ai×iotを利活⽤した新しいict防災の...

株式会社富⼠通研究所知識情報処理研究所⼈⼯知能研究センター⼈⼯知能基盤プロジェクト主管研究員⼭影譲

AI×IoTを利活⽤した新しいICT防災の実現に向けて

Copyright 2016 Fujitsu Laboratories Ltd.

インフラ・イノベーション研究会第34回講演会

印刷・コピーは不可

富⼠通のAI技術のブランド“Zinrai”1.

Copyright 2016 Fujitsu Laboratories Ltd.2

なぜ今AIなのか︖

1950 1970 1980 1990 2000 20101960

★AI命名【ʼ56】（ダートマス会議）

★巨⼤AI PJ設⽴（⽇ICOTʼ82, ⽶MCCʼ83, 英Alveyʼ84）

★AI失敗報告（ライトヒル）【ʼ73】

★DEC社R1【ʼ82】

★チェス勝利【ʼ97】★対話ELIZA開発【ʼ64】

★チューリングテスト提唱【ʼ50】

★ベイズネット開発【ʼ88】★Lisp開発【ʼ58】 ★Prolog開発【ʼ72】

★逆伝搬学習法【ʼ86】★パーセプトロン開発【ʼ62】

プロジェクト

★Deep Learning脚光【ʼ12】

★脳科学PJ設⽴（BRAIN Initiative,

Human Brain）

★⽇本版Siri【ʼ12】

第1次AI探索・演繹推論の時代知識獲得の時代

システム★診断MYCIN

開発【ʼ73】

パラダイム

第2次AI 第3次AI機械学習の時代

トイプロブレムは解けても、実⽤上の問題はほとんど解けずに、冬の時代へ

専⾨家の知識を機械に教えこもうとしたが、それ⾃体が極めて難しく、冬の時代へ

『ビッグデータ×計算機パワー×機械学習アルゴリズム』により、データから知識を⾃動的に獲得できるようになった


富⼠通のAI技術のブランド

語源疾⾵迅雷（すばやくはげしいこと。）

名前に込めた想い⼈の判断・⾏動を“スピーディ”にサポートすることで、企業・社会の変⾰を”ダイナミック”に実現させる。

ジンライ


富⼠通が⽬指すAIの⽅向性

⼈と協調する、⼈を中⼼としたAI

継続的に成⻑するAI

AIを商品・サービスに組み込んで提供


⼈・企業・社会

富⼠通が保有するAI技術を体系化

センシングアクチュエーション

知覚・認識画像処理

⾳声処理

感情・状況認識

知識化⾃然⾔語処理

知識処理・発⾒

パターン発⾒

判断・⽀援推論、計画

予測、最適化

対話、推薦

先端研究社会受容性シミュレーション脳科学

学習機械学習強化学習Deep Learning


富⼠通研究所のICT防災技術のご紹介２.


災害対応業務の⾼度化に向けたICT

①センサーで幅広くモニタリング

⾼度な災害対応には、広範囲な情報収集が必要⾏政の防災担当者向け情報

浸⽔被害の軽減⼀般住⺠向け情報

警戒避難の判断情報

センサーとビッグデータを組み合せた新しい防災の実現へ

②住⺠の声情報(SNS) を災害対策に活⽤

センサ＝点情報を数値シミュレーショ

ンで⾯情報へ


ICTが強化する防災ソリューション(イメージ)

降⾬データ⽔位データ

河川シミュレーション下⽔シミュレーション

SNS発災推定技術

発災推測システム

数理最適化技術

SNSデータ

多様な防災情報を提供

現状︓センサのない場所は災害

状況が不明

本技術︓センサのない場所の災害情報をSNSから⼊⼿可

現状︓重点ポイントのみセンシング

本技術︓シミュレーションがセンサのない場所の⽔位を把握


【技術のご紹介①】多様な災害状況のセンシング技術

３.


⾃律型センサーネットワーク技術で斜⾯監視

インターネットなど

ポイント設置︓安価。ワイヤレス＆ケーブルレス

・太陽光発電＆無線を省電⼒になるよう制御運⽤︓メンテナンスフリー

・センサー同⼠が⾃律的に連携・補完し合う。・⼀部のセンサーが発電量不⾜や故障で機能しなくてもセンサー群として動作継続。斜⾯監視に設置したセンサーの点検・監視の負担⼤は本末転倒。


ICTを活⽤したリアルタイム下⽔道⽔位モニタリング下⽔道リアルタイム監視システムの実現に向けた、

管路内の⽔位センシング技術の確⽴

福島データセンター（株式会社エフコム）中継装置

(ゲートウェイ)

⽔位データ

状況可視化

⾃然エネルギー発電

樋⾨

管理室

クラウド下⽔の流れ

データの流れ

マンホールセンサー排⽔ポンプ

リアルタイムで得られた⽔位データを⽤いて以下のサービスを実現します。・下⽔道内部の状況を可視化・樋⾨の開閉時刻や排⽔ポンプの稼働開始時刻などを予測

フィールドSE（現場のメンテナンス）


下⽔道⽔位モニタリング実証実験概要

実証⽬的︓下⽔道⽔位モニタリングの機能・性能検証および、⻑期安定稼働試験と、下⽔の実測データに基づく⽔位予測アルゴリズムの検証

実施期間︓2015年7⽉23⽇（⽊）から2016年3⽉31⽇（⽊）（予定）実施場所︓福島県郡⼭市落合掘⾬⽔幹線センサ設置数︓マンホールやグレーチングの3箇所以上

郡⼭駅郡⼭市役所

© OpenStreetMap contributors落合掘⾬⽔幹線

郡⼭市と協定を締結し、下⽔道⽔位モニタリングの実⽤性証明と、下⽔の実測データに基づく⽔位予測アルゴリズムの検証実験を、郡⼭市と共同で開始します。

センサ設置場所


⽔位センサーの設置状況

上流（五百渕⼭県営住宅付近）

中流（国道49号⼭崎交差点付近）

⽔位センサーが⼊っているグレーチング

⽔位センサーが⼊っているマンホール

下流（⼩原⽥5丁⽬付近の交差点）ゲートウェイ収容Box

⽔位センサーが⼊っているマンホール

ゲートウェイ収容Box

ゲートウェイ収容Box

下⽔道⽔位センサーの概要



当時の⾬雲レーダ

郡⼭駅

5 km

実証結果１ゲリラ豪⾬による内⽔氾濫兆候を検知

【下⽔管路の状況把握】・わずか20分で2.2 mにおよぶ⽔位の

急上昇が発⽣・下流が満管になるまで約20 cmの内⽔氾濫の兆候を検知し、有効な分析につながるデータの取得に成功

⇒氾濫兆候や下⽔道の余⼒を把握可能

⇒センサー設置数を増やすことにより、管路網内での⽔の流れの把握も可能

⾬量

⽔位

⾬量

⽔位

⾬量

⽔位

下流に向かうほど⽔位は増加

最⼤降⾬強度 78 mm/h


中流

下流

上流


満管レベル

満管レベル

満管レベル (5 m)

上流〜下流の遅れ時間は約15分

⽔位は降⾬後15〜30分後に最⼤

8/11 ゲリラ豪⾬時の下⽔道⽔位データを取得

15


【蓄熱材活⽤熱電変換デバイス】【郡⼭マンホールへの設置】

蓄熱材活⽤98.5 J/day

【フィン型熱電発電との発電量⽐較】

電源メンテナンス(※)10か⽉に1回

5.5年に1回

（※）典型的な動作状況において⽐較

フィン型19.4 J/day

（同体積換算）

【フィン型熱電変換デバイス】

実証結果2⾼効率熱電変換モジュールにより従来⽐5倍以上の発電量を確認⼤きな温度変化を発電に活⽤する、マンホール向け熱電変換デバイスを開発 7⽉〜8⽉の間でデバイス単独で発電量を測定し、従来の空冷フィン型熱電変換デバイスよりも

5.1倍の発電量を達成 9⽉から⽔位モニタリングシステムに導⼊開始し、電源メンテナンス周期を10か⽉（他社製品）

から、5.5年に延⻑できることを検証（電源運⽤コストを約1/7に）（シミュレーション結果から、コストのかかる電池交換作業が不要で5年間以上の動作が可能）

16

蓄熱材の融点

マンホール表⾯温度

マンホール裏温度

60

40

20

0

80温

度(℃

)マンホール温度の様⼦(夏季)

蓄熱材利⽤熱電変換デバイスの特徴蓄熱材利⽤熱電変換デバイスの試作、実証蓄熱材を⽤いた時の特徴

•蓄熱材の融点と、対象物の温度差を⾼効率な熱伝導によって熱電素⼦に伝熱•対象物の温度変化がある場合には、⼤きな発電量を発⽣


蓄熱材利⽤熱電変換デバイス

マンホール鉄蓋熱電素⼦

蓄熱材（⼀定温度）

マンホール鉄蓋裏につけた蓄熱材との温度差

⇒温度差（発電量）が⼤きい

温度差マンホール鉄蓋

熱電素⼦

放熱フィン

フィン型熱電変換デバイス

マンホール鉄蓋と下⽔道の空気の温度差

⇒温度差（発電量）が⼩さい

鉄蓋とほぼ同じ温度

温度差

マンホールを⽤いたエネルギー・ハーベスティングでは、フィン型よりも蓄熱材利⽤熱電変換デバイスでの発電が適している。

17

【技術のご紹介③】SNS分析による発災推定技術

４.


Twitterを活⽤した防災情報検討Twitterとは?Twitter社が提供するソーシャル・ネットワーキング・サービス(SNS)

のひとつ140⽂字以内の「ツイート」と称される短⽂を投稿できる⽉間アクティブユーザ数︓2.4億⼈（国内推定ユーザ数︓2,000万⼈弊社調べ）


他⼈の発⾔を複写・再投稿できる（リツイート : RT）

リアルタイム性がある（5億件/⽇，国内は4,000万件/⽇と推定）すごい︕

ニュースになってる︕ ⾬が降って

きた

渋⾕に到着⼣⾷は何にし

ようか

19

Twitter情報をどのように活⽤するか︖確かに災害の情報が投稿されているが・・・


⼤量な情報が⾶び交っている中で，

いつ⾒たら良いの︖

どのツイートが災害に関係するの︖

どの場所で発⽣した災害︖

Twitter情報を防災に有効活⽤するには・・・発災時刻・場所を推定するしくみが必要では︖

※GPS付与率は約0.5% (弊社調査)

20

Twitterを⽤いた災害発⽣推定⽅法 Twitterデータを活⽤して災害の発⽣を推定する上での課題


Twitter上の情報は…必ずしも正確な情報ではない場所が不明な場合が多い

⽬撃以外の情報を排除発⾔者の位置を推定災害の発⽣を定量的に判定

課題課題特徴特徴

災害発⽣推定⽅法（アプローチ）

SNS

④発災推定①データ収集 ②伝聞情報除去 ③場所推定発⾔から伝聞情報を除去災害のキーワードを

含む発⾔を収集災害発⾔の急激な増加から発災を推定

発⾔のあった場所を推定

災害関連発⾔

A市

B市

C市発災推定

リツイート

間接伝聞

直接伝聞

⽬撃、観察

21

【事例1】2012年8⽉宇治豪⾬発災推定


報道 9:00前後Map data ©OpenStreetMapMap data ©OpenStreetMap

14⽇9:00前後にメディアよりニュース報道→ビッグデータ利活⽤により報道よりも早く推定

浸⽔異常検知 6:00浸⽔異常検知 6:00

XRAIN︓国⼟交通省⽔管理・国⼟保全局提供22

【事例2】2012年7⽉阿蘇⼟砂発災推定


⼟砂災害における発災推定技術の適⽤可能性を検証

6:00災害発⽣を推定

ピーク︓ 62件/時

⼟砂災害関連キーワードを含むツイート数の推移（熊本県内）

⼟砂災害関連キーワードを含むツイート数ランキング（熊本県内の市町村）

想定よりも多くのツイートが存在 →阿蘇市の早期発災推定が可能ただし，ツイート数が少ない市町村においては速報性に限界がある場合も

砂防学会2014発表

23

①⾃治体様防災システム防災活動の速やかな初動対応を可能に

発災推定技術の利⽤シーン（イメージ） SNS情報を利活⽤した防災情報システムの活⽤イメージ


SNS

降⾬レーダー

河川⽔位

発災推定システム/クラウド

②住⺠向け防災情報サービス個⼈毎に最適な防災情報の提供を可能に

弊社システム開発部⾨と共に，データの活⽤⽅法・システムコンセプトを検討中︕

24

ai×iotを利活⽤した新しいict防災の...

Documents