Development of Damage Estimation Technology Applicable to Various Disasters Using Multimodal Sensing and AI

当該年度は，様々な自然災害で得られた光学センサ画像を用いて，個々の建物範囲を表すの建物パッチ画像と建物被害データをAI技術のひとつである深層学習（畳み込みニューラルネットワーク）によって学習させ，個々の建物の被害程度を推定する方法の高度化を実施した。具体的には，既存の深層学習モデルに対して，地震だけでなくその他の自然災害（津波，土砂災害，台風，洪水）の直後に撮影された空撮画像を新たに学習し直すことで，様々な災害に適用可能な高精度なモデルを構築できることを明らかにした。また，自然災害による建物の経済的被害を直接推定する方法を検討するために，光学センサ画像から推定される建物被害の割合と台風災害における損害保険による損害割合の関係を調べたところ，両者には高い相関がみられることを明らかにした。この関係式を用いることで，光学センサ画像の判読結果から建物の損害額を推定する方法を提案し，2018年9月の台風20号や2019年9月の台風15号の損害データを用いてその適用性を検証した。さらに，被災した建物における合成開口レーダ（SAR）画像上の特徴も検討したところ，倒壊した建物では災害前後のコヒーレンスが顕著に低下する傾向がみられることを明らかにした。さらに，コヒーレンス画像から個々の建物被害を推定する深層学習モデルについても検討した。

当該年度は，様々な自然災害で得られた光学センサ画像を用いて，個々の建物範囲を表すの建物パッチ画像と建物被害データをAI技術のひとつである深層学習（畳み込みニューラルネットワーク）によって学習させ，個々の建物の被害程度を推定する方法の高度化を実施した。具体的には，既存の深層学習モデルに対して，地震だけでなくその他の自然災害（津波，土砂災害，台風，洪水）の直後に撮影された空撮画像を新たに学習し直すことで，様々な災害に適用可能な高精度なモデルを構築できることを明らかにした。また，自然災害による建物の経済的被害を直接推定する方法を検討するために，光学センサ画像から推定される建物被害の割合と台風災害における損害保険による損害割合の関係を調べたところ，両者には高い相関がみられることを明らかにした。この関係式を用いることで，光学センサ画像の判読結果から建物の損害額を推定する方法を提案し，2018年9月の台風20号や2019年9月の台風15号の損害データを用いてその適用性を検証した。さらに，被災した建物における合成開口レーダ（SAR）画像上の特徴も検討したところ，倒壊した建物では災害前後のコヒーレンスが顕著に低下する傾向がみられることを明らかにした。さらに，コヒーレンス画像から個々の建物被害を推定する深層学習モデルについても検討した。