AI雪崩予測システム

従来の経験則に依存した雪崩予測から、科学的データに基づく客観的な予測へ。

気象データ、雪崩発生履歴、地形情報を機械学習で統合解析し、
これまでにない高精度な雪崩危険度予測の実現を目指しています。

なぜAI予測が必要なのか

従来の雪崩予測の限界

現在の課題：

人に依存した予測

専門家の経験と勘に頼る判断
予測者によるバラつき
24時間対応は不可能

限定的なカバー範囲

広大な山域はカバーできない
斜面単位の詳細予測は困難

新しい雪崩パターンへの対応遅れ

気候変動による未知のパターン
過去の経験則が通用しない

AIが切り拓く新たな可能性

「感覚だけではなく、科学的データに裏付けを持たせ、
自分の感覚にブレはないのか計ることが重要」

— 代表理事森山建吾

人間の経験とAIの分析力を組み合わせることで、より確実な予測が可能になります。

AI予測システムの仕組み

3つのデータを統合学習

1. 気象データ

リアルタイム観測

気温・風速・降雪量
24時間の変化パターン
過去の気象履歴

2. 雪崩データ

発生履歴の蓄積

過去の発生地点
規模・種類・被害
発生時の条件

3. 地形データ

ドローンによる3D地形解析

斜度・標高・方位
植生・地表状態

予測の流れ

データ収集（10分ごと）

前処理・正規化

機械学習モデル（深層学習）

危険度スコア算出（0-5段階）

予測マップ生成

配信・アラート

革新的な3つの特徴

1. 斜面単位の詳細予測

従来：
エリア全体で「危険度3」のような大雑把な評価

AI予測：
斜面ごとに詳細な危険度を算出

• 北斜面の標高2500m地点：危険度4
• 南斜面の標高2000m地点：危険度2
• 谷筋の吹きだまり：危険度5

→ ピンポイントでリスクを把握

2. 24時間365日の継続監視

人間には不可能な継続性：

• 深夜の急激な気象変化を検知
• 休まず監視
• 疲労やバイアスによるミスがない

異常検知機能：
通常とは異なるパターンを自動検出し、アラート発信

3. 学習による精度向上

データが増えるほど賢くなる：

• 新しい雪崩事例を学習
• 予測と実際の差を分析
• モデルを自動更新

目標精度：80%以上

開発状況と今後の展開

開発ロードマップ

2025年（現在）

基礎データの収集・整理

機械学習モデルの選定

プロトタイプ開発

2026年

テスト運用開始（限定エリア）

精度検証と改善

専門家による評価

2027年

テスト運用

関係者に向けてのテスト運用開始

期待される活用シーン

一般の雪山利用者

スマートフォンで確認：

[アプリ画面イメージ]

明日の白馬岳北斜面

危険度：4（高い）

「新雪の不安定性により雪崩リスクが高まっています。
別ルートの検討を推奨します。」

入山前にリスクを把握し、安全なルート選択が可能に

プロフェッショナル

スキー場パトロール：

朝のミーティングでAI予測を確認
重点パトロールエリアの決定

山岳ガイド：

ツアールートの事前評価
代替ルートの準備
顧客への説明資料として活用

防災機関

自治体・道路管理者：

• 通行止め判断の参考資料

人とAIの協働

AIは人間を置き換えるのではない

AIの役割：

膨大なデータの処理
24時間の監視
客観的な分析

人間の役割：

現場の最終判断
想定外への対応
倫理的な配慮
現場での情報収集

協働により実現すること：

→ より確実で、より広範囲な安全確保

本格運用開始予定

2028年

より安全な雪山の実現に向けて、開発を進めています