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

利用多模态传感和人工智能开发适用于各种灾害的损失估计技术

• 批准号: 22H01741
• 负责人: 三浦 弘之
• 金额: $ 10.9万
• 依托单位: Hiroshima University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22H01741/
• 关键词: 建物被害; リモートセンシング; AI; 光学センサ; SAR; 自然災害; 深層学習

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。

When the annual は, others 々 な で natural disasters have ら れ た optical セ ン サ portrait を with い て, a 々 の building van 囲 を table す の building パ ッ チ portrait と building killed デ ー タ を AI technology の ひ と つ で あ る deep learning (畳 み 込 み ニ ュ ー ラ ル ネ ッ ト ワ ー ク) に よ っ て learning さ せ, The degree of damage to a 々 building <e:1> is を, the method of presumption is する, the method of elevation is を, and the implementation is た. Specific に は, existing の deep learning モ デ ル に し seaborne て, earthquake だ け で な く そ の he の natural disasters (tsunamis, soil sand disaster, typhoon, flood) の straight after に pinch of shadow さ れ た empty pinch of portrait を new た に learning し straight す こ と で, others 々 に な disasters may apply な high-precision な モ デ ル を build で き る こ と を Ming ら か に し た. ま た, natural disasters に よ る building の 経 済 murdered を direct presumption す る method を beg す 検 る た め に, optical セ ン サ portrait か ら presumption さ れ る building killed の cut close と typhoon に お け る damage insurance 険 に よ る cut or damage の masato is を adjustable べ た と こ ろ, who struck に は high い phase masato が み ら れ る こ と を Ming ら か に し た. Type を こ の masato department with い る こ と で, optical セ ン サ portrait の convicted 読 results か ら building の damage amount を presumption す る method proposed を し, in September 2018 の や 20 September 2019 typhoon の typhoon no. 15 の damage デ ー タ を with い て そ の applicability を 検 card し た. さ ら に, be し た building に お け る synthetic openings レ ー ダ (SAR) on portrait の 徴 も beg し 検 た と こ ろ, pour 壊 し た building で は before and after the disaster の コ ヒ ー レ ン ス が 顕 with low に す る tendency が み ら れ る こ と を Ming ら か に し た. さ ら に, コ ヒ ー レ ン ス portrait か ら a 々 の building killed を presumption す る deep learning モ デ ル に つ い て も beg し 検 た.

项目成果

様々な自然災害に適用可能な空撮画像の深層学習による建物被害の把握技術の構築

构建一种利用航空图像深度学习来了解建筑物损坏情况的技术，该技术可应用于各种自然灾害

• 发表时间: 2022
• 作者: 藤原隆太;三浦弘之
• 通讯作者: 三浦弘之

航空レーザ計測データを用いた2016年熊本地震と豪雨の複合災害による土砂移動域の検出

利用航空激光测量数据检测 2016 年熊本地震和暴雨联合灾害造成的泥沙移动区域

• 发表时间: 2022
• 作者: 劉ウェン;丸山喜久;山崎文雄
• 通讯作者: 山崎文雄