応することができる。

次に、図４を参照して、本開示の実施形態に係るイベント優先度判定方法について説明する。

図４は、本開示の実施形態に係るイベント優先度判定方法４００の一例を示す図である。図４に示すイベント優先度判定方法４００は、スマートシティにおいて発生したイベントに対する優先度を判定するための方法であり、例えば図１に示す優先度判定部１０４の各機能部によって実施される方法である。
なお、図４に示すイベント優先度判定方法４００は、図３に示すイベント優先度を計算するステップＳ３６５に対応する。また、以下では、１つのイベントに対する優先度を判定する場合を一例として説明する箇所があるが、以下の各ステップを複数のイベントに対して実行し、複数のイベントに対する優先度を判定することができることは言うまでもない。

まず、ステップＳ４０１では、優先度判定部は、分析部によって検出されたイベントについて抽出された特徴量をイベントキュー（例えば、図２に示すイベントキュー２０１）から取得する。例えば、上述したように、優先度判定部は、イベントを一意に識別するためのイベントインデックス、イベントの発生時刻を示すタイムスタンプ、イベントの種類（火事、交通事故）を示すイベントタイプ、イベントが発生した場所（緯度及び経度）、イベントの様子を示す映像データ等のイベント特徴量をイベントキューから取得してもよい。
次に、優先度判定部は、取得したイベント特徴量をパラメータ計算部のイベント深刻度判定部（例えば、図２に示すイベント深刻度判定部２０３）と、周辺影響度判定部（例えば、図２に示す周辺影響度判定部２０６）とに転送する。

ステップＳ４０２では、イベント深刻度判定部は、訓練済みの畳み込みニューラルネットワーク（例えば、図２に示す畳み込みニューラルネットワーク２０４）を用いて、ステップＳ４０１で取得されたイベント特徴量に基づいて、当該イベントの深刻度パラメータを計算する。上述したように、ここでの深刻度パラメータとは、当該イベントの深刻度（ｃｒｉｔｉｃａｌｉｔｙ）を示す深刻度パラメータであり、例えば０～１００の範囲における値で表現されてもよい。

ステップＳ４０３では、周辺影響度判定部の静的資産パラメータ計算部（例えば図２に示す静的資産パラメータ計算部２０８）は、イベントの影響領域における各施設について、静的資産の重要性を示す静的資産パラメータを計算する。ここで、静的資産パラメータ計算部は、ステップＳ４０１で取得されたイベント特徴量と、施設情報データベース（例えば、図２に示す施設情報データベース２１０）とに基づいて静的資産パラメータを計算する。より具体的には、例えば、静的資産パラメータ計算部は、イベントの影響領域における各施設について、イベントによって被害を受ける可能性がある静的資産の貨幣価値を、イベント特徴量と施設情報データベースに格納されている情報とに基づいて推定することで静的資産パラメータをして計算する。

ステップＳ４０４では、周辺影響度判定部の動的資産パラメータ計算部（例えば図２に示す動的資産パラメータ計算部２０９）は、イベントの周辺環境における各施設について、動的資産の重要性を示す動的資産パラメータを計算する。ここで、動的資産パラメータ計算部は、ステップＳ４０１で取得されたイベント特徴量と、イベントの影響領域における動的資産を示す情報に基づいて動的資産パラメータを計算する。より具体的には、例えば、動的資産パラメータ計算部は、イベントの影響領域における各施設について、イベントによって被害を受ける可能性がある動的資産の個体数（ロボットや自動車の台数、動物の個体数、人数等）を、この影響領域の人口密度情報（国勢調査による人口密度の統計情報や、センサ情報に含まれる映像データから推定される人数情報等）に基づいて推定することで動的資産パラメータを計算する。

ステップＳ４０５では、周辺影響度判定部は、ステップＳ４０３で計算された各施設の静的資産パラメータと、ステップＳ４０４で計算された各施設の動的資産パラメータの合計を計算し、この合計を周辺環境のイベントからの距離で除する。

ステップＳ４０６では、周辺影響度判定部は、ステップＳ４０５で得られた値に対して、イベントタイプに基づくコンテクスト係数を適用する。ここでのコンテクスト係数とは、イベントのイベントタイプを考慮して、イベントの影響領域に存在する施設が、イベントによる被害を受けるか否かを示すバイナリー形式のパラメータである。イベントの影響領域に存在する施設が、イベントによる被害を受ける場合には、コンテクスト係数が「１」となり、イベントの影響領域に存在する施設が、イベントによる被害を受けない場合には、コンテクスト係数が「０」となる。
ここでのコンテクスト係数は、図８に示す状況情報行列に基づいて判定される。なお、コンテクスト係数及び状況情報行列の詳細については、図８を参照して後述する。

ステップＳ４０７では、周辺影響度判定部は、イベントの影響領域に存在する各施設について計算した値（ステップＳ４０３～Ｓ４０６の計算の結果）を合計することで、周辺環境の周辺影響度パラメータを計算する。ここでの周辺環境の周辺影響度パラメータとは、イベントの影響領域に対する影響の度合いを定量的に示す値であり、例えば０～１００の範囲における値で表現されてもよい。

上述したステップＳ４０３～ステップＳ４０７で説明した、周辺影響度パラメータを計算するための処理は、以下の数式１で示される。

ここでは、ＳＡＰＰは、周辺影響度パラメータであり、ｉは特定の施設であり、Ｓｉは施設ｉの静的資産パラメータと動的資産パラメータとの合計であり、Ｄｉは施設ｉのイベントからの距離であり、Ｃｋｉは、施設ｉのコンテクスト係数である。

スマートシティにおいて、イベントタイプが「火事」のイベントが発生した場合を一例として検討する。影響領域の半径は、イベントの発生地から３００メートルとして設定されたとする。この場合、イベントの発生地から３００メートル以内の施設が周辺影響度パラメータの計算に含まれる対象となる。例えば、イベントから３００メートル以内には、オフィスビル、ガソリンスタンド、及び公園等の施設が存在するとする。
まず、上述したように、オフィスビル、ガソリンスタンド、及び公園の３つの施設について、静的資産パラメータと、動的資産パラメータとが計算され、この合計（Ｓｉ）が計算される。また、それぞれの施設のイベントからの距離（Ｄｉ）が判定される。その後、それぞれの施設について、コンテクスト係数（Ｃｋｉ）が図８に示す状況情報行列から判定される。この場合、図８に示す状況情報行列で示されるように、オフィスビル、ガソリンスタンド、及び公園の３つの施設は全て、イベントタイプが「火事」のイベントの影響を受けるため、各施設のコンテクスト係数が「１」となる。
その後、数式１に示すように、それぞれの施設について、静的資産パラメータと動的資産パラメータとの合計Ｓｉ、イベントからの距離Ｄｉの逆数、及びコンテクスト係数Ｃｋｉを乗算し、各施設について得た積の和を計算することで、周辺影響度パラメータＳＡＰＰを得ることができる。

次に、ステップＳ４０８では、Ｓ４０２で計算された深刻度パラメータと、ステップＳ４０３～Ｓ４０７で計算された周辺影響度パラメータとが、ニューラルネットワーク（例えば、図２に示すニューラルネットワーク２１２）に転送される。

次に、ステップＳ４０９では、優先度計算部（例えば、図２に示す優先度計算部２１１）が、ニューラルネットワークを用いて、転送された深刻度パラメータ及び周辺影響度パラメータに基づいて、イベントの優先度を計算する。

ステップＳ４１０では、優先度計算部が、優先度を計算した各イベントを、優先度が高い順に並べる。上述したように、ここで判定される優先度は、イベント対策フローを生成する際に用いられる。

以上説明したイベント優先度判定方法４００によれば、イベントの種類（火事、停電、テロ）に応じて周辺環境への影響に基づいて優先度を判定し、判定した優先度に応じて、当該イベントを効率よく対応することができる。

次に、図５を参照して、本開示の実施形態に係るイベントキューについて説明する。

図５は、本開示の実施形態に係るイベントキュー２０１の一例を示す図である。ここでのイベントキュー２０１とは、上述した分析部（例えば、図１に示す分析部１０３）によって検出されるイベントに関するイベント情報５０１を格納するためのデータベースである。イベントキュー２０１は、分析部によって検出されるイベント毎に異なるイベント情報５０１を格納してもよい。

ここでのイベント情報５０１とは、検出されたイベントに関する特徴量を示す情報である。上述したように、ここでのイベント特徴量とは、イベントを識別し、効率よく対応するために必要な特性を意味し、図５に示すように、イベントを一意に識別するためのイベントインデックス５０２、イベントの発生時刻を示すタイムスタンプ５０３、イベントの種類（火事、交通事故）を示すイベントタイプ５０４、イベントが発生した場所５０５（緯度及び経度）、イベントの様子を示す映像データ５０６、及びセンサによって取得されるセンサ情報５０７を含んでもよい。

上述したように、本開示の実施形態に係る優先度判定部（例えば、図１に示す優先度判定部１０４）は、イベントキュー２０１に格納されているイベント情報５０１に基づいて、イベントの優先度を判定することができる。

次に図６を参照し、本開示の実施形態に係る第１のデータベースについて説明する。

図６は、本開示の実施形態に係る第１のデータベース２０５の一例を示す図である。ここでの第１のデータベース２０５は、上述した畳み込みニューラルネットワーク（例えば、図２に示す畳み込みニューラルネットワーク２０４）を訓練するための学習データ６０１を格納するためのデータベースである。

ここでの学習データ６０１とは、本開示の実施形態に係る畳み込みニューラルネットワークを訓練させるための情報であり、図６に示すように、イベントを一意に識別するためのイベントインデックス６０２、イベントの発生時刻を示すタイムスタンプ６０３、イベントの種類（火事、交通事故）を示すイベントタイプ６０４、イベントが発生した場所６０５（緯度及び経度）、イベントの様子を示す映像データ６０６、及びセンサによって取得されるセンサ情報６０７を含んでもよい。
なお、ここでの学習データ６０１とは、過去のイベントについて取得したイベント特徴量であってもよい。

本開示の実施形態に係る畳み込みニューラルネットワークを、図６に示す第１のデータベース２０５に格納されている学習データ６０１に基づいて訓練することで、畳み込みニューラルネットワーク２０４は、イベントの深刻度パラメータ６０８を計算することができる。イベントの深刻度パラメータ６０８が計算された後、当該イベントの深刻度パラメータは、第１のデータベース２０５に格納される。

次に図７を参照し、本開示の実施形態に係る施設情報データベースについて説明する。

図７は、本開示の実施形態に係る施設情報データベース２１０の一例を示す図である。施設情報データベース２１０は、イベントの周辺環境における施設に関する情報を格納するためのデータベースである。施設情報データベース２１０に格納される情報は、例えばイベントの周辺影響度パラメータを判定する際に用いられる。
なお、施設情報データベース２１０は、予めユーザによって作成されてもよい。

図７に示すように、施設情報データベース２１０は、施設の種類を示す施設種類情報７０１、施設の緯度情報７０２、施設の経度情報７０３、施設における貴重品の有無を示す貴重品情報７０４、及び施設における可燃物の有無を示す可燃物情報７０５を含む。
なお、ここでの貴重品の有無や可燃物の有無は、所定の判断基準によって定められてもよい。一例として、ある実施形態では、ある施設において、１０万円以上に相当する財産が保管されている場合、当該施設には貴重品があると判定され、１０万円未満に相当する財産が保管されている場合、当該施設には貴重品がないと判定される。

図７に示す施設情報データベース２１０に格納されている情報を用いることで、イベントの優先度計算に用いられる静的資産パラメータや動的資産パラメータを計算することができる。

次に、図８を参照して、本開示の実施形態に係るユーザ入力データベースについて説明する。

図８は、本開示の実施形態に係るユーザ入力データベース２０７の一例を示す図である。図８に示すユーザ入力データベース２０７は、本開示の実施形態に係る優先度判定装置のユーザが入力する情報を格納するためのデータベースである。

図８に示すように、ユーザ入力データベース２０７は、状況情報行列８０１と、影響領域の半径８０２とを含む。
状況情報行列８０１は、イベントタイプ毎に、特定の施設がイベントの影響を受けるか否かを示すデータ構造であり、上述したコンテクスト係数８０３を判定するために用いられる。施設が特定のイベントタイプの影響を受ける場合には、コンテクスト係数８０３が「１」となり、施設が特定のイベントタイプの影響を受けない場合には、コンテクスト係数８０３が「０」となる。例えば、イベントタイプが「火事」の場合、オフィスビル、ガソリンスタンド、及び公園の３つの施設が影響を受けるため、それぞれのコンテクスト係数８０３が「１」となる。一方、イベントタイプが「停電」の場合、オフィスビル及びガソリンスタンドは停電の影響を受けるため、これらの施設のコンテクスト係数８０３が「１」となるが、公園は停電に影響されないため、公園のコンテクスト係数８０３が「０」となる。

影響領域の半径８０２は、イベントの影響を受ける領域の半径を示す情報である。一例として、影響領域の半径が「３００メートル」の場合、イベントの発生地から３００メートルの半径以内の領域は、イベントの影響を受ける可能性がある「影響領域」として設定される。
なお、この影響領域の半径８０２は、例えばユーザに推定されてもよく、過去のイベントの影響領域の半径に基づいて定められてもよい。

上述したように、図８に示すユーザ入力データベース２０７に含まれる状況情報行列８０１と、影響領域の半径８０２とを用いることで、周辺影響度パラメータを計算することができる。

次に、図９を参照して、本開示の実施形態に係る第２のデータベースについて説明する。

図９は、本開示の実施形態に係る第２のデータベース２１３の一例を示す図である。ここでの第２のデータベース２１３は、上述したニューラルネットワーク（例えば、図２に示すニューラルネットワーク２１２）を訓練するための学習データ９０１を格納するためのデータベースである。

ここでの学習データ９０１とは、本開示の実施形態に係るニューラルネットワークを訓練させるための情報であり、図９に示すように、イベントを一意に識別するためのイベントインデックス９０２、イベントの深刻度パラメータ９０３、及びイベントの周辺影響度パラメータ９０４を含む。
なお、ここでの学習データ９０１とは、例えば過去のイベントについて計算されたパラメータである。

本開示の実施形態に係るニューラルネットワークを、図９に示す第２のデータベース２１３に格納されている学習データ９０１によって訓練することで、ニューラルネットワークは、イベントの優先度９０５を計算することができる。イベントの優先度９０５が計算された後、当該イベントの優先度９０５は、第２のデータベース２１３に格納される。

次に、図１０を参照して、本開示の実施形態を実施するためのコンピュータシステム３００について説明する。本明細書で開示される様々な実施形態の機構及び装置は、任意の適切なコンピューティングシステムに適用されてもよい。コンピュータシステム３００の主要コンポーネントは、１つ以上のプロセッサ３０２、メモリ３０４、端末インターフェース３１２、ストレージインタフェース３１４、Ｉ／Ｏ（入出力）デバイスインタフェース３１６、及びネットワークインターフェース３１８を含む。これらのコンポーネントは、メモリバス３０６、Ｉ／Ｏバス３０８、バスインターフェースユニット３０９、及びＩ／Ｏバスインターフェースユニット３１０を介して、相互的に接続されてもよい。

コンピュータシステム３００は、プロセッサ３０２と総称される１つ又は複数の汎用プログラマブル中央処理装置（ＣＰＵ）３０２Ａ及び３０２Ｂを含んでもよい。ある実施形態では、コンピュータシステム３００は複数のプロセッサを備えてもよく、また別の実施形態では、コンピュータシステム３００は単一のＣＰＵシステムであってもよい。各プロセッサ３０２は、メモリ３０４に格納された命令を実行し、オンボードキャッシュを含んでもよい。

ある実施形態では、メモリ３０４は、データ及びプログラムを記憶するためのランダムアクセス半導体メモリ、記憶装置、又は記憶媒体（揮発性又は不揮発性のいずれか）を含んでもよい。メモリ３０４は、本明細書で説明する機能を実施するプログラム、モジュール、及びデータ構造のすべて又は一部を格納してもよい。例えば、メモリ３０４は、優先度判定アプリケーション３５０を格納していてもよい。ある実施形態では、優先度判定アプリケーション３５０は、後述する機能をプロセッサ３０２上で実行する命令又は記述を含んでもよい。

ある実施形態では、優先度判定アプリケーション３５０は、プロセッサベースのシステムの代わりに、またはプロセッサベースのシステムに加えて、半導体デバイス、チップ、論理ゲート、回路、回路カード、および/または他の物理ハードウェアデバイスを介してハードウェアで実施されてもよい。ある実施形態では、優先度判定アプリケーション３５０は、命令又は記述以外のデータを含んでもよい。ある実施形態では、カメラ、センサ、または他のデータ入力デバイス（図示せず）が、バスインターフェースユニット３０９、プロセッサ３０２、またはコンピュータシステム３００の他のハードウェアと直接通信するように提供されてもよい。

コンピュータシステム３００は、プロセッサ３０２、メモリ３０４、表示システム３２４、及びＩ／Ｏバスインターフェースユニット３１０間の通信を行うバスインターフェースユニット３０９を含んでもよい。Ｉ／Ｏバスインターフェースユニット３１０は、様々なＩ／Ｏユニットとの間でデータを転送するためのＩ／Ｏバス３０８と連結していてもよい。Ｉ／Ｏバスインターフェースユニット３１０は、Ｉ／Ｏバス３０８を介して、Ｉ／Ｏプロセッサ（ＩＯＰ）又はＩ／Ｏアダプタ（ＩＯＡ）としても知られる複数のＩ／Ｏインタフェースユニット３１２，３１４，３１６、及び３１８と通信してもよい。

表示システム３２４は、表示コントローラ、表示メモリ、又はその両方を含んでもよい。表示コントローラは、ビデオ、オーディオ、又はその両方のデータを表示装置３２６に提供することができる。また、コンピュータシステム３００は、データを収集し、プロセッサ３０２に当該データを提供するように構成された1つまたは複数のセンサ等のデバイスを含んでもよい。

例えば、コンピュータシステム３００は、心拍数データやストレスレベルデータ等を収集するバイオメトリックセンサ、湿度データ、温度データ、圧力データ等を収集する環境センサ、及び加速度データ、運動データ等を収集するモーションセンサ等を含んでもよい。これ以外のタイプのセンサも使用可能である。表示システム３２４は、単独のディスプレイ画面、テレビ、タブレット、又は携帯型デバイスなどの表示装置３２６に接続されてもよい。

Ｉ／Ｏインタフェースユニットは、様々なストレージ又はＩ／Ｏデバイスと通信する機能を備える。例えば、端末インタフェースユニット３１２は、ビデオ表示装置、スピーカテレビ等のユーザ出力デバイスや、キーボード、マウス、キーパッド、タッチパッド、トラックボール、ボタン、ライトペン、又は他のポインティングデバイス等のユーザ入力デバイスのようなユーザＩ／Ｏデバイス３２０の取り付けが可能である。ユーザは、ユーザインターフェースを使用して、ユーザ入力デバイスを操作することで、ユーザＩ／Ｏデバイス３２０及びコンピュータシステム３００に対して入力データや指示を入力し、コンピュータシステム３００からの出力データを受け取ってもよい。ユーザインターフェースは例えば、ユーザＩ／Ｏデバイス３２０を介して、表示装置に表示されたり、スピーカによって再生されたり、プリンタを介して印刷されたりしてもよい。

ストレージインタフェース３１４は、１つ又は複数のディスクドライブや直接アクセスストレージ装置３２２（通常は磁気ディスクドライブストレージ装置であるが、単一のディスクドライブとして見えるように構成されたディスクドライブのアレイ又は他のストレージ装置であってもよい）の取り付けが可能である。ある実施形態では、ストレージ装置３２２は、任意の二次記憶装置として実装されてもよい。メモリ３０４の内容は、ストレージ装置３２２に記憶され、必要に応じてストレージ装置３２２から読み出されてもよい。Ｉ／Ｏデバイスインタフェース３１６は、プリンタ、ファックスマシン等の他のＩ／Ｏデバイスに対するインターフェースを提供してもよい。ネットワークインターフェース３１８は、コンピュータシステム３００と他のデバイスが相互的に通信できるように、通信経路を提供してもよい。この通信経路は、例えば、ネットワーク３３０であってもよい。

ある実施形態では、コンピュータシステム３００は、マルチユーザメインフレームコンピュータシステム、シングルユーザシステム、又はサーバコンピュータ等の、直接的ユーザインターフェースを有しない、他のコンピュータシステム（クライアント）からの要求を受信するデバイスであってもよい。他の実施形態では、コンピュータシステム３００は、デスクトップコンピュータ、携帯型コンピュータ、ノートパソコン、タブレットコンピュータ、ポケットコンピュータ、電話、スマートフォン、又は任意の他の適切な電子機器であってもよい。

以上、本開示の実施の形態について説明したが、本開示は、上述した実施の形態に限定されるものではなく、本開示の要旨を逸脱しない範囲において種々の変更が可能である。

１００プロセッサ
１０１メモリ
１０２センサ群
１０３分析部
１０４優先度判定部
１０５対策フロー生成部
１０６人材派遣部
２０１イベントキュー
２０２パラメータ計算部
２０３イベント深刻度判定部
２０４畳み込みニューラルネットワーク
２０５第１のデータベース
２０６周辺影響度判定部
２０７ユーザ入力データベース
２０８静的資産パラメータ計算部
２０９動的資産パラメータ計算部
２１０施設情報データベース
２１１優先計算部
２１２ニューラルネットワーク
２１３第２のデータベース

Claims (9)

1. イベントの優先度を判定するための優先度判定装置であって、
   センサ情報を取得するセンサ群と、
   前記センサ情報を分析することで、イベントの発生を検出し、検出した前記イベントに関するイベント特徴量を判定する分析部と、
   前記イベントに関する前記イベント特徴量に基づいて、前記イベントの影響を受ける可能性がある影響領域について、前記イベントが前記影響領域に与える影響を示す周辺影響度パラメータを判定する周辺影響度判定部と、
   少なくとも前記周辺影響度パラメータに基づいて、前記イベントの優先度を判定する優先度計算部と、
   を含み、
   前記周辺影響度判定部は、
   前記影響領域における施設について、前記施設の静的資産の重要性を示す静的資産パラメータを計算するための静的資産パラメータ計算部と、
   前記影響領域における施設について、前記施設の動的資産の重要性を示す動的資産パラメータを計算する動的パラメータ計算部と、
   を含むことを特徴とする優先度判定装置。
2. 前記優先度判定装置は、
   前記イベントの種類を示すイベントタイプ毎に、特定の施設に対するイベントの影響度を示すコンテクスト係数を規定する状況情報行列を格納するユーザ入力データベースを更に含む、
   ことを特徴とする、請求項１に記載の優先度判定装置。
3. 前記周辺影響度判定部は、
   前記静的資産パラメータと、前記動的資産パラメータと、前記状況情報行列から判定した前記コンテクスト係数と、施設のイベントからの距離とを用いて前記周辺影響度パラメータを判定する、
   ことを特徴とする、請求項２に記載の優先度判定装置。
4. 前記優先度計算部は、
   前記周辺影響度パラメータと、前記イベントの深刻度を示す深刻度パラメータとに基づいて前記イベントの優先度を判定する、
   ことを特徴とする、請求項３に記載の優先度判定装置。
5. 前記優先度計算部は、
   前記イベントの優先度について、前記イベントに対応するための対策フローを生成する対策フロー生成部を更に含む、
   ことを特徴とする、請求項４に記載の優先度判定装置。
6. 優先度判定装置においてコンピュータソフトウエアによって実施され、イベントの優先度を判定するための優先度判定方法であって、
   前記優先度判定装置は、
   メモリと、プロセッサとを含み、
   前記メモリは、
   センサ群からセンサ情報を取得する工程と、
   前記センサ情報を分析することで、イベントの発生を検出し、検出した前記イベントに関するイベント特徴量を判定する工程と、
   前記イベントに関する前記イベント特徴量に基づいて、前記イベントの影響を受ける可能性がある影響領域における施設について、前記施設の静的資産の重要性を示す静的資産パラメータを計算する工程と、
   前記イベントに関する前記イベント特徴量に基づいて、前記施設の動的資産の重要性を示す動的資産パラメータを計算する工程と、
   前記施設に対するイベントの影響度を規定するコンテクスト係数を、ユーザ入力データベースに格納されている状況情報行列から判定する工程と、
   前記静的資産パラメータと、前記動的資産パラメータと、前記状況情報行列から判定した前記コンテクスト係数と、前記施設のイベントからの距離とを用いて、前記イベントが前記影響領域に与える影響を示す周辺影響度パラメータを判定する工程と、
   前記周辺影響度パラメータと、前記イベントの深刻度を示す深刻度パラメータとに基づいて前記イベントの優先度を判定する工程と、
   を前記プロセッサに実行させる処理命令を含むことを特徴とする優先度判定方法。
7. 前記イベントの優先度について、前記イベントに対応するための対策フローを生成する工程を更に含むことを特徴とする、請求項６に記載の優先度判定方法。
8. イベントの優先度を判定するための優先度判定システムであって、
   優先度判定システムにおいて、
   センサ情報を取得するセンサ群と、
   イベントの優先度を判定するための優先度判定装置とが通信ネットワークを介して接続されており、
   前記優先度判定装置は、
   前記センサ群から受信したセンサ情報を分析することで、イベントの発生を検出し、検出した前記イベントに関するイベント特徴量を判定する分析部と、
   前記イベントに関する前記イベント特徴量に基づいて、前記イベントの影響を受ける可能性がある影響領域について、前記イベントが前記影響領域に与える影響を示す周辺影響度パラメータを判定する周辺影響度判定部と、
   少なくとも前記周辺影響度パラメータに基づいて、前記イベントの優先度を判定する優先度計算部と、
   を含み、
   前記周辺影響度判定部は、
   前記影響領域における施設について、前記施設の静的資産の重要性を示す静的資産パラメータを計算するための静的資産パラメータ計算部と、
   前記影響領域における施設について、前記施設の動的資産の重要性を示す動的資産パラメータを計算する動的パラメータ計算部と、
   を含むことを特徴とする優先度判定システム。
9. 前記優先度判定装置は、
   前記イベントの種類を示すイベントタイプ毎に、特定の施設に対するイベントの影響度を示すコンテクスト係数を規定する状況情報行列を格納するユーザ入力データベースを更に含み、
   前記周辺影響度判定部は、
   前記影響領域における施設について、前記施設の静的資産の重要性を示す静的資産パラメータを計算するための静的資産パラメータ計算部と、
   前記影響領域における施設について、前記施設の動的資産の重要性を示す動的資産パラメータを計算するパラメータ計算部とを更に含み、
   前記静的資産パラメータと、前記動的資産パラメータと、前記状況情報行列から判定した前記コンテクスト係数と、施設のイベントからの距離とを用いて前記周辺影響度パラメータを判定する、
   ことを特徴とする、請求項８に記載の優先度判定システム。

Images