１．はじめに

近年、災害対応のさまざまなフェーズ（※）においてドローン等の機械技術の活用が試行され、その社会的ニーズも高まりつつある。しかし、人命救助を行う災害の初期対応のフェーズでは、消防、警察、自衛隊など、危険地での活動訓練を受けた公的機関によってのみ行われているため、人命救助活動の現場には、民間企業等が有する最新の科学技術や知見が十分に投入されてきたとはいえない。実際に、人命救助活動ではいまだ人海戦術の割合が大きい。活動の迅速化・効率化、隊員の安全向上に向けて現場活動の現状を変えていくために、ドローンやセンシング技術のさらなる活用が期待される。そこで本稿では、近年の豪雨災害の高頻度化によって各地で懸念が高まっている土砂災害をターゲットとして、災害発生直後の初期対応におけるドローン活用の現状と課題を紹介し、この分野で求められるセンシング技術について考察する。

※防災に関する対応や対策などの様々な活動は、時系列として「平時の予防」「災害発生直後の初期対応」「復旧」「復興」の4つの大きなフェーズの中で実施される。それぞれのフェーズにおいて、多様な主体が、異なる専門性を持って活動を展開している。「ドローンの防災活用」のような言い回しを耳にする機会は多いが、この表現では、どのフェーズで、どんな主体が、何のためにドローンを活用したいのかが分からない。このため、防災を語る場合には、フェーズと主体を特に意識して議論をすると論点が明確になる。

２．災害初期対応で使用されるドローン

ドローン技術の実証実験のニュースでは実に多様なドローンの使い方が試行されている一方で、消防機関等の現場に導入されたドローンの多くは、100万円未満の民生用機で、光学カメラや熱赤外カメラを搭載したものが多い。また、災害直後のオルソ画像（写真地図）の作成のために、自動航行機能を備えたものもある（オルソ画像については、内山（2022）^1）を参照されたい）。そうしたドローンの一般的な性能として、2022年度に消防庁から配備された小型空撮ドローンを例に挙げる（表1）。

現在の災害初期対応を行う機関の多くは、この例に近い性能の機体を使用していると考えてよい。このクラスの小型ドローンは、プロペラの騒音が小さく、ダウンウオッシュの影響もほぼないため、地上で活動する部隊への影響が少ない。垂直離着陸とホバリングができる機体は、操縦スキルが低い者でも運用できる。そして、Li-Poバッテリーを動力とする電動機は、整備に高度な専門技術や設備を必要としない。運用においては、飛行時間が短いために、飛行する場所まで機体・備品・運航チームを移動させる必要がある。このため、機体サイズが小さいほど機動性が高くなる。車両や防災ヘリなどの貨物スペースに機体を積めることも運用において重要なポイントになる。

３．土砂災害における初期対応の流れ

まず土砂災害における活動の流れと全体像（図1）を紹介し、次章で個々の段階で行われる活動の課題を整理する。 土砂災害の初期対応では、現場到着後に情報収集と検索活動を単独あるいは同時並行で実施する。その目的は、要救助者・行方不明者の人数と位置の特定・推定、および二次災害リスクから活動する隊員の安全を確保することである。次に、救助活動の要否、救出方法と優先順位を判断・決定し、救助活動を実施する。救助活動は、表面検索、空間検索、最終検索の順で捜索範囲を二次元的、三次元的に拡大していく。

情報収集は、要救助者に関するものと活動場所の評価に関するものとの2種類がある。119番通報の情報では断片的なため、被災した家屋が分かればその同居者や周辺住民、地域に詳しい消防団員、被害の目撃者等へヒアリングを行う。行方不明者の全容が把握できない場合は、警察や自治体の持つ情報に加えて、避難所での聞き取りも実施することもある。活動場所の評価に関する情報収集では、土砂災害の種類、気象、ハザードマップ等の地図、災害前の空中写真、災害後のドローン写真、防災ヘリからの報告と映像、地上から見える範囲での危険情報などを取得する。

土砂災害の種類は崖崩れ、土石流、地すべりの3種があり、まずはこの種類を特定する必要がある。次に、土砂の流出地点、流出方向、到達範囲、土砂の水分量、流木や瓦礫の量、住宅の被害状況、道路の通行可否に加えて、土砂に巻き込まれた要救助者の被災位置を検討し、要救助者がいる可能性が高い場所を絞り込む。要救助者の被災状況としては、建物上層への垂直避難による逃げ遅れ、流出した家屋や住宅低層部あるいは車両への閉じ込め、屋外にいた場合には土砂流に直接巻き込まれるといった被災状況が想定される。

検索活動には3種類あり、目視と呼びかけで行う表面検索、要救助者がいる可能性の高い住宅の内部に進入する空間検索、重機を使用して瓦礫や土砂を撤去する最終検索の順に実施する。土砂などに圧迫され声が出せない状況も想定されるため、サイレントタイムを設けて車両、ヘリコプター、呼びかけなどを停止させることもある。要救助者の携帯電話番号が分かった場合は、電話の呼び出し音を探す方法もとられる。空間検索では、要救助者が土砂や瓦礫に閉じ込められていることが想定されるため、内視鏡のような画像装置、地中音響・電磁波・二酸化炭素などの各種探査装置、熱赤外カメラなどの様々なセンサを用いる。また、住宅への進入の際は、住宅の崩落による二次災害を防ぐため、瓦礫や障害物の除去による避難路の確保と、進入路を安定させる支柱の設置を行う。ここまでの活動で発見できない要救助者がいる場合には、最終検索として土砂や瓦礫を大規模に除去し、被災範囲全体について再度検索を行う。

次回に続く－

【著者紹介】
内山　庄一郎（うちやま　しょういちろう）
防災科学技術研究所　マルチハザードリスク評価研究部門　特別研究員

■略歴
1978年宮城県仙台市生まれ。博士（環境学、東京大学）。2003年より現職。
ドローンによる災害状況把握技術の開発と社会実装に従事。地すべり地形分布図（2014年完了）、災害事例データベース（2012年）、防災科研クライシスレスポンス（現bosaiクロスビュー、2012年）の設計と構築を行った。著書「必携ドローン活用ガイド」など。

1. はじめに

 近年、無線通信技術の発達により、身の回りにある様々なものがインターネットと繋がり多様な情報を入手可能なIoT (Internet of Things) 時代が到来した[1,2,3]。これにより、クラウドの潤沢な計算資源とエッジの多様な情報を活用することで、様々なサービスが実現可能になる。自動飛行ドローンは次世代アプリケーションの1つとして大きな注目を浴びている[4,5]。自動飛行ドローンを利用するメリットは、作業を自動化できること、人が立ち入れない場所にも入れることである。そのため、自動化された荷物配送や肥料の自動散布、上空からの撮影や危険物への接写等の様々な目的での利用が検討されている[6,7,8,9]。
 このような自動飛行ドローンを安全に運用するためにはIoTの恩恵を受けてクラウドと連携した高度な飛行管制が重要である。既に1km2の範囲内で100機のドローンを衝突させること無く制御することに成功した例が報告されている[10]。また飛行中の障害物に関しても、イベントカメラなどを用いて低遅延での物体認識を行うことでその回避が可能となっている[11]。
 自動飛行ドローンは自動運転車と比較して実現するためのハードルが非常に高い[12]。例えば経路決定において、自動運転車は地図を用いて二次元的に経路決定を行うのに対して、自動飛行ドローンは飛行高度設定が自由であり三次元的な経路決定を行うため解空間が膨大である。加えて、運行中に発生する障害要因は自動飛行ドローンの方が圧倒的に多い。自動運転車の障害要因としては車体トラブルや路上の障害物との衝突が考えられる。それに対し、自動飛行ドローンでは電波消失やGPSの故障、カメラの故障などの機体トラブルや全方向からの障害物に加えて、ゲリラ豪雨や突風などの気象環境の急変によって飛行不能な状況に陥るケースも考えられる。これらの障害は飛行状況によってさまざまな発生パターンが考えられいつ発生するかも全く分からない。このように様々な障害の可能性があり、経路選択の制約が緩い自動飛行ドローンにおいて、すべての障害要因を事前に想定して回避することは不可能である。
 加えて、これらの事態の対応に許される時間はとても短い。自動車の急ブレーキを例に挙げると、ドライバーが急ブレーキを踏むまでの意思決定には約1秒間を要することが報告されている[13]。もし人と同程度の意思決定を自動飛行ドローンでも実現するならば、先に述べた事象の対応に許される処理時間は約1秒間となる。しかし、クラウドで処理を行う場合、通信遅延の影響は避けられず、通信遅延も含めて約1秒間という時間で結果を得ることは現実的に極めて困難である[14]。
 自動飛行ドローンの高信頼化のためには、高信頼化を実現するさまざまなアプリケーションとそれを処理するエッジ・クラウド間の高度な連携が必要である。そこで本稿では、エッジ・クラウド連携に関する最先端の研究事例を紹介するとともに、我々の研究グループで取り組んでいるタスクマッピング手法の一例を紹介し、今後の方向性について述べる。

2. エッジ・クラウド連携に関する研究動向

 IoTの普及によりエッジとクラウドの連携の重要性が広く知られている。クラウドサーバは、IoTデバイスよりもはるかに潤沢な計算資源とストレージ資源を持っているため、計算集約型のタスクをクラウドサーバに移行することでIoTデバイスの軽量化に大きく貢献する。クラウドサーバ上で計算するために、IoTデバイスとクラウドはMAUI[15]やThinkAir[16]などのオフロード・フレームワークを動作させる必要がある。これらのフレームワークにより、IoTデバイスはさまざまなタスクを状況に応じて異なるアーキテクチャを持つクラウドサーバにもオフロードできる。
 しかし、クラウドサーバはIoTデバイスから論理的・空間的に離れているため通信遅延の増大が課題として知られている。このような通信遅延がIoTデバイスの性能の大きなボトルネックとなっており、時にはシステム全体に致命的な影響を及ぼす場合もある。自動飛行ドローンにおいては、このような通信遅延の増大により致命的な事態に陥ることもあり、通信遅延を如何に小さくするか、通信遅延が大きくなったとき如何に被害を最小に抑えるかの研究が盛んに行われている[17]。
 Tongらは、エッジデバイスとクラウドサーバの間に複数のサーバを階層的に配置することで通信遅延時間を抑えつつクラウド資源を効率的に活用する手法を提案した[18]。この手法ではエッジデバイスとの通信遅延時間ができるだけ小さくなるよう下位階層のサーバは人が集まりやすい場所に設置される。下位階層のサーバの計算資源が枯渇すると、より潤沢な計算資源を有する上位サーバへと順にオフロードすることでピーク時も効率的にタスク処理が可能である。
 Dinhらは、タスクマッピングとCPU周波数を協調して最適化することによりIoTデバイスの消費エネルギーとタスクの実行時間を最効率化する手法を提案した[19]。従来のIoTデバイスのタスクオフロードに関する研究では消費エネルギーとタスクの実行時間のいずれかのみの最適化が一般的であるが、Dinhらの手法は同時最適化を可能としている。
 Liらは、タスクの通信遅延制約を考慮して各タスクが最大許容遅延時間前にサービスを提供できることを保証しながら、タスクオフロードのコストを最小化する手法を提案した[20]。この手法ではタスクをハードデッドラインかソフトデッドラインかで分類し、ハードデッドラインなタスクは優先的に計算資源が割り当てられる。これにより、最大許容遅延時間を満たしたタスクオフロードが可能となる。
 これらの研究はIoTシステムの通信遅延に関する課題をさまざまな方向から解決するものである。これらの研究では与えられたすべてのタスクは実行することが大前提となっており、そのための方策を提案している。一方、ドローンの高信頼化の観点では、通常時に実行していた全てのタスクを緊急時にも全て実行することは必ずしも重要ではなく、重要 度の高いタスクのみを確実に実行して致命的な状況さえ回避できれば良いという考え方もある。次章では我々の研究グループで取り組んでいるタスクマッピング手法の一例を紹介する。

次回に続く－

【著者紹介】

吉本　丈（よしもと　じょう）
大阪大学 大学院情報科学研究科 博士前期課程

■略歴
2020年3月 大阪大学 工学部 電子情報工学科 卒業
2022年3月 大阪大学 大学院情報科学研究科 博士前期課程修了
IoTシステムの設計技術に関する研究に従事。

谷口　一徹（たにぐち　いってつ）
大阪大学 大学院情報科学研究科 准教授

■略歴
2002年3月 石川工業高等専門学校 電子情報工学科 卒業
2004年3月 大阪大学 基礎工学部 情報科学科 卒業
2006年3月 大阪大学 大学院情報科学研究科 博士前期課程修了
2007年〜2008年 Katholieke Universiteit Leuven (IMEC)にてInternational Scholar
2009年3月 大阪大学 大学院情報科学研究科 博士後期課程修了、博士（情報科学）
2009年4月〜2017年1月 立命館大学理工学部 助教及び講師
2017年2月 大阪大学大学院情報科学研究科 准教授、現在に至る
VLSI設計技術、システムレベル設計方法論、低消費電力設計技術、サイバーフィジカルシステム設計方法論、次世代アプリケーションなどに関する研究に従事。IEEE、ACM、電子情報通信学会、情報処理学会 各会員。

1 はじめに

 近年、日本ではインフラの老朽化 (図 1) が問題となっており、港湾施設や橋脚等の水域インフラも例外ではない。これらの点検は、潜水士が水に潜って担うが、高齢化に伴う人材不足や安全確保が課題となっている。また水産業においても、養殖場の巡回点検を頻繁に行う必要があるが、漁業従事者の減少により人手不足 (図 2) が課題になっている。

 これらの課題に対応するため筆者らは、「水空合体ドローン」を試作した [3, 4]。これは、空中ドローンが水中ドローンを抱えて飛んでいき、作業水域で水中ドローンが離脱・潜航、作業終了後にそれを回収、離水して再び陸上拠点に戻ってくるというものである (図 3)。作業水域への往復は LTE を介した自動飛行で行い、また LTE 経由で水中映像をリアルタイムで陸上から監視可能である。
 このシステムを実用化するためには、水中ドローンの位置が陸上拠点から把握できなければならない。その主な理由は次の 2 点である。(1) 水中ドローンを遠隔から操縦するために必要。(2) 送られてきた水中映像で異常個所が発見できたとしても、それがどこかわからないと、直すために潜った潜水士がまた場所を探すところから始めなければならなくなる。
 水中では GPS は使えないので、音響測位技術を利用する。本稿では、この私たちの水空合体ドローンに搭載している音響測位技術 [5, 6] について説明する。

2 水空合体ドローンとその音響測位への要件

 図 4 と表 1 にそれぞれ試作した水空合体ドローンの写真と主要諸元を示す。このように中サイズの空中ドローンの下部に開閉可能なケージを取り付け、そこに市販の水中ドローンを格納している。水中ドローンと空中ドローンはテザーケーブルで接続されており、ここを制御信号及び映像信号が通る。水中ドローンの作業範囲としては、空中ドローンから数十メートルの範囲を想定している。
 空中ドローンは LTE 回線を有し、KDDI スマートドローンプラットフォーム [7] のもとで動作する。陸上の拠点から目的の水域まで自動飛行し、着水する。その後はオペレータが水中ドローンの離脱・潜航・作業後の回収を遠隔で操作する (図 3)。その間、水中ドローン及び空中ドローンからの映像が LTE 経由で陸上拠点へ生中継される (図 5)。また水中ドローンと空中ドローンの位置が図 6 のように表示される。
 以上のような水空合体ドローンにおける水中ドローンの測位に関しては、次のような要件があげられる。

• 水中ドローン側はもちろんのこと、空中ドローン側も装置は小さく軽いことが重要である。

• 浅海域でも正確に測定できる必要がある。すなわち、反射波等の妨害に強い必要がある。
• 空中ドローン・水中ドローンのコスト感に合うものである必要がある。つまり従来の同等の音響測位装置に比べて低コストである必要がある。したがって INS(慣性航法装置) 等の高価な装置は望ましくない。
• 今後はダイバーとドローンが同時に作業したり、複数のドローンが同時に作業したりするようになることが想定される。この場合複数のターゲットを同時に測位する必要がある。

次回に続く－

【著者紹介】

川田　亮一（かわだ　りょういち）

■略歴
1991年，東大大学院了．同年，現KDDI入社，研究所に勤務．映像処理，特に動き補正TV方式変換，画質評価／監視，画像符号化などの研究 開発に従事．1997～1998年，米コロンビア大客員研究員．2014～2016年，慶大SFC上席研究員（W3Cフェロー）．2016～2018年，内閣府上席政策調査員．現在，水空合体ドローンの音響測位技術の研究開発に従事．博士（工学）．

西谷　明彦（にしたに　あきひこ）

■略歴
1986年，鹿児島県立鹿屋高卒．現 KDDI 入社後は，OSI 通信，分散システム，サイレント障害検知技術に関する研究に従事後，研究フィールドを海洋に移す．2016年より深海探査技術の世界大会に，日本チーム（Team KUROSHIO）の一員として挑戦．2019年より海中光無線技術の応用研究，水空合体ドローンの開発等に取り組み中．

小島　淳一（こじま　じゅんいち）

■略歴
1981年，東工大大学院工学研究科修士課程了，国際電信電話株式会社（現KDDI株式会社）入社，海底ケーブルの保守・点検に関連する研究開発に従事．海底ケーブル調査・点検用の自律海中ロボット（AUV）を開発．近年は水中音響技術を応用した研究開発を行う．2021年，定年退職し現在に至る．2016年，科学技術賞（開発部門）受賞，IEEE会員．