文献

J-GLOBAL ID：202302230762648164   整理番号：23A3029845

特徴量重要度を考慮したAIモデルによる海水浴場での溺水事故発生確率の予測と汎用性の検討

PREDICTION OF PROBABILITY OF DROWNING INCIDENTS AT BEACHES BY AI MODEL CONSIDERING FEATURE IMPORTANCE AND ITS GENERALIZABILITY

著者 (4件)： 戸口陽生 (中央大学理工学研究科都市人間環境学専攻) ,  石川仁憲 (中央大学研究開発機構) ,  島田良 (中央大学理工学研究科都市人間環境学専攻) ,  小峯力 (中央大学理工学部人間総合理工学科)
資料名： 土木学会論文集(Web)  (Japanese Journal of JSCE (Web))
巻： 79  号： 18  ページ： ROMBUNNO.23-18161(J-STAGE)  発行年： 2023年 
JST資料番号： U0102C  ISSN： 2436-6021  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： わが国の海水浴場では,毎シーズン2,000~3,000件の溺水事故が発生している.事故防止には,海岸利用者自身が海の危険性を正しく認識し,危険回避することが求められ,この方法として海水浴場では,その日の遊泳に関する危険度を三色の遊泳条件フラッグにより海岸利用者に知らせている.遊泳条件は主観的,経験的に決定されていることから,筆者らは,溺水事故発生確率を高い精度で予測できるAIモデルを構築し,予測結果から遊泳条件を客観的に判断するための新たな手法を開発した.一方,本手法を実際に運用するには,53個の特徴量を継続的に収集することと,モデルの汎用性が課題であった.本研究は,特徴量重要度を考慮したモデルを新たに構築し,その汎用性について検討した.その結果,重要度の高い10個の特徴量のみで構築したモデルでも高い精度で予測が可能であり,汎用性も示された.(著者抄録)

シソーラス用語： *溺水 ,  レジャー施設 ,  *事故 ,  確率 ,  人工知能 ,  *予測モデル ,  海水浴場 ,  *特徴量 ,  発生確率 ,  *損傷 ,  *モデル
準シソーラス用語： AI【人工知能】

著者キーワード (4件)： drowning prediction ,  artificial intelligence ,  beach safety ,  information flags

分類 (2件)： 海岸工学  (RC13000X) ,  観光,レクリエーション  (RD04030J)

引用文献 (14件)：

• 1) 石川仁憲, 風間隆宏, 中川儀英, 青木伸一, 田中秀治, 小峯力, 中山昭:海水浴場における海岸利用者の安全性に関するリスク評価手法の提案,土木学会論文集B3(海洋開発),Vol. 72,No. 2,p. I_826-I_831,2016.[Ishikawa, T., Kazama T., Nakagawa Y., Aoki S., Tanaka S., Komine T. and Nakayama A.: PROPOSAL OF BEACH RISK ASSESSMENT METHOD OF JAPAN, Journal of Japan Society of Civil Engineers, Ser. B3 (Ocean Engineering), Volume 72, Issue 2, Pages I_826-I_831, 2016.]
• 2) 日本ライフセービング協会:サーフライフセービング教本,pp. 97,2018. [Japan Lifesaving association: Surf Life Saving Instruction Book,pp. 97,2018.]
• 3) 戸口陽生,島田良,匂坂量,石川仁憲,小峯力 : AIを用いた海水浴場での遊泳条件判断手法の検討,土木学会論文集 B3(海洋開発), Vol. 78, No. 2, I_757-I_762, 2022. [Toguchi H., Shimada R., Sagisaka R., Ishikawa T., and Komine T.: STUDY OF DETERMINING RISK LEVEL REGARDING SWIMMING CONDITION ON BATHING BEACH USING AI, Journal of Japan Society of Civil Engineers, Ser. B3 (Ocean Engineering), Volume 78, Issue 2, Pages I_757-I_762, 2022.]
• 4) Lundberg, S. M., Erion, G. G., Lee, S. I. : Consistent individualized feature attribution for tree ensembles. arXiv preprint arXiv:1802.03888, 2018.
• 5) 戸口陽生,島田良,石川仁憲,小峯力 : 海水浴場での溺水事故発生確率を予測可能なAIモデルの信頼性の検討,土木学会論文集 B2 (海岸工学), Vol. 78, No. 2, I_1021-I_1026, 2022. [Toguchi H., Shimada R., Ishikawa T. and Komine T.: INVESTIGATING THE RELIABILITY OF AI MODEL ABLE TO PREDICTING THE PROBABILITY OF DROWNING ACCIDENTS AT BATHING BEACHE, Journal of Japan Society of Civil Engineers, Ser. B2 (Coastal Engineering), Volume 78, Issue 2, Pages I_1021-I_1026, 2022.]

タイトルに関連する用語 (9件)： 特徴量 ,  重要度 ,  AIモデル ,  海水浴場 ,  溺水 ,  事故 ,  発生確率 ,  予測 ,  汎用性