• 日本語
    • English (英語)
Avinton JapanAvinton JapanAvinton JapanAvinton Japan
  • サービス
    • Avinton Data Platform
    • エッジAIカメラ
      • 自動車ナンバープレート自動認識システム
    • プライベートクラウド
    • AIサービス開発
    • AIカメラ/画像解析無料体験版
  • 最新情報
    • ニュースリリース&イベント情報
    • 技術ブログ&インタビュー
  • アカデミー
    • Avintonアカデミー
    • Academy on Campus
    • Academy with Platform
  • 採用情報
    • Avintonジャパン 採用ページ
    • 求人一覧
    • よくある質問
    • 新卒採用
  • 企業情報
    • 会社概要
    • 代表からご挨拶
    • SDGsへの貢献
  • お問い合わせ
Society 5.0における災害予防:ビッグデータと機械学習による洪水早期警戒の実現方法

Society 5.0における災害予防:ビッグデータと機械学習による洪水早期警戒の実現方法

By James Cauchi | 技術解説, 技術ブログ&インタビュー | Comments are Closed | 1 3月, 2022 | 2

Avintonは、ビッグデータ、機械学習、AIを専門としています。私たちは、世界中のトレンドや最新技術に注目し調査をしています。私たちの目標は、社会に良い影響を与える革新的なソリューションを開発することです。今回は、ディープラーニングモデルが、人々が危険から逃れられるように洪水地帯の予測を可能にする方法について説明します。一緒に、Society 5.0を実現しましょう。

気候変動や海面上昇、水害の増加により、洪水被害は増加の一途をたどっています。

異常気象は、莫大な金額の損害をもたらし、地域社会、生態系、経済を根こそぎ破壊しています。大規模な洪水被害は世界中のニュースを賑わせていますが、検知のためのディープラーニングの進歩は、避難に関する不確実性を過去のものに変えてしまうかもしれません。科学者や意思決定者は、Sentinel-1などの衛星を介した地球観測のライブデータを使用して、リアルタイムの対応と被害緩和の対策を生み出し、洪水による影響を理解することができます。

データ量の増加、コンピュータの処理能力の向上、データ解析のための優れた機械学習アルゴリズムにより、私たちの生活のほぼすべての側面に変化が起きています。この変化は、より多くのデータが利用可能になり、計算能力が向上し、機械学習アルゴリズムが改善されるにつれて、今後も続くと予想されます。洪水リスクと影響の評価も、特に軽減策の策定、緊急対応準備、洪水復旧計画などの分野で、この変化の影響を受けています。

コンピューターの進歩とアルゴリズムの強化により、機械学習は非線形システムを掘り下げ、自動的に生成される洪水予測を探求するための道具として登場しました。ニューラルネットワークのような計算アルゴリズムは、河川地域の洪水や、特定の地域以外の影響を推定するために主に使用されました。将来的には、より多くのアプリケーションが使用可能となり、多くのプロセスモデルや従来の観測手法が機械学習に置き換わると予想されます。その例として、リモートセンシング機器(エッジコンピューティング機器など)に機械学習を適用して潜在リスク(避難地の方かも)を推定したり、ソーシャルメディアデータに機械学習を適用して洪水対応を改善させたりすることが挙げられます。洪水被害や対応失敗のモデル化などのためには、データ収集に新たな取り組みが必要になるかもしれません。

ビッグデータが創り出す防災の新たな可能性

ビッグデータは、信じられないほどの速さで進化しています。災害に強いという具体的な背景により、ビッグデータは災害管理の4つの段階(予防、準備、対応、復旧)のすべてで役立ちます。この新しいデータの推進力と機械アルゴリズムの組み合わせは、洪水のリスクと影響評価に変化をもたらす可能性があります。

また、ビッグデータは、記述的分析(洪水の現在または過去の状態の分析)、予測的分析(洪水の長期または短期予測の分析的評価)、処方的分析、災害前後の状況における情報の差異に対処する言説的分析を可能にするものです。衛星画像、無人航空機からの空撮画像や映像、センサーウェブやIoT(Internet of things)、空中および地上のLiDAR(Light Detection and Ranging)、シミュレーション、空間データ、クラウドソーシング、ソーシャルメディア、モバイルGPSやCDR(Call Data Records)などの新しい技術によるデータが、洪水などの災害についてのビッグデータの中核を形成しています。

洪水検知における機械学習のメリット

機械学習モデルは、より優れたパフォーマンスと費用対効果の高いソリューションを提供するため、洪水事象の予測、地図作成、監視にますます使用されるようになってきています。洪水予測モデルの進化は、リスク軽減、政策提言、人命損失の最小化、迅速な洪水地図作成、洪水に伴う財産被害の軽減に不可欠です。機械学習アルゴリズムを用いた洪水予測は、様々な情報源からのデータを活用し、洪水級と非洪水級に分類・回帰することができるため、効果的です。

上記の物理ベースや統計モデルの欠点は、機械学習などの高度なデータ駆動型モデルの利用を促すものとなる。データ駆動型の予測方法は、測定された気候指標と水文気象パラメータを同化させ、より良い知見を得ることができます。機械学習のアルゴリズムとしては、人工ニューラルネットワーク(ANN)、ニューロファジー、サポートベクターマシン(SVM)、サポートベクトル回帰(SVR)などがあり、短期・長期の洪水予測に有効であると報告されています。

さらに、機械学習モデルは、基礎となる物理過程の知識を必要とせず、過去のデータのみに基づいて洪水の非線形性を数値的に定式化できることが人気の理由です。機械学習を用いたデータ駆動型の予測モデルは、最小限の入力で迅速に開発できるため、有望なツールです。

洪水予測において、ハザード変数を予測する従来の方法は、物理的プロセスを記述する水文・水理モデルの連鎖を伴うことがあります。このようなモデルは、システムを理解するのに役立ちますが、計算量やデータ量が多くなることがよくあります。したがって、災害の準備段階において、プロセスモデルの使用は必ずしも実行可能であるとは限らず、また必要でない場合もあります。機械学習の手法は、計算時間やモデル開発コストを削減するだけでなく、精度を向上させる可能性を持っています。その際、システムの理解よりも正確でタイムリーなアウトプットが重要になり、「ブラックボックス型」の機械学習モデルの利用が広まりつつあります。

現場での最新の取り組み

データ科学者は、66,000枚の画像データを用いて、新しい地域にも適用可能な洪水予測モデルのアンサンブルを作成しました。この成果は、論文として発表されました。

この先駆的な取り組みは、洪水検知に関するETCI(Emerging Techniques in Computational Intelligence)2021コンペティションで2位を獲得しています。

論文の著者の1人であるSiddha Ganjuにとって、洪水は本で読んだり、バイラルビデオで見たりするようなものだけではありません。彼女が6歳のとき、父親がインド北部で車を運転していたところ、鉄砲水で車が横転してしまいました。車から脱出し、運良くうねりを泳いで生きて陸に上がりましたが、ほぼ1日家族と連絡が取れませんでした。

NVIDIAのシニアデータサイエンティストであるGanju氏は、「携帯電話が普及する前のことで、私たちはずっと待っていたんです」と語る。「洪水はプールと違って、泳いで行けるようなものではありません。流れは非常に速く、高速で移動する倒木のような危険物でいっぱいです。」

インドのモンスーンシーズンは、1日に90cm以上の雨が降り、突然、津波のような勢いで川を決壊させることがあります。また、地震によって洪水が発生することもあります。

経済協力開発機構(OECD)によると、洪水による被害は世界で年間400億ドル以上にのぼるという。死者数はここ数十年で増加し、年間100人以上となっている。中国の黄河流域では、世界最悪の洪水が発生し、数百万人が死亡しています。

 

ビッグデータと機械学習による洪水早期警戒の実現方法

数秒で実現する洪水セグメントの化

ETCIコンペティションでは、SAR Sentinel-1のラベル付き画像6万6千枚を使い、洪水の前後を示すピクセルを検出するよう求められました。参加者は、このデータを使ってセマンティックセグメンテーションモデルを開発し、それを新しいラベルのない画像に適用して、潜在的な洪水地帯の推測を実行することが求められました。

画像はNASAのInteragency Implementation and Advanced Concepts Teamから提供されたもので、バングラデシュやアメリカの様々な地域などが含まれます。

Ganjuは、機械学習エンジニアのSayak Paulとチームを組んでETCIコンペティションに参加しました。その結果、NVIDIA V100 Tensor Core GPU上で動作する彼らのモデルは、約62,000平方キロメートルに及ぶ洪水域をわずか3秒で分割できることを示しました。

トレーニングモデルアンサンブル

GanjuとPaulは、画像のセグメンテーションに使用される一対の畳み込みニューラルネットワークアーキテクチャであるUNetとUNet++を用いてモデルを開発しました。UNetとUNet++は、画像のセグメンテーションに使われる畳み込みニューラルネットワークアーキテクチャで、陸と水の境界をピクセル単位で解析することができます。このコンビの最も優れたモデルは、各ステージの結果が次のステージにフィードバックされるように、複数回の反復学習が行われました。

クラウド上のNVIDIA V100 GPUは、モデルのアンサンブルのための学習を行い、すべての推論もそこで行われました。

 

ソーシャルインパクトのための開発

その汎用性の高い手法は、簡単に応用することができます。海岸線、砂漠、市街地など、注釈のついた具体的な画像は必要なく、すべてモデルに組み込まれているためです。このため、他の人がどのような地域にも適用でき、場合によってはデータセットを更新して転移学習で改善するだけでよいのです。

GanjuとPaulは、GitHubに投稿された自分たちのコードが、科学分野の現地専門家に拾われ、世界中の緊急システム用に改良・展開されることを期待しています。国連衛星センターは、洪水検知ツールや災害対応システムを改善するために、このAIをテストすることに関心を持っていると、Ganju氏は言います。「多くの人々が、直接または間接的に影響を受ける可能性がある 」と彼女は言っています。

Society 5.0に向けたステップ

Avintonでは、最先端のIT技術を駆使し、お客様に優れたソリューションを提供できる優秀なエンジニアを育てています。

私たちは、多様なチームに対してだけでなく、社会に対しても大きな責任を負っている考えています。AvintonはSDGsを考慮して設立されたため、環境フットプリントを最小限に抑えたペーパーレスオフィスから自動化、効率化まで、持続可能なプロセスや活動を実践しています。

私たちは、ビッグデータ、機械学習、AIにおいて、社会にポジティブな影響を与える革新的なソリューションの開発に取り組んでいます。一歩一歩、Society 5.0の実現に貢献したいと考えています。

私たちの多様なチームは、常に成長を続けています。常にスキルを磨きながら、最新のテクノロジーで仕事をすることに興味がある方は、ぜひ採用ページをご覧ください。

当社のソリューションやエンジニアリングサービスにご興味のある方は、「サービス」ページをご覧いただくか、下記よりお問い合わせください。お客様のユースケースを個別にご相談させていただきます。

より詳細について知りたい方は、こちらのフォームよりご連絡ください。

機械学習, DX, ビックデータ, 技術, スマートシティ

Related Post

  • G検定合格体験記

    G検定合格体験記

    By Avinton rk | Comments are Closed

    Read more

  • Kubernetes入門:初心者からプロフェッショナルへ – 学び方とおすすめリソース

    Kubernetes入門:初心者からプロフェッショナルへ – 学び方とおすすめリソース

    By Avinton rk | Comments are Closed

    Read more

  • deploying-postgresql-operator-in-Kubernetes

    PostgreSQL Operator on Kubernetes

    By Avinton rk | Comments are Closed

    Read more

  • AIモデルの最適化

    AIモデルの最適化

    By Avinton rk | Comments are Closed

    Read more

  • Pytorch Datasets & DataLoaders

    PyTorch – Datasets & DataLoaders

    By Avinton rk | Comments are Closed

    Read more

採用情報

採用情報

Categories

  • 相互学習
  • 採用
  • 社員インタビュー
  • 学習&資格取得
  • 技術解説
  • イベント告知
  • 学内説明会&講義
  • 産学連携
  • 就職活動
  • イベントレポート
  • その他
  • 技術ブログ&インタビュー
  • mainpage
  • New Graduates Interviews
  • 中途エンジニア
  • カテゴリーなし
  • ニュースリリース&イベント

Avinton SDGs

SDGsへの貢献

Search

タグ

AI時代の経営 AvintonAcademy on Campus AWS Docker DQN FINOLAB Git IoT James Cauchi LPIC LPIC-2 PM&PMO Predictive Maintenance Raspberry Pi Sound Analysis SSD イベントレポート インターン インフラ エッジコンピューティング エリクソン クラウトネイティブ セミナー ディープラーニング データ生成 データ解析 ファンダフルリレーマラソン モブワーク リスキリング リードエンジニア 中瀬幸子 企業説明会 勉強会 大学&専門学校 帰社日 強化学習、機械学習 技術ブログ 採用 掲載告知 未経験 田中 研之輔 画像分類 社員紹介 第一級陸上特殊無線技士 観光データ
© 2023 Avinton | All Rights Reserved | プライバシーポリシー
  • サービス
    • Avinton Data Platform
    • エッジAIカメラ
      • 自動車ナンバープレート自動認識システム
    • プライベートクラウド
    • AIサービス開発
    • AIカメラ/画像解析無料体験版
  • 最新情報
    • ニュースリリース&イベント情報
    • 技術ブログ&インタビュー
  • アカデミー
    • Avintonアカデミー
    • Academy on Campus
    • Academy with Platform
  • 採用情報
    • Avintonジャパン 採用ページ
    • 求人一覧
    • よくある質問
    • 新卒採用
  • 企業情報
    • 会社概要
    • 代表からご挨拶
    • SDGsへの貢献
  • お問い合わせ
  • 日本語
    • English (英語)
Avinton Japan