特許 7390948 情報処理方法及び情報処理装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-11-24

(45)【発行日】2023-12-04

(54)【発明の名称】情報処理方法及び情報処理装置

(51)【国際特許分類】

   G01T 1/16 20060101AFI20231127BHJP

   G01T 1/167 20060101ALI20231127BHJP

【ＦＩ】

G01T1/16 A

G01T1/167 C

【請求項の数】 7

(21)【出願番号】P 2020052204

(22)【出願日】2020-03-24

(65)【公開番号】P2021152455

(43)【公開日】2021-09-30

【審査請求日】2023-01-24

(73)【特許権者】

【識別番号】000110217

【氏名又は名称】ＴＯＰＰＡＮエッジ株式会社

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】成田 達也

(72)【発明者】

【氏名】藤井 靖大

(72)【発明者】

【氏名】溝口 達也

【審査官】右▲高▼ 孝幸

(56)【参考文献】

【文献】特開２０１３－１０４８２５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｔ １／００

(57)【特許請求の範囲】

【請求項1】

放射線量の推測に用いられる情報処理方法であって、
指定された位置Ｔ（ｘ_t，ｙ_t）の近傍にある放射線観測点を３点選択し、
選択された前記放射線観測点を点Ｐ₁（ｘ₁，ｙ₁），Ｐ₂（ｘ₂，ｙ₂），Ｐ₃（ｘ₃，ｙ₃）として前記点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の値ｚ₁，ｚ₂，ｚ₃をそれぞれ取得し、
ｚ軸方向を放射線量とする三次元空間での３点（ｘ₁，ｙ₁，ｚ₁），（ｘ₂，ｙ₂，ｚ₂），（ｘ₃，ｙ₃，ｚ₃）を通る平面上の点（ｘ_t，ｙ_t，ｚ_t）に基づき、前記指定された位置Ｔにおける放射線量ｚ_tを推定し、
前記放射線量の値ｚ ₁ ，ｚ ₂ ，ｚ ₃ は、それぞれ、前記点Ｐ ₁ ，Ｐ ₂ ，Ｐ ₃ での過去の放射線量と過去の自然環境情報とに基づいた機械学習によって生成された学習モデルに対し、予測される将来の自然環境情報を適用して得られた放射線量の予測値である、情報処理方法。

【請求項2】

利用者の現在の位置を取得して前記指定された位置とする、請求項１に記載の情報処理方法。

【請求項3】

前記放射線量の値ｚ₁，ｚ₂，ｚ₃は、それぞれ、前記点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の実測値である、請求項１または２に記載の情報処理方法。

【請求項4】

放射線量の推測に用いられる情報処理方法であって、
放射線観測点ごとに、当該放射線観測点での過去の放射線量と過去の自然環境情報を取得し、
前記過去の放射線量を正解データとして前記過去の放射線量と前記過去の自然環境情報との関係に基づく機械学習を行って学習モデルを生成する、情報処理方法。

【請求項5】

放射線量の推測に用いられる情報処理装置であって、
観測網を構成する複数の放射線観測点の中から、指定された位置Ｔ（ｘ_t，ｙ_t）の近傍にある放射線観測点を３点選択する選択手段と、
選択された前記放射線観測点を点Ｐ₁（ｘ₁，ｙ₁），Ｐ₂（ｘ₂，ｙ₂），Ｐ₃（ｘ₃，ｙ₃）として、前記点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の値ｚ₁，ｚ₂，ｚ₃をそれぞれ取得して、ｚ軸方向を放射線量とする三次元空間での３点（ｘ₁，ｙ₁，ｚ₁），（ｘ₂，ｙ₂，ｚ₂），（ｘ₃，ｙ₃，ｚ₃）を通る平面上の点（ｘ_t，ｙ_t，ｚ_t）に基づき、前記指定された位置Ｔにおける放射線量ｚ_tを推定する計算手段と、
前記観測網を構成する前記放射線観測点での過去の放射線量と過去の自然環境情報とに基づいた機械学習によって生成された学習モデルを格納する予測手段とを有し、
前記計算手段は、前記点Ｐ ₁ ，Ｐ ₂ ，Ｐ ₃ についての前記学習モデルに対し予測される将来の自然環境情報を適用して得られた放射線量の予測値を前記値ｚ ₁ ，ｚ ₂ ，ｚ ₃ として前記予測手段から取得する、情報処理装置。

【請求項6】

前記計算手段は、前記観測網を構成する前記放射線観測点からの観測データを集約する放射線量データサーバから、前記値ｚ₁，ｚ₂，ｚ₃を取得する、請求項５に記載の情報処理装置。

【請求項7】

放射線量の推測に用いられる情報処理装置であって、
観測網を構成する複数の放射線観測点の観測データを集約する放射線量データサーバから前記複数の放射線観測点の過去の放射線量を取得し、自然環境データサーバから過去の自然環境情報を取得し、前記放射線観測点ごとに、前記過去の放射線量を正解データとして前記過去の放射線量と前記過去の自然環境情報との関係に基づく機械学習を行って学習モデルを生成する学習手段を備える、情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、任意の地点における放射線量を推測するための情報処理方法及び装置に関する。

【背景技術】

【0002】

従来、ある場所における放射線量を測定するためには、ガイガーカウンタなどの特殊な計測器をその場所に運んで測定を行う必要があり、任意の地点の放射線量の計測を行うことは容易ではない。個人でも容易に携帯することが可能な放射線計測器具として、例えば、フィルムバッジや熱ルミネッセンス線量計、さらには特許文献１に記載されるような自己表示型の放射線測定カードなどがあるが、これらは一定の期間内に個人が受けた被ばく放射線量の評価に用いられるものであり、特定の場所における線量率すなわち単位時間あたりの吸収線量または線量当量をリアルタイムで測定するためには用いることができない。

【0003】

近年、放射線量の行う観測点を多数配備する定点観測網などの観測網が整備されてきている。各観測点にはその場所における空間線量率などの放射線量を測定する機器が備えられており、観測点での測定された放射線量の値は、インターネットなどのネットワークを介してリアルタイムで検索可能となっている。観測網によって取得されたデータを参照すれば、各観測点での放射線量を容易に知ることができる。

【先行技術文献】

【特許文献】

【0004】

【文献】米国特許第７６５２２６８号明細書

【発明の概要】

【発明が解決しようとする課題】

【0005】

特殊な計測器などを持ち運ぶことなく、任意の場所における空間線量率などの放射線量をリアルタイムで知りたいという要求がある。定点観測網によれば、その観測点での放射線量をリアルタイムで知ることができるが、観測点から離れた指定位置における正確な放射線量をリアルタイムで知ることは難しい。特に環境中の放射線量は、地形や風量などの影響を受けやすく天候（特に降雨の有無）によっても左右されるから、近傍の観測点での測定データを一つ一つ参照して指定位置の放射線量を推測することは煩雑である。

【0006】

本発明の目的は、指定された位置に放射線測定機器を搬入することなく、その位置での放射線量を確度高く推定することができる情報処理方法及び装置を提供することにある。

【課題を解決するための手段】

【0007】

本発明の情報処理方法は、放射線量の推測に用いられる情報処理方法であって、指定された位置Ｔ(ｘ_t，ｙ_t)の近傍にある放射線観測点を３点選択し、選択された放射線観測点を点Ｐ₁(ｘ₁，ｙ₁)，Ｐ₂(ｘ₂，ｙ₂)，Ｐ₃(ｘ₃，ｙ₃)として点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の値ｚ₁，ｚ₂，ｚ₃をそれぞれ取得し、ｚ軸方向を放射線量とする三次元空間での３点（ｘ₁，ｙ₁，ｚ₁），（ｘ₂，ｙ₂，ｚ₂），（ｘ₃，ｙ₃，ｚ₃）を通る平面上の点（ｘ_t，ｙ_t，ｚ_t）に基づき、指定された位置Ｔにおける放射線量ｚ_tを推定する。

【0008】

本発明の情報処理方法においては、指定された位置Ｔは、例えば、利用者の現在位置である。点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の値ｚ₁，ｚ₂，ｚ₃は、それぞれ、点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の実測値であってよい。この場合、指定された位置Ｔにおける現在の放射線量の推測値が得られる。あるいは、点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の値ｚ₁，ｚ₂，ｚ₃は、点Ｐ₁，Ｐ₂，Ｐ₃での過去の放射線量と過去の自然環境情報とに基づいた機械学習によって生成された学習モデルに対し、予測される将来の自然環境情報を適用して得られた放射線量の予測値であってよい。この場合は、指定された位置Ｔにおける将来の放射線量の推測値が得られる。学習モデルは、例えば、放射線観測点ごとに、その放射線観測点での過去の放射線量と過去の自然環境情報を取得し、過去の放射線量を正解データとして過去の放射線量と過去の自然環境情報との関係に基づく機械学習を行うことによって生成することができる。

【0009】

本発明の情報処理装置は、放射線量の推測に用いられる情報処理装置であって、観測網を構成する複数の放射線観測点の中から、指定された位置Ｔ（ｘ_t，ｙ_t）の近傍にある放射線観測点を３点選択する選択手段と、選択された放射線観測点を点Ｐ₁（ｘ₁，ｙ₁），Ｐ₂（ｘ₂，ｙ₂），Ｐ₃（ｘ₃，ｙ₃）として、点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の値ｚ₁，ｚ₂，ｚ₃をそれぞれ取得して、ｚ軸方向を放射線量とする三次元空間での３点（ｘ₁，ｙ₁，ｚ₁），（ｘ₂，ｙ₂，ｚ₂），（ｘ₃，ｙ₃，ｚ₃）を通る平面上の点（ｘ_t，ｙ_t，ｚ_t）に基づき、指定された位置Ｔにおける放射線量ｚ_tを推定する計算手段と、を有する。

【0010】

本発明の情報処理装置において計算手段は、観測網を構成する放射線観測点からの観測データを集約する放射線量データサーバから、値ｚ₁，ｚ₂，ｚ₃を取得することができる。この場合、計算手段は、指定された位置Ｔにおける現在の放射線量の推測値を計算する。あるいは、本発明の情報処理装置では、観測網を構成する放射線観測点での過去の放射線量と過去の自然環境情報とに基づいた機械学習によって生成された学習モデルを格納する予測手段をさらに設け、計算手段が、点Ｐ₁，Ｐ₂，Ｐ₃についての学習モデルに対し予測される将来の自然環境情報を適用して得られた放射線量の予測値を値ｚ₁，ｚ₂，ｚ₃として予測部から取得するようにしてもよい。この場合は、指定された位置Ｔにおける将来の放射線量の推測値が得られる。学習モデルを生成するための情報処理装置も本発明の範疇に含まれ、そのような情報処理装置は、観測網を構成する複数の放射線観測点の観測データを集約する放射線量データサーバから、複数の放射線観測点の過去の放射線量を取得し、自然環境データサーバから過去の自然環境情報を取得し、放射線観測点ごとに、過去の放射線量を正解データとして過去の放射線量と自然環境情報との関係に基づく機械学習を行って学習モデルを生成する学習手段を備える。

【発明の効果】

【0011】

本発明によれば、指定された位置に放射線測定機器を搬入することなく、その位置での放射線量を確度高く推定することができるようになる。

【図面の簡単な説明】

【0012】

【図1】第１の実施形態の情報処理装置を示すブロック図である。

【図2】放射線観測点の配置の一例を示す図である。

【図3】放射線量の推定方法を説明する図である。

【図4】放射線量の推定の処理を説明するフローチャートである。

【図5】画面における表示例を説明する図である。

【図6】第２の実施形態の情報処理装置を示すブロック図である。

【図7】放射線量の推定の処理を説明するフローチャートである。

【発明を実施するための形態】

【0013】

［第１の実施形態］
次に、本発明を実施するための形態について、図面を参照して説明する。図１は、本発明の第１の実施形態の情報処理装置の構成を示している。図において、本発明に基づく情報処理装置は、推測値計算サーバ１０として示されている。

【0014】

第１の実施形態では、一定の地理的な領域内に多数の放射線観測点４１が配置して観測網が形成されていることを前提として、この領域内の任意の位置での放射線量を推測する場合を説明する。図２は、放射線観測点４１の配置の一例を地図上に示したものである。図２では、例えば、Ａ町役場の構内や、Ｂ駅の駅前広場などに放射線観測点４１が設けられている。各放射線観測点４１には、その放射線観測点４１での例えば空間線量率である放射線量を測定する放射線測定機器が備えられている。放射線観測点４１での放射線量の実測値は、例えばネットワークを介し、観測網における観測データを集約する放射線量データサーバ４０にリアルタイムで集められるようになっている。また、各放射線観測点４１の位置に関する情報、例えば、緯度及び経度で表した座標値、あるいは平面直交座標系で表された座標値も放射線量データサーバ４０に格納されている。以下の説明では、放射線量は、時間当たりの線量当量［μＳｖ／ｈ（マイクロシーベルト毎時）］で表される空間線量率であるものとするが、本発明では、他の種類の放射線量を用いることも可能である。放射線量データサーバ４０は、推測値計算サーバ１０の運営者とは別の外部機関が運営するものであってよく、例えば、地方自治体や原子力規制機関などによって運営される。推測値計算サーバ１０は、例えばインターネットなどのネットワークを介して放射線量データサーバ４０にアクセス可能である。

【0015】

推測値計算サーバ１０は、観測網を構成する複数の放射線観測点４１の中から、指定された位置Ｔ(ｘ_t，ｙ_t)の近傍にある放射線観測点４１を３点選択する観測点選択部１１と、観測点選択部１１によって選択された放射線観測点４１での実測値から、位置Ｔ(ｘ_t，ｙ_t)における放射線量ｚ_tを推測する計算を行う放射線量計算部１２と、を備えている。図１に示した例では、例えばスマートフォンである利用者端末５０から、指定された位置Ｔとしてその利用者の現在位置が観測点選択部１１に与えられており、放射線量計算部１２は、利用者の現在位置における現在の放射線量の推測値を計算して利用者端末５０に送信する。利用者端末５０が例えばＧＰＳ(global Positioning System)などによる衛星測位機能を備えていれば、現在位置に関する情報を利用者端末５０から推測値計算サーバ１０に送ることは容易である。また、放射線量の推定値が算出される位置は利用者の現在位置以外の位置とすることも可能である。利用者端末５０の利用者は、観測網の範囲内における任意の位置を指定してその位置についての情報を推測値計算サーバ１０に送信することにより、当該位置での放射線量の推定値を得ることができる。なお、利用者端末５０は、例えばモバイルネットワークとインターネットとを介して推測値計算サーバ１０に接続する。

【0016】

次に、第１の実施形態における放射線量の推定について、具体的に説明する。環境における放射線量は、地形や風量、天候などによって変化するが、地表での比較的狭い領域においては、平面位置での変化、すなわち東西方向及び南北方向での変化に対して一次で変化すると考えることができる。またこの領域においては、地球の表面は平面であると扱うことができる。そこで本実施形態では、観測点選択部１１は、指定された位置Ｔの平面座標における座標値（ｘ_t，ｙ_t）に基づいて放射線量データサーバ４０に格納された各放射線観測点４１の座標値を検索し、位置Ｔに近い順に３点の放射線観測点４１を選択する。例えば、位置Ｔを中心とする円の半径を０から徐々に拡げていき、円の中に放射線観測点４１が３点含まれるたら円の拡大を終了させてその時点で円に含まれている放射線観測点４１を選択すればよい。あるいは、放射線観測点４１が十分に密に配置されているときは、位置Ｔを含むある大きさの領域内にあるすべての放射線観測点４１について、座標値に基づき位置Ｔからその放射線観測点４１までの距離を算出し、距離が短い方の３点を選択してもよい。選択された３点の放射線観測点４１をそれぞれ点Ｐ₁，Ｐ₂，Ｐ₃とし、それらの座標値を（ｘ₁，ｙ₁），（ｘ₂，ｙ₂），（ｘ₃，ｙ₃）とする。座標値は、平面直交座標系で表されていてもよいし、地球の北極点あるいは南極点に近い地域でなければ、緯度及び経度によって表されるものであってもよい。当然のことながら、点Ｐ₁，Ｐ₂，Ｐ₃は同一直線上にあってはならない。

【0017】

観測点選択部１１が点Ｐ₁，Ｐ₂，Ｐ₃を選択したら、放射線量計算部１２は、放射線量データサーバ４０から、点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の実測値ｚ₁，ｚ₂，ｚ₃をそれぞれ取得して、ｚ軸方向を放射線量とする三次元空間での３点（ｘ₁，ｙ₁，ｚ₁），（ｘ₂，ｙ₂，ｚ₂），（ｘ₃，ｙ₃，ｚ₃）を通る平面上の点（ｘ_t，ｙ_t，ｚ_t）に基づき、指定された位置Ｔにおける放射線量ｚ_tを推定する。以下、ここでの放射線量の推定のアルゴリズムを説明する。図３はこのアルゴリズムによる計算を説明する図である。ｘ軸方向を東西方向、ｙ軸方向を南北方向とすると、点Ｐ₁，Ｐ₂，Ｐ₃も指定された位置Ｔもｘｙ平面上に位置する。点Ｐ₁，Ｐ₂，Ｐ₃は三角形を構成する。そして放射線量をｚ軸方向とする三次元空間を考える。図３はこの三次元空間を示している。狭い領域において放射線量が平面位置の変化に対して一次で変化するという上記の仮定は、図３に示す三次元空間において、放射線量ｚが下記式(1)に従う、ということを意味する。
ｚ＝ａｘ＋ｂｙ＋ｃ (1)
ここでの目標は、式(1)を満たすように点Ｐ₁，Ｐ₂，Ｐ₃での放射線量の実測値ｚ₁，ｚ₂，ｚ₃からパラメータａ，ｂ，ｃを求め、さらに式(1)において（ｘ，ｙ）＝（ｘ_t，ｙ_t）とすることにより、位置Ｔ（ｘ_t，ｙ_t）での放射線量ｚ_tを求めることである。

【0018】

三次元空間での点（ｘ₁，ｙ₁，ｚ₁），（ｘ₂，ｙ₂，ｚ₂），（ｘ₃，ｙ₃，ｚ₃）は、式(1)を満たすことから、下記式(2)が得られ、式(2)における左辺第１項の行列をＡとおき、その逆行列Ａ^-1を左から式(2)の両辺に乗じれば、式(3)が得られる。

【0019】

【数1】

【0020】

ここで行列Ａの行列式をｄｅｔ(Ａ)とおけば、
ｄｅｔ(Ａ)＝ｘ₁ｙ₂＋ｘ₂ｙ₃＋ｘ₃ｙ₁－ｘ₁ｙ₃－ｘ₂ｙ₁－ｘ₃ｙ₂
が得られ、式(3)から、
ａ＝{(ｙ₂－ｙ₃)ｚ₁＋(ｙ₃－ｙ₁)ｚ₂＋(ｙ₁－ｙ₂)ｚ₃}／ｄｅｔ(Ａ)
ｂ＝{(ｘ₂－ｘ₃)ｚ₁＋(ｘ₃－ｘ₁)ｚ₂＋(ｘ₁－ｘ₂)ｚ₃}／ｄｅｔ(Ａ)
ｃ＝{(ｘ₂ｙ₃－ｘ₃ｙ₂)ｚ₁＋(ｘ₃ｙ₁－ｘ₁ｙ₃)ｚ₂＋(ｘ₁ｙ₂－ｘ₂ｙ₁)ｚ₃}／ｄｅｔ(Ａ)
が得られる。このようにしてパラメータａ，ｂ，ｃを求めて式(1)に代入し、さらにｘ＝ｘ_t及びｙ＝ｙ_tを式(1)に代入すれば、指定された位置Ｔ（ｘ_t，ｙ_t）における放射線量ｚ_tの推測値を得ることができる。

【0021】

ところで、ここで説明した放射線量の推定方法では、点Ｐ₁，Ｐ₂，Ｐ₃で形成される三角形（△Ｐ₁Ｐ₂Ｐ₃）の内部に位置Ｔが存在するときに高い精度を得ることができるが、△Ｐ₁Ｐ₂Ｐ₃の外部に位置Ｔが存在するときには十分な精度が得られないことがある。ある点が三角形の内部にあるか外部にあるかの判定方法は公知であり、例えば当該点と三角形の各頂点との外積を計算して、得られた３個の外積値が同符号であれば当該点が三角形の内部にあると判定し、同符号でない場合には外部にあると判定する方法がある。

【0022】

位置Ｔが△Ｐ₁Ｐ₂Ｐ₃の外部にあって十分な推測精度が得られないと考えられるときは、一例として、
ｍｉｎ（ｚ₁，ｚ₂，ｚ₃）≦ｚ_t≦ｍａｘ（ｚ₁，ｚ₂，ｚ₃）
であれば、上記の方法で得られたｚ_tをそのまま推測値とし、
ｚ_t＜ｍｉｎ（ｚ₁，ｚ₂，ｚ₃）
であれば、ｚ_t＝ｍｉｎ（ｚ₁，ｚ₂，ｚ₃）とし、
ｍａｘ（ｚ₁，ｚ₂，ｚ₃）＜ｚ_t
であれば、ｚ_t＝ｍａｘ（ｚ₁，ｚ₂，ｚ₃）とすることができる。

【0023】

あるいは、位置Ｔが△Ｐ₁Ｐ₂Ｐ₃の内部に含まれないときに、利用者端末５０に対し、「周囲に適切な観測地点が存在しないため、誤差が大きい可能性があります」などと表示してもよく、さらには、位置Ｔに最も近い放射線観測点４１での実測値を参考値として表示してもよい。放射線観測点４１が位置Ｔから極端に離れている場合には、データの信頼性が得られないため、利用者端末５０に対して結果が表示されないようにすることもできる。位置Ｔから最も近い３点の放射線観測点４１によって形成される三角形△Ｐ₁Ｐ₂Ｐ₃の内部に位置Ｔが存在しないが、４番目に近い放射線観測点を用いて同様に三角形を構成したときにはその三角形の内部に位置Ｔが存在することとなるときは、位置Ｔを内部に含むその三角形に基づいて位置Ｔにおける放射線量ｚ_tを計算してもよい。

【0024】

図４に示すフローチャートは、第１の実施形態において、利用者の現在位置を指定された位置Ｔとする場合の放射線量の推定の処理を示している。まず、観測点選択部１１は、ステップ１０１において、利用者端末５０から例えばＧＰＳによる測位結果に基づく現在位置に関する情報を取得し、ステップ１０２において、現在位置に関する情報を正しく取得できたかどうかを判定する。現在位置に関する情報は座標値として観測点選択部１１に送られる。利用者端末５０において測位機能がない、あるいは測位に失敗した場合には、現在位置に関する情報を正しく取得できていないので、ステップ１０３において、観測点選択部１１は、利用者端末５０からの住所情報などの入力を受け付けて座標値に変換し、指定された位置とする。

【0025】

ステップ１０２において現在位置に関する情報を正しく取得したと判定したとき、及びステップ１０３を実行したのち、観測点選択部１１は、ステップ１０４において、指定された位置の近傍にある３点の放射線観測点４１を上述のようにして選択する。その後、放射線量計算部１２は、ステップ１０５において、選択された３点の放射線観測点４１における放射線量の実測値を放射線量データサーバ４０から取得し、ステップ１０６において、上記の放射線量推定アルゴリズムにしたがって指定された位置における放射線量の推定値を算出し、ステップ１０７において、算出された推定値を利用者端末５０に出力する。その結果、利用者端末５０の表示画面には、利用者端末５０の現在位置における放射線量の推定値が表示される。

【0026】

本実施形態では利用者端末５０がスマートフォンである場合には、スマートフォンの測位機能を用いて現在位置を取得して推測値計算サーバ１０に送信し、推測値計算サーバ１０から放射線量の推定値を受信して表示するアプリケーション（アプリとも称する）をそのスマートフォンにインストールすることにより、スマートフォンである利用者端末５０の利用者は、その現在位置における放射線量の推定値を容易に知ることができるようになる。さらに、スマートフォンにインストールされた既存の地図アプリと組み合わせることによって、表示された地図アプリ上で利用者が指定した任意の位置における放射線量の推定値を取得することも可能になる。

【0027】

上述の説明は、指定された位置Ｔにおける放射線量の推定値を求めることに関するものであるが、本実施形態によれば、例えば地図アプリ上において範囲指定された領域あるいは地図アプリにより現に表示されている画面に対応する領域内における放射線量の推定分布も求めることもできる。その場合、推測値計算サーバ１０は、指定された領域内に一定の密度で点を配置し、各点について上述したようにして放射線量の推定値を求め、領域内での推定値の分布を表すデータを作成する。利用者端末５０では、放射線量の推定分布を地図にオーバーラップして表示することができる。図５は、スマートフォンである利用者端末５０において、放射線量の推定分布を表示した例を示している。この例では、利用者端末５０の表示画面５１に地図が表示されるとともに、放射線量の推定値の分布が、濃淡あるいは色分けで地図上にオーバーラップして表示されている。例えば、空間線量率が高い領域ほど、濃い色で示される。利用者は、このような表示を参照することにより、放射線量の二次元分布を知ることができ、その行動に役立てることができる。

【0028】

［第２の実施形態］
本発明は、指定された位置での現在の放射線量の推測に限定されるものではない。放射線量は地形や風量、天候などによって変動する。地形の影響については放射線観測点４１ごとに固有であって同一の放射線観測点４１では変動しないと考えられるが、風量や天候などは、放射線観測点４１で実測される放射線量に影響を及ぼす。そこで、将来における風量や天候を予測することにより、各放射線観測点４１での将来の放射線量を予測し、その予測された放射線量を使用することにより、指定された位置Ｔでの将来の放射線量を推測することが可能になる。第２の実施形態では、各放射線観測点４１での将来の放射線量を予測することによって指定された位置Ｔでの将来の放射線量の推測値を求めることについて説明する。図６は、第２の実施形態の情報処理装置である推測値計算サーバ１０を示している。

【0029】

第２の実施形態における推測値計算サーバ１０は、図１に示した第１の実施形態の推測値計算サーバ１０と同様のものであるが、各放射線観測点４１での将来の放射線量を予測する予測部１５が設けられている点で、図１に示したものと異なっている。指定された位置Ｔにおける放射線量の推測値の算出に関し、放射線量計算部１２は、予測部１５が予測した各放射線観測点４１での放射線量を用いて、位置Ｔにおける将来の放射線量の推測値の算出を行う。予測部１５には、学習モデル１６が格納されているとともに、機械学習により学習モデル１６を生成する機械学習部１７が設けられている。学習モデル１６は、放射線量データサーバ４０から取得された放射線観測点４１ごとの過去の放射線量の測定値と、自然環境データサーバ４５から取得された過去の自然環境情報とを教師データとする機械学習を行って生成される。図６において破線で示す矢印は、学習モデル１６の機械学習に用いられるデータの流れを示している。自然環境データサーバ４５は、気象データなどを集積する外部機関に設けられるものであり、インターネットなどのネットワークを介して推測値計算サーバ１０に接続している。

【0030】

まず、本実施形態における学習モデル１６の機械学習について説明する。各放射線観測点４１での過去の放射線量の実測値を検討すると、風量や天候の変化との相関が認められる。そこで、本実施形態では、機械学習部１８は、自然環境情報を使用し、放射線観測点４１ごとに、過去の放射線量の実測値とその実測値に対応する過去の自然環境情報のデータとを用い、放射線量の実測値を正解データとする教師あり学習によりモデルの学習を行う。そのような学習の結果が集積されて学習モデル１６が形成される。自然環境情報は、例えば、温度、湿度、風速、風向、降水量、積雪深、気圧などの項目の少なくとも１つについてのデータを含むものである。モデルの学習に用いる機械学習アルゴリズムとしては、公知のものを使用することができる。対象とする放射線観測点４１の数が極めて多数であってすべての放射線観測点４１についてモデルの学習を行うための計算量が膨大になりすぎるときには、代表的な放射線観測点４１を選んでその代表的な放射線観測点４１についてモデルの学習を行ってもよい。なお、予測部１５に学習モデル１６が設けられることにより、各放射線観測点４１の座標などのデータも予測部１５に格納される。

【0031】

図７は、本実施形態における放射線量の推定の処理を示すフローチャートである。ここでは、放射線量の推測を行いたい指定された位置Ｔとして、利用者の現在位置が用いられるものとする。また、図４に示したフローチャートにおけるものと同じ処理には同じステップ番号が付与されており、重複する説明は適宜、省略する。まず、図４に示した場合と同様にステップ１０１～１０３の処理を実行し、続いて、ステップ１０４において、観測点選択部１１は、ステップ１０４において、指定された位置の近傍にある３点の放射線観測点４１を第１の実施形態と同様にして選択する。学習モデル１６の生成において代表的な放射線観測点４１を用いた場合には、選択される３点の放射線観測点４１は、モデルが生成されている放射線観測点４１、すなわち代表的な放射線観測点４１の中から選択される。

【0032】

ステップ１０４の実行後、予測部１５は、例えばインターネット上の外部サイトなどから、天気予報情報を取得する。天気予報情報には、自然環境情報に含まれている少なくとも１つの項目についての将来の値が含まれているものとする。すなわち、天気予報情報は、将来の自然環境情報を含んでいる。そして予測部１５は、ステップ１１２において、天気予報情報を学習モデル１６に当てはめることにより、観測点選択部１１が選択した３点の放射線観測点４１のそれぞれごとに、その放射線観測点４１での将来の放射線量の予測値を算出する。その後、放射線量計算部１２は、ステップ１０６において、予測部１５が算出した放射線観測点４１ごとの放射線量の予測値を使用して、上記のアルゴリズムにしたがって指定された位置Ｔにおける放射線量の推定値を算出し、ステップ１０７において、算出された推定値を利用者端末５０に出力する。その結果、利用者端末５０の表示画面には、利用者端末５０の現在位置での将来における放射線量の推定値が表示される。

【0033】

本実施形態では、将来の天気を晴と予測したときと雨と予測したときの各々について放射線量の推定値を算出し、利用者端末５０に表示させるようにしてもよい。また、将来における放射線量の分布の時間変化について、アニメーションを作成し、地図にオーバーラップするようにそのアニメーションが表示されるようにしてもよい。そのようなアニメーション表示の一例は、図５に示すように地図上に放射線量の分布が示されているときに、放射線量に応じた濃淡や色分けの形状が時間に応じて変化するものである。

【0034】

上記の説明から明らかなように、将来の放射線量の予測には現時点での実際の放射線量を使用しない。したがって、学習モデル１６をひとたび作成してしまえば、推測値計算サーバ１０は放射線量データサーバ４０や自然環境データサーバ４５にアクセスする必要はなくなる。なお、放射性物質の半減期や長期的な移動の影響を考慮すると、数か月ごとに学習モデル１６を再生成することが好ましい。

【0035】

［他の実施形態］
以上、本発明の第１及び第２の実施形態を説明したが、本発明では上記の各実施形態をさらに応用することもできる。図４に示される第１の実施形態での処理と図７に示される第２の実施形態での処理とを比較すると、第１の実施形態ではステップ１０５において各放射線観測点４１での放射線量の実測値を放射線量データサーバ４０から取得するのに対し、第２の実施形態ではステップ１１１で天気予報情報を取得した上でステップ１１２において学習モデル１６を用いた予測により各放射線観測点４１での将来の放射線量の予測値を取得する点で相違する。そこで、利用者端末５０から指示により、ステップ１０４の実行後にステップ１０５を実行するか、ステップ１０４の実行後にステップ１１１及びステップ１１２を実行するかを選択できるようにすることができる。これにより、利用者端末５０では、現時点での放射線量の推測値を得ることも、将来の放射線量の推測値を得ることも可能になる。

【0036】

また、ナビゲーション機能を有する地図アプリとの組み合わせにより、利用者端末５０において放射線量の分布を地図アプリ上で表示させたときに、放射線量が一定のしきい値を超える経路を通らないように迂回ルートの表示を行わせることもできる。このとき用いる放射線量の分布は、現時点での実測値に基づくものであってもよいし、将来の予測に基づくものであってもよい。

【0037】

以上説明した各実施形態において、情報処理装置である推測値計算サーバ１０は、パーソナルコンピュータやサーバー用コンピュータを使用し、このコンピュータ上で、推測値計算サーバ１０を構成する各機能ブロックの機能を実装したコンピュータプログラムを実行させることによって実現することができる。

【符号の説明】

【0038】

１０ 推測値計算サーバ
１１ 観測点選択部
１２ 放射線量計算部
１５ 予測部
１６ 学習モデル
１７ 機械学習部
４０ 放射線量データサーバ
４５ 自然環境データサーバ
４１ 放射線観測点
５０ 利用者端末
５１ 表示画面

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】