分析卫星图像和城市数据，高精度把握地震灾害的AI 山梨大学开发

分析卫星图像和城市数据，高精度把握地震灾害的AI     山梨大学开发

山梨大学的研究小组发表了，开发出了通过分析人造卫星拍摄的地震前后的地表图像和位于受灾城市的建筑物的数字数据，在短时间内高精度地掌握地震造成的建筑物损害的人工智能( AI )。 据说，使用2016年发生的熊本地震的受害数据进行的实证实验，确认了90%以上的精度。 不仅是地震，还可以应用于洪水和泥石流灾害等各种自然灾害，有望应用于人命救助和迅速复兴。 在发生自然灾害的情况下，为了进行适当的人命救助和复兴活动，首先掌握正确的受灾情况是极其重要的。 卫星造成的受灾地区的拍摄图像也已经得到了利用。 但是，由于是从宇宙空间进行拍摄，因此分辨率有限，没有达到能够正确把握建筑物损害等状况的水平。 山梨大学研究生院综合研究部的宫本崇副教授和硕士课程山本裕大的研究小组着眼于搭载合成孔径雷达( SAR )的地球观测卫星周期性地拍摄日本各地的地表。 提出了AI通过详细比较大地震前后的拍摄图像，以比以往的图像处理技术更高的精度检测地震引起的建筑物形状变化的方法。 现在，国土交通省将全国各地的城市数据数字化，作为开放数据公开的“3D城市模型”的整备事业(普拉托)正在进行。 期待通过将市区的实际情况可视化，广泛公开而得到广泛的活用。 宫本准教授等人还设计了从这样不断完善的市区数字数据中提取地震受灾建筑物的建筑材料和古老程度的信息，并与卫星图像的处理结果进行组合的方法。 通过在AI的深层学习中分析卫星图像数据和市区建筑物数据这两大数据，从而开发了掌握建筑物损害的技术。 研究小组选择了在2016年4月发生的熊本地震后进行的现场调查结果的一部分，与开发的AI的受害检测结果进行了对照。 对照对象为倒塌310栋、非倒塌2030栋的数据集。 结果表明，AI的精度高达92%，而且可以在短时间内检测到损害。

2016年4月发生的熊本地震造成的建筑物损害的一部分( 10公里见方)。 ( a )是地震后花费大量人力和时间的现场调查结果，( b )是山梨大学研究小组开发的AI的受害检测结果。 基于AI的检测结果以90%的精度与现场调查相符(山梨大学提供)

地震灾害大部分是建筑物倒塌造成的，大部分是人为灾害也是由建筑物损害引起的。 宫本准教授等人表示，如果充分利用这种AI，就可以在地震发生的数小时内掌握受灾情况。 另外，期待着大幅削减迄今为止所需的大量人手和时间，通过切实掌握各地区的受灾情况，能够加快受灾地的人命救助和灾害复兴。 该研究是在科学技术振兴机构( JST )战略性创造研究推进事业ACT-I等的支持下进行的，研究成果刊登在了美国电气电子学会杂志早期访问版上。