工学知見活用AIが不完全衛星画像で災害損傷を推定

ソウル大学校のチョ・インホ教授らが主導する研究チームは、災害直後の不正確な衛星画像から都市規模の構造物被害を迅速に予測する新規の人工知能フレームワークを開発した。本手法は構造工学の知見をAIに統合し、画像エントロピーと統計的データ補完技術を組み合わせることで、雲や煙などで掩蔽された画像からも高精度な被害推定を可能にする。 従来のAI被害評価手法は大量の訓練データと計算リソースを要し、緊急時の実装が困難な場合が多かった。一方、本フレームワークは訓練プロセスを不要とし、災害前後の衛星画像と公開データを即時入力するだけで直ちに分析を開始できる。画像のエントロピー変化を構造的損傷の度合いと関連付け、統計モデルにより欠損情報を類似パターンから再構成することで、データ不完備性を補正する。 チームは大型台風の被害事例で性能を検証し、画像の50％以上が雲に覆われていても、下方の建物被害を5％未満の誤差で推定することに成功した。また山火事事例への適用テストでも、同様の精度を保証し、自然災害から人為的災害まで幅広い規模の構造物予測への汎用性を確認した。 本技術の最大の特徴は、複雑な工学情報を低コストで高速に処理し、緊急時の迅速な意思決定を支援することにある。災害直後の優先救助区域の特定、復旧作業の優先順位付け、インフラの追加点検範囲の決定などに即時活用でき、長期的には都市防災計画や老朽構造物の管理、さらには機械・航空機の状態監視や防衛分野への展開も期待される。チョ教授は構造工学とScientific AIの融合により、損傷を含む画像データからも信頼性の高い工学的判断を導出可能となったと評価し、本研究成果は学術誌Scientific Reportsに掲載された。