株式会社Agoop

分析事例

災害分析

災害時の異常分析

分析例

人流異常検知の詳細エリア分析
人流異常検知の詳細エリア分析
2019年10月 - 千葉県市原市 台風19号

Agoop社で開発している異常検知を活用することで、最小50mメッシュ単位で異常が発生しているエリアを把握することが可能である。平常時と比べて人が大きく増減したエリアを自動で検知することができる。
図は台風19号時の千葉県市原市の異常検知の結果で、避難所が固まっているエリアには人が平常時よりも多く押し寄せており、一方で商業施設や公園が固まっているエリアには平常時よりも人が少なくなっていることがわかる。この仕組みを使うことで災害時の物資支援の優先順位づけや、避難所の利用状況の把握が可能で、災害時の迅速な意思決定を支援することができる。

エリア別人流異常値判定
2018年7月 - 広島豪雨
高速道路において,異常検知システムを用いて可視化した分析例。
青い色が人流が少なく、赤い色が人流が多くなっている異常を表す。
高速道路が青く(人流が少なく)、2号線が赤い(人流が多い)ことから、高速道路は、通行止めか渋滞しており、2号線が迂回路になっていることが分かる。
エリア別スピード異常値判定
エリア別スピード異常値判定
2018年6月18日-大阪北部地震
大阪駅周辺において、異常検知システムを用いて可視化した分析例。 新淀川大橋で青い(スピードが遅い)ことがわかる。実際、地震の影響で新淀川大橋では、帰宅困難者が渡っていた

課題

災害の発生時には、その後の対応を迅速に決定するために異常が起きている場所を速やかに把握することが必要です。しかし市民や各避難所等との電話などで直接確認をしている自治体も多く、誰でも簡単に状況把握できる仕組みを作ることが必要です。

効果

Agoopの人流データを異常検知させることで、機械的に異常が発生している場所を特定することが可能です。ユーザは自分で異常の場所を発見する必要がなくなり、災害発生時の対策に集中することが可能です。

関連する分析事例

災害時の状況把握
災害時の状況把握

分析例 速度別ログプロット 2018年6月18日-大阪北部地震 ログを地図上にプロットして可視化した分析例。 通常は自動車で通過する人が多い……

More
お問い合わせ
お問い合わせ