2017 Fiscal Year Research-status Report
スパースモデリングによる重要シナリオ抽出：地震被害推定におけるシナリオ爆発の制御
| Project/Area Number |
17K12997
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
小川 芳樹 東京大学, 生産技術研究所, 特任研究員 (70794296)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 建物データ / 機械学習 / 携帯電話GPSデータ / 人口分布 / 被害推定 |
|---|
| Outline of Annual Research Achievements |
本研究では地震被害推定に必要な基盤データを整備し，既存の被害推定手法を適用することで地域ごとの被害分布を時系列で明らかにし，その結果を分析することで，スパースモデリングが重要な被害シナリオの抽出に有効であることを確認する．
そのために平成29年度は，被害推定の基盤となる都市データ整備の手法の確立と自動化による全国データ整備を進めた．データ整備内容は， 次に2つである．
I）建物構造, 耐火性能, 築年代を建物単位で推定する手法を開発した. 具体的には，住宅地図，不動産データ，国勢調査・住宅土地統計調査をを利用することで住宅地図に築年代，建物構造，耐火性能の属性割り当てを行い精緻な人・都市データを整備し評価精度の向上に取り組んだ.具体的には全国6000万棟の建物構造・築年数・耐火性能を住宅地図を基に統計データと不動産データを教師データにすることで機械学習(Random ForestやDeep Learning)により推定した．不動産データと突き合わせることで推定モデルの精度を検証した.
II）大規模携帯電話GPSデータを用いて, 時空間内挿し, 拡大係数を推定することで被害想定に適用可能な時間別(365日15分間隔) の人流データを開発した. 実際の人口に合わせる拡大係数(人/ポイント)については, 国勢調査から得られる夜間人口と経済センサスから得られる従業員数と突き合わせることで信頼性を検証した.
また, 一部地域での倒壊・火災・津波による被害シミュレーションを行うことが出来た。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
大規模な携帯電話GPSデータを時空間内挿し，拡大係数を付与し，建物配分することで任意の時間の人口分布を把握することが可能になった。また機械学習を用いて建物データに築年代・構造・耐火性能を付与することが出来た．また被害推定に必要な倒壊や火災延焼モデルを一部地域で取り込み，非集計での被害推定をすることができた。
|
| Strategy for Future Research Activity |
平成30年度は，広域での倒壊・火災・津波による被害を詳細かつ統合的に推定できる環境構築する．建物や人単位で倒壊・火災・津波の各事象を統合して人的・物的な被害推定をする. 物的被害に関しては，揺れと津波による建物倒壊と火災焼失によるものである. 人的被害に関しても倒壊・火災・津波を対象にした推定をする. 平成29年度に整備した建物データと人流データを用いて色んなシナリオを生成して倒壊，火災，津波で数十万シナリオの膨大な数のシミュレーションを試みる. 非集計データを用いることで建物単位・人単位の分析になるため, 高度被害推定モデルを導入できる環境の実現を目指す.そのために物品購入費で計算機を購入することで計算環境の強化を計る予定である．また多数シナリオ結果を分析することでスパースモデリングによるシナリオ抽出の枠組みも構築する。
|
| Causes of Carryover |
当初の計画で購入予定であった計算機の購入を次年度に変更したため、次年度に計算機を購入予定である。これは大規模計算は次年度から開始するため今年度は必要ないと考えたためである。また今後の研究発展に必要な、統計や防災学の書籍なども必要に応じて購入予定である。
|
