WO2025220170A1 - 土地状況把握装置、土地状況把握方法、および土地状況把握プログラム - Google Patents

土地状況把握装置、土地状況把握方法、および土地状況把握プログラム

Info

Publication number
WO2025220170A1
WO2025220170A1 PCT/JP2024/015348 JP2024015348W WO2025220170A1 WO 2025220170 A1 WO2025220170 A1 WO 2025220170A1 JP 2024015348 W JP2024015348 W JP 2024015348W WO 2025220170 A1 WO2025220170 A1 WO 2025220170A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
land
remote sensing
status
situation
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
Application number
PCT/JP2024/015348
Other languages
English (en)
French (fr)
Inventor
康平 栗原
成浩 的場
郁哉 小野田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to PCT/JP2024/015348 priority Critical patent/WO2025220170A1/ja
Priority to JP2024547141A priority patent/JP7566229B1/ja
Publication of WO2025220170A1 publication Critical patent/WO2025220170A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

Definitions

  • This disclosure relates to a land status assessment device, a land status assessment method, and a land status assessment program.
  • Patent Document 1 discloses a technique for determining a survey area by extracting candidate areas to be surveyed from sensor information obtained from remote sensing images at the time of a disaster.
  • Patent Document 1 only determines the survey area and is unable to grasp the state and condition of the land in the survey area with high accuracy.
  • the purpose of this disclosure is to understand the land condition and situation of the survey area with greater accuracy.
  • the land status grasping device comprises: a land use classification unit that analyzes remote sensing images and sets label information that represents the land cover status of the survey area; a local information estimation unit that receives log information transmitted from an IoT device (Internet of Things device) installed in the survey area and estimates the state and situation of the land at the survey point where the IoT device is located as local situation information based on the log information;
  • the system is equipped with a precision improvement unit that estimates the state and condition of the land at points other than the survey point in the survey area based on the remote sensing image and the local situation information, and generates area condition information that represents the state and condition of the land in the survey area with higher accuracy than the label information.
  • the local information estimation unit receives log information transmitted from IoT devices installed in the survey area.
  • the local information estimation unit estimates the state and condition of the land at the survey point where the IoT device is located as local situation information based on the log information.
  • the precision improvement unit estimates the state and condition of the land at points other than the points in the survey area based on the remote sensing image and the local situation information, and generates area status information that represents the state and condition of the land in the survey area with greater precision than the label information. Therefore, the land status assessment device according to the present disclosure has the effect of being able to assess the state and condition of the land in the survey area with greater precision.
  • FIG. 1 is a diagram showing an example of the configuration of a land status grasping device according to a first embodiment
  • FIG. 3 is a flowchart showing an example of the operation of the land status grasping device according to the first embodiment.
  • FIG. 2 is a diagram showing an example of data acquired by the land status grasping device according to the first embodiment.
  • FIG. 4 is a schematic diagram showing an example of the flow of a land status grasping process according to the first embodiment.
  • FIG. 1 is a schematic diagram showing Example 1 of a land situation assessment process in a survey area according to the first embodiment.
  • FIG. 10 is a diagram showing an example in which interpolation using sensor data F is performed in Example 1 of the land status grasping process according to the first embodiment.
  • FIG. 10 is a schematic diagram showing Example 2 of a land status assessment process in a survey area according to the first embodiment.
  • 10 is a schematic diagram showing Example 3 of a land situation assessment process in a survey area according to the first embodiment;
  • FIG. FIG. 10 is a diagram showing an example of the configuration of a land status grasping device according to a modified example of the first embodiment.
  • FIG. 1 is a diagram showing an example of the configuration of a land status grasping device 100 according to this embodiment.
  • the land status assessment device 100 is a device that assesses the state and situation of land in a survey area using remote sensing images 52 and log information 31 and sensor data 32 from IoT devices 61.
  • the land status assessment device 100 is also referred to as a wide-area activity assessment device that assesses the state and situation of land, including the activity of things in the survey area.
  • the land status assessment device 100 is a computer.
  • the land status assessment device 100 includes a processor 910, as well as other hardware such as memory 921, auxiliary storage device 922, input interface 930, output interface 940, and communication device 950.
  • the processor 910 is connected to the other hardware via signal lines and controls this other hardware.
  • the land status assessment device 100 comprises, as functional elements, a land use classification unit 110, a local information estimation unit 120, a dynamic analysis unit 130, a high accuracy improvement unit 140, and a memory unit 150.
  • the memory unit 150 stores a land use map 51, remote sensing images 52, local situation information 53, local dynamic information 54, and area status information 55.
  • the land use map 51 includes label information 511 that indicates the land coverage status.
  • the functions of the land use classification unit 110, local information estimation unit 120, dynamic analysis unit 130, and precision improvement unit 140 are realized by software.
  • the storage unit 150 is provided in the memory 921. Note that the storage unit 150 may be provided in the auxiliary storage device 922, or may be provided separately in the memory 921 and the auxiliary storage device 922.
  • the processor 910 is a device that executes a land status assessment program.
  • the land status assessment program is a program that realizes the functions of the land use classification unit 110, the local information estimation unit 120, the dynamics analysis unit 130, and the accuracy improvement unit 140.
  • the processor 910 is an IC that performs arithmetic processing. Specific examples of the processor 910 are a CPU, a DSP, and a GPU.
  • IC is an abbreviation for Integrated Circuit.
  • CPU is an abbreviation for Central Processing Unit.
  • DSP is an abbreviation for Digital Signal Processor.
  • GPU is an abbreviation for Graphics Processing Unit.
  • the memory 921 is a storage device that temporarily stores data. Specific examples of the memory 921 are SRAM and DRAM. SRAM is an abbreviation for Static Random Access Memory. DRAM is an abbreviation for Dynamic Random Access Memory.
  • the auxiliary storage device 922 is a storage device that stores data. A specific example of the auxiliary storage device 922 is an HDD.
  • the auxiliary storage device 922 may also be a portable storage medium such as an SD (registered trademark) memory card, CF, NAND flash, a flexible disk, an optical disk, a compact disk, a Blu-ray (registered trademark) disk, or a DVD. Note that HDD is an abbreviation for Hard Disk Drive. SD (registered trademark) is an abbreviation for Secure Digital. CF is an abbreviation for CompactFlash (registered trademark). DVD is an abbreviation for Digital Versatile Disk.
  • the input interface 930 is a port that is connected to an input device such as a mouse, keyboard, or touch panel. Specifically, the input interface 930 is a USB terminal. Note that the input interface 930 may also be a port that is connected to a LAN.
  • USB is an abbreviation for Universal Serial Bus.
  • LAN is an abbreviation for Local Area Network.
  • the output interface 940 is a port to which a cable from an output device such as a display is connected.
  • the output interface 940 is a USB terminal or an HDMI (registered trademark) terminal.
  • the display is an LCD.
  • the output interface 940 is also called a display interface.
  • HDMI (registered trademark) is an abbreviation for High Definition Multimedia Interface.
  • LCD is an abbreviation for Liquid Crystal Display.
  • the communication device 950 has a receiver and a transmitter.
  • the communication device 950 is connected to a communication network such as a LAN, the Internet, a telephone line, or Wi-Fi (registered trademark).
  • the communication device 950 is a communication chip or NIC.
  • NIC is an abbreviation for Network Interface Card.
  • the land situation assessment program is executed in the land situation assessment device 100.
  • the land situation assessment program is loaded into and executed by the processor 910.
  • Memory 921 stores not only the land situation assessment program but also the OS.
  • OS is an abbreviation for Operating System.
  • the processor 910 executes the land situation assessment program while running the OS.
  • the land situation assessment program and OS may be stored in the auxiliary storage device 922.
  • the land situation assessment program and OS stored in the auxiliary storage device 922 are loaded into memory 921 and executed by the processor 910. Note that part or all of the land situation assessment program may be incorporated into the OS.
  • the land status assessment device 100 may be equipped with multiple processors that replace the processor 910. These multiple processors share the task of executing the land status assessment program. Each processor is a device that executes the land status assessment program in the same way as the processor 910.
  • Data, information, signal values, and variable values used, processed, or output by the land condition assessment program are stored in memory 921, auxiliary storage device 922, or registers or cache memory within processor 910.
  • the "unit" of each of the land use classification unit 110, the local information estimation unit 120, the dynamic analysis unit 130, and the accuracy improvement unit 140 may be interpreted as a "circuit,”"step,””procedure,””process," or "circuitry.”
  • the land situation assessment program causes a computer to execute a land use classification process, a local information estimation process, a dynamic analysis process, and an accuracy improvement process.
  • the "processes" of the land use classification process, the local information estimation process, the dynamic analysis process, and the accuracy improvement process may be interpreted as a "program” or a "program product.”
  • the "processes” of the land use classification process, the local information estimation process, the dynamic analysis process, and the accuracy improvement process may be interpreted as a "computer-readable storage medium storing a program.”
  • the "processes” of the land use classification process, the local information estimation process, the dynamic analysis process, and the accuracy improvement process may be interpreted as a "computer-readable storage medium recording a program.”
  • the land situation assessment method is a method performed by the land situation assessment device 100 executing the land situation assessment program.
  • the land status assessment program may be provided in a state stored in a computer-readable recording medium, or may be provided as a program product.
  • FIG. 2 is a flow diagram showing an example of the operation of the land status grasping device 100 according to this embodiment.
  • the operation of the land status assessment device 100 according to this embodiment will be described.
  • the operation procedure of the land status assessment device 100 corresponds to a land status assessment method.
  • the program that realizes the operation of the land status assessment device 100 corresponds to a land status assessment program.
  • Step S101> The land use classification unit 110 analyzes the remote sensing image 52 and sets label information 511 that represents the land coverage status of the survey area.
  • the survey area is the area surveyed by the land status assessment device 100, i.e., the area to be classified and identified for land use status.
  • the land use status includes the classification indicated by land label information and the state and status of the land, including the dynamics of things.
  • the land label information indicates the land cover status. Specifically, it is as follows:
  • FIG. 3 shows an example of data acquired by the land status grasping device 100 according to this embodiment.
  • the data acquired by the land status assessment device 100 includes a remote sensing image 52 and data acquired by an IoT device 61.
  • the land use classifier 110 acquires the remote sensing image 52 .
  • the land use classification unit 110 acquires multiple remote sensing images 52 with different granularities.
  • the remote sensing images 52 are images such as (1) satellite multi-sensing data, (2) aerial photography data, or (3) drone photography data.
  • the remote sensing images 52 have increasingly finer granularity in the order of (1) satellite multi-sensing data, (2) aerial photography data, and (3) drone photography data.
  • the land use classification unit 110 performs image analysis on the remote sensing image 52 and outputs a land use map 51.
  • the land use classification unit 110 also performs image analysis on the remote sensing image 52 and sets label information 511 that indicates the land coverage status of the survey area.
  • the label information 511 may be associated with the land use map 51.
  • the label information 511 representing the land coverage status includes at least classifications such as buildings, water bodies, bare land, and soil and sand.
  • Land cover status includes what the land is used for, what the land condition is, and how the land is changing.
  • the local information estimation unit 120 receives log information 31 transmitted from the IoT devices 61 installed in the survey area. Then, the local information estimation unit 120 estimates the state and situation of the land at the survey point where the IoT devices 61 are located as local situation information 53 based on the log information 31.
  • the state and situation of the land includes not only land use information classified by label information but also surrounding conditions or surrounding circumstances, such as whether the surroundings of the survey point are in a normal state or an abnormal state.
  • the local information estimation unit 120 receives log information 31 corresponding to each IoT device in a device group consisting of one or more IoT devices 61 present on the ground.
  • the log information 31 indicates, for example, whether the IoT device 61 is normal or abnormal. Based on the log information 31, the local information estimation unit 120 estimates whether each IoT device in the device group is normal or abnormal at the survey point where it is located.
  • the IoT device 61 is at least one of an IoT home appliance and an elevator.
  • the IoT home appliances include, for example, air conditioners, refrigerators, televisions, and other home appliances connected to the Internet.
  • the IoT device 61 may be any device that is connected to the Internet and can transmit information to the land condition assessment device 100.
  • IoT device 61 may be a fixed surveillance camera, a mobile surveillance camera (lidar/radar), a camera mounted on a moving object, or a PMV perimeter monitoring sensor. IoT device 61 may also be a high-precision locator other than a camera. IoT device 61 may also be a sensor installed in a facility, a drive recorder, a publicly installed sensor, a sensor on a mobile device, or a sensor used for access control. As such, IoT device 61 may be installed in a home appliance or other device, mounted on a moving object, installed in a facility, or located in the air. IoT device 61 may be a sensor that can estimate the health or safety of a building or house based on its log information.
  • the log information 31 may be, for example, an on/off signal of an air conditioner, an open/close signal of a refrigerator, or an on/off signal of a television.
  • the local information estimation unit 120 estimates the state and situation of the land at the survey point where the IoT device 61 is located from such log information 31 as local situation information 53.
  • the local situation information 53 includes information such as whether or not a building exists at the survey point where the IoT device 61 is located, and whether the survey point is normal or abnormal.
  • the log information 31 may include, for example, information such as whether the elevator is ascending or descending, whether or not it is submerged as detected by a submergence sensor, or whether water is detected on the floor as detected by a thermal camera.
  • the local information estimation unit 120 estimates the state and situation of the land at the survey point where the IoT device 61 is located from such log information 31 as local situation information 53.
  • the local situation information 53 includes information such as whether there is flooding or a fire at the survey point where the IoT device 61 is located, and whether the elevator is operating normally.
  • the local situation information 53 includes information as to whether the survey point is normal or abnormal.
  • the log information 31 is "operation and running information of a device that has a built-in wireless LAN module and is connectable to a network, and information on the outside world that is collected by a sensor mounted on the device.”
  • the log information 31 is information transmitted from the IoT device 61 and is source or origin information for estimating the state and situation of the land at the survey point where the IoT device 61 is located as local situation information.
  • the log information 31 is information indicating the normal or abnormal state of the IoT device 61.
  • the log information 31 is information indicating the operating state of the IoT device 61 (on/off signals, signals indicating normal operation, etc.) or the state and mode of its components (open/close signals, signals indicating rising or falling, etc.).
  • the log information 31 is information indicating the physical state or material detection state detected by a sensor of the IoT device 61 (information indicating the presence or absence of flooding as detected by a flood sensor, information indicating the detection of water on the floor by a thermal camera, etc.).
  • the activity analysis unit 130 analyzes the log information 31 and generates the activity of things at the survey point where the IoT device 61 is located as local activity information 54.
  • the activity analysis unit 130 may acquire sensor data 32 from the IoT device 61, analyze the log information 31 and the sensor data 32, and generate the local activity information 54.
  • the IoT device 61 is an elevator
  • surveillance video transmitted from a surveillance camera installed in the elevator becomes the sensor data 32.
  • signals such as door opening and closing become the log information 31, and the surveillance video becomes the sensor data 32.
  • the IoT device 61 when the IoT device 61 is an air conditioner, an infrared image transmitted from an infrared camera provided in the air conditioner becomes the sensor data 32.
  • an on/off signal or the like becomes the log information 31, and the infrared image becomes the sensor data 32.
  • the behavior analysis unit 130 analyzes the presence or absence of people at the survey location where the IoT device 61 is located from log information 31, such as on/off signals of an air conditioner, an open/close signal of a refrigerator, or an on/off signal of a television.
  • the behavior analysis unit 130 also analyzes the behavior of people, such as what they are doing, from images captured by a surveillance camera. Alternatively, the behavior analysis unit 130 may analyze the temperature around people from infrared images.
  • the behavior analysis unit 130 combines and analyzes the log information 31 and the sensor data 32 to generate local behavior information 54 that indicates the situation or behavior of people in the vicinity of the survey location where the IoT device 61 is located.
  • a person has been used as an example of an object whose behavior is to be analyzed, but the behavior of objects other than people may also be analyzed.
  • the behavior of animals such as pets may be analyzed.
  • the behavior of machinery in operation may be analyzed.
  • the behavior of any object whose behavior can be analyzed may be analyzed.
  • the activity analysis unit 130 may also transmit the activity of the person contained in the local activity information 54 to the user as monitoring information 541.
  • the user receiving the monitoring information 541 is a user who has been pre-registered as a user who will receive the monitoring information 541.
  • monitoring information 541 including local activity information 54 of a family member living in a building at the survey location is transmitted to a pre-registered member of that family member.
  • monitoring information 541 including local activity information 54 of a child, elderly person, or pet is transmitted to the guardian or manager of that person.
  • monitoring information 541 including local activity information 54 of a user using a facility is transmitted to a pre-registered manager of the facility.
  • the local information estimation unit 120 acquires multiple pieces of log information 31 from multiple IoT devices 61 installed at multiple investigation points.
  • the local information estimation unit 120 also acquires multiple types of log information 31 from multiple types of IoT devices 61.
  • the dynamic analysis unit 130 also acquires multiple pieces of sensor data 32 from multiple IoT devices 61 installed at multiple investigation points.
  • the dynamic analysis unit 130 also acquires multiple types of sensor data 32 from multiple types of IoT devices 61.
  • the local information estimation unit 120 and the dynamic analysis unit 130 are described as separate components. However, the functions of the local information estimation unit 120 and the dynamic analysis unit 130 may be realized by a single component.
  • specific examples of the log information 31 and the sensor data 32 include (4) video data, (5) building sensing data, (6) home appliance sensing data, (7) vehicle flow data, and (8) SNS data.
  • SNS is an abbreviation for Social Networking Service.
  • Video data is, for example, images or videos captured by security cameras installed in a city or local area.
  • Building sensing data is data acquired by a building condition sensor installed inside a building.
  • the building sensing data is data of vibration waveforms that indicate the state of vibration of the building.
  • the building sensing data may include images or videos of the conditions inside the building.
  • (6) Home appliance sensing data is acquired by sensors installed in home appliances that have a communication function called IoT.
  • Home appliance sensing data is data that indicates the state of the home appliance or the state of the surroundings of the home appliance.
  • IoT is an abbreviation for Internet of Things.
  • Vehicle flow data is data acquired by ETC, a drive recorder, or a GPS receiver. Vehicle flow data is data that indicates the distribution and flow of vehicles.
  • ETC is an abbreviation for Electronic Toll Collection System.
  • GPS is an abbreviation for Global Positioning System.
  • SNS data is data that people post via SNS, and includes information such as text, images, or videos.
  • step S104 the accuracy improving unit 140 determines whether or not a disaster has been detected in the survey area. If no disaster is detected, the process proceeds to step S105. If a disaster is detected, the process proceeds to step S106.
  • the land use classification unit 110 may detect the occurrence of a disaster from the remote sensing image 52.
  • the remote sensing image 52 may be assigned an indication of whether it is an image taken at the time of a disaster or an image taken during normal times.
  • the land use classification unit 110 may determine whether a disaster has occurred based on whether the source of the remote sensing image 52 is a cloud used during a disaster or a cloud used during normal times. Any other method may be used to detect the occurrence of a disaster in the survey area.
  • Step S105 is a process to be carried out when no disaster has been detected in the survey area, that is, during normal times.
  • the accuracy improving unit 140 estimates the state and condition of land at points other than the survey point in the survey area based on the remote sensing image 52 and the local situation information 53, and generates area state information 55.
  • the area state information 55 is information that represents the state and condition of land in the survey area with higher accuracy than the label information 511.
  • the accuracy improving unit 140 may also generate area state information 55 including the movement of people at the survey point based on the remote sensing image 52, the local situation information 53, and the local movement information 54.
  • the accuracy improving unit 140 may transmit the area status information 55 to a user who is pre-registered as a user who will receive the area status information 55. Note that if no disaster is detected, the accuracy improving unit 140 does not need to transmit the area status information 55.
  • the precision improvement unit 140 re-estimates the state and condition of the land at points other than the survey points where each IoT device 61 is located, based on the remote sensing image 52, local situation information 53, and local activity information 54. As a result, the precision improvement unit 140 can interpolate the state and condition of the land at points other than the survey points where each IoT device 61 is located, based on the remote sensing image 52, local situation information 53, and local activity information 54, and generate highly accurate area state information 55.
  • Steps S106 to S108 are processes to be carried out when it is detected that a disaster has occurred in the survey area, that is, when a disaster occurs.
  • the accuracy improving unit 140 generates area state information 55 based on the remote sensing image 52, the local situation information 53, and the local activity information 54.
  • the generation of the area state information 55 is similar to that in step S104.
  • the accuracy improving unit 140 generates area state information 55 including the activity of people at the investigation point based on the remote sensing image 52, the local situation information 53, and the local activity information 54.
  • the accuracy improving unit 140 generates area state information 55 including delayed escape information 551 indicating whether or not there are people who were unable to escape at the investigation point.
  • the precision improvement unit 140 transmits the area status information 55 to users who have been pre-registered as users who will receive the area status information 55.
  • users who have been pre-registered as users who will receive the area status information 55 include, for example, rescue teams such as the government, local governments, fire departments, or police.
  • step S107 the accuracy improving unit 140 notifies the dynamics analysis unit 130 that the delayed escape information 551 has been generated.
  • step S108 the dynamic analysis unit 130 receives a notification from the accuracy improvement unit 140 that the late-escape information 551 has been generated.
  • the dynamic analysis unit 130 acquires the late-escape information 551 and adds the late-escape information 551 to the watching information 541.
  • the dynamic analysis unit 130 transmits the watching information 541 with the late-escape information 551 added to it to the user.
  • the user to whom the watching information 541 with the late-escape information 551 added is sent is a user who has been registered in advance as a user who will receive the watching information 541. In other words, this user is a family member, guardian, or administrator of the person being watched over.
  • the accuracy improving unit 140 may generate the area state information 55. Specifically, the accuracy improving unit 140 may generate the area state information 55 when a disaster occurs in the survey area, i.e., when the occurrence of a disaster is detected. Alternatively, the accuracy improving unit 140 may periodically or irregularly generate the region state information 55. Furthermore, the accuracy improving unit 140 may generate the region state information 55 in response to a request from a user.
  • the high accuracy unit 140 generates area status information 55 that accurately represents the state and condition of the land by combining the land coverage status obtained from the remote sensing image 52 with the log information 31 and sensor data 32 transmitted from the IoT device 61.
  • the area status information 55 includes information indicating the land coverage status and the state and condition of buildings or dwellings in the survey area.
  • the area status information 55 also includes information indicating the movements of monitored objects such as people, animals, or operating machinery in the survey area.
  • the area status information 55 also includes information indicating changes in the state of the land or the movements of people, which is obtained by combining, in chronological order, the classification results of the land state and status with log information 31 and sensor data 32 obtained at a different data acquisition timing than the time of classification.
  • the land use classification unit 110 may acquire the area condition information 55 and reset the label information 511 based on the remote sensing image 52 and the area condition information 55 .
  • the reset label information 511 is obtained by further subdividing and detailing the classifications such as buildings, water bodies, bare land, and earth and sand with a high degree of accuracy.
  • the land status assessment device 100 assesses the land coverage status by observing remote sensing images.
  • the land cover information may be classified into buildings, water bodies, bare land, and soil and sand, for example, based on the image characteristics of optical images or SAR images.
  • Another example is classification such as water area, vegetation, cloud, snow cover, soil grain size, urban area, and shadow, determined from the statistics of wavelength information of an optical image.
  • the area may be classified into water areas, fields, forests, urban areas, farmland, snow cover, etc., based on polarization information and coherence information of the SAR image.
  • FIG. 4 is a schematic diagram showing an example of the flow of the land status grasping process according to this embodiment.
  • FIG. 4 shows processes 1 to 6 in the land status grasping process.
  • a remote sensing image 52 is shown in the upper section, and log information 31 and sensor data 32 are shown in the lower section. 4, a remote sensing image A obtained by an optical satellite or SAR, a remote sensing image B obtained by an aircraft, and a remote sensing image C obtained by a drone are shown as remote sensing images 52.
  • SAR is an abbreviation for synthetic aperture radar.
  • the sensor D which is a drive recorder
  • the sensor E which is a security camera
  • the sensor F which is an IoT home appliance
  • the sensors D, E, and F are examples of the IoT device 61.
  • the land status assessment device 100 observes the survey area 62, for which label information has been set, using remote sensing images in the event of a disaster.
  • the land status assessment device 100 assesses the land coverage status through the observation using remote sensing images.
  • land cover information classification such as buildings, water bodies, bare land, and soil and sand, which are determined from image features of optical images or SAR images, can be considered.
  • classification such as water area, vegetation, cloud, snow cover, soil grain size, urban area, and shadow, determined from the statistics of wavelength information of an optical image.
  • the area may be classified into water areas, fields, forests, urban areas, farmland, snow cover, etc., based on polarization information and coherence information of the SAR image.
  • the land status assessment device 100 acquires log information and sensor data from IoT devices within the observation range of the remote sensing image.
  • the log information and sensor data from the IoT devices are locally highly accurate information within a narrow range near the survey point 63.
  • the land status assessment device 100 uses the log information and sensor data to interpolate the observation information of the remote sensing image.
  • the land status assessment device 100 uses the log information and sensor data to estimate the state and condition of the land outside the survey point 63 in the survey area 62. This allows the land status assessment device 100 to generate area status information 55 that reflects the highly accurate log information and sensor data, thereby expanding the observation range with high accuracy.
  • the land status assessment device 100 combines the damage situation or damage state with log information and sensor data in chronological order. Specifically, the land status assessment device 100 combines the damage situation or damage state of a specific area, building, or house with log information and sensor data acquired at different data acquisition timings than the land status and situation classification results in chronological order. In this way, the land status assessment device 100 acquires changes in the damage situation or damage state. In this case, the land status assessment device 100 uses log information and sensor data from IoT devices within the observation range of the remote sensing image. The log information and sensor data from the IoT devices are narrow in range but have high local accuracy, allowing information to be acquired more frequently than remote sensing images.
  • the land status assessment device 100 uses this log information and sensor data to spatially and temporally interpolate the observation information of the remote sensing image. This allows the land status assessment device 100 to generate area status information 55 that reflects the highly accurate and frequent log information and sensor data, thereby expanding the observation range with high precision.
  • processes 1 to 6 marked as "label update” are executed by, for example, a precision improvement unit of the land status assessment device.
  • the precision improvement unit of the land status assessment device may proactively select remote sensors B and C, or sensors D, E, and F.
  • the precision improvement unit of the land status assessment device may passively select remote sensors B and C, or sensors D, E, and F. Specifically, it is as follows:
  • An example of a proactive approach is an automated case where the process is completed within the land situation assessment device.
  • the land situation assessment device pre-specifies a specific location or state, and monitors the situation or state. If the land situation assessment device detects any changes during monitoring, it will use a more granular remote sensor or sensor to obtain the situation, state, or information of that location.
  • An example of a passive approach is when a specific location or state is specified from outside the land status assessment device via an input interface.
  • the specific location or state is monitored externally via an output interface. If a change is detected by the monitor, a finer-grained remote sensor or sensor is specified to obtain the situation, state, or information for that location.
  • the process of detecting changes by monitoring may be performed automatically within the land status assessment device. If necessary, it is also possible to gradually increase the granularity, adaptively switch locations, or continue monitoring repeatedly.
  • remote sensors B and C or sensors D, E, and F may be selected depending on the intended use of the area status information 55.
  • Specific examples of intended uses include planning evacuation routes from disaster areas, predicting changes in disaster conditions, and notifying disaster victims of these changes.
  • users such as the government, local governments, fire departments, or police plan routes for dispatching rescue teams or determine the urgency of rescue efforts.
  • an IoT home appliance sensor F
  • sensor F an IoT home appliance
  • FIG. 5 is a schematic diagram showing Example 1 of the land situation assessment process in the survey area according to this embodiment.
  • the land use classification unit 110 acquires a remote sensing image A and sets label information.
  • the label information set includes buildings, water bodies, bare land, and soil and sand.
  • the local information estimation unit 120 acquires log information from the sensor F and generates local situation information.
  • the behavior analysis unit 130 acquires log information and sensor data from the sensor F and generates local behavior information.
  • the precision improving unit 140 uses the remote sensing image A, the local situation information, and the local activity information to generate the area state information 55.
  • the land use classification unit 110 may use the area state information 55 to update the label information.
  • FIG. 6 is a diagram showing a process in which interpolation is performed using log information and sensor data from sensor F in example 1 of the land status grasping process according to this embodiment.
  • the precision improving unit 140 estimates the state and condition of the land at points other than the survey point from the log information from the sensor F and the local situation information and local activity information based on the sensor data, and generates area state information 55.
  • the accuracy improving unit 140 may estimate the land coverage and environmental conditions in the area between the multiple ground sensors based on multiple sensor data, and generate the area condition information 55.
  • the land status assessment device 100 interpolates the observation information of remote sensing A using log information and sensor data from sensor F within the observation range of remote sensing A. This allows the land status assessment device 100 to expand its observation range based on the highly accurate information from sensor F.
  • the land status assessment device 100 continuously interpolates the observation information of remote sensing A spatially and temporally using log information and sensor data from sensor F within the observation range of remote sensing A. This allows the land status assessment device 100 to expand the observation range based on the highly accurate information from sensor F while updating the log information and sensor data from sensor F.
  • the land status assessment device 100 uses log information and sensor data from the sensor F to spatially interpolate the area status information 55 with high accuracy.
  • the land status assessment device 100 combines log information and sensor data from Sensor F with low-precision information from Remote Sensing A, based on information previously analyzed for the state and condition of the land and classified into a land use map. This allows the observation information from Remote Sensing A to be interpolated.
  • This allows the land status assessment device 100 to comprehensively assess a wide range of disaster situations, including building damage, fires, flooding, and landslides, at an early stage of a disaster.
  • the land status assessment device 100 can also generate information on people who are late in evacuating, contributing to rescue efforts and the like.
  • the land status assessment device 100 uses log information and sensor data from the sensor F to spatially and temporally interpolate the area status information 55 with high accuracy.
  • the land status assessment device 100 continuously acquires log information and sensor data from Sensor F in addition to information classified into a land use map based on a pre-analysis of the state and condition of the land, and observation information from Remote Sensing A.
  • the land status assessment device 100 then combines the continuously acquired log information and sensor data from Sensor F with the low-precision information from Remote Sensing A.
  • the land status assessment device 100 continuously interpolates and updates the observation information from Remote Sensing A spatially and temporally using Sensor F. This allows the land status assessment device 100 to comprehensively and continuously assess a wide range of disaster situations, including building damage, fires, flooding, and landslides, and their changes, at an early stage of a disaster.
  • the land status assessment device 100 can also generate information on people who are late in evacuating, contributing to rescue efforts and other activities.
  • FIG. 7 is a schematic diagram showing Example 2 of the land situation assessment process in the survey area according to this embodiment.
  • remote sensing images A and B and a sensor F are used to interpolate the area state information 55 with high precision.
  • the land status assessment device 100 performs observations using remote sensing B based on the log information from sensor F and the observation information from remote sensing A interpolated using sensor data.
  • Remote sensing B has a narrower observation range than remote sensing A, but is capable of acquiring highly accurate information. In this way, the log information and sensor data from sensor F and remote sensing B can be used to improve the accuracy of the observation range.
  • the land status assessment device 100 uses log information and sensor data from the sensor F to spatially interpolate the area status information 55 with high accuracy.
  • the land situation assessment device 100 performs observations as follows. The land situation assessment device 100 performs observations using remote sensing B based on information classified in a land use map, log information from sensor F, and observation information from remote sensing A interpolated with sensor data.
  • Remote sensing B has a narrower observation range than remote sensing A but can acquire highly accurate information, such as aerial imaging.
  • the land situation assessment device 100 interpolates observation information obtained by a combination of sensor F, remote sensing A, and remote sensing B.
  • the land situation assessment device 100 is configured to use the highly accurate sensor F and remote sensing B to identify areas with high priority for evacuation and rescue of victims, the type of damage, and the damage situation in various disaster situations, such as building damage, fire, flooding, and landslides.
  • the land situation assessment device 100 can also generate information on people who are late in evacuating, contributing to rescue efforts and other activities.
  • the land status assessment device 100 uses log information and sensor data from the sensor F to spatially and temporally interpolate the area status information 55 with high accuracy.
  • the land situation assessment device 100 performs observations as follows. The land situation assessment device 100 performs observations using remote sensing B based on information classified in a land use map, log information from sensor F, and observation information from remote sensing A interpolated using sensor data.
  • Remote sensing B has a narrower observation range than remote sensing A but is capable of acquiring information with high accuracy and frequency, such as aerial imaging.
  • the land situation assessment device 100 spatially and temporally interpolates the observation information obtained by a combination of sensor F, remote sensing A, and remote sensing B.
  • the land situation assessment device 100 is configured to adaptively assess areas with high priority for evacuation and rescue of victims, the type of damage, the damage situation, and changes in the damage situation, using the highly accurate sensor F and remote sensing B, in various disaster situations such as building damage, fire, flooding, and landslides.
  • the land situation assessment device 100 can also generate information on people who are late in evacuating, contributing to rescue efforts and other activities.
  • FIG. 8 is a schematic diagram showing Example 3 of the land situation assessment process in the survey area according to this embodiment.
  • remote sensing images A, B, and C and a sensor F are used to interpolate the area state information 55 with high precision.
  • the land status assessment device 100 When more accurate observation information is required, the land status assessment device 100 performs observations as follows. Based on the observation information from remote sensing A and remote sensing B interpolated by sensor F, the land status assessment device 100 performs observations using remote sensing C, which has a narrower observation range than remote sensing B but can obtain more accurate information. This observation is an interpolation of observation information from a combination of sensor F, remote sensing A, remote sensing B, and remote sensing C. The highly accurate sensor F and remote sensing C make it possible to increase the precision of the observation range.
  • the land status assessment device 100 When more accurate and frequent observation information is required, the land status assessment device 100 performs observations as follows. Based on the observation information from remote sensing A and remote sensing B interpolated by sensor F, the land status assessment device 100 performs observations using remote sensing C, which has a narrower observation range than remote sensing B but can obtain information with higher accuracy and frequency. This observation is an interpolation of observation information from a combination of sensor F, remote sensing A, remote sensing B, and remote sensing C. The observation range can be expanded using sensor F and remote sensing C, which have higher accuracy and frequency.
  • the land situation assessment device 100 performs observations using remote sensing C based on information classified in a land use map based on a prior analysis of the state and condition of the land, and observation information from remote sensing A and remote sensing B interpolated by sensor F.
  • Remote sensing C has a narrower observation range than remote sensing B but can acquire highly accurate information, such as drone imaging.
  • the land situation assessment device 100 interpolates observation information obtained by combining sensor F, remote sensing A, remote sensing B, and remote sensing C.
  • the land situation assessment device 100 is configured to grasp areas with high priority for victim evacuation and rescue, the type of damage, and the damage situation using the highly accurate sensors F and remote sensing C.
  • the land situation assessment device 100 performs observations using remote sensing C based on information previously analyzed and classified into a land use map of the land's condition and status, and on observation information from remote sensing A and remote sensing B interpolated using sensor F.
  • Remote sensing C has a narrower observation range than remote sensing B but is highly accurate and capable of acquiring information more frequently, such as drone imaging.
  • the land situation assessment device 100 interpolates observation information obtained by combining sensor F, remote sensing A, remote sensing B, and remote sensing C.
  • the land situation assessment device 100 is configured to use highly accurate sensor F and remote sensing C to determine movement to specific disaster areas or disaster sites, as well as to grasp the detailed status and changes of the disaster areas or disaster sites.
  • the land status assessment device 100 updates the labels based on the remote sensing image and the log information and sensor data from the sensor F.
  • the land status assessment device 100 improves the accuracy of observation and expands the observation range by combining remote sensing images and log information and sensor data from the sensor F according to the application, purpose, situation, etc. It enables highly accurate and reliable updating of land use labels based on land use maps that can be used for adaptively assessing the damage situation and for disaster response.
  • the land status assessment device 100 updates the labels based on time-series remote sensing images and time-series log information and sensor data from the sensor F.
  • the land status assessment device 100 combines remote sensing images and log information and sensor data from the sensor F in chronological order based on the application, purpose, situation, etc., of observation information and data acquired at different times. Through this combination, the land status assessment device 100 continuously improves the accuracy of observation and expands the observation range. This enables the land status assessment device 100 to update land use labels with high accuracy and reliability based on a land use map that can be used for adaptively assessing the damage situation and responding to the damage.
  • the land use classification unit 110 performs image analysis on the remote sensing image 52 and outputs the land use map 51.
  • the land use classification unit 110 also performs image analysis on the remote sensing image 52 and sets label information 511 that indicates the land coverage status of the survey area.
  • the label information 511 may be associated with the land use map 51.
  • the land use classification unit 110 may update the land use map 511 based on the remote sensing image 52 and the area status information 55. In a first modification of this embodiment, the land use classification unit 110 may execute a map update process to update the land use map 511 based on the remote sensing image 52 and the area status information 55. The other processes are the same as those in FIG.
  • the map update process may be performed after the land use classification process 2 in step S101 described in embodiment 1. That is, the land use classification unit 110 may acquire the area status information 55, reset the label information 511 based on the remote sensing image 52 and the area status information 55, and update the land use map 511.
  • ⁇ Modification 2> an example of a land situation grasping process for grasping the land situation when a disaster occurs has been mainly described, but this embodiment can also be applied in peacetime, not just when a disaster occurs.
  • land status assessment processing in normal times is similar to responses in times of disaster.
  • Land status assessment processing in normal times may differ from that in times of disaster in that it takes a longer time frame, is primarily focused on operational aspects such as maintenance, and primarily functions as updating by resetting.
  • the land situation grasping process corresponding to FIGS. 5 and 6 can also be applied in normal times.
  • sensor F which has a narrow range but can acquire the state of land and buildings with high local accuracy, is used to increase the accuracy of the observation information of remote sensing A, and the observation range is expanded using sensor F, which has a wide range.
  • the precision improvement unit 140 generates area state information 55 including the movement of people at the survey location based on the log information and sensor data from remote sensing A and sensor F.
  • the movement analysis unit 130 transmits the movement of people included in the local movement information obtained from the log information and sensor data from sensor F as monitoring information to a user such as the guardian of the person being monitored.
  • the land status assessment device 100 interpolates the observation information of remote sensing A by combining log information and sensor data from sensor F with low-precision information from remote sensing A in relation to the information classified in the land use map and the observation information of remote sensing A.
  • Sensor F is, for example, an IoT home appliance.
  • the land status assessment device 100 is configured to comprehensively assess the status and condition of land, rivers, ports, facilities, and buildings, including changes, weathering, deterioration, and damage.
  • the land status assessment device 100 is also configured to transmit the movement of people included in the local movement information as monitoring information to a user, such as a guardian of the person being monitored.
  • the land status assessment device 100 constantly acquires log information and sensor data from sensor F in response to information classified in a land use map and observation information from remote sensing A. The land status assessment device 100 then combines the information with low-precision information from remote sensing A and continuously interpolates and updates the observation information from remote sensing A spatially and temporally. This allows the land status assessment device 100 to comprehensively assess the status and state of land, rivers, ports, facilities, and buildings, including changes, weathering, deterioration, and damage, as well as changes thereto, over a wide range.
  • the land status assessment device 100 also has a configuration for continuously transmitting human activity information included in local activity information to a user, such as a guardian of the person being monitored, as monitoring information.
  • the land situation assessment process shown in Figure 7 can also be applied during peacetime.
  • the land status assessment device 100 performs observations using remote sensing B based on information classified in a land use map, log information from sensor F, and observation information from remote sensing A interpolated with sensor data. Through such observations, the land status assessment device 100 interpolates observation information obtained by combining sensor F with remote sensing A and remote sensing B. In this way, the land status assessment device 100 is configured to assess the status and condition of land, rivers, ports, facilities, and buildings, such as changes, weathering, deterioration, and damage, using highly accurate sensor F and remote sensing B. The land status assessment device 100 is also configured to transmit the movements of people included in the local movement information as monitoring information to a user, such as a guardian of the person being monitored.
  • the land status assessment device 100 performs observations using remote sensing B based on information classified in a land use map, log information from sensor F, and observation information from remote sensing A interpolated with sensor data. Through such observations, the land status assessment device 100 performs spatial and temporal interpolation of observation information obtained by combining sensor F with remote sensing A and remote sensing B.
  • the land status assessment device 100 is configured to adaptively assess the status and condition of land, rivers, ports, facilities, and buildings, including changes, weathering, deterioration, and damage, as well as changes therein, using highly accurate sensor F and remote sensing B.
  • the land status assessment device 100 is also configured to continuously transmit the movements of people included in the local movement information as monitoring information to a user, such as the guardian of the person being monitored.
  • the land situation assessment process shown in Figure 8 can also be applied during peacetime.
  • the observation is as follows:
  • the land status assessment device 100 performs observations using remote sensing C based on information classified in a land use map, log information from sensor F, and observation information from remote sensing A and remote sensing B interpolated with sensor data. Through such observations, the land status assessment device 100 interpolates observation information obtained by combining sensor F, remote sensing A, remote sensing B, and remote sensing C.
  • the land status assessment device 100 is configured to comprehensively assess the status and condition of land, rivers, ports, facilities, and buildings, including changes, weathering, deterioration, and damage, from the entire object to specific areas, using highly accurate sensor F and remote sensing C.
  • the land status assessment device 100 is also configured to transmit the movement of people included in the local movement information as monitoring information to a user, such as the guardian of the person being monitored.
  • the observation is as follows:
  • the land status assessment device 100 performs observations using remote sensing C based on information classified in a land use map, log information from sensor F, and observation information from remote sensing A and remote sensing B interpolated with sensor data. Through such observations, the land status assessment device 100 interpolates observation information obtained by combining sensor F, remote sensing A, remote sensing B, and remote sensing C.
  • the land status assessment device 100 is configured to use highly accurate sensor F and remote sensing C to comprehensively assess the status and condition of land, rivers, ports, facilities, and buildings, including changes, weathering, deterioration, and damage, from the entire object to specific areas, including changes over time.
  • the land status assessment device 100 is also configured to continuously transmit the human behavior included in the local behavior information to a user, such as the guardian of the person being monitored, as monitoring information.
  • the functions of the land use classification unit 110, the local information estimation unit 120, the dynamic analysis unit 130, and the accuracy improvement unit 140 are realized by software.
  • the functions of the land use classification unit 110, the local information estimation unit 120, the dynamic analysis unit 130, and the accuracy improvement unit 140 may be realized by hardware.
  • the land status assessment device 100 includes an electronic circuit 909 instead of a processor 910 .
  • FIG. 9 is a diagram showing an example of the configuration of a land status grasping device 100 according to a modified example of this embodiment.
  • the electronic circuit 909 is a dedicated electronic circuit that realizes the functions of the land use classification unit 110, the local information estimation unit 120, the dynamic analysis unit 130, and the accuracy improvement unit 140.
  • the electronic circuit 909 is a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, a logic IC, a GA, an ASIC, or an FPGA.
  • GA is an abbreviation for Gate Array.
  • ASIC is an abbreviation for Application Specific Integrated Circuit.
  • FPGA is an abbreviation for Field-Programmable Gate Array.
  • the functions of the land use classification unit 110, local information estimation unit 120, dynamic analysis unit 130, and precision improvement unit 140 may be realized by a single electronic circuit, or may be distributed across multiple electronic circuits.
  • some of the functions of the land use classification unit 110, local information estimation unit 120, dynamic analysis unit 130, and accuracy improvement unit 140 may be implemented by electronic circuits, with the remaining functions being implemented by software. Also, some or all of the functions of the land use classification unit 110, local information estimation unit 120, dynamic analysis unit 130, and accuracy improvement unit 140 may be implemented by firmware.
  • Each of the processor and electronic circuitry is also referred to as processing circuitry.
  • processing circuitry the functions of the land use classification unit 110, local information estimation unit 120, dynamic analysis unit 130, and precision improvement unit 140 are realized by processing circuitry.
  • the land cover information that the land status assessment device 100 assesses through observation using remote sensing images will be described.
  • the land cover information may be classified into buildings, water bodies, bare land, and soil and sand, for example, based on the image characteristics of optical images or SAR images.
  • Another example is classification such as water area, vegetation, cloud, snow cover, soil grain size, urban area, and shadow, determined from the statistics of wavelength information of an optical image.
  • the area may be classified into water areas, fields, forests, urban areas, farmland, snow cover, etc., based on polarization information and coherence information of the SAR image.
  • the land status assessment device 100 combines a land use map obtained from the analysis results of remote sensing images with log information and sensor data from multiple IoT devices to assess the status and changes of land cover over a wide area and in detail.
  • the local information estimation unit estimates whether each device in the device group, which is composed of one or more IoT devices present at the survey location, is normal or abnormal at the location where each device in the device group is located, based on a log signal indicating normal or abnormal status corresponding to each device in the device group.
  • the accuracy improvement unit estimates information indicating land use information of points other than the survey point using local land use information at the survey point and land use information corresponding to the survey area acquired by remote sensing. The accuracy improvement unit then re-estimates the land use information in the survey area with high accuracy based on the local land use information at the survey point, land use information corresponding to the survey area acquired by remote sensing, and information indicating land use information of points other than the survey point.
  • the land status determination device 100 can estimate information other than the survey point and improve the accuracy of the survey area by linking the log information and sensor data of the survey point with the remote sensing data.
  • the land status determination device 100 according to this embodiment can obtain highly accurate land use information by linking and aggregating the log information and sensor data of the survey point with the remote sensing data.
  • each unit of the land status assessment device has been described as an independent functional block.
  • the configuration of the land status assessment device does not have to be the same as that of the above-described embodiment.
  • the functional blocks of the land status assessment device may have any configuration as long as they can realize the functions described in the above-described embodiment.
  • the land status assessment device may not be a single device, but may be a system composed of multiple devices.
  • this embodiment in any combination, either as a whole or in part. That is, in the first embodiment, the embodiments can be freely combined, or any of the components in each embodiment can be modified, or any of the components in each embodiment can be omitted.

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Alarm Systems (AREA)

Abstract

土地状況把握装置（１００）は、リモートセンシング画像（５２）を解析して調査領域のラベル情報（５１１）を設定する土地利用分類部（１１０）を備える。また、局所情報推定部（１２０）は、ＩｏＴ機器（６１）から発信されるログ情報（３１）に基づいてＩｏＴ機器（６１）が存在する調査地点の土地の状態および状況を局所状況情報（５３）として推定する。高精度化部（１４０）は、リモートセンシング画像（５２）と局所状況情報（５３）とに基づいて、調査領域における調査地点以外の地点における土地の状態および状況を推定し、ラベル情報（５１１）より高精度に調査領域の土地の状態および状況を表す領域状態情報（５５）を生成する。

Description

土地状況把握装置、土地状況把握方法、および土地状況把握プログラム
　本開示は、土地状況把握装置、土地状況把握方法、および土地状況把握プログラムに関する。
　複数の機器から情報を収集し、収集した情報に基づいて自然災害の程度を推定する手法がある。
　特許文献１には、災害発生時のリモートセンシング画像から取得した地表情報に対し、センサ情報から調査する候補領域を抽出して調査領域を判定する技術が開示されている。
国際公開２０２３／０１７６１２号
　特許文献１の技術では、調査領域を判定するのみであり、調査領域の土地の状態および状況を高精度に把握することができない。
　本開示では、調査領域について、より高精度に土地の状態および状況を把握することを目的とする。
　本開示に係る土地状況把握装置は、
　リモートセンシング画像を解析して調査領域の土地の被覆状況を表すラベル情報を設定する土地利用分類部と、
　前記調査領域に設けられたＩｏＴ機器（Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ機器）から発信されるログ情報を受信し、前記ログ情報に基づいて前記ＩｏＴ機器が存在する調査地点の土地の状態および状況を局所状況情報として推定する局所情報推定部と、
　前記リモートセンシング画像と前記局所状況情報とに基づいて、前記調査領域における前記調査地点以外の地点における土地の状態および状況を推定し、前記ラベル情報より高精度に前記調査領域の土地の状態および状況を表す領域状態情報を生成する高精度化部とを備える。
　本開示に係る土地状況把握装置では、局所情報推定部が、調査領域に設けられたＩｏＴ機器から発信されるログ情報を受信する。局所情報推定部が、ログ情報に基づいてＩｏＴ機器が存在する調査地点の土地の状態および状況を局所状況情報として推定する。高精度化部が、リモートセンシング画像と局所状況情報とに基づいて、調査領域における地点以外の地点における土地の状態および状況を推定し、ラベル情報より高精度に調査領域の土地の状態および状況を表す領域状態情報を生成する。よって、本開示に係る土地状況把握装置によれば、調査領域について、より高精度に土地の状況および状態を把握することができるという効果を奏する。
実施の形態１に係る土地状況把握装置の構成例を示す図。 実施の形態１に係る土地状況把握装置の動作例を示すフロー図。 実施の形態１に係る土地状況把握装置により取得されるデータの一例を示す図。 実施の形態１に係る土地状況把握処理の流れの一例を示す模式図。 実施の形態１に係る調査領域における土地状況把握処理の例１を示す模式図。 実施の形態１に係る土地状況把握処理の例１においてセンサデータＦによる補間が実施されている例を示す図。 実施の形態１に係る調査領域における土地状況把握処理の例２を示す模式図。 実施の形態１に係る調査領域における土地状況把握処理の例３を示す模式図。 実施の形態１の変形例に係る土地状況把握装置の構成例を示す図。
　以下、本実施の形態について、図を用いて説明する。各図中、同一または相当する部分には、同一符号を付している。実施の形態の説明において、同一または相当する部分については、説明を適宜省略または簡略化する。図中の矢印はデータの流れまたは処理の流れを主に示している。また、以下の図では各構成部材の大きさの関係が実際のものとは異なる場合がある。また、実施の形態の説明において、上、下、左、右、前、後、表、裏といった向きあるいは位置が示されている場合がある。これらの表記は、説明の便宜上の記載であり、装置、器具、あるいは部品等の配置、方向および向きを限定するものではない。
　実施の形態１．
＊＊＊構成の説明＊＊＊
　図１は、本実施の形態に係る土地状況把握装置１００の構成例を示す図である。
　土地状況把握装置１００は、リモートセンシング画像５２とＩｏＴ機器６１からのログ情報３１およびセンサデータ３２とを用いて、調査領域における土地の状態および状況を把握する装置である。本実施の形態では、土地状況把握装置１００は、調査領域における事物の動態を含む土地の状態および状況を把握する、広域動態把握装置ともいう。
　土地状況把握装置１００は、コンピュータである。土地状況把握装置１００は、プロセッサ９１０を備えるとともに、メモリ９２１、補助記憶装置９２２、入力インタフェース９３０、出力インタフェース９４０、および通信装置９５０といった他のハードウェアを備える。プロセッサ９１０は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
　土地状況把握装置１００は、機能要素として、土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０と記憶部１５０を備える。記憶部１５０には、土地利用マップ５１とリモートセンシング画像５２と局所状況情報５３と局所動態情報５４と領域状態情報５５とが記憶される。土地利用マップ５１には、土地の被覆状況を表すラベル情報５１１が含まれる。
　土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との機能は、ソフトウェアにより実現される。記憶部１５０は、メモリ９２１に備えられる。なお、記憶部１５０は、補助記憶装置９２２に備えられていてもよいし、メモリ９２１と補助記憶装置９２２に分散して備えられていてもよい。
　プロセッサ９１０は、土地状況把握プログラムを実行する装置である。土地状況把握プログラムは、土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との機能を実現するプログラムである。
　プロセッサ９１０は、演算処理を行うＩＣである。プロセッサ９１０の具体例は、ＣＰＵ、ＤＳＰ、ＧＰＵである。ＩＣは、Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔの略語である。ＣＰＵは、Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔの略語である。ＤＳＰは、Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｏｒの略語である。ＧＰＵは、Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔの略語である。
　メモリ９２１は、データを一時的に記憶する記憶装置である。メモリ９２１の具体例は、ＳＲＡＭ、あるいはＤＲＡＭである。ＳＲＡＭは、Ｓｔａｔｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙの略語である。ＤＲＡＭは、Ｄｙｎａｍｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙの略語である。
　補助記憶装置９２２は、データを保管する記憶装置である。補助記憶装置９２２の具体例は、ＨＤＤである。また、補助記憶装置９２２は、ＳＤ（登録商標）メモリカード、ＣＦ、ＮＡＮＤフラッシュ、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤといった可搬の記憶媒体であってもよい。なお、ＨＤＤは、Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅの略語である。ＳＤ（登録商標）は、Ｓｅｃｕｒｅ　Ｄｉｇｉｔａｌの略語である。ＣＦは、ＣｏｍｐａｃｔＦｌａｓｈ（登録商標）の略語である。ＤＶＤは、Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋの略語である。
　入力インタフェース９３０は、マウス、キーボード、あるいはタッチパネルといった入力装置と接続されるポートである。入力インタフェース９３０は、具体的には、ＵＳＢ端子である。なお、入力インタフェース９３０は、ＬＡＮと接続されるポートであってもよい。ＵＳＢは、Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓの略語である。ＬＡＮは、Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋの略語である。
　出力インタフェース９４０は、ディスプレイといった出力機器のケーブルが接続されるポートである。出力インタフェース９４０は、具体的には、ＵＳＢ端子またはＨＤＭＩ（登録商標）端子である。ディスプレイは、具体的には、ＬＣＤである。出力インタフェース９４０は、表示器インタフェースともいう。ＨＤＭＩ（登録商標）は、Ｈｉｇｈ　Ｄｅｆｉｎｉｔｉｏｎ　Ｍｕｌｔｉｍｅｄｉａ　Ｉｎｔｅｒｆａｃｅの略語である。ＬＣＤは、Ｌｉｑｕｉｄ　Ｃｒｙｓｔａｌ　Ｄｉｓｐｌａｙの略語である。
　通信装置９５０は、レシーバとトランスミッタを有する。通信装置９５０は、ＬＡＮ、インターネット、電話回線、あるいはＷｉ－Ｆｉ（登録商標）といった通信網に接続している。通信装置９５０は、具体的には、通信チップまたはＮＩＣである。ＮＩＣは、Ｎｅｔｗｏｒｋ　Ｉｎｔｅｒｆａｃｅ　Ｃａｒｄの略語である。
　土地状況把握プログラムは、土地状況把握装置１００において実行される。土地状況把握プログラムは、プロセッサ９１０に読み込まれ、プロセッサ９１０によって実行される。メモリ９２１には、土地状況把握プログラムだけでなく、ＯＳも記憶されている。ＯＳは、Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍの略語である。プロセッサ９１０は、ＯＳを実行しながら、土地状況把握プログラムを実行する。土地状況把握プログラムおよびＯＳは、補助記憶装置９２２に記憶されていてもよい。補助記憶装置９２２に記憶されている土地状況把握プログラムおよびＯＳは、メモリ９２１にロードされ、プロセッサ９１０によって実行される。なお、土地状況把握プログラムの一部または全部がＯＳに組み込まれていてもよい。
　土地状況把握装置１００は、プロセッサ９１０を代替する複数のプロセッサを備えていてもよい。これら複数のプロセッサは、土地状況把握プログラムの実行を分担する。それぞれのプロセッサは、プロセッサ９１０と同じように、土地状況把握プログラムを実行する装置である。
　土地状況把握プログラムにより利用、処理または出力されるデータ、情報、信号値および変数値は、メモリ９２１、補助記憶装置９２２、または、プロセッサ９１０内のレジスタあるいはキャッシュメモリに記憶される。
　土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との各部の「部」を「回路」、「工程」、「手順」、「処理」、あるいは「サーキットリー」に読み替えてもよい。土地状況把握プログラムは、土地利用分類処理と局所情報推定処理と動態解析処理と高精度化処理とを、コンピュータに実行させる。土地利用分類処理と局所情報推定処理と動態解析処理と高精度化処理との「処理」を「プログラム」、または「プログラムプロダクト」に読み替えてもよい。あるいは土地利用分類処理と局所情報推定処理と動態解析処理と高精度化処理との「処理」を「プログラムを記憶したコンピュータ読取可能な記憶媒体」に読み替えてもよい。あるいは土地利用分類処理と局所情報推定処理と動態解析処理と高精度化処理との「処理」を「プログラムを記録したコンピュータ読取可能な記録媒体」に読み替えてもよい。また、土地状況把握方法は、土地状況把握装置１００が土地状況把握プログラムを実行することにより行われる方法である。
　土地状況把握プログラムは、コンピュータ読取可能な記録媒体に格納されて提供されてもよい。また、土地状況把握プログラムは、プログラムプロダクトとして提供されてもよい。
＊＊＊動作の説明＊＊＊
　図２は、本実施の形態に係る土地状況把握装置１００の動作例を示すフロー図である。
　本実施の形態に係る土地状況把握装置１００の動作について説明する。土地状況把握装置１００の動作手順は、土地状況把握方法に相当する。また、土地状況把握装置１００の動作を実現するプログラムは、土地状況把握プログラムに相当する。
＜土地利用分類処理：ステップＳ１０１＞
　土地利用分類部１１０は、リモートセンシング画像５２を解析して調査領域の土地の被覆状況を表すラベル情報５１１を設定する。
　調査領域とは、土地状況把握装置１００が調査する、すなわち土地利用状況を分類および識別する対象の領域である。土地利用状況とは、土地のラベル情報により示される分類、および事物の動態を含む土地の状態および状況が含まれる。土地のラベル情報とは、土地の被覆状況を表す。
　具体的には、以下の通りである。
　図３は、本実施の形態に係る土地状況把握装置１００により取得されるデータの一例である。
　土地状況把握装置１００により取得されるデータには、リモートセンシング画像５２と、ＩｏＴ機器６１により取得されるデータとが含まれる。
　土地利用分類部１１０は、リモートセンシング画像５２を取得する。
　土地利用分類部１１０は、互いに粒度の異なる複数のリモートセンシング画像５２を取得する。具体的には、図３に示すように、リモートセンシング画像５２は、（１）衛星マルチセンシングデータ、（２）航空機撮影データ、あるいは（３）ドローン撮影データといった画像である。例えば、リモートセンシング画像５２は、（１）衛星マルチセンシングデータ、（２）航空機撮影データ、そして（３）ドローン撮影データの順に、画像の粒度が細かくなっていく。
　土地利用分類部１１０は、リモートセンシング画像５２を画像解析し、土地利用マップ５１を出力する。また、土地利用分類部１１０は、リモートセンシング画像５２を画像解析し、調査領域の土地の被覆状況を表すラベル情報５１１を設定する。ラベル情報５１１は、土地利用マップ５１に対応付けられていてもよい。
　土地の被覆状況を表すラベル情報５１１は、少なくとも建築物、水域、裸地、および土砂といった分類を含む。
　土地の被覆状況とは、土地が何に利用されているか、土地がどのような状況か、あるいは土地がどのように変化しているかを示す状況を含む。
＜局所情報推定処理：ステップＳ１０２＞
　局所情報推定部１２０は、調査領域に設けられたＩｏＴ機器６１から発信されるログ情報３１を受信する。そして、局所情報推定部１２０は、ログ情報３１に基づいてＩｏＴ機器６１が存在する調査地点の土地の状態および状況を局所状況情報５３として推定する。土地の状態および状況とは、ラベル情報により分類される土地の利用情報の他に、その調査地点の周辺が正常な状態であるか異常な状態であるかといった周辺状態あるいは周辺状況が含まれる。
　局所情報推定部１２０は、地上に存在する１つ以上のＩｏＴ機器６１から構成される機器群の各ＩｏＴ機器に対応するログ情報３１を受信する。ログ情報３１は、例えばＩｏＴ機器６１の正常あるいは異常を示す。局所情報推定部１２０は、ログ情報３１に基づいて機器群の各ＩｏＴ機器が存在する調査地点における正常あるいは異常を推定する。
　例えば、ＩｏＴ機器６１は、ＩｏＴ家電および昇降機の少なくともいずれかである。
　ＩｏＴ家電には、例えば、空気調和機、冷蔵庫、テレビ、あるいはその他のインターネットに接続されている家電が含まれる。また、ＩｏＴ機器６１は、インターネットに接続され、情報を土地状況把握装置１００に送信することができる機器であればよい。
　ＩｏＴ機器６１として次のような機器を用いてもよい。ＩｏＴ機器６１は、固定された監視カメラ、移動する監視カメラ（ライダー・レーダー）、移動体に搭載されたカメラ、あるいはＰＭＶ周辺監視センサといった機器でもよい。また、ＩｏＴ機器６１は、カメラ以外に高精度ロケータ等でもよい。また、ＩｏＴ機器６１は、施設に設けられているセンサ、ドライブレコーダー、公共的に設置されているセンサ、携帯端末のセンサ、あるいは入退管理に用いられているセンサ等でもよい。このように、ＩｏＴ機器６１は、家電といった機器に搭載されているもの、動体に積まれるもの、施設に搭載されているもの、あるいは空中に存在するもの等がある。ＩｏＴ機器６１は、そのログ情報をもとに、建物あるいは家屋の健在可否を推定することができるセンサであればよい。
　ＩｏＴ機器６１がＩｏＴ家電の場合、例えば、空気調和機のオンオフの信号、冷蔵庫の開け閉めの信号、あるいはテレビのオンオフの信号といった情報がログ情報３１となる。
　局所情報推定部１２０は、このようなログ情報３１から、ＩｏＴ機器６１が存在する調査地点の土地の状態および状況を局所状況情報５３として推定する。具体的には、局所状況情報５３には、ＩｏＴ機器６１が存在する調査地点に建物が存在しているか否か、その調査地点は正常か異常かといった情報が含まれる。
　ＩｏＴ機器６１が昇降機の場合、例えば、上昇あるいは下降、冠水センサによる冠水の有無、あるいはサーモカメラによる床上の水の検知といった情報がログ情報３１となる。
　局所情報推定部１２０は、このようなログ情報３１から、ＩｏＴ機器６１が存在する調査地点の土地の状態および状況を局所状況情報５３として推定する。具体的には、局所状況情報５３には、ＩｏＴ機器６１が存在する調査地点に冠水が発生しているか、火事が発生しているか、昇降機は正常に動いているか否かといった情報が含まれる。局所状況情報５３には、その調査地点は正常か異常かといった情報が含まれる。
　ログ情報３１は、「無線ＬＡＮモジュール内蔵を内蔵し、ネットワークに接続が可能な機器が収集する機器の動作・運転情報、ならびに機器に搭載されたセンサより収集する外界の情報」である。
　例えば、ログ情報３１は、ＩｏＴ機器６１から発信される情報であり、ＩｏＴ機器６１が存在する調査地点の土地の状態および状況を局所状況情報として推定するための根源もしくは源泉情報である。例えば、ログ情報３１は、ＩｏＴ機器６１の正常あるいは異常の状態を示す情報である。また、ログ情報３１は、ＩｏＴ機器６１の動作状態（オンオフの信号、正常動作を示す信号等）あるいは構成部位の状態および態様を示す情報（開け閉めの信号、上昇あるいは下降を示す信号等）である。また、ログ情報３１は、ＩｏＴ機器６１のセンサの検知した物理状態もしくは物質の検出状態を示す情報（冠水センサによる冠水の有無、あるいはサーモカメラによる床上の水の検知を示す情報等）などである。
＜動態解析処理：ステップＳ１０３＞
　動態解析部１３０は、ログ情報３１を解析し、ＩｏＴ機器６１が存在する調査地点における事物の動態を局所動態情報５４として生成する。動態解析部１３０は、ＩｏＴ機器６１からセンサデータ３２を取得し、ログ情報３１とセンサデータ３２を解析し、局所動態情報５４を生成してもよい。
　ＩｏＴ機器６１が昇降機の場合、昇降機に備えられた監視カメラから送信される監視映像がセンサデータ３２となる。ＩｏＴ機器６１が昇降機の場合、扉の開け閉めの信号等がログ情報３１となり、監視映像がセンサデータ３２となる。
　また、ＩｏＴ機器６１が空気調和機の場合、空気調和機に備えられた赤外線カメラから送信される赤外線画像がセンサデータ３２となる。ＩｏＴ機器６１が空気調和機の場合、オンオフの信号等がログ情報３１となり、赤外線画像がセンサデータ３２となる。
　動態解析部１３０は、例えば、空気調和機のオンオフの信号、冷蔵庫の開け閉めの信号、あるいはテレビのオンオフの信号といったログ情報３１からＩｏＴ機器６１が存在する調査地点における人の存否を解析する。また、動態解析部１３０は、監視カメラの映像から人が何をしているかといった動態を解析する。また、あるいは動態解析部１３０は、赤外線画像から人の周囲の温度を解析してもよい。
　動態解析部１３０は、ログ情報３１とセンサデータ３２とを組み合わせて解析することにより、ＩｏＴ機器６１が存在する調査地点の周辺における人の状況あるいは動態を示す局所動態情報５４を生成する。
　なお、本実施の形態では、動態を解析する対象の事物として人を例にして説明したが、人以外の動態を解析してもよい。例えば、ペット等の動物の動態を解析してもよい。あるいは、稼働中の機械の動態を解析してもよい。その他、動態を解析できる対象であればどのような事物の動態を解析してもよい。
　また、動態解析部１３０は、局所動態情報５４に含まれる人の動態を見守り情報５４１として、ユーザに送信してもよい。ここで、見守り情報５４１を受け取るユーザは、見守り情報５４１を受け取るユーザとして予め登録されたユーザである。具体的には、調査地点の建物に住む家族の局所動態情報５４を含む見守り情報５４１は、予め登録された当該家族の一員に送信される。より具体的には、子ども、高齢者、あるいはペット等の局所動態情報５４を含む見守り情報５４１は、その保護者あるいは管理者等に送信される。あるいは、施設を利用する利用者の局所動態情報５４を含む見守り情報５４１は、予め登録された施設の管理者等に送信される。
　局所情報推定部１２０は、複数の調査地点に設けられた複数のＩｏＴ機器６１から複数のログ情報３１を取得する。また、局所情報推定部１２０は、複数種類のＩｏＴ機器６１から複数種類のログ情報３１を取得する。また、動態解析部１３０は、複数の調査地点に設けられた複数のＩｏＴ機器６１から複数のセンサデータ３２を取得する。また、動態解析部１３０は、複数種類のＩｏＴ機器６１から複数種類のセンサデータ３２を取得する。
　なお、本実施の形態では、局所情報推定部１２０と動態解析部１３０とを別の構成要素として説明している。しかし、局所情報推定部１２０と動態解析部１３０との機能を一つの構成要素により実現してもよい。
　図３に示すように、ログ情報３１およびセンサデータ３２の具体例として、（４）映像データ、（５）建物センシングデータ、（６）家電センシングデータ、（７）車流データ、および（８）ＳＮＳデータといったデータがある。ＳＮＳは、Ｓｏｃｉａｌ　Ｎｅｔｗｏｒｋｉｎｇ　Ｓｅｒｖｉｃｅの略語である。
　（４）映像データは、例えば街中あるいは地域に設置された防犯カメラ等により取得される画像あるいは動画である。
　（５）建物センシングデータは、建物内に設置される建物状態センサにより取得されるデータである。例えば、建物センシングデータは、建物の揺れの状態等を示す揺れの波形のデータである。あるいは、建物センシングデータは、建物内の状態を撮影した画像あるいは動画を含んでいてもよい。
　（６）家電センシングデータは、ＩｏＴと呼ばれる通信機能を有する家電に搭載されたセンサにより取得される。家電センシングデータは、家電の状態、あるいは家電の周囲の状態を示すデータである。Ｉｏｔは、Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓの略語である。
　（７）車流データは、ＥＴＣ、ドライブレコーダー、あるいはＧＰＳ受信機により取得されるデータである。車流データは、車の分布および流動を示すデータである。ＥＴＣは、Ｅｌｅｃｔｒｏｎｉｃ　Ｔｏｌｌ　Ｃｏｌｌｅｃｔｉｏｎ　Ｓｙｓｔｅｍの略語である。ＧＰＳは、Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍの略語である。
　（８）ＳＮＳデータは、人がＳＮＳにより発信するデータであり、テキスト、画像、あるいは動画といった情報である。
＜高精度化処理：ステップＳ１０４からステップＳ１０８＞
　ステップＳ１０４において、高精度化部１４０は、調査領域における発災が検知されたか否かを判定する。
　発災が検知されなければ、ステップＳ１０５に進む。
　発災が検知されると、ステップＳ１０６に進む。
　発災の検知は、土地利用分類部１１０がリモートセンシング画像５２から検知してもよい。あるいは、リモートセンシング画像５２に、発災時の画像であるか、あるいは平時の画像であるかが付与されていてもよい。あるいは、土地利用分類部１１０が、リモートセンシング画像５２の送信元が、発災時のクラウドか、平時のクラウドかにより、災害が発生しているか否かを判定してもよい。
　その他、どのような手法を用いて、調査領域における発災が検知されてもよい。
＜＜平時の高精度化処理＞＞
　ステップＳ１０５は、調査領域に災害が生じていることが検知されなかった場合、すなわち平時の処理である。
　ステップＳ１０５において、高精度化部１４０は、リモートセンシング画像５２と局所状況情報５３とに基づいて、調査領域における調査地点以外の地点における土地の状態および状況を推定し、領域状態情報５５を生成する。領域状態情報５５は、ラベル情報５１１より高精度に調査領域の土地の状態および状況を表す情報である。また、高精度化部１４０は、リモートセンシング画像５２と局所状況情報５３と局所動態情報５４とに基づいて、調査地点における人の動態を含む領域状態情報５５を生成してもよい。
　高精度化部１４０は、領域状態情報５５を、領域状態情報５５を受け取るユーザとして予め登録されたユーザに送信してもよい。なお、発災を検知しない場合は、高精度化部１４０は領域状態情報５５を送信しなくてもよい。
　高精度化部１４０は、リモートセンシング画像５２と局所状況情報５３と局所動態情報５４とに基づいて、ＩｏＴ機器６１の各々が存在する調査地点以外の地点における土地の状態および状況を再推定する。これにより、高精度化部１４０は、リモートセンシング画像５２と局所状況情報５３と局所動態情報５４とに基づいて、ＩｏＴ機器６１の各々が存在する調査地点以外の地点における土地の状態および状況を補間し、高精度な領域状態情報５５を生成することができる。
＜＜発災時の高精度化処理＞＞
　ステップＳ１０６からステップＳ１０８は、調査領域に災害が生じていることが検知された場合、すなわち発災時の処理である。
　ステップＳ１０６において、高精度化部１４０は、リモートセンシング画像５２と局所状況情報５３と局所動態情報５４とに基づいて、領域状態情報５５を生成する。領域状態情報５５の生成についてはステップＳ１０４と同様である。ここでは、高精度化部１４０は、リモートセンシング画像５２と局所状況情報５３と局所動態情報５４とに基づいて、調査地点における人の動態を含む領域状態情報５５を生成する。このとき、高精度化部１４０は、調査地点において逃げ遅れた人がいないかどうかを示す逃げ遅れ情報５５１を含む領域状態情報５５を生成する。
　高精度化部１４０は、領域状態情報５５を、領域状態情報５５を受け取るユーザとして予め登録されたユーザに送信する。ここで、領域状態情報５５を受け取るユーザとして予め登録されたユーザとは、例えば、政府、自治体、消防、あるいは警察といった救援部隊等である。
　ステップＳ１０７において、高精度化部１４０は、逃げ遅れ情報５５１を生成したことを動態解析部１３０に通知する。
　ステップＳ１０８において、動態解析部１３０は、高精度化部１４０から逃げ遅れ情報５５１を生成した旨の通知を受ける。動態解析部１３０は、逃げ遅れ情報５５１を取得し、見守り情報５４１に逃げ遅れ情報５５１を付加する。動態解析部１３０は、逃げ遅れ情報５５１を付加した見守り情報５４１を、ユーザに送信する。ここで、逃げ遅れ情報５５１を付加した見守り情報５４１を送信する先のユーザとは、見守り情報５４１を受け取るユーザとして予め登録されたユーザである。すなわち、見守り対象の家族、保護者、あるいは管理者といったユーザである。
　高精度化部１４０は、調査領域に対して何らかの事象が発生した場合に領域状態情報５５を生成してもよい。具体的には、高精度化部１４０は、調査領域に対して災害が発生した、すなわち発災を検知した場合に領域状態情報５５を生成してもよい。
　あるいは、高精度化部１４０は、定期的あるいは不定期に領域状態情報５５を生成してもよい。また、高精度化部１４０は、ユーザからの要求に応じて領域状態情報５５を生成してもよい。
　高精度化部１４０は、リモートセンシング画像５２から得られる土地の被覆状況と、ＩｏＴ機器６１から発信されるログ情報３１およびセンサデータ３２との組み合わせから、高精度に土地の状態および状況を表す領域状態情報５５を生成する。領域状態情報５５には、調査領域における土地の被覆状況および建物あるいは家屋の状況および状態を示す情報が含まれる。また、領域状態情報５５には、調査領域における人、動物、あるいは稼働中の機械といった見守り対象の動態を示す情報が含まれる。また、領域状態情報５５には、土地の状態および状況の分類結果と、その分類時とは異なるデータ取得タイミングのログ情報３１およびセンサデータ３２とを時系列に組み合わせ、土地の状況あるいは人の動態の変化を示す情報が含まれる。
　土地利用分類部１１０は、領域状態情報５５を取得し、リモートセンシング画像５２と領域状態情報５５とに基づいてラベル情報５１１を再設定してもよい。
　ここで、再設定されるラベル情報５１１は、建築物、水域、裸地、土砂といった分類をさらに高精度に細分化および詳細化したものとなる。
　なお、土地状況把握装置１００は、リモートセンシング画像による観測により、土地の被覆状況を把握する。
　土地被覆情報については、例えば光学画像やＳＡＲ画像の画像特徴から判別された建築物、水域、裸地、および土砂といった分類が考えられる。
　また別の一例では光学画像の波長情報の統計量から判別された、水域、植生、雲、積雪、土壌の粒度、都市部、影といった分類が考えられる。
　またさらに別に一例では、ＳＡＲ画像の偏波情報やコヒーレンス情報から判別された、水域、田畑、森林、都市部、農地、積雪等が考えられる。
＜土地状況把握処理の例＞
　次に、図４から図８を用いて、本実施の形態に係る土地状況把握処理の例について説明する。図４から図８では、リモートセンシング画像をリモートセンシングあるいはリモセンと略して記載する場合がある。
　図４は、本実施の形態に係る土地状況把握処理の流れの一例を示す模式図である。
　図４では、土地状況把握処理における処理１から処理６を示している。
　図４では、上段にリモートセンシング画像５２が記載されており、下段にログ情報３１およびセンサデータ３２が記載されている。
　図４では、リモートセンシング画像５２として、光学衛星あるいはＳＡＲによるリモートセンシング画像Ａと、航空機によるリモートセンシング画像Ｂと、ドローンによるリモートセンシング画像Ｃが記載されている。ＳＡＲは、ｓｙｎｔｈｅｔｉｃ　ａｐｅｒｔｕｒｅ　ｒａｄａｒの略語である。
　また、ＩｏＴ機器６１に備えられているセンサ機器として、ドライブレコーダーであるセンサＤ、防犯カメラであるセンサＥ、ＩｏＴ家電といったセンサＦが記載されている。すなわち、センサＤ，Ｅ，ＦはＩｏＴ機器６１の例である。
＜＜センサデータにより対象範囲の観測を空間的に補間＞＞
　図４における処理１から処理６の各々では、土地状況把握装置１００は、災害時において、ラベル情報が設定されている調査領域６２について、リモートセンシング画像により観測する。土地状況把握装置１００は、リモートセンシング画像による観測により、土地の被覆状況を把握する。
　土地被覆情報については、例えば光学画像あるいはＳＡＲ画像の画像特徴から判別された建築物、水域、裸地、および土砂といった分類が考えられる。
　また別の一例では光学画像の波長情報の統計量から判別された、水域、植生、雲、積雪、土壌の粒度、都市部、影といった分類が考えられる。
　またさらに別に一例では、ＳＡＲ画像の偏波情報やコヒーレンス情報から判別された、水域、田畑、森林、都市部、農地、積雪等が考えられる。
　その際、土地状況把握装置１００は、リモートセンシング画像の観測範囲において、ＩｏＴ機器からログ情報およびセンサデータを取得する。ＩｏＴ機器からのログ情報およびセンサデータは、調査地点６３の近傍における範囲は狭いが局所的に精度の高い情報である。土地状況把握装置１００は、ログ情報およびセンサデータを用いて、リモートセンシング画像の観測情報を補間する。具体的には、土地状況把握装置１００は、ログ情報およびセンサデータを用いて、調査領域６２における調査地点６３以外の土地の状態および状況を推定する。これにより、土地状況把握装置１００は、精度が高いログ情報およびセンサデータの情報が反映された領域状態情報５５を生成することができ、高精度に観測範囲を広げることができる。
＜＜センサデータにより対象範囲の観測を空間的および時間的に補間＞＞
　また、図４における処理１から処理６の各々では、土地状況把握装置１００は、被害状況あるいは被害状態とログ情報およびセンサデータとを時系列に組み合わせる。具体的には、土地状況把握装置１００は、特定の領域、建物、および家屋の被害状況あるいは被害状態と、土地の状態および状況の分類結果と異なるデータ取得タイミングのログ情報およびセンサデータとを時系列に組み合わせる。これにより、土地状況把握装置１００は、被害状況あるいは被害状態の変化を取得する。
　その際、土地状況把握装置１００は、リモートセンシング画像の観測範囲において、ＩｏＴ機器からログ情報およびセンサデータを用いる。ＩｏＴ機器からのログ情報およびセンサデータは、範囲は狭いが局所的に精度が高くリモートセンシング画像より高い頻度で情報を取得できる。土地状況把握装置１００は、このようなログ情報およびセンサデータを用いてリモートセンシング画像の観測情報を空間的および時間的に補間する。これにより、土地状況把握装置１００は、精度と頻度が高いログ情報およびセンサデータの情報が反映された領域状態情報５５を生成することができ、高精度に観測範囲を広げることができる。
　なお、図５において「ラベル更新」と記載した処理１から処理６は、例えば、土地状況把握装置の高精度化部により実行される。処理１から処理６の各処理において、土地状況把握装置の高精度化部が、主体的にリモセンＢ，Ｃを選択、あるいは、センサＤ，Ｅ，Ｆを選択してもよい。あるいは、処理１から処理６の各処理において、土地状況把握装置の高精度化部が、受動的にリモセンＢ，Ｃを選択、あるいは、センサＤ，Ｅ，Ｆを選択してもよい。
　具体的には、以下の通りである。
　主体的の例は、土地状況把握装置の内部で完結する、自動化されたケースである。土地状況把握装置は、所定の場所あるいは状態を予め指定しておき、状況あるいは状態をモニタする。土地状況把握装置は、モニタにより変化があれば、より粒度の細かいリモセンあるいはセンサで当該場所の状況、状態、あるいは情報を取得する。
　受動的の例は、土地状況把握装置の外部から入力インタフェースを介して所定の場所あるいは状態が指定される。出力インタフェースを介して外部で所定の場所あるいは状態をモニタする。モニタにより変化があれば、より粒度の細かいリモセンあるいはセンサを指定して当該場所の状況、状態、あるいは情報を取得する。この時、モニタによる変化を見つける処理は土地状況把握装置の内部で自動に行われてもよい。また、要すればその粒度を順次上げたり、場所を適応的に切り替えたり、繰り返しモニタし続けるといった形態も可能である。
　例えば、リモセンＢ，Ｃ、あるいはセンサＤ，Ｅ，Ｆは、領域状態情報５５の利用目的によって選択されてもよい。利用目的の具体例として、被災場所からの避難ルートの策定、災害状況の変化予測、またこれらの被災者への通知がある。また、救援部隊の派遣ルートの策定、あるいは救出緊急度の策定を、政府、自治体、消防、あるいは警察といったユーザが行う例もある。
　以下において、土地状況把握処理の例についてより具体的に説明する。
　なお、後述する図５から図８ではログ情報およびセンサデータを取得するセンサとしてＩｏＴ家電であるセンサＦを例として記載している。これは一例であり、センサＦをセンサＤあるいはセンサＥに置き換えても本実施の形態を適用可能である。
＜土地状況把握処理の例１＞
　図５は、本実施の形態に係る調査領域における土地状況把握処理の例１を示す模式図である。
　土地状況把握処理の例１では、土地利用分類部１１０は、リモートセンシング画像Ａを取得し、ラベル情報を設定する。ここでは、ラベル情報として、建築物、水域、裸地、土砂が設定されている。
　局所情報推定部１２０は、センサＦからのログ情報を取得し、局所状況情報を生成する。
　動態解析部１３０は、センサＦからのログ情報およびセンサデータを取得し、局所動態情報を生成する。
　高精度化部１４０は、リモートセンシング画像Ａと局所状況情報と局所動態情報を用いて、領域状態情報５５を生成する。土地利用分類部１１０は、領域状態情報５５を用いて、ラベル情報を更新してもよい。
　図６は、本実施の形態に係る土地状況把握処理の例１においてセンサＦからのログ情報およびセンサデータによる補間が実施されている処理を示す図である。
　高精度化部１４０は、センサＦからのログ情報およびセンサデータに基づく局所状況情報と局所動態情報から、調査地点以外の地点における土地の状態および状況を推定し、領域状態情報５５を生成する。
　あるいは、高精度化部１４０は、複数のセンサデータに基づいて、複数の地上センサの間の領域における土地の被覆状況および環境状態を推定し、領域状態情報５５を生成してもよい。
　土地状況把握装置１００は、リモートセンシングＡの観測範囲において、センサＦからのログ情報およびセンサデータを用いてリモートセンシングＡの観測情報を補間する。これにより、土地状況把握装置１００は、精度の高いセンサＦの情報に基づき観測範囲を広げることができる。
　また、土地状況把握装置１００は、リモートセンシングＡの観測範囲において、センサＦからのログ情報およびセンサデータを用いてリモートセンシングＡの観測情報を空間的および時間的に継続補間する。これにより、土地状況把握装置１００は、センサＦからのログ情報およびセンサデータを更新しながら精度の高いセンサＦの情報に基づき観測範囲を広げることができる。
＜＜空間編（リモートセンシングＡ＋センサＦ）＞＞（災害対応）
　災害時において、土地状況把握装置１００がセンサＦからのログ情報およびセンサデータを用いて、領域状態情報５５を空間的に高精度に補間する例について説明する。
　土地状況把握装置１００は、予め土地の状態および状況が分析され土地利用マップに分類された情報とリモートセンシングＡの観測情報に対して、センサＦからのログ情報およびセンサデータをリモートセンシングＡの精度の低い情報と組み合わせる。これにより、リモートセンシングＡの観測情報が補間される。これにより、土地状況把握装置１００は、被災早期に建築物被害、火災、浸水、土砂崩れ等の多様な被災状況を広範囲に包括して把握する構成を備える。また、土地状況把握装置１００は、逃げ遅れ情報を生成して救助活動等に貢献することができる。
＜＜空間＆時間編（リモートセンシングＡ＋センサＦ）＆時間＞＞（災害対応）
　災害時において、土地状況把握装置１００がセンサＦからのログ情報およびセンサデータを用いて、領域状態情報５５を空間的および時間的に高精度に補間する例について説明する。
　土地状況把握装置１００は、予め土地の状態および状況が分析され土地利用マップに分類された情報とリモートセンシングＡの観測情報に対して、センサＦからのログ情報およびセンサデータを定常的に取得する。そして、土地状況把握装置１００は、定常的に取得したセンサＦからのログ情報およびセンサデータをリモートセンシングＡの精度の低い情報と組み合わせる。このように、土地状況把握装置１００は、リモートセンシングＡの観測情報をセンサＦにより空間的および時間的に継続補間し更新する。これにより、土地状況把握装置１００は、被災早期に建築物被害、火災、浸水、土砂崩れ等の多様な被災状況とその変化を広範囲に包括して継続的に把握する構成を備える。また、土地状況把握装置１００は、逃げ遅れ情報を生成して救助活動等に貢献することができる。
＜土地状況把握処理の例２＞
　図７は、本実施の形態に係る調査領域における土地状況把握処理の例２を示す模式図である。
　ここでは、リモートセンシング画像Ａ，ＢとセンサＦを用いて、領域状態情報５５を高精度に補間する例について説明する。
　土地状況把握装置１００は、センサＦからのログ情報およびセンサデータで補間したリモートセンシングＡの観測情報に基づき、リモートセンシングＢによる観測を行う。リモートセンシングＢは、リモートセンシングＡより観測範囲は狭いが精度は高い情報取得が可能なリモートセンシングである。このように、センサＦからのログ情報およびセンサデータおよびリモートセンシングＢにより観測範囲を高精度化することができる。
＜＜空間編（リモートセンシングＡ＋リモートセンシングＢ＋センサＦ）＞＞（災害対応）
　災害時において、土地状況把握装置１００がセンサＦからのログ情報およびセンサデータを用いて、領域状態情報５５を空間的に高精度に補間する例について説明する。
　発災早期に包括して把握した被災状況から被災者避難や救出優先度が高いエリアや被災種類を把握するため、土地状況把握装置１００は、以下のように観測を行う。土地状況把握装置１００は、土地利用マップに分類された情報とセンサＦからのログ情報およびセンサデータで補間したリモートセンシングＡの観測情報に基づき、リモートセンシングＢによる観測を行う。リモートセンシングＢは、リモートセンシングＡより観測範囲は狭いが精度が高い情報取得が可能な、例えば航空機撮像である。このような観測により、土地状況把握装置１００は、センサＦとリモートセンシングＡおよびリモートセンシングＢの組み合わせによる観測情報の補間を行う。土地状況把握装置１００は、精度の高いセンサＦおよびリモートセンシングＢにより、建築物被害、火災、浸水、土砂崩れ等の多様な被災状況において被災者避難や救出優先度が高いエリアや被災種類や被害状況を把握する構成を備える。また、土地状況把握装置１００は、逃げ遅れ情報を生成して救助活動等に貢献することができる。
＜＜空間＆時間編（リモートセンシングＡ＋リモートセンシングＢ＋センサＦ）＆時間＞＞（災害対応）
　災害時において、土地状況把握装置１００がセンサＦからのログ情報およびセンサデータを用いて、領域状態情報５５を空間的および時間的に高精度に補間する例について説明する。
　発災早期に包括して把握した被災状況から被災者避難や救出優先度が高いエリアや被災種類を定常的に把握するため、土地状況把握装置１００は、以下のように観測を行う。土地状況把握装置１００は、土地利用マップに分類された情報とセンサＦからのログ情報およびセンサデータで補間したリモートセンシングＡの観測情報に基づき、リモートセンシングＢによる観測を行う。リモートセンシングＢは、リモートセンシングＡより観測範囲は狭いが精度が高く取得頻度が高い情報取得が可能な、例えば航空機撮像である。このような観測により、土地状況把握装置１００は、センサＦとリモートセンシングＡおよびリモートセンシングＢの組み合わせによる観測情報の空間的および時間的補間を行う。土地状況把握装置１００は、精度の高いセンサＦおよびリモートセンシングＢにより、建築物被害、火災、浸水、土砂崩れ等の多様な被災状況において被災者避難や救出優先度が高いエリアや被災種類や被害状況およびその変化を適応的に把握する構成を備える。また、土地状況把握装置１００は、逃げ遅れ情報を生成して救助活動等に貢献することができる。
＜土地状況把握処理の例３＞
　図８は、本実施の形態に係る調査領域における土地状況把握処理の例３を示す模式図である。
　ここでは、リモートセンシング画像Ａ，Ｂ，ＣとセンサＦを用いて、領域状態情報５５を高精度に補間する例について説明する。
　土地状況把握装置１００は、より高い精度の観測情報が必要な場合、以下のように観測を行う。土地状況把握装置１００は、センサＦで補間したリモートセンシングＡとリモートセンシングＢの観測情報に基づき、リモートセンシングＢより観測範囲は狭いが精度は高い情報取得が可能なリモートセンシングＣによる観測を行う。この観測は、センサＦとリモートセンシングＡとリモートセンシングＢおよびリモートセンシングＣの組み合わせによる観測情報の補間である。精度の高いセンサＦおよびリモートセンシングＣにより観測範囲を高精度化することができる。
　土地状況把握装置１００は、より高い精度および頻度の観測情報が必要な場合、以下のように観測を行う。土地状況把握装置１００は、センサＦで補間したリモートセンシングＡとリモートセンシングＢの観測情報に基づきリモートセンシングＢより観測範囲は狭いが精度および頻度は高い情報取得が可能なリモートセンシングＣによる観測を行う。この観測は、センサＦとリモートセンシングＡとリモートセンシングＢおよびリモートセンシングＣの組み合わせによる観測情報の補間である。精度および頻度の高いセンサＦおよびリモートセンシングＣにより観測範囲を広げることができる。
＜＜空間編（リモートセンシングＡ＋リモートセンシングＢ＋リモートセンシングＣ＋センサＦ）＞＞（災害対応）
　災害時において、土地状況把握装置１００がセンサＦからのログ情報およびセンサデータを用いて、領域状態情報５５を空間的に高精度に補間する例について説明する。
　災害時、被災者避難や救出優先度が高いエリアや被災種類を把握した被災状況から、被災現場に向かう警察、消防等の救出部隊の移動や救出作業に必要な特定情報を把握するための高い精度の観測情報を取得するため、以下のように観測を行う。土地状況把握装置１００は、予め土地の状態および状況が分析され土地利用マップに分類された情報とセンサＦで補間したリモートセンシングＡおよびリモートセンシングＢの観測情報に基づき、リモートセンシングＣによる観測を行う。リモートセンシングＣは、リモートセンシングＢより観測範囲は狭いが精度は高い情報取得が可能な、例えばドローン撮像である。このような観測により、土地状況把握装置１００は、センサＦとリモートセンシングＡとリモートセンシングＢおよびリモートセンシングＣの組み合わせによる観測情報の補間を行う。土地状況把握装置１００は、精度の高いセンサＦおよびリモートセンシングＣにより、被災者避難や救出優先度が高いエリアや被災種類や被害状況を把握する構成を備える。
＜＜空間＆時間編（リモートセンシングＡ＋リモートセンシングＢ＋リモートセンシングＣ＋センサＦ）＆時間＞＞（災害対応）
　この観測は以下の通りである。
　災害時において、土地状況把握装置１００がセンサＦからのログ情報およびセンサデータを用いて、領域状態情報５５を空間的および時間的に高精度に補間する例について説明する。
　災害時、被災者避難や救出優先度が高いエリアや被災種類を把握した被災状況から、被災現場に向かう警察、消防等の救出部隊の移動や救出作業に必要な特定情報を把握するための高い精度の観測情報が継続的に必要な場合、以下のように観測を行う。土地状況把握装置１００は、予め土地の状態および状況が分析され土地利用マップに分類された情報とセンサＦで補間したリモートセンシングＡおよびリモートセンシングＢの観測情報に基づき、リモートセンシングＣによる観測を行う。リモートセンシングＣは、リモートセンシングＢより観測範囲は狭いが精度は高く取得頻度が高い情報取得が可能な、例えばドローン撮像である。このような観測により、土地状況把握装置１００は、センサＦとリモートセンシングＡとリモートセンシングＢおよびリモートセンシングＣの組み合わせによる観測情報の補間を行う。土地状況把握装置１００は、精度の高いセンサＦおよびリモートセンシングＣにより、特定の被災エリアや被災地点への移動および被災エリアや被災地点の詳細状況とその変化を把握する構成を備える。
＜土地状況把握処理の例４＞＜被災情報を反映させる土地利用ラベル更新＞（災害対応）
＜＜空間編＞＞
　土地状況把握装置１００は、リモートセンシング画像とセンサＦからのログ情報およびセンサデータとに基づいて、ラベル更新を行う。
　土地状況把握装置１００は、リモートセンシング画像およびセンサＦからのログ情報およびセンサデータを用途、目的、状況等に応じ組み合わせて観測精度の向上や観測範囲の拡大を行う。適応的な被災状況の把握や被災対応に活用できる土地利用マップに基づく土地利用ラベルの更新を高い精度と信頼性にて行うことを可能とする。
＜空間＆時間編＞
　土地状況把握装置１００は、時系列のリモートセンシング画像と時系列のセンサＦからのログ情報およびセンサデータとに基づいて、ラベル更新を行う。
　土地状況把握装置１００は、リモートセンシング画像およびセンサＦからのログ情報およびセンサデータを用途、目的、状況等に応じ、異なる取得タイミングの観測情報やデータを時系列に組み合わせる。土地状況把握装置１００は、このような組み合わせにより、観測精度の向上や観測範囲の拡大を継続的に行う。これにより、土地状況把握装置１００は、適応的な被災状況の把握や被災対応に活用できる土地利用マップに基づく土地利用ラベルの更新を高い精度と信頼性にて行うことを可能とする。
　＊＊＊他の構成＊＊＊
＜変形例１＞
　ステップＳ１０１において上述したように、土地利用分類部１１０は、リモートセンシング画像５２を画像解析し、土地利用マップ５１を出力する。また、土地利用分類部１１０は、リモートセンシング画像５２を画像解析し、調査領域の土地の被覆状況を表すラベル情報５１１を設定する。ラベル情報５１１は、土地利用マップ５１に対応付けられていてもよい。
　本実施の形態の変形例１では、土地利用分類部１１０は、リモートセンシング画像５２と領域状態情報５５とに基づいて土地利用マップ５１１を更新してもよい。本実施の形態の変形例１では、土地利用分類部１１０は、リモートセンシング画像５２と領域状態情報５５とに基づいて土地利用マップ５１１を更新するマップ更新処理を実行してもよい。
　その他の処理は、図２と同様である。
　また、マップ更新処理は、実施の形態１で説明したステップＳ１０１の土地利用分類処理２の後に実行してもよい。すなわち、土地利用分類部１１０は、領域状態情報５５を取得し、リモートセンシング画像５２と領域状態情報５５とに基づいてラベル情報５１１を再設定するとともに、土地利用マップ５１１を更新してもよい。
＜変形例２＞
　本実施の形態では、主に、災害発生時における土地状況を把握する土地状況把握処理の例について説明したが、本実施の形態は災害発生時に限らず平時においても適用可能である。
　基本的には、平時における土地状況把握処理も災害時における対応と同様である。平時における土地状況把握処理では、時間軸が長い点、メンテナンス等の運用面の位置づけがメインとなる点、および再設定よる更新が主として機能する点が災害時とは異なる場合がある。
　図５および図６に対応する土地状況把握処理は、平時においても適用可能である。
リモートセンシングＡの観測範囲において、範囲は狭いが局所的に精度の高い土地・建物の状態を取得できるセンサＦを用いてリモートセンシングＡの観測情報の精度を広範囲にあるセンサＦを用いて観測範囲を広げる。このとき、高精度化部１４０は、リモートセンシングＡとセンサＦからのログ情報およびセンサデータとに基づいて、調査地点における人の動態を含む領域状態情報５５を生成する。また、動態解析部１３０は、センサＦからのログ情報およびセンサデータから得られる局所動態情報に含まれる人の動態を見守り情報として、見守り対象の保護者といったユーザに送信する。
＜空間編（リモートセンシングＡ＋センサＦ）＞（平時対応）
　この観測は以下の通りである。
　土地状況把握装置１００は、土地利用マップに分類された情報とリモートセンシングＡの観測情報に対して、センサＦからのログ情報およびセンサデータをリモートセンシングＡの精度の低い情報と組み合わせリモートセンシングＡの観測情報を補間する。センサＦは、例えばＩｏＴ家電である。これにより、土地状況把握装置１００は、土地／河川／港湾／設備／建築物の変化、風化、劣化、損傷等の状況や状態を広範囲に包括して把握する構成を備える。また、土地状況把握装置１００は、局所動態情報に含まれる人の動態を見守り情報として、見守り対象の保護者といったユーザに送信する構成を備える。
＜空間＆時間編（リモートセンシングＡ＋センサＦ）＆時間＞（平時対応）
　土地状況把握装置１００は、土地利用マップに分類された情報とリモートセンシングＡの観測情報に対して、センサＦからのログ情報およびセンサデータを定常的に取得する。そして、土地状況把握装置１００は、リモートセンシングＡの精度の低い情報と組み合わせリモートセンシングＡの観測情報を空間的および時間的に継続補間し更新する。これにより、土地状況把握装置１００は、土地／河川／港湾／設備／建築物の変化、風化、劣化、損傷等の状況や状態とその変化を広範囲に包括して把握する構成を備える。また、土地状況把握装置１００は、局所動態情報に含まれる人の動態を見守り情報として、見守り対象の保護者といったユーザに継続的に送信する構成を備える。
　図７に対応する土地状況把握処理は、平時においても適用可能である。
＜空間編（リモートセンシングＡ＋リモートセンシングＢ＋センサＦ）＞（平時対応）
　土地状況把握装置１００は、土地利用マップに分類された情報とセンサＦからのログ情報およびセンサデータで補間したリモートセンシングＡの観測情報に基づき、リモートセンシングＢによる観測を行う。このような観測により、土地状況把握装置１００は、センサＦとリモートセンシングＡおよびリモートセンシングＢの組み合わせによる観測情報の補間を行う。このように、土地状況把握装置１００は、精度の高いセンサＦおよびリモートセンシングＢにより、土地／河川／港湾／設備／建築物の変化、風化、劣化、損傷等の状況や状態を把握する構成を備える。また、土地状況把握装置１００は、局所動態情報に含まれる人の動態を見守り情報として、見守り対象の保護者といったユーザに送信する構成を備える。
＜空間＆時間編（リモートセンシングＡ＋リモートセンシングＢ＋センサＦ）＆時間＞（平時対応）
　土地状況把握装置１００は、土地利用マップに分類された情報とセンサＦからのログ情報およびセンサデータで補間したリモートセンシングＡの観測情報に基づき、リモートセンシングＢによる観測を行う。このような観測により、土地状況把握装置１００は、センサＦとリモートセンシングＡおよびリモートセンシングＢの組み合わせによる観測情報の空間的および時間的補間を行う。土地状況把握装置１００は、精度の高いセンサＦおよびリモートセンシングＢにより、土地／河川／港湾／設備／建築物の変化、風化、劣化、損傷等の状況や状態およびその変化を適応的に把握する構成を備える。また、土地状況把握装置１００は、局所動態情報に含まれる人の動態を見守り情報として、見守り対象の保護者といったユーザに継続的に送信する構成を備える。
　図８に対応する土地状況把握処理は、平時においても適用可能である。
＜空間編（リモートセンシングＡ＋リモートセンシングＢ＋リモートセンシングＣ＋センサＦ）＞（平時対応）
　この観測は以下の通りである。
　土地状況把握装置１００は、土地利用マップに分類された情報とセンサＦからのログ情報およびセンサデータで補間したリモートセンシングＡおよびリモートセンシングＢの観測情報に基づき、リモートセンシングＣによる観測を行う。このような観測により、土地状況把握装置１００は、センサＦとリモートセンシングＡとリモートセンシングＢおよびリモートセンシングＣの組み合わせによる観測情報の補間を行う。このように、土地状況把握装置１００は、精度の高いセンサＦおよびリモートセンシングＣにより、土地／河川／港湾／設備／建築物の変化、風化、劣化、損傷等の状況や状態を対象全体から局所的な箇所まで包括して把握する構成を備える。また、土地状況把握装置１００は、局所動態情報に含まれる人の動態を見守り情報として、見守り対象の保護者といったユーザに送信する構成を備える。
＜空間＆時間編（リモートセンシングＡ＋リモートセンシングＢ＋リモートセンシングＣ＋センサＦ）＆時間＞（平時対応）
　この観測は以下の通りである。
　土地状況把握装置１００は、土地利用マップに分類された情報とセンサＦからのログ情報およびセンサデータで補間したリモートセンシングＡ、リモートセンシングＢの観測情報に基づき、リモートセンシングＣによる観測を行う。このような観測により、土地状況把握装置１００は、センサＦとリモートセンシングＡとリモートセンシングＢおよびリモートセンシングＣの組み合わせによる観測情報の補間を行う。このように、土地状況把握装置１００は、精度の高いセンサＦおよびリモートセンシングＣにより、土地／河川／港湾／設備／建築物の変化、風化、劣化、損傷等の状況や状態を対象全体から局所的な箇所まで経時変化も含め包括して把握する構成を備える。また、土地状況把握装置１００は、局所動態情報に含まれる人の動態を見守り情報として、見守り対象の保護者といったユーザに継続的に送信する構成を備える。
＜変形例３＞
　本実施の形態では、土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との機能がソフトウェアで実現される。変形例として、土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との機能がハードウェアで実現されてもよい。
　具体的には、土地状況把握装置１００は、プロセッサ９１０に替えて電子回路９０９を備える。
　図９は、本実施の形態の変形例に係る土地状況把握装置１００の構成例を示す図である。
　電子回路９０９は、土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との機能を実現する専用の電子回路である。電子回路９０９は、具体的には、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックＩＣ、ＧＡ、ＡＳＩＣ、または、ＦＰＧＡである。ＧＡは、Ｇａｔｅ　Ａｒｒａｙの略語である。ＡＳＩＣは、Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔの略語である。ＦＰＧＡは、Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙの略語である。
　土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との機能は、１つの電子回路で実現されてもよいし、複数の電子回路に分散して実現されてもよい。
　別の変形例として、土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との一部の機能が電子回路で実現され、残りの機能がソフトウェアで実現されてもよい。また、土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との一部またはすべての機能がファームウェアで実現されてもよい。
　プロセッサと電子回路の各々は、プロセッシングサーキットリとも呼ばれる。つまり、土地利用分類部１１０と局所情報推定部１２０と動態解析部１３０と高精度化部１４０との機能は、プロセッシングサーキットリにより実現される。
＜変形例４＞
　ここでは、土地状況把握装置１００がリモートセンシング画像による観測により把握する土地被覆情報について、説明する。
　土地被覆情報については、例えば光学画像やＳＡＲ画像の画像特徴から判別された建築物、水域、裸地、および土砂といった分類が考えられる。
　また別の一例では光学画像の波長情報の統計量から判別された、水域、植生、雲、積雪、土壌の粒度、都市部、影といった分類が考えられる。
　またさらに別に一例では、ＳＡＲ画像の偏波情報やコヒーレンス情報から判別された、水域、田畑、森林、都市部、農地、積雪等が考えられる。
＊＊＊本実施の形態の効果の説明＊＊＊
　本実施の形態の効果について説明する。
　本実施の形態に係る土地状況把握装置１００は、リモートセンシング画像の解析結果より得られる土地利用マップ、および複数のＩｏＴ機器からのログ情報およびセンサデータを組み合わせ、土地被覆の状況および変化を広域かつ詳細に把握する。
　局所情報推定部は、調査地点に存在する１つ以上のＩｏＴ機器から構成される機器群の各機器に対応する正常あるいは異常を示すログ信号に基づいて、機器群の各機器が存在する地点における正常あるいは異常を推定する。
　高精度化部は、調査地点における局所的な土地利用情報と、リモートセンシングによって取得された調査領域に対応する土地利用情報とを用いて、調査地点以外の地点の土地利用情報を示す情報を推定する。そして、高精度化部は、調査地点における局所的な土地利用情報と、リモートセンシングによって取得された調査領域に対応する土地利用情報と、調査地点以外の地点の土地利用情報を示す情報とに基づいて、調査領域における土地利用情報を高精度に再推定する。
　以上のように、本実施の形態に係る土地状況把握装置１００は、調査地点のログ情報およびセンサデータとリモートセンシングデータとを連携させることにより、調査地点以外の情報を推定し、調査領域を高精度化することができる。本実施の形態に係る土地状況把握装置１００は、調査地点のログ情報およびセンサデータとリモートセンシングデータを連携させて、アグリゲーションすることで、高精度な土地利用情報を得ることができる。
　以上の実施の形態１では、土地状況把握装置の各部を独立した機能ブロックとして説明した。しかし、土地状況把握装置の構成は、上述した実施の形態のような構成でなくてもよい。土地状況把握装置の機能ブロックは、上述した実施の形態で説明した機能を実現することができれば、どのような構成でもよい。また、土地状況把握装置は、１つの装置でなく、複数の装置から構成されたシステムでもよい。
　また、実施の形態１のうち、複数の部分を組み合わせて実施しても構わない。あるいは、実施の形態１のうち、１つの部分を実施しても構わない。その他、この実施の形態を、全体としてあるいは部分的に、どのように組み合わせて実施しても構わない。
　すなわち、実施の形態１では、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。
　なお、上述した実施の形態は、本質的に好ましい例示であって、本開示の範囲、本開示の適用物の範囲、および本開示の用途の範囲を制限することを意図するものではない。上述した実施の形態は、必要に応じて種々の変更が可能である。例えば、フロー図あるいはシーケンス図を用いて説明した手順は、適宜に変更してもよい。
　３１　ログ情報、３２　センサデータ、５１　土地利用マップ、５２　リモートセンシング画像、５３　局所状況情報、５４　局所動態情報、５５　領域状態情報、６１　ＩｏＴ機器、６２　調査領域、６３　調査地点、１００　土地状況把握装置、１１０　土地利用分類部、１２０　局所情報推定部、１３０　動態解析部、１４０　高精度化部、１５０　記憶部、５１１　ラベル情報、５４１　見守り情報、５５１　逃げ遅れ情報、９０９　電子回路、９１０　プロセッサ、９２１　メモリ、９２２　補助記憶装置、９３０　入力インタフェース、９４０　出力インタフェース、９５０　通信装置。

Claims (10)

  1. 　リモートセンシング画像を解析して調査領域の土地の被覆状況を表すラベル情報を設定する土地利用分類部と、
    　前記調査領域に設けられたＩｏＴ機器（Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ機器）から発信されるログ情報を受信し、前記ログ情報に基づいて前記ＩｏＴ機器が存在する調査地点の土地の状態および状況を局所状況情報として推定する局所情報推定部と、
    　前記リモートセンシング画像と前記局所状況情報とに基づいて、前記調査領域における前記調査地点以外の地点における土地の状態および状況を推定し、前記ラベル情報より高精度に前記調査領域の土地の状態および状況を表す領域状態情報を生成する高精度化部と
    を備える土地状況把握装置。
  2. 　前記土地状況把握装置は、
    　前記ログ情報を解析し、前記調査地点における人の動態を局所動態情報として生成する動態解析部を備え、
    　前記高精度化部は、
    　前記リモートセンシング画像と前記局所状況情報と前記局所動態情報とに基づいて、前記調査地点における人の動態を含む前記領域状態情報を生成する請求項１に記載の土地状況把握装置。
  3. 　前記高精度化部は、
    　前記調査領域における発災を検知すると、前記リモートセンシング画像と前記局所状況情報と前記局所動態情報とに基づいて、前記調査地点において逃げ遅れた人がいないかどうかを示す逃げ遅れ情報を含む前記領域状態情報を生成する請求項２に記載の土地状況把握装置。
  4. 　前記高精度化部は、
    　前記領域状態情報を、前記領域状態情報を受け取るユーザとして予め登録されたユーザに送信する請求項３に記載の土地状況把握装置。
  5. 　前記動態解析部は、
    　前記局所動態情報に含まれる人の動態を見守り情報として、前記見守り情報を受け取るユーザとして予め登録されたユーザに送信する請求項３または請求項４に記載の土地状況把握装置。
  6. 　前記動態解析部は、
    　前記逃げ遅れ情報を取得し、前記見守り情報に前記逃げ遅れ情報を付加して前記見守り情報を受け取るユーザとして予め登録されたユーザに送信する請求項５に記載の土地状況把握装置。
  7. 　前記動態解析部は、
    　前記ＩｏＴ機器に備えられたセンサ機器からセンサデータを取得し、前記ログ情報と前記センサデータを解析し、前記局所動態情報を生成する請求項２から請求項６のいずれか１項に記載の土地状況把握装置。
  8. 　前記ＩｏＴ機器は、ＩｏＴ家電および昇降機の少なくともいずれかである請求項１から請求項７のいずれか１項に記載の土地状況把握装置。
  9. 　コンピュータが、リモートセンシング画像を解析して調査領域の土地の被覆状況を表すラベル情報を設定し、
    　コンピュータが、前記調査領域に設けられたＩｏＴ機器（Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ機器）から発信されるログ情報を受信し、前記ログ情報に基づいて前記ＩｏＴ機器が存在する調査地点の土地の状態および状況を局所状況情報として推定し、
    　コンピュータが、前記リモートセンシング画像と前記局所状況情報とに基づいて、前記調査領域における前記調査地点以外の地点における土地の状態および状況を推定し、前記ラベル情報より高精度に前記調査領域の土地の状態および状況を表す領域状態情報を生成する土地状況把握方法。
  10. 　リモートセンシング画像を解析して調査領域の土地の被覆状況を表すラベル情報を設定する土地利用分類処理と、
    　前記調査領域に設けられたＩｏＴ機器（Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ機器）から発信されるログ情報を受信し、前記ログ情報に基づいて前記ＩｏＴ機器が存在する調査地点の土地の状態および状況を局所状況情報として推定する局所情報推定処理と、
    　前記リモートセンシング画像と前記局所状況情報とに基づいて、前記調査領域における前記調査地点以外の地点における土地の状態および状況を推定し、前記ラベル情報より高精度に前記調査領域の土地の状態および状況を表す領域状態情報を生成する高精度化処理と
    をコンピュータに実行させる土地状況把握プログラム。
PCT/JP2024/015348 2024-04-18 2024-04-18 土地状況把握装置、土地状況把握方法、および土地状況把握プログラム Pending WO2025220170A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2024/015348 WO2025220170A1 (ja) 2024-04-18 2024-04-18 土地状況把握装置、土地状況把握方法、および土地状況把握プログラム
JP2024547141A JP7566229B1 (ja) 2024-04-18 2024-04-18 土地状況把握装置、土地状況把握方法、および土地状況把握プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2024/015348 WO2025220170A1 (ja) 2024-04-18 2024-04-18 土地状況把握装置、土地状況把握方法、および土地状況把握プログラム

Publications (1)

Publication Number Publication Date
WO2025220170A1 true WO2025220170A1 (ja) 2025-10-23

Family

ID=92974872

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/015348 Pending WO2025220170A1 (ja) 2024-04-18 2024-04-18 土地状況把握装置、土地状況把握方法、および土地状況把握プログラム

Country Status (2)

Country Link
JP (1) JP7566229B1 (ja)
WO (1) WO2025220170A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001143054A (ja) * 1999-11-16 2001-05-25 Hitachi Ltd 衛星画像処理方法
JP2020020740A (ja) * 2018-08-03 2020-02-06 日本電気株式会社 Ｓａｒ画像解析システム
WO2023017612A1 (ja) * 2021-08-13 2023-02-16 日本電気株式会社 調査領域判定装置、調査領域判定システム、調査領域判定方法、及び、記録媒体
US20240020924A1 (en) * 2022-07-15 2024-01-18 Leica Geosystems Ag Method for generating land-cover maps
JP2024021941A (ja) * 2022-08-05 2024-02-16 三菱電機株式会社 浸水推定装置、浸水推定方法及び浸水推定プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001143054A (ja) * 1999-11-16 2001-05-25 Hitachi Ltd 衛星画像処理方法
JP2020020740A (ja) * 2018-08-03 2020-02-06 日本電気株式会社 Ｓａｒ画像解析システム
WO2023017612A1 (ja) * 2021-08-13 2023-02-16 日本電気株式会社 調査領域判定装置、調査領域判定システム、調査領域判定方法、及び、記録媒体
US20240020924A1 (en) * 2022-07-15 2024-01-18 Leica Geosystems Ag Method for generating land-cover maps
JP2024021941A (ja) * 2022-08-05 2024-02-16 三菱電機株式会社 浸水推定装置、浸水推定方法及び浸水推定プログラム

Also Published As

Publication number Publication date
JPWO2025220170A1 (ja) 2025-10-23
JP7566229B1 (ja) 2024-10-11

Similar Documents

Publication Publication Date Title
US11961192B2 (en) Mapping sensor data using a mixed-reality cloud
US20210124914A1 (en) Training method of network, monitoring method, system, storage medium and computer device
JP5617100B2 (ja) センサ統合システム及びセンサ統合方法
US20170089739A1 (en) Sensor grouping for a sensor based detection system
US20150100355A1 (en) Method and apparatus for identifying early status
US20150248275A1 (en) Sensor Grouping for a Sensor Based Detection System
US20070044539A1 (en) System and method for visual representation of a catastrophic event and coordination of response
US11151380B2 (en) Augmented reality risk vulnerability analysis
JP6631618B2 (ja) 画像監視装置及び画像監視方法
US10909839B1 (en) System and method for optimizing rescue efforts
JP2011523106A (ja) 対象及び事象を分類する映像センサ及び警報システム並びに方法
CN104103030A (zh) 图像分析方法、照相机装置、控制装置及控制方法
JP2011209780A (ja) 変化領域特定装置および変化領域特定プログラム。
KR101076734B1 (ko) 정보분석형 산불 감시 장치 및 그 방법
WO2019225312A1 (ja) 監視装置及びプログラム
Huh et al. Enhanced contextual forest fire detection with prediction interval analysis of surface temperature using vegetation amount
US20150341979A1 (en) Sensor associated data processing customization
US20230156519A1 (en) Communication volume control device, communication volume control method, andrecording medium with program recorded therein
JP7566229B1 (ja) 土地状況把握装置、土地状況把握方法、および土地状況把握プログラム
KR102861617B1 (ko) 재해 모니터링 시스템
EP3510573B1 (en) Video surveillance apparatus and method
US20240008459A1 (en) Highly available multimedia ocean perception system
WO2025203558A1 (ja) 土地状況把握装置、土地状況把握方法、および土地状況把握プログラム
Ko et al. Intelligent wireless sensor network for wildfire detection
CN105635653A (zh) 一种视频监控系统

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2024547141

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2024547141

Country of ref document: JP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24935897

Country of ref document: EP

Kind code of ref document: A1