JPH1164538A - 路面凍結予測方法 - Google Patents
路面凍結予測方法Info
- Publication number
- JPH1164538A JPH1164538A JP22472497A JP22472497A JPH1164538A JP H1164538 A JPH1164538 A JP H1164538A JP 22472497 A JP22472497 A JP 22472497A JP 22472497 A JP22472497 A JP 22472497A JP H1164538 A JPH1164538 A JP H1164538A
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- freezing
- data
- predicted
- target point
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】 路面凍結対象地点の路面温度を正確に予測で
き、正確な路面凍結の予測を行うことができる路面凍結
予測方法を提供する。 【解決手段】 予め特定された地点で測定されたＧＰＶ
データと路面凍結対象地点付近の地形データから３次元
最適内挿法により、路面凍結対象地点付近の複数の気象
情報を作成し、作成した路面凍結対象地点付近の複数の
気象情報に基づいて、路面凍結対象地点の路面温度を予
測し、予測した路面温度及びＧＰＶデータから予測され
た路面情報に基づいて、路面凍結対象地点の路面凍結の
有無と凍結開始時間を判定する。
き、正確な路面凍結の予測を行うことができる路面凍結
予測方法を提供する。 【解決手段】 予め特定された地点で測定されたＧＰＶ
データと路面凍結対象地点付近の地形データから３次元
最適内挿法により、路面凍結対象地点付近の複数の気象
情報を作成し、作成した路面凍結対象地点付近の複数の
気象情報に基づいて、路面凍結対象地点の路面温度を予
測し、予測した路面温度及びＧＰＶデータから予測され
た路面情報に基づいて、路面凍結対象地点の路面凍結の
有無と凍結開始時間を判定する。
Description
【０００１】
【発明の属する技術分野】本発明は、道路表面の路面温
度と路面情報（降水、積雪等による路上水分の有無）か
ら路面凍結予測を行う路面凍結予測方法に関するもので
ある。
度と路面情報（降水、積雪等による路上水分の有無）か
ら路面凍結予測を行う路面凍結予測方法に関するもので
ある。
【０００２】
【従来の技術】最近、天気予報だけでなく地球の温暖化
など気象災害の予測手段として、気象モデルがよく用い
られる。これらの気象モデルには、地球全球規模のモデ
ル（ＧＣＭと呼ばれる）もあれば、より狭い地球での気
象モデル（メソモデルとも呼ばれる）もあり、用途別に
様々な気象モデルが開発がされてきている。なかでも非
常に局所的な気象モデルの一例として路面凍結予測モデ
ルが挙げられる。
など気象災害の予測手段として、気象モデルがよく用い
られる。これらの気象モデルには、地球全球規模のモデ
ル（ＧＣＭと呼ばれる）もあれば、より狭い地球での気
象モデル（メソモデルとも呼ばれる）もあり、用途別に
様々な気象モデルが開発がされてきている。なかでも非
常に局所的な気象モデルの一例として路面凍結予測モデ
ルが挙げられる。
【０００３】ここで、この路面凍結予測モデルについて
も説明する。まず、路面凍結とは、路面温度が低下し、
路面上の水分が凍結する現象である。従って、路面凍結
を予測するために必要な気象要素は、路面温度と路上水
分になる。しかし、路上水分についてはその発生形態の
種類の様々であり、全ての形態について予測するのは困
難である。そこで路面温度が路面凍結予測において重要
なパラメータとなる。
も説明する。まず、路面凍結とは、路面温度が低下し、
路面上の水分が凍結する現象である。従って、路面凍結
を予測するために必要な気象要素は、路面温度と路上水
分になる。しかし、路上水分についてはその発生形態の
種類の様々であり、全ての形態について予測するのは困
難である。そこで路面温度が路面凍結予測において重要
なパラメータとなる。
【０００４】図３に従来の路面温度予測方法の一覧を示
す。図３に示すように路面温度の予測方法を大きく分け
ると、物理的方法と統計的方法の２種類がある。一般に
よく使用されている方法は重回帰計算などによる統計的
方法である。この方法は過去にも実績があり、精度も比
較的良いが、回帰式作成に必要なデータ収集に数シーズ
ン必要である。一方、物理的方法により物理的根拠に基
づく方程式を計算し路面温度を求める方法である。この
方法では統計的方法に比べてより汎用性があり、他のシ
ステムへの応用が可能であるが、的中率の点で統計的方
法に比べて若干精度が落ちる。
す。図３に示すように路面温度の予測方法を大きく分け
ると、物理的方法と統計的方法の２種類がある。一般に
よく使用されている方法は重回帰計算などによる統計的
方法である。この方法は過去にも実績があり、精度も比
較的良いが、回帰式作成に必要なデータ収集に数シーズ
ン必要である。一方、物理的方法により物理的根拠に基
づく方程式を計算し路面温度を求める方法である。この
方法では統計的方法に比べてより汎用性があり、他のシ
ステムへの応用が可能であるが、的中率の点で統計的方
法に比べて若干精度が落ちる。
【０００５】ここで、路面温度の物理的予測方法でよく
用いられる熱収支法の予測の流れについて説明する。図
４は熱収支法による予測の流れを示す図である。まず、
路面情報（３１）（路上水分、祖度長、アルベト、路面
の性質など）と道路付近の気象情報（３２）（気温、気
圧、日斜量、風速など）を入力データとして、以下に示
すある時間における地表面の熱収支式を繰り返し計算に
より解き（３３）、路面温度（３４）を求める。 Ｒn ＋Ｅ＋Ｈ＋Ｇ＝０ …（１）
用いられる熱収支法の予測の流れについて説明する。図
４は熱収支法による予測の流れを示す図である。まず、
路面情報（３１）（路上水分、祖度長、アルベト、路面
の性質など）と道路付近の気象情報（３２）（気温、気
圧、日斜量、風速など）を入力データとして、以下に示
すある時間における地表面の熱収支式を繰り返し計算に
より解き（３３）、路面温度（３４）を求める。 Ｒn ＋Ｅ＋Ｈ＋Ｇ＝０ …（１）
【０００６】ここで、（１）式中のＲn は正味の放射フ
ラックス、Ｅは地表面からの水蒸気輸送による潜熱フラ
ックス、Ｈは大気と地表面の温度差による顕熱フラック
ス、Ｇは地中伝導熱フラックスであり、（１）式は地表
面上で各フラックスをバランスさせた式である。
ラックス、Ｅは地表面からの水蒸気輸送による潜熱フラ
ックス、Ｈは大気と地表面の温度差による顕熱フラック
ス、Ｇは地中伝導熱フラックスであり、（１）式は地表
面上で各フラックスをバランスさせた式である。
【０００７】また、各フラックスを求めるための必要な
データ要素を簡単にまとめると次のようになる。 放射フラクッスＲn ：雲量、路面温度、路面情報 潜熱フラックスＥ ：風速、気温、気圧、水蒸気圧、路
面温度 顕熱フラックスＨ ：風速、気温、路面温度 地中熱伝導フラックスＧ：路面温度、路面情報 ただし、これらのフラックスを求める式として、経験
式、理論式様々な式が提案されている。
データ要素を簡単にまとめると次のようになる。 放射フラクッスＲn ：雲量、路面温度、路面情報 潜熱フラックスＥ ：風速、気温、気圧、水蒸気圧、路
面温度 顕熱フラックスＨ ：風速、気温、路面温度 地中熱伝導フラックスＧ：路面温度、路面情報 ただし、これらのフラックスを求める式として、経験
式、理論式様々な式が提案されている。
【０００８】ここで、各フラックスを求める式の例につ
いては、以下の文献１）、２）で説明されている。 １）土木学会論文集、Ｎｏ．４７０（１９９３）、武市
靖、路面凍結の予測に関する研究、ｐ．１７５−１８４ ２）農業気象、Ｖｏｌ．４８（１９９２）、近藤純正、
地表面温度と熱収支の周期解及びその応用、ｐ．２６５
−２７５
いては、以下の文献１）、２）で説明されている。 １）土木学会論文集、Ｎｏ．４７０（１９９３）、武市
靖、路面凍結の予測に関する研究、ｐ．１７５−１８４ ２）農業気象、Ｖｏｌ．４８（１９９２）、近藤純正、
地表面温度と熱収支の周期解及びその応用、ｐ．２６５
−２７５
【０００９】そして、（１）式から求められた路面温度
（３４）から路面温度の上限、下限予測曲線（過去の気
温データ（３７）から算出したモデル曲線）を設定し
（３５）、路面凍結の開始時間帯を予測する（３６）。
また、（１）式から求められた路面温度（３４）を地中
の熱伝導方程式（３８）に入力し、その地中温度分布か
ら凍結深さを予測する（３９）。
（３４）から路面温度の上限、下限予測曲線（過去の気
温データ（３７）から算出したモデル曲線）を設定し
（３５）、路面凍結の開始時間帯を予測する（３６）。
また、（１）式から求められた路面温度（３４）を地中
の熱伝導方程式（３８）に入力し、その地中温度分布か
ら凍結深さを予測する（３９）。
【００１０】このような方法ではおもに路面温度４だけ
で路面凍結を判定するものであるが、他の従来例として
路面温度の予測プログラムとは別に降雪（降水）予測プ
ログラムを作成し、路面温度と降雪による路上水分を両
方考慮して路面凍結を判定する方法もある。
で路面凍結を判定するものであるが、他の従来例として
路面温度の予測プログラムとは別に降雪（降水）予測プ
ログラムを作成し、路面温度と降雪による路上水分を両
方考慮して路面凍結を判定する方法もある。
【００１１】
【発明が解決しようとする課題】以上のような従来の統
計的、物理的な路面凍結予測方法では、路面凍結対象地
点で気象情報の測定をしていない場合には統計的方法、
物理的方法ともに入力する気象情報は最寄りに測候所の
データを用いる。そのため路面凍結対象地点の気象が正
確に与えられず、正確な路面温度の予測ができないとい
う問題点があった。また、主に路面温度だけで凍結予測
の測定を行っている方法では、路上水分の要素が入って
いないので、精度の高い路面凍結予測ができないという
問題点があり、一方、路上水分を路面凍結の判定に加え
た方法では、路面温度の予測以外に降雪（降水）予測プ
ログラムを別途作成しなければならないので、このよう
な場合には予測処理が複雑になるという問題点があっ
た。
計的、物理的な路面凍結予測方法では、路面凍結対象地
点で気象情報の測定をしていない場合には統計的方法、
物理的方法ともに入力する気象情報は最寄りに測候所の
データを用いる。そのため路面凍結対象地点の気象が正
確に与えられず、正確な路面温度の予測ができないとい
う問題点があった。また、主に路面温度だけで凍結予測
の測定を行っている方法では、路上水分の要素が入って
いないので、精度の高い路面凍結予測ができないという
問題点があり、一方、路上水分を路面凍結の判定に加え
た方法では、路面温度の予測以外に降雪（降水）予測プ
ログラムを別途作成しなければならないので、このよう
な場合には予測処理が複雑になるという問題点があっ
た。
【００１２】さらに、従来の統計的な路面凍結予測方法
では、過去の気象データをもとに路面凍結対象地点の路
面温度に関する回帰式を作成し路面凍結を予測する方法
であるので、過去の現象以外の予測は困難になり、突発
的な現象には対応できないという問題点があった。ま
た、過去の気象データを測定していない地域では、回帰
式作成に必要なデータを収集するために数シーズン時間
が必要となるという問題点があった。
では、過去の気象データをもとに路面凍結対象地点の路
面温度に関する回帰式を作成し路面凍結を予測する方法
であるので、過去の現象以外の予測は困難になり、突発
的な現象には対応できないという問題点があった。ま
た、過去の気象データを測定していない地域では、回帰
式作成に必要なデータを収集するために数シーズン時間
が必要となるという問題点があった。
【００１３】一方、物理的手法では、例として上述した
熱収支法を考えると、（１）式から路面温度が計算でき
るが、（１）式中には路面温度の時間変化（時間微分）
の項が入っていないので、（１）式だけでは路面温度の
時間変化の予測はできず、図４に示したように通常は路
面温度の時間変化を予測するために、路面温度の上限、
下限予測曲線を設定する必要がある。この予測曲線は通
常過去のデータから求めるため、物理的方法もまた統計
的方法と同様、突発的な事象に対応できないという問題
があり、また、過去のデータを測定していない地域で
は、上限、下限予測曲線作成に必要なデータを収集する
ために数シーズン時間が必要となるという問題点があっ
た。
熱収支法を考えると、（１）式から路面温度が計算でき
るが、（１）式中には路面温度の時間変化（時間微分）
の項が入っていないので、（１）式だけでは路面温度の
時間変化の予測はできず、図４に示したように通常は路
面温度の時間変化を予測するために、路面温度の上限、
下限予測曲線を設定する必要がある。この予測曲線は通
常過去のデータから求めるため、物理的方法もまた統計
的方法と同様、突発的な事象に対応できないという問題
があり、また、過去のデータを測定していない地域で
は、上限、下限予測曲線作成に必要なデータを収集する
ために数シーズン時間が必要となるという問題点があっ
た。
【００１４】
【課題を解決するための手段】本発明に係る路面凍結予
測方法は、道路表面の路面温度と路面情報から路面の凍
結予測を行う路面凍結予測方法において、予め特定され
た地点で測定されたＧＰＶデータと路面凍結対象地点付
近の地形データから３次元最適内挿法により、路面凍結
対象地点付近の複数の気象情報を作成し、作成した路面
凍結対象地点付近の複数の気象情報に基づいて、路面凍
結対象地点の路面温度を予測し、予測した路面温度及び
ＧＰＶデータから予測された路面情報に基づいて、路面
凍結対象地点の路面凍結の有無と凍結開始時間を判定す
るものである。
測方法は、道路表面の路面温度と路面情報から路面の凍
結予測を行う路面凍結予測方法において、予め特定され
た地点で測定されたＧＰＶデータと路面凍結対象地点付
近の地形データから３次元最適内挿法により、路面凍結
対象地点付近の複数の気象情報を作成し、作成した路面
凍結対象地点付近の複数の気象情報に基づいて、路面凍
結対象地点の路面温度を予測し、予測した路面温度及び
ＧＰＶデータから予測された路面情報に基づいて、路面
凍結対象地点の路面凍結の有無と凍結開始時間を判定す
るものである。
【００１５】
実施の形態１．図１は実施の形態１の路面凍結予測の流
れを示す図である。この実施の形態で用いる気象情報に
は、従来の測候所データではなく、気象庁から発表され
るＲＳＭ上層、ＲＳＭ地上のＧＰＶ（Grid Point Valu
e）データ（１１）を用いる。ＲＳＭ（Regional Spectr
al Model ）は気象庁の領域モデルであり、運動方程
式、熱力学方程式、質量保存則、水蒸気保存則などの物
理法則に従った方程式系で構成された数値予報モデルで
ある。ＧＰＶでは５１時間予測（ＲＳＭ上層は３時間間
隔、ＲＳＭ地上は１時間間隔）が可能である。
れを示す図である。この実施の形態で用いる気象情報に
は、従来の測候所データではなく、気象庁から発表され
るＲＳＭ上層、ＲＳＭ地上のＧＰＶ（Grid Point Valu
e）データ（１１）を用いる。ＲＳＭ（Regional Spectr
al Model ）は気象庁の領域モデルであり、運動方程
式、熱力学方程式、質量保存則、水蒸気保存則などの物
理法則に従った方程式系で構成された数値予報モデルで
ある。ＧＰＶでは５１時間予測（ＲＳＭ上層は３時間間
隔、ＲＳＭ地上は１時間間隔）が可能である。
【００１６】まず、ＧＰＶデータ（１１）と路面凍結対
象地点付近の地形データ（１２）（路面凍結対象地点付
近の標高、傾斜など）を用いて、３次元最適内挿法によ
り路面凍結対象地点の気象データ（１３）を作成する。
また、同時にＧＰＶデータ（１１）より５１時間先まで
の路面凍結対象地点の路面情報（１５）（降水や積雪等
による路上水分の有無など）を予測する。
象地点付近の地形データ（１２）（路面凍結対象地点付
近の標高、傾斜など）を用いて、３次元最適内挿法によ
り路面凍結対象地点の気象データ（１３）を作成する。
また、同時にＧＰＶデータ（１１）より５１時間先まで
の路面凍結対象地点の路面情報（１５）（降水や積雪等
による路上水分の有無など）を予測する。
【００１７】そして、３次元最適内挿法により得られた
路面凍結対象地点の気象データ（１３）を路面温度の重
回帰式（１４）に入力し路面温度（１６）を求める。た
だし路面温度（１６）の重回帰式（１４）は３次元最適
内挿法により得られた路面凍結対象地点の気象データ
（１３）を説明変数とするものである。そして、重回帰
式（１４）から予測される路面温度（１６）とＧＰＶデ
ータ（１１）から予測される路面情報（１５）を合わせ
て考慮し、路面凍結対象地点の路面凍結の有無および凍
結開始時間を判定する。さらに、重回帰式（１４）から
予測される路面温度（１６）を熱伝導方程式（１８）に
入力し凍結深さ（１９）を予測する。
路面凍結対象地点の気象データ（１３）を路面温度の重
回帰式（１４）に入力し路面温度（１６）を求める。た
だし路面温度（１６）の重回帰式（１４）は３次元最適
内挿法により得られた路面凍結対象地点の気象データ
（１３）を説明変数とするものである。そして、重回帰
式（１４）から予測される路面温度（１６）とＧＰＶデ
ータ（１１）から予測される路面情報（１５）を合わせ
て考慮し、路面凍結対象地点の路面凍結の有無および凍
結開始時間を判定する。さらに、重回帰式（１４）から
予測される路面温度（１６）を熱伝導方程式（１８）に
入力し凍結深さ（１９）を予測する。
【００１８】ここで、ＲＳＭ上層およびＲＳＭ地上のＧ
ＰＶデータ（１１）について説明をする。このデータは
気象庁の領域モデルＲＳＭにより計算された数値予報デ
ータである。このデータの概略を以下の表１に示す。
ＰＶデータ（１１）について説明をする。このデータは
気象庁の領域モデルＲＳＭにより計算された数値予報デ
ータである。このデータの概略を以下の表１に示す。
【００１９】
【表１】
【００２０】表１に示すように、ＧＰＶ上層データから
得られる気象要素は２２種類であり、９２５，８５０，
７００，５００ｈＰａの各気圧面における高度Ｚ、風速
Ｕ，Ｖ、気温Ｔ、露点温度Ｔ−Ｔｄ、７００ｈＰａの気
圧面における鉛直ｐ速度（ｈＰａ／ｈｒ）、そして海面
更正気圧Ｐｓである。予測時間は５１時間予測（３時間
間隔）で、グリッドの格子間隔は東西３０’、南北２
４’であり、日本付近の緯度では約４０ｋｍ×４０ｋｍ
の格子間隔になる。
得られる気象要素は２２種類であり、９２５，８５０，
７００，５００ｈＰａの各気圧面における高度Ｚ、風速
Ｕ，Ｖ、気温Ｔ、露点温度Ｔ−Ｔｄ、７００ｈＰａの気
圧面における鉛直ｐ速度（ｈＰａ／ｈｒ）、そして海面
更正気圧Ｐｓである。予測時間は５１時間予測（３時間
間隔）で、グリッドの格子間隔は東西３０’、南北２
４’であり、日本付近の緯度では約４０ｋｍ×４０ｋｍ
の格子間隔になる。
【００２１】また、ＧＰＶ地上データから得られる気象
要素は６種類であり、地表面上１０ｍの風速Ｕ，Ｖ、地
表面上１．５ｍの気温Ｔと露点温度Ｔ−Ｔｄ、前１時間
の降水量Ｒａｉｎ、そしてモデル上層、中層、下層の雲
量Ｃｌｄである。予測時間は５１時間予測（１時間間
隔）で、グリッドの格子間隔は東西１５’、南北１２’
であり、日本付近の緯度では約２０ｋｍ×２０ｋｍの格
子間隔になる。
要素は６種類であり、地表面上１０ｍの風速Ｕ，Ｖ、地
表面上１．５ｍの気温Ｔと露点温度Ｔ−Ｔｄ、前１時間
の降水量Ｒａｉｎ、そしてモデル上層、中層、下層の雲
量Ｃｌｄである。予測時間は５１時間予測（１時間間
隔）で、グリッドの格子間隔は東西１５’、南北１２’
であり、日本付近の緯度では約２０ｋｍ×２０ｋｍの格
子間隔になる。
【００２２】通常、ＧＰＶデータ（１１）の格子点が路
面凍結対象地点と一致しない場合が多いので、この実施
の形態では、図１に示すようにＧＰＶデータ（１１）か
ら３次元最適内挿法を用いて路面凍結対象地点の気象デ
ータ（１３）を作成する。このとき路面凍結対象地点付
近の地形データ（１２）（標高、傾斜度など）が必要に
なる。また、最適内挿法以外のデータ作成方法として変
分法などの方法が考えられるが、ここでは比較的計算が
容易な最適内挿法を用いている。また、この最適内挿法
については、以下の文献３）で説明されている。 ３）気象庁編「数値予報の基礎知識−数値予報の実
際」、（１９９５）、気象業務支援センター、ｐ２８−
３１
面凍結対象地点と一致しない場合が多いので、この実施
の形態では、図１に示すようにＧＰＶデータ（１１）か
ら３次元最適内挿法を用いて路面凍結対象地点の気象デ
ータ（１３）を作成する。このとき路面凍結対象地点付
近の地形データ（１２）（標高、傾斜度など）が必要に
なる。また、最適内挿法以外のデータ作成方法として変
分法などの方法が考えられるが、ここでは比較的計算が
容易な最適内挿法を用いている。また、この最適内挿法
については、以下の文献３）で説明されている。 ３）気象庁編「数値予報の基礎知識−数値予報の実
際」、（１９９５）、気象業務支援センター、ｐ２８−
３１
【００２３】一方、ＧＰＶ地上データの降水量などのデ
ータ（１１）から路面凍結対象地点の路面情報（１５）
（降水や積雪等による路上水分の有無など）を予測す
る。そして、３次元最適内挿法から作成した路面湊結対
象地点の気象データ（１３）を路面温度の重回帰式（１
４）に入力し、路面温度（１６）を予測する。ただし、
路面温度の重回帰式（１４）は３次元最適内挿法から作
成した気象データ（１３）を説明変数とし、過去の路面
温度（１６）のデータと３次元最適内挿法から作成した
気象データ（１３）から作成された式である。
ータ（１１）から路面凍結対象地点の路面情報（１５）
（降水や積雪等による路上水分の有無など）を予測す
る。そして、３次元最適内挿法から作成した路面湊結対
象地点の気象データ（１３）を路面温度の重回帰式（１
４）に入力し、路面温度（１６）を予測する。ただし、
路面温度の重回帰式（１４）は３次元最適内挿法から作
成した気象データ（１３）を説明変数とし、過去の路面
温度（１６）のデータと３次元最適内挿法から作成した
気象データ（１３）から作成された式である。
【００２４】そして、重回帰式（１４）から予測される
路面温度（１６）とＧＰＶデータ（１１）から予測され
る路面情報（１５）を考慮して、路面凍結対象地点の路
面凍結の有無および凍結開始時間を判定するようになっ
ている。さらに、重回帰式（１４）から予測される路面
温度（１６）を熱伝導方程式（１８）に入力し棟結探さ
（１９）を予測するようになっている。
路面温度（１６）とＧＰＶデータ（１１）から予測され
る路面情報（１５）を考慮して、路面凍結対象地点の路
面凍結の有無および凍結開始時間を判定するようになっ
ている。さらに、重回帰式（１４）から予測される路面
温度（１６）を熱伝導方程式（１８）に入力し棟結探さ
（１９）を予測するようになっている。
【００２５】この実施の形態では、図１に示すように、
ＧＰＶデータ（１１）から３次元最適内挿法で路面凍結
対象地点の気象データ（１３）を作成するので、気象デ
ータを測定していない地域においてもある程度正確な気
象データが得られ、路面凍結対象地点の路面温度（１
６）をより正確に計算することができ、正確な路面凍結
の判定を行うことが可能となる。
ＧＰＶデータ（１１）から３次元最適内挿法で路面凍結
対象地点の気象データ（１３）を作成するので、気象デ
ータを測定していない地域においてもある程度正確な気
象データが得られ、路面凍結対象地点の路面温度（１
６）をより正確に計算することができ、正確な路面凍結
の判定を行うことが可能となる。
【００２６】また、この実施の形態では、路面凍結を判
定する際に、路面温度（１６）だけでなく、ＧＰＶデー
タ（１１）から予測される路面情報（１５）を用いるの
で、より簡単で精度良く路面凍結の有無および凍結開始
時間を判定することが可能となる。
定する際に、路面温度（１６）だけでなく、ＧＰＶデー
タ（１１）から予測される路面情報（１５）を用いるの
で、より簡単で精度良く路面凍結の有無および凍結開始
時間を判定することが可能となる。
【００２７】実施の形態２．図２は実施の形態２の路面
凍結予測の流れを示す図である。この実施の形態で用い
る気象情報は、実施の形態１と同様に、気象庁から発表
されるＲＳＭ上層、ＲＳＭ地上のＧＰＶデータ１であ
る。まず、ＧＰＶデータ（２１）と路面凍結対象地点付
近の地形データ（２２）（標高、傾斜など）を用いて、
３次元最適内挿法により路面凍結対象地点の気象データ
（２３）を作成する。
凍結予測の流れを示す図である。この実施の形態で用い
る気象情報は、実施の形態１と同様に、気象庁から発表
されるＲＳＭ上層、ＲＳＭ地上のＧＰＶデータ１であ
る。まず、ＧＰＶデータ（２１）と路面凍結対象地点付
近の地形データ（２２）（標高、傾斜など）を用いて、
３次元最適内挿法により路面凍結対象地点の気象データ
（２３）を作成する。
【００２８】また、同時にＧＰＶデータ（２１）より５
１時間先までの路面情報（２５）（路上水分の有無な
ど）を予測する。この路面凍結対象地点の気象データ
（２３）と路面情報（２５）および路面凍結対象地点周
辺の構造物のデータ（３０）（建築物や木などによる日
陰の分布データ）を、（１）式の熱収支式（２４）に入
力し路面温度（２６）を求める。このときＧＰＶデータ
（２１）は５１時間予測のデータであるので、各時間毎
におけるＧＰＶデータ（２１）から、路面温度（２６）
を計算することができ、最高５１時間先まで路面温度
（２６）の予測が可能になる。
１時間先までの路面情報（２５）（路上水分の有無な
ど）を予測する。この路面凍結対象地点の気象データ
（２３）と路面情報（２５）および路面凍結対象地点周
辺の構造物のデータ（３０）（建築物や木などによる日
陰の分布データ）を、（１）式の熱収支式（２４）に入
力し路面温度（２６）を求める。このときＧＰＶデータ
（２１）は５１時間予測のデータであるので、各時間毎
におけるＧＰＶデータ（２１）から、路面温度（２６）
を計算することができ、最高５１時間先まで路面温度
（２６）の予測が可能になる。
【００２９】そして、熱収支式（２４）から予測される
路面温度（２６）とＧＰＶデータ（２１）から予測され
る路面情報（２５）を合わせて考慮し、路面凍結対象地
点の路面凍結の有無および凍結開始時間を判定する。さ
らに、熱収支式（２４）から予測される路面温度（２
６）を熱伝導方程式（２８）に入力し凍結探さ（２９）
を予測する。
路面温度（２６）とＧＰＶデータ（２１）から予測され
る路面情報（２５）を合わせて考慮し、路面凍結対象地
点の路面凍結の有無および凍結開始時間を判定する。さ
らに、熱収支式（２４）から予測される路面温度（２
６）を熱伝導方程式（２８）に入力し凍結探さ（２９）
を予測する。
【００３０】この実施の形態では実施の形態１と同様
に、気象庁から発表されるＲＳＭ上層、ＲＳＭ地上のＧ
ＰＶデータ（２１）と路面凍結対象地点付近の地形デー
タ（２２）（標高、傾斜度など）を用いて、３次元最適
内挿法により路面凍結対象地点の気象データ（２３）を
作成する。一方、ＧＰＶ地上データの降水量などのデー
タから路面凍結対象地点の路面情報（２５）（降水や積
雪等のよる路上水分の有無など）を予測する。
に、気象庁から発表されるＲＳＭ上層、ＲＳＭ地上のＧ
ＰＶデータ（２１）と路面凍結対象地点付近の地形デー
タ（２２）（標高、傾斜度など）を用いて、３次元最適
内挿法により路面凍結対象地点の気象データ（２３）を
作成する。一方、ＧＰＶ地上データの降水量などのデー
タから路面凍結対象地点の路面情報（２５）（降水や積
雪等のよる路上水分の有無など）を予測する。
【００３１】３次元最適内挿法から作成した気象データ
（２３）とＧＰＶデータ（２１）から予測された路面情
報（２５）および路面凍結対象地点周辺の構造物のデー
タ（３０）（建築物や木などによる、日陰の分布デー
タ）を熱収支式（２４）に入力し、繰り返し計算により
路面温度（２６）を予測する。このときＧＰＶデータ
（２１）は５１時間予測のデータであるので、最高５１
時間先までの路面温度（２６）の予測が可能になる。
（２３）とＧＰＶデータ（２１）から予測された路面情
報（２５）および路面凍結対象地点周辺の構造物のデー
タ（３０）（建築物や木などによる、日陰の分布デー
タ）を熱収支式（２４）に入力し、繰り返し計算により
路面温度（２６）を予測する。このときＧＰＶデータ
（２１）は５１時間予測のデータであるので、最高５１
時間先までの路面温度（２６）の予測が可能になる。
【００３２】ここで路面温度（２６）を熱収支式（２
４）から求める際に路面凍結対象地点付近の構造物デー
タ（３０）を入力する理由について説明する。路面凍結
対象地点周辺にビルや家屋あるいは木などの構造物があ
る場合、それらの構造物は、時間帯によって路面凍結対
象地点へ入射してくる太陽光を遮断あるいは反射させる
ので、路面凍結対象地点の放射フラックス（（１）式中
のＲｎ）に大きな影響を与える。従って同時に路面凍結
対象地点の路面温度（２６）の予測にも大きな影響を与
える。そこで、路面藻結対象地点がその周辺の構造物に
より影響を受ける場合、図２に示すように構造物よる日
陰の分布データ（３０）を熱収支式（２４）に入力しな
ければならない。
４）から求める際に路面凍結対象地点付近の構造物デー
タ（３０）を入力する理由について説明する。路面凍結
対象地点周辺にビルや家屋あるいは木などの構造物があ
る場合、それらの構造物は、時間帯によって路面凍結対
象地点へ入射してくる太陽光を遮断あるいは反射させる
ので、路面凍結対象地点の放射フラックス（（１）式中
のＲｎ）に大きな影響を与える。従って同時に路面凍結
対象地点の路面温度（２６）の予測にも大きな影響を与
える。そこで、路面藻結対象地点がその周辺の構造物に
より影響を受ける場合、図２に示すように構造物よる日
陰の分布データ（３０）を熱収支式（２４）に入力しな
ければならない。
【００３３】この実施の形態において、熱収支式（２
４）中の各フラックスを求めるときに必要な気象データ
をまとめると以下に示すようになる。 放射フラクッスＲｎ：雲量、路面温度、地形、路面情
報、構造物データ 潜熱フラックスＬＥ：風速、気温、気圧、露点温度、地
形、路面温度 顕熟フラックスＨ：風速、気温、路面温度 地中熱伝導フラックスＧ：路面温度、路面情報 ただし、各フラックスを求める式は従来と同様に文献
１）２）で与えられているような経験式または理論式で
求められる。
４）中の各フラックスを求めるときに必要な気象データ
をまとめると以下に示すようになる。 放射フラクッスＲｎ：雲量、路面温度、地形、路面情
報、構造物データ 潜熱フラックスＬＥ：風速、気温、気圧、露点温度、地
形、路面温度 顕熟フラックスＨ：風速、気温、路面温度 地中熱伝導フラックスＧ：路面温度、路面情報 ただし、各フラックスを求める式は従来と同様に文献
１）２）で与えられているような経験式または理論式で
求められる。
【００３４】そして、熟収支式（２４）から予測される
路面温度（２６）とＧＰＶデータ（２１）から予測され
る路面情報（２５）を合わせて考慮し、路面凍結対象地
点の路面凍結の有無および凍結開始時間を判定するよう
になっている。さらに、熱収支式（２４）から予測され
る路面温度（２６）を熱伝導方程式（２８）に入力し凍
結深さ（２９）を予測するようになっている。
路面温度（２６）とＧＰＶデータ（２１）から予測され
る路面情報（２５）を合わせて考慮し、路面凍結対象地
点の路面凍結の有無および凍結開始時間を判定するよう
になっている。さらに、熱収支式（２４）から予測され
る路面温度（２６）を熱伝導方程式（２８）に入力し凍
結深さ（２９）を予測するようになっている。
【００３５】この実施の形態では、図２に示すように、
ＧＰＶデータ（２１）から３次元最適内挿法で路面凍結
対象地点の気象データ（２３）を作成するだけでなく、
路面凍結対象地点周辺の構造物による日陰の分布データ
（３０）を考慮に入れるので、気象データを測定してい
ない地域においても正確な気象データ（２３）が得ら
れ、路面温度（２６）をより正確に計算することがで
き、正確な路面凍結の判定を行うことが可能となる。
ＧＰＶデータ（２１）から３次元最適内挿法で路面凍結
対象地点の気象データ（２３）を作成するだけでなく、
路面凍結対象地点周辺の構造物による日陰の分布データ
（３０）を考慮に入れるので、気象データを測定してい
ない地域においても正確な気象データ（２３）が得ら
れ、路面温度（２６）をより正確に計算することがで
き、正確な路面凍結の判定を行うことが可能となる。
【００３６】また、この実施の形態では、実施の形態１
と同様に、路面凍結を判定する際に、路面温度（２６）
だけでなく、ＧＰＶデータ（２１）から予測される路面
情報（２５）を用いるので、より簡単で精度良く路面凍
結対象地点の路面凍結の有無および凍結開始時間を判定
することが可能となる。さらに、気象情報にＧＰＶデー
タ（２１）を用いることにより、最高５１時間先までの
路面温度（２６）と路面情報（２５）の予測が可能にな
るので、過去の事象例にない現象にも対応が可能とな
り、過去のデータ収集の時間も必要なくなる。
と同様に、路面凍結を判定する際に、路面温度（２６）
だけでなく、ＧＰＶデータ（２１）から予測される路面
情報（２５）を用いるので、より簡単で精度良く路面凍
結対象地点の路面凍結の有無および凍結開始時間を判定
することが可能となる。さらに、気象情報にＧＰＶデー
タ（２１）を用いることにより、最高５１時間先までの
路面温度（２６）と路面情報（２５）の予測が可能にな
るので、過去の事象例にない現象にも対応が可能とな
り、過去のデータ収集の時間も必要なくなる。
【００３７】なお、実施の形態１，２では、ＧＰＶデー
タ（１１，２１）を用いて路面凍結予測の対象地点の気
象データ（１３，２３）を作成したが、対象地点付近に
複数個の気象観測点がある場合には、それらのデータと
ＧＰＶデータ（１１，２１）を一緒に用いても同様の効
果が得られる。また、実施の形態１，２では、路面凍結
予測方法で説明したが、路面凍結予測モデルと同じよう
な非常に局所的な気象モデルを使用して気象予報を行う
方法においても実施の形態１，２の方法は同様に適用可
能であり、同様の効果が得られる。
タ（１１，２１）を用いて路面凍結予測の対象地点の気
象データ（１３，２３）を作成したが、対象地点付近に
複数個の気象観測点がある場合には、それらのデータと
ＧＰＶデータ（１１，２１）を一緒に用いても同様の効
果が得られる。また、実施の形態１，２では、路面凍結
予測方法で説明したが、路面凍結予測モデルと同じよう
な非常に局所的な気象モデルを使用して気象予報を行う
方法においても実施の形態１，２の方法は同様に適用可
能であり、同様の効果が得られる。
【００３８】
【発明の効果】以上のように本発明によれば、予め特定
された地点で測定されたＧＰＶデータと路面凍結対象地
点付近の地形データから３次元最適内挿法により、路面
凍結対象地点付近の複数の気象情報を作成し、作成した
路面凍結対象地点付近の複数の気象情報に基づいて、路
面凍結対象地点の路面温度を予測し、予測した路面温度
及びＧＰＶデータから予測された路面情報に基づいて、
路面凍結対象地点の路面凍結の有無と凍結開始時間を判
定するようにしたので、気象データを測定していない地
域においてもある程度正確な気象データが得られ、路面
凍結対象地点の路面温度をより正確に計算することがで
き、正確な路面凍結の判定を行うことができるという効
果を有する。
された地点で測定されたＧＰＶデータと路面凍結対象地
点付近の地形データから３次元最適内挿法により、路面
凍結対象地点付近の複数の気象情報を作成し、作成した
路面凍結対象地点付近の複数の気象情報に基づいて、路
面凍結対象地点の路面温度を予測し、予測した路面温度
及びＧＰＶデータから予測された路面情報に基づいて、
路面凍結対象地点の路面凍結の有無と凍結開始時間を判
定するようにしたので、気象データを測定していない地
域においてもある程度正確な気象データが得られ、路面
凍結対象地点の路面温度をより正確に計算することがで
き、正確な路面凍結の判定を行うことができるという効
果を有する。
【図１】実施の形態１の路面凍結予測の流れを示す図で
ある。
ある。
【図２】実施の形態２の路面凍結予測の流れを示す図で
ある。
ある。
【図３】従来の路面温度予測方法の一覧を示す図であ
る。
る。
【図４】熱収支法による予測の流れを示す図である。
Claims (3)
- 【請求項１】 道路表面の路面温度と路面情報から路面
の凍結予測を行う路面凍結予測方法において、 予め特定された地点で測定されたＧＰＶデータと路面凍
結対象地点付近の地形データから３次元最適内挿法によ
り、路面凍結対象地点付近の複数の気象情報を作成し、 作成した路面凍結対象地点付近の複数の気象情報に基づ
いて、路面凍結対象地点の路面温度を予測し、 前記予測した路面温度及び前記ＧＰＶデータから予測さ
れた路面情報に基づいて、路面凍結対象地点の路面凍結
の有無と凍結開始時間を判定することを特徴とする路面
凍結予測方法。 - 【請求項２】 道路表面の路面温度と路面情報から路面
の凍結予測を行う路面凍結予測方法において、 予め特定された地点で測定されたＧＰＶデータと路面凍
結対象地点付近の地形データから３次元最適内挿法によ
り、路面凍結対象地点付近の複数の気象情報を作成し、 作成した路面凍結対象地点付近の複数の気象情報のそれ
ぞれを説明変数した重回帰式に基づいて、路面凍結対象
地点の路面温度を予測し、 前記予測した路面温度及び前記ＧＰＶデータから予測さ
れた路面情報に基づいて、路面凍結対象地点の路面凍結
の有無と凍結開始時間を判定することを特徴とする路面
凍結予測方法。 - 【請求項３】 道路表面の路面温度と路面情報から路面
の凍結予測を行う路面凍結予測方法において、 予め特定された地点で測定されたＧＰＶデータと路面凍
結対象地点付近の地形データから３次元最適内挿法によ
り、路面凍結対象地点付近の複数の気象情報を作成し、 作成した路面凍結対象地点付近の複数の気象情報、路面
凍結対象地点付近の構造物に関する構造物データ、及び
前記ＧＰＶデータから予測された未来の路面情報を用い
た路面の熱収支式に基づいて、路面凍結対象地点の路面
温度を予測し、 前記予測した路面温度及び前記ＧＰＶデータから予測さ
れた路面情報に基づいて、路面凍結対象地点の路面凍結
の有無と凍結開始時間を判定することを特徴とする路面
凍結予測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22472497A JPH1164538A (ja) | 1997-08-21 | 1997-08-21 | 路面凍結予測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22472497A JPH1164538A (ja) | 1997-08-21 | 1997-08-21 | 路面凍結予測方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1164538A true JPH1164538A (ja) | 1999-03-05 |
Family
ID=16818261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP22472497A Pending JPH1164538A (ja) | 1997-08-21 | 1997-08-21 | 路面凍結予測方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1164538A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003240867A (ja) * | 2002-02-20 | 2003-08-27 | Natl Inst For Land & Infrastructure Management Mlit | 路面状態推定方法 |
| JP2015210222A (ja) * | 2014-04-28 | 2015-11-24 | 株式会社東芝 | 気象予測補正装置及び気象予測補正方法 |
| JP2018105893A (ja) * | 2018-04-09 | 2018-07-05 | 株式会社東芝 | 気象予測補正装置、気象予測補正方法及びプログラム |
-
1997
- 1997-08-21 JP JP22472497A patent/JPH1164538A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003240867A (ja) * | 2002-02-20 | 2003-08-27 | Natl Inst For Land & Infrastructure Management Mlit | 路面状態推定方法 |
| JP2015210222A (ja) * | 2014-04-28 | 2015-11-24 | 株式会社東芝 | 気象予測補正装置及び気象予測補正方法 |
| JP2018105893A (ja) * | 2018-04-09 | 2018-07-05 | 株式会社東芝 | 気象予測補正装置、気象予測補正方法及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bennie et al. | Slope, aspect and climate: Spatially explicit and implicit models of topographic microclimate in chalk grassland | |
| Pomeroy et al. | Prairie and arctic areal snow cover mass balance using a blowing snow model | |
| Tveito et al. | A GIS-based agro-ecological decision system based on gridded climatology | |
| Christensen et al. | Very high-resolution regional climate simulations over Scandinavia—Present climate | |
| Sass | A numerical forecasting system for the prediction of slippery roads | |
| Teufel et al. | Investigation of the 2013 Alberta flood from weather and climate perspectives | |
| Pastor et al. | Torrential rains on the Spanish Mediterranean coast: Modeling the effects of the sea surface temperature | |
| Fettweis et al. | Greenland surface mass balance simulated by a regional climate model and comparison with satellite-derived data in 1990–1991 | |
| Small et al. | The effects of desiccation and climatic change on the hydrology of the Aral Sea | |
| Reeves et al. | Assessment of forecasts during persistent valley cold pools in the Bonneville Basin by the North American Mesoscale Model | |
| Bradley et al. | Modelling spatial and temporal road thermal climatology in rural and urban areas using a GIS | |
| Hong et al. | Seasonal variations in the surface energy and CO2 flux over a high‐rise, high‐population, residential urban area in the East Asian monsoon region | |
| Durham et al. | Improvement of climate data for use in MEPDG calibration and other pavement analysis | |
| Kustas et al. | Mapping surface energy flux partitioning at large scales with optical and microwave remote sensing data from Washita'92 | |
| Bouilloud et al. | Road surface condition forecasting in France | |
| Smith et al. | Soil state and surface hydrology diagnosis based on MOSES in the Met Office Nimrod nowcasting system | |
| Karsisto et al. | Sky View Factor and screening impacts on the forecast accuracy of road surface temperatures in Finland | |
| Şensoy et al. | Point‐scale energy and mass balance snowpack simulations in the upper Karasu basin, Turkey | |
| JPH1164538A (ja) | 路面凍結予測方法 | |
| Duggal | Elements of water resources engineering | |
| Kim et al. | Combined effects of wind and solar irradiance on the spatial variation of midday air temperature over a mountainous terrain | |
| JPH1164537A (ja) | 路面凍結予測方法 | |
| JPH10282250A (ja) | 路面凍結の予測方法及び装置 | |
| Prowse | The snow environment of the Craigieburn Range | |
| Ueyama et al. | Compilation method for 1 km grid data of monthly mean air temperature for quantitative assessments of climate change impacts |