Contents
エグゼクティブサマリー
「災害×DX」は、まさに生死を分ける“ど真ん中”の領域です。にもかかわらず、日常の利便性を上げるDX（キャッシュレスや業務効率化など）に比べると、社会の注目はどうしても限定的になりがちです。理由はシンプルで、効果が“起きないこと（被害が出ないこと）”として現れ、投資対効果が平時に見えにくいから。けれど、気候災害の激甚化や人口減少・高齢化が進むほど、「人手で回す前提」の防災は持ちません。
本稿では、災害対応のDXを、①災害予測AI、②ドローン物流、③リアルタイム避難シミュレーション、④スマートシティ（都市OS／データ連携基盤）という“部品”として捉え直し、最後にそれらを束ねる「レジリエンス設計」でどう実装していくかを整理します。キーワードの「防災DX」は、国・自治体・指定公共機関などがデジタル技術で災害情報を共有し、意思決定と行動を速めて全体最適の災害対応を実現する取り組み、と公式にも説明されています（出典：デジタル庁）。
重要な示唆は3つあります。第一に、AIは“当てる魔法”ではなく、現場の判断を速く・細かく・一貫させるための「意思決定支援」です。 第二に、ドローンは“空から運ぶ”だけでなく、通信や状況把握の回復手段にもなり得る一方で、制度・運航・社会受容がボトルネックになりやすい。 第三に、リアルタイム避難シミュレーションは“避難計画のアップデート”を可能にしますが、位置情報・属性情報を扱う以上、プライバシーと公平性の設計が成果を左右します。
防災DX、スマートシティ、レジリエンス設計
まず用語の足場固めからいきます。
防災DXは、単に紙をアプリに置き換える話ではありません。災害時に「被害把握→意思決定→行動」を回すための情報共有・データ連携・業務変革を、平時から仕込むことです。デジタル庁は、災害時の的確な意思決定と行動のために「情報」が不可欠であり、国・自治体・指定公共機関がデジタル技術で災害情報を共有することで全体最適の災害対応が可能、と明記しています。
スマートシティは、センサーやAIで“便利な街”を作るだけではありません。本質は、サイバー（データ）とフィジカル（都市）をつないで、複数分野を横断的に運用できる「都市のOS」を持つことです。国交省のスマートシティ官民連携プラットフォームも、AI・IoTなど新技術やデータを活用したスマートシティをまちづくりの基本コンセプトと位置づけ、官民連携で推進すると説明しています。
そしてレジリエンス設計。これは「災害に強いシステムを“設計として”持つ」考え方です。国際的には、危害にさらされたシステム・コミュニティが、抵抗し、吸収し、適応し、回復する能力として定義されています。 日本でも国土強靱化（ナショナル・レジリエンス）が、国民の命と財産を守る国家のリスクマネジメントだと位置づけられています。
ここで大事なのは、「停電する」「通信が落ちる」「道路が寸断する」など“前提が崩れる”瞬間に、代替手段が自動的に立ち上がるよう設計すること。DXは、その代替手段を増やす強力な道具になります。
災害予測AI
災害予測AIは、ざっくり言えば「観測→予測→意思決定」のサイクルを速く、細かく、確率的にする技術です。入力はレーダー・衛星・地上観測・河川水位・地形・人流データなど。出力は、短時間の降雨ナウキャスト、洪水の到達時刻や浸水深、土砂災害の危険度、被害の推定などです。
日本の一次情報として押さえておきたいのが、気象庁と理化学研究所 革新知能統合研究センターの共同研究です。ここでは、解像度や予報時間の異なる複数の数値予報結果をAIで最適に組み合わせる「統合型ガイダンス」（仮称）で降水量予測精度の向上を狙い、さらにディープラーニングで全国1kmメッシュの気温実況値推定などを進めた、と報道発表しています。 同発表には、観測データのノイズ除去で「平均で30％を超える精度改善」が得られた、という具体的な数値も示されています。
もう一つ、日本の“実装寄り”の例が、SIP（戦略的イノベーション創造プログラム）文脈での災害動態の予測・共有です。SIPの英語パンフレットには、集中豪雨を「いつ・どこで・どれくらい」を予測し、現状で2時間先の局地的豪雨の予測を実現していること、そしてSIP4D（災害対応の情報共有基盤）が16都道府県の防災システムと接続され動作確認されたことなどが記載されています。
海外の潮流も見ておきましょう。短時間降雨のナウキャストでは、Google DeepMindがレーダー画像から確率的に降雨を予測する生成モデルを提案し、評価で専門予報官の多くが高く評価した、とNature論文で報告しています。 ここで面白いのは、深層学習型の弱点として「物理制約がないため長めのリードタイムで“ぼやける”」といった課題が論文内で議論され、そこを確率モデルで補おうとしている点です。
中期の天気予報では、ECMWFのデータを用いた機械学習モデルが、従来の数値予報と比較して高い性能を示した、とScience掲載のGraphCast論文が報告しています。
さらに洪水予測では、Googleの運用システムを、機械学習を含む運用フレームワークとして整理した査読付き論文（Hydrology and Earth System Sciences）があります。 一方で、こうしたAIシステムを「責任あるモデル運用」という観点から再評価し、展開準備性を論じる研究も出てきています。 これは“AI万能論”への良いブレーキになります。
では、災害予測AI vs 従来手法は何が違うのでしょう。従来手法（数値予報・水理モデル・ハザードマップ・経験則）は、物理法則に基づく説明可能性と、設計基準としての安定性が強みです。一方AIは、観測データを大量に取り込み、短時間で高解像度化したり、複数モデルの癖（バイアス）を学習して補正したりするのが得意です。
限界もはっきりしていて、データの偏り・環境変化（気候変動で“過去が未来の教師になりにくい”）・誤警報と見逃しのトレードオフ・ブラックボックス性が問題になります。
実務的な提言としては、自治体・企業ともに「AIモデル単体の導入」ではなく、①物理モデル＋AIのハイブリッド、②人間の意思決定プロセス（誰がいつ何を決めるか）に接続、③訓練で使って改善、の3点をセットにするのが近道です。SIPの市町村向け統合システム（IDR4M）も、物理モデルとAIの組み合わせでハザードを評価し、250mメッシュ・10分更新・6時間先まで“見える化”して判断支援する構想を掲げています。
ドローン物流
ドローン物流は「道路が使えない」「人が行けない」状況で、必要最小限の物資を“最後の数キロ”へ届ける切り札になり得ます。仕組みは、機体（ペイロード・航続距離）、運航（遠隔自律飛行・運航管理・安全管理）、通信（携帯網・衛星など）、そして制度（飛行許可・操縦資格・機体認証）の掛け算です。
日本では制度面の変化が大きく、国交省のレベル4飛行ポータルは、2022年12月5日から制度がスタートしたと明記しています（出典：国土交通省 レベル4飛行ポータル）。 さらに内閣官房・国交省の資料では、改正航空法の下でレベル4（有人地帯で補助者なし目視外飛行）が可能になったこと、そして具体例として日本郵便が奥多摩町で初飛行を実施したこと、ANAホールディングスやKDDIスマートドローンの実証も列挙されています。 この資料には、奥多摩での総飛行距離が約4.5km、所要約9分とも書かれており、災害時に“迂回を強いられる陸路”と比べたときの意味は直感的です。
より災害対応に近い文脈では、KDDIが天龍村で、孤立集落を想定し、衛星ブロードバンドを搭載した車載基地局で通信を確保しながらドローン配送を行い、迅速な配送が可能であることを確認したと発表しています。 また輪島市での地震対応では、ドローンで医療物資を孤立地域へ輸送したことを、参加企業側が「国内で初めての試み」と表現しています。 ここは“国内初”の定義が揺れやすいので、実務上は「誰が何をもって初とするか」を検証可能な形で残すのが、次の制度改善にも効きます。
定量的な示唆として参考になるのが、大分県の資料です。日田市のケースでは、徒歩で迂回すると2.9kmで46分かかる一方、ドローンでは0.5kmを5分で届ける、といった比較が示されています。 また宇佐市のレベル3.5飛行の実証では、約6.8kmを約15分、約5.6kmを約14分で配送した記録が載っています。 災害時の道路寸断や渋滞を考えると、この「時間の読みやすさ」は現場指揮に効きます。
海外事例としては、医療物流を“平時から”回すことで有事にも強くするモデルが象徴的です。ルワンダではZiplineのドローン配送が血液製剤の配送時間短縮と廃棄削減に寄与したと、The Lancetの研究が報告しています。具体的には、導入後に血液の期限切れが月7.1単位減り、12か月で67％減に相当した、という結果が示されています。 もちろん日本の災害物流にそのまま移植できるわけではありませんが、「平時運用→データが溜まる→有事に転用できる」という筋の良さは、日本の“備えない防災”とも相性が良いはずです。
さらに通信復旧の海外例として、AT&Tの“Flying COW”がハリケーン後に緊急4Gカバレッジを提供し、1機で約22平方マイルをカバーできた、と米国運輸省系のレポートが記載しています。 物流だけでなく「通信・情報収集の回復」まで含めると、ドローンの価値は一段上がります。
では、ドローン物流 vs 従来物流。従来物流（トラック、人による運搬、ヘリ）は大量輸送と確実性が強い。ドローンは小口・緊急・ラストマイルに強い。ただし、気象条件、航続距離、ペイロード、バッテリー、離着陸場所、運航管理者の確保が制約です。制度面でも、レベル4のためには操縦ライセンスや機体認証など要件があり、運用状況として許可承認件数やライセンス交付数などが公開されています。
実装提言としては、自治体側は「災害協定＋訓練＋飛行ルート候補＋離着陸点の予備」を平時から揃える。企業側は「運航管理の標準手順書」「通信途絶時のフェールセーフ」「住民説明のテンプレ」を用意する。市民側は「騒音・安全・撮影への不安」を率直に出し、合意形成に参加する——この三者が揃って初めて、災害時に“使えるドローン”になります。
リアルタイム避難シミュレーション
避難計画の悩ましさは、「計画は紙の上では正しいのに、当日は混むし、濡れるし、情報が違う」ことです。リアルタイム避難シミュレーションは、このギャップを埋めるための技術です。洪水・浸水・土砂などの進行をデジタル空間で再現し、住民の位置や避難所の混雑を踏まえて「今この人はどこへ逃げるのが合理的か」を更新し続けます。
国内の代表例として分かりやすいのが、関西文化学術研究都市を対象にした「グリーン・サステナブルけいはんな事業」です。ここでは、デジタルツイン上で洪水・浸水を再現し、被災者の位置情報・避難所情報を基に避難誘導アプリで最適な避難方法を表示し、避難所の収容可能人数・混雑状況を推計して代替避難所へ誘導する、と明快に書かれています。 さらにKPIとして「取組を有用と感じる住民割合70％以上」を掲げており、技術デモに終わらせない意思も読み取れます。
加えて、汎用的な接続方式（NGSIv2）をなるべく使うことで他分野サービスとも連携できる、といった“実装の作法”にも踏み込んでいるのが実務者には嬉しいポイントです。
もう一つの軸が、3D都市モデルとシミュレーションです。Project PLATEAUのユースケースでは、従来の浸水ハザードマップが「浸水深ランクの幅が大きい」「個々の建物の属性を考慮できない」といった課題を持ち、3D都市モデルを用いた詳細シミュレーションで建物ごとの浸水深や流失・倒壊リスクを把握し、垂直避難も含めたより効率的な避難計画を検討できる可能性が述べられています。
さらに国交省は、Project PLATEAUと防災科学技術研究所が連携して防災・災害対応に寄与する新たなシステム環境構築を目指すプロジェクトを開始したと発表しています。 “データ整備”から“現場支援ツール”へ降りてくる動きで、ここは今後の伸びしろですね。
ここで比較です。リアルタイム避難シミュレーション vs 既存避難計画。既存計画は、地域の合意形成・責任分界・訓練の基盤として不可欠です。一方で、静的で、混雑や道路障害、避難所の満空、要配慮者の状況などを反映しにくい。リアルタイム型は、位置情報や状況データを取り込むことで、その“当日差分”を扱えるのが強みです。
ただし限界もあり、通信途絶時にアプリが使えない、データが欠損する、誤誘導が起きる、スマホを持たない人が取り残される、といったリスクが出ます。だからこそ「デジタルの避難誘導は、紙の計画を置き換えるのではなく、上乗せのレイヤーとして設計する」発想が重要です。
また倫理面では、位置情報を扱う以上、同意・目的外利用の防止・データ最小化がカギになります。防災デジタルプラットフォームの整備状況をまとめた資料では、防災分野の個人情報取扱い指針を策定し周知・研修を行っている、と書かれています。 技術と制度を同時に整える姿勢が、実装の前提条件になります。
スマートシティが“防災の器”になる
ここまでの技術は、単体では強くても、バラバラだと災害時に噛み合いません。必要なのは「器」、つまりデータが流れ、状況認識を揃え、現場と本部が同じ地図を見られる基盤です。
日本で象徴的なのが、SIP4D（共有情報基盤）と、その周辺の動きです。SIP4Dは、災害対応機関が保有する情報を相互に共有し、状況認識の統一を図る基盤だと説明されています。 さらにSIP資料では、16都道府県の防災システムと接続して動作確認された、という実証の記載があります。
そして「防災DXは現場で動かずして果たせない」という含意を、能登半島地震の活動を踏まえた資料が強く示しています。避難所情報を集約して重複・未確定を解消したり、避難者把握を支援したりと、現場に入り込みながらデータを整えるプロセスが描かれています（出典：防災科研資料、能登半島地震）。 同資料は「自治体間格差」への懸念も示しており、ここが“注目度が限定的”なままでは危ない論点です。
国側の基盤整備としては、防災デジタルプラットフォームの中核に「新総合防災情報システム（SOBO-WEB）」を据え、共有すべき情報項目（EEI）を整備し、さらにドローン映像等を共有する防災IoT機能を実装している、と整理されています。 また同資料では、防災DX官民共創協議会が2022年12月に発足し、2025年3月時点で520者が参画していることも明記されています。 「注目度が限定的」と言いつつも、官民共創の枠組みが拡大しているのは確かなポジティブ材料です。
スマートシティ側の“器”としては、Project PLATEAUが象徴的です。PLATEAUのオープンデータは、2021年度に56都市から始まり、2025年度末に約300都市まで拡大予定で、2025年12月時点の公開ロケーション数は265と示されています。 防災は地形・建物・道路の情報が効く領域なので、データのカバレッジが広がること自体が防災DXの“土台”になります。
では、なぜここまで重要なのに注目が限定的なのか。私は主に3つの構造があると思います。
一つ目は「成功が見えない」問題。災害が起きない年ほど成果が評価されにくい。二つ目は「縦割りと調達」。データが部局ごとに分散し、災害時に統合できない。三つ目は「プライバシーと公平性」。位置情報や健康情報を扱うほど価値は上がるが、合意形成が難しくなる。
この3つをまとめて解くのが、レジリエンス設計としての防災DXです。
倫理・プライバシー・公平性と実装提言
最後に、実装で外せない“人間側”の論点です。防災DXは、便利になるほどデータが集まります。位置情報、避難所の混雑、健康状態、要配慮者情報——どれも命を守るのに役立つ一方、漏えい・目的外利用・監視社会化への不安も強くなります。国の資料でも、防災分野の個人情報取扱い指針を策定し説明会等で周知している、と明記されています。 つまり「技術ができた」だけでは不十分で、「扱い方のルール」が成果の一部です。
公平性の観点では、“スマホを持たない／使えない人”の存在を前提にしないと、避難誘導のDXがかえって格差を広げます。能登半島地震を踏まえた資料でも、自治体間格差の懸念が提示されています。 だから実装は、デジタルを強化しつつアナログも捨てない「二重化」が基本になります。
実務的な提言を、自治体・企業・市民それぞれに一言ずつ（少し具体的に）置いて締めます。
自治体向けには、「基盤・共創・変革」を順番にやるのが王道です。能登半島地震の振り返り資料が、防災DXに必要な要素として「基盤（データが流通しなければ始まらない）」「共創（一起に創らなければ実現・継続しない）」「変革（行動・社会を変えなければ意味がない）」を掲げています。 まず避難所・避難場所の基本データ、連絡網、物資拠点など“共通IDで管理できる最低限”を整える。次に、ドローンや避難誘導アプリは「訓練で使う」ことを調達要件にする。最後に、意思決定の手順（誰が何を見て何を発令するか）をAI・シミュレーションに接続する——この順番を崩さないのがコツです。
企業向けには、「平時の事業として回ること」が最大の防災投資になります。大分県が示すように、買い物支援や地域物流の課題と、災害時の物資輸送を同じ運航体制で扱う発想は現実的です。 技術ベンダーは、自治体ごとの個別最適を避け、標準インタフェース（データ連携、都市OS連携）を前提に作る。運航事業者は、法制度の要件（レベル4・3.5等）と安全管理を、住民に説明できる形で“見える化”する。
市民向けには、「便利さ」より先に「納得」を置くのが、長い目で一番安全です。位置情報の提供やアプリ利用は、命を守る可能性がある一方で不安も当然あります。だからこそ、自治体が示す利用目的・保存期間・第三者提供の有無を確認し、訓練に参加して“自分の地域で本当に使えるか”を体験する。けいはんな事業のように、住民が有用性を感じる割合をKPIに置く発想は、まさにそこを狙っています。
災害対応のDXは、派手さはありません。でも、災害が起きた瞬間だけ、社会の“OS”になります。注目度が限定的なうちに、平時の仕込み（データ、訓練、合意形成、二重化）をどれだけ丁寧に積めるか——それが「もしも」のときの生存確率を静かに押し上げる、というのが本稿の結論です。
コメント