文献

J-GLOBAL ID：202202271249807171   整理番号：22A0921968

LiDARモバイルマッピングデータからの建物洪水リスクマップの決定【JST・京大機械翻訳】

Determination of building flood risk maps from LiDAR mobile mapping data

著者 (9件)： Feng Yu (Institute of Cartography and Geoinformatics, Leibniz University Hannover, Appelstrasse 9a, 30167 Hannover, Germany) ,  Xiao Qing (Institute of Cartography and Geoinformatics, Leibniz University Hannover, Appelstrasse 9a, 30167 Hannover, Germany) ,  Brenner Claus (Institute of Cartography and Geoinformatics, Leibniz University Hannover, Appelstrasse 9a, 30167 Hannover, Germany) ,  Peche Aaron (Bpi Hannover-Beratende Ingenieure, Mengendamm 16d, 30177 Hanover, Germany) ,  Peche Aaron (Federal Institute for Geosciences and Natural Resources, 30655 Hannover, Germany) ,  Yang Juntao (College of Geomatics, Shandong University of Science and Technology, Qingdao 266590, China) ,  Yang Juntao (School of Land Science and Technology, China University of Geosciences, No. 29 Xueyuan Road, Haidian District, Beijing 100083, China) ,  Feuerhake Udo (Institute of Cartography and Geoinformatics, Leibniz University Hannover, Appelstrasse 9a, 30167 Hannover, Germany) ,  Sester Monika (Institute of Cartography and Geoinformatics, Leibniz University Hannover, Appelstrasse 9a, 30167 Hannover, Germany)
資料名： Computers, Environment and Urban Systems  (Computers, Environment and Urban Systems)
巻： 93  ページ： Null  発行年： 2022年 
JST資料番号： H0226B  ISSN： 0198-9715  CODEN： CEUSD5  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 都市化の増加とともに,洪水は今日多くの都市にとって大きな課題である。予測降水,地形,およびパイプネットワークに基づいて,洪水シミュレーションは洪水のリスクで地域と建物に対する早期警戒を提供できる。基礎窓,ドア,および地下ガレージ入口は,洪水水が建物に流入する共通の場所である。洪水の脅威を考慮して,いくつかの建物を準備または設計したが,他はそうではなかった。したがって,これらのファサード開口部の高さを知ることは,水侵入により影響を受けやすい場所の同定を助ける。しかし,そのようなデータは,ほとんどの都市ではまだ容易に利用できない。望ましい目標の伝統的調査が用いられるが,これは非常に時間がかかり,面倒なプロセスである。代わりに,LiDAR(光検出と測距)を用いた移動マッピングは,大量の高密度3D測定データを得るための効率的なツールである。この方法を利用するためには,完全に自動的な方法でデータから所望のファサード開口を抽出する必要がある。本研究は,LiDAR移動マッピングデータからの窓とドアの抽出のための新しいプロセスを提示する。深層学習オブジェクト検出モデルを訓練し,これらのオブジェクトを同定した。通常,これは大量の手動注釈を提供する必要がある。本論文では,ルールベース手法を活用することによりこの問題を緩和する。第一段階では,規則ベース法を用いて擬似ラベルを生成した。次に,半教師つき学習戦略を3つの異なるレベルの監視に適用した。結果は,自動的に生成された擬似ラベルだけを使用して,学習ベースのモデルがF_1スコアに関して14.6%の規則ベースの方式より優れていることを示した。5時間のヒト監督の後,他の6.2%によってモデルを改善することが可能である。洪水シミュレーションモデルからの予測水位と検出ファサード開口高さを比較することにより,建物当たりの洪水リスクレベルを割り当てる地図を作成した。したがって,本研究は,細粒都市緊急応答のための新しい地理的情報層を提供する。この情報は洪水予測と組み合わせ,都市のインフラストラクチャと住宅建築のより目標とする災害防止指針を提供する。知る限りでは,本研究は,このような大規模で細粒の洪水リスクマッピングを達成する最初の試みである。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *洪水 ,  学習 ,  シミュレーションモデル ,  *リスク ,  防災 ,  地図 ,  水位 ,  都市 ,  ヒト ,  モデリング ,  都市化 ,  インフラストラクチャー ,  ファサード
準シソーラス用語： *洪水リスク , 【Automatic Indexing@JST】

著者キーワード (4件)： LiDARモバイルマッピング ,  洪水リスクマッピングの構築 ,  Facadeモデリング ,  緊急対応

分類 (3件)： 洪水対策  (RC12040I) ,  流出解析  (DC07030N) ,  自然災害  (RA02030M)

タイトルに関連する用語 (4件)： LIDAR ,  建物 ,  洪水リスク ,  マップ