03_ウォッチャー

NEXAID （NEXT＋AI＋AID） 「"次"をAIで支援する」防災モデル 自治体公式LINEを通じた パーソナライズ避難通知サービス 東京理科大学大学院・東京理科大学 ウォッチャー 廣田愛莉、嶋菜々美、張希珠、福岡拓人、溝口元、 安藤桜彩、萱津琉空、中野拓海、横田篤郎

アジェンダ 1 課題 2 NEXAIDのサービス概要と新規性 3 データの災害情報への変換 4 サービスの普及方法 5 収益性 6 プロトタイプデモ 2

課題 「情報が届いている ≠ 自分に必要な行動がわかる」のギャップ 避難情報を受け取っても、住民は「自分は今動くべきかどうか」を判断しづらい 1 警報を受信 2 自分の状況を確認 3 周囲を確認 4 判断が遅れる 「○○市に避難指示」 家族・移動手段を考える 近所は まだ動いていない？ 雨量・冠水が 拡大 自宅周辺も危険なのか？ いつ、どこへ避難する？ もう少し待っても大丈夫？ 安全な経路は残ってる？ 住民に必要なのは、現在地・時間・個人属性に応じた「今取るべき行動」 3

現状 個別支援サービスは未実装 国・自治体・民間が連携し、 災害情報の集約・共有に加え、データ連携と住民一人ひとりへの支援実現を目指している 1 災害情報の集約・共有 3 住民一人ひとりへの個別支援 政策目標｜限定的に実証中 社会実装済み｜運用中 住民の状況に応じて、 必要な情報・サービスを個別に提供 2 官民・アプリ間のデータ連携 実証段階｜基盤整備中 住民情報 災害情報 居住地・属性 地域・被害状況 個別支援 今必要な情報・ 行動 NEXAIDが実装を目指すのは、この「③」 住民一人ひとりへの支援は「本格実現に向けた段階」= まだ正式サービスとしては少ない 根拠：内閣府「SOBO-WEBについて」／デジタル庁「防災分野のデータ流通促進」「防災」 4

サービス概要 NEXAID （NEXT＋AI＋AID） 「次をAIで支援する」防災モデル 自治体公式LINEを通じた パーソナライズ避難通知サービス 危険検知 避難案内 個別通知 AIがリアルタイムで リスクを検知 最適な避難先と ルートを提示 一人ひとりに合った パーソナライズ通知 5

LINEを使用する理由 LINEは高齢者を含めた全世代に普及する、国内最大級のコミュニケーション基盤 LINEは高齢者を含めた全世代に普及済み 全国自治体の大多数が公式LINEを導入 導入自治体： 全体の利用率（2024年): 94.9% 60代でも 91.1% 約84% 約1,500 / 1,788自治体 全国の自治体に広く普及 自治体公式LINEを住民が既に登録・受け入れ 高齢者を含め、 幅広い世代が日常的に利用 既にフォロー・登録している住民： 約4割 新たな登録負担を抑え、情報を届けやすい 結論 住民に新しいアプリを登録してもらう 多くの人が使うLINEを、新たなアプリなしで防災インフラとして活用 負担を減らして、「すでに受け入れ態勢が整っているLINEを情報拠点にする」 「届く・使われる・続けられる」ことを実現し、住民アクセシビリティを最大化 ことで、防災情報の到達率と実効性を最大化できる 出典：総務省「情報通信メディアの利用時間と情報行動に関する調査」（2024年）／LINEヤフー株式会社「LINE公式アカウント 地方公共団体プラン」／ NTTドコモ モバイル社会研究所「自治体・防災情報に関する調査」（2024年〜最新データ）＊本スライドの数値は15~79歳男女を対象にした全国調査結果による 6

サービス内容 サービス名 形態：自治体向けSaaS 事業 ・特徴 時間経過 × 個人属性に応じた行動提案 住民主導の双方向性 今取るべき行動を、 時間軸に応じAIが継続的に提示 住民も投稿することで、双方向性の実現 ・位置情報との紐づけ 1.ユーザーの位置情報 2. SNS投稿に紐づけられた位置情報 ユーザーの位置情報を取得・使用し、 本人 各地点に応じた適切な避難情報を提供する 【住民のニーズの取得に用いる】 SNS投稿の位置情報を取得し、 被害状況を取得・行動を提案 7

新規性・独自性 住民に対し、 「情報を届ける」だけでなく「今すぐ取るべき行動」を示す 同じ災害でも、一人ひとりの状況に合わせて“次の行動”まで具体化 既存サービス（自治体公式LINE等） 地域・属性単位で 防災情報を「通知」 住民が自分で 避難先・経路・タイミングを判断 NEXAID ① 現在地を共有 ② 周辺情報を個別算出 ③ 今取るべき行動を提示 “その人が実際に動ける情報”へ自動的に変換し、 行動判断の時間を省略 → 情報は届くが、 行動変換は住民に委ねられる 本サービスは災害情報を「知る」ための仕組みではなく、 住民が迷わず次の行動を選べるようにする、パーソナライズ防災AIである 8

新規性・独自性 住民も、地域の状況を伝える側になる 01 LINEから報告する 文章・位置情報・写真で状況を送る 02 自治体側が受付・保存する 報告と確認状況を管理する 実装済み 実装済み 03 照合・確認につなぐ 外部情報や周辺報告と照合し、 要確認の報告を職員が確認する 今後の開発 9

サービス設計 最小限の本人同意データで、同じ災害でも異なる行動を提案 ② 設計方針 ① 使用するデータ データ 活用方法 現在地 周辺の危険・避難先 年齢層 準備のタイミング 世帯構成 家族連絡、持ち物 移動条件 避難先、経路 本人の同意で登録： 年齢層・世帯構成・移動条件を選択 現在地は必要な時だけ： 本人が手動で送信 ③ パーソナライズ例 若者・単身 高齢・単身 乳幼児のいる世帯 交通・充電情報 早めの避難準備 迎え・必要な持ち物 利用者の年齢層・世帯構成・移動条件によって変化する、 情報の優先順位と行動開始時期に対応 10

データの災害情報への変換 災害情報を、住民に関係する行動案内へ 目指す処理の流れ（今後の開発を含む） 01 情報を取得 02 品質を評価 03 個人と照合 04 LINEで通知 FASTALERTの Topic・事象・位置・時刻 公式情報との一致 情報源・鮮度・重複 現在地・世帯構成 移動条件との関連 今取るべき行動 理由・更新時刻 FASTALERTの 事象位置を使用 本人が 必要な時に送信 FASTALERTの位置情報は「投稿者の現在地」ではなく、原則として災害事象の発生位置として扱う 住民の現在地は、本人による手動での操作のもとGPS等から別に取得する 11

サービスの普及方法 サービスの普及方法 ① 実証実験を実施 防災DXの一環として導入→効果検証・改善を実施 ② 自治体の既存媒体と連携 ホームページ・公式LINE・防災アプリ ③ 利用を定着させる 平時から利用方法を習得→災害時の避難行動を促進 利用者本人の同意に基づく 情報を活用するため、 自治体が住民の個人情報を 提供する必要がなく、 導入しやすい仕組み ④ 他自治体へ横展開 実証結果を基に導入地域を拡大 →全国展開を目指す 12

プロトタイプの実装 サービス体験を検証する実働プロトタイプ LINEの主要機能は動作済み。製品化に向けて、常時稼働と運用体制を整備 実装済みの範囲： LINEの操作 リスク確認・避難所案内・持ち物 家族の安否確認・住民報告 FASTALERT接続 MCPからTopicを取得し、 信頼度判定を経てLINE通知へ 稼働環境 Mac上のFlaskを ngrok経由でLINEに接続 監視プログラムは起動中のみ定期取得 常時自動連携は、クラウド化後の実装課題 次の動画は、動作するNEXAIDの実機画面録画です 冒頭の想定シーンはAI生成。操作画面は実機録画を編集し、デモ用データを使用 14

15

実運用に向けた課題と発展 主要機能の実装を基に、自治体で使い続けられる環境を整える 開発領域 現在の限界 今後の開発 稼働・安全性 ローカル稼働・SQLite等で保存 本番の可用性・保護設計は未整備 クラウド上で監視処理を常時稼働 暗号化・権限・ログ・保存期間を設計 情報の更新 避難所の開設・混雑・経路の危険は リアルタイム連携が未完了 自治体の避難所情報と連携 情報の更新状況を案内に反映 報告の検証・運用 受付・保存・確認状況の管理は実装 完全自動照合・自治体業務接続は未実装 外部情報との照合・類似報告の統合 要確認の報告を職員が確認する運用 利用者への支援 現在地は必要時に本人が送信 利用者に応じた支援は拡張段階 居住地登録と現在地を使い分け 通知最適化・多言語・音声対応 事業計画の実現に向け、自治体との実証で検証 今後の検証案：情報の精度・職員の負担・運用費や導入条件をより細かな精度で確認する 16

詳細資料 1 住民が直面する避難判断の課題 2 災害情報活用の現状と残された課題 3 NEXAIDのサービス概要 4 パーソナライズを実現するサービス設計 5 実データによる有効性・実現可能性の検証・基礎集計 6 今後の展開 7 NEXAIDが実現する防災支援 8 参考文献 17

1 住民が直面する避難判断の課題 1. 現状 ： 被害の特定とその共有スピードが発展 ・災害発生時、気象庁等の公式情報・SNSの投稿を統合し、 位置情報や被害内容を特定・集約する技術は既に大きく進展 ・行政等と連携したサービスも既に存在している ex. JX通信社のFASTALERT 2. 課題 A.地域一律の情報では個人の危険が伝わりにくい ・居住エリアの災害警戒レベルが上がっても、 現状のTVやエリアメール等の地域一律の情報では 自分の家の危険度が分からない ・正常性バイアス（過去の災害で無事だった経験）や 同調バイアス（周囲が避難していない）が優先され、 避難行動に繋がらない B. 住民側のニーズと時間経過に応じた 行動指示の不足 ・災害発生時の情報伝達は自治体等からの 一方的な情報発信にとどまり、 時間経過や個別の住民の状況 （年齢・移動手段・世帯構成等） に応じた具体的な行動の指南になっていない 18

2 災害情報活用の現状と残された課題 東日本大震災におけるSNS利用の課題および現代の到達点の比較 東日本大震災当時における SNS(Twitter)利用の実態 大量のノイズの混在と必要情報の不足 ・被災地外からの投稿が多くまぎれることで、現地からの リアルタイム情報が埋没 ・位置情報や具体的被害・ニーズの記載不足 当時の結論：Twitterデータ分析の限界 ・大規模広域災害の直後において、 既存のTwitterデータから被災地や被害・支援ニーズを 正確に把握することは極めて困難 論文執筆当時のアプローチ提言：識別アルゴリズム ・被害・ニーズ把握に役立つ 直接的なツイートの特徴を分析し、 正確に識別するアルゴリズムの開発が求められる 【当時の位置づけ】 SNSデータ単体での情報把握には限界があり、 ノイズ識別技術の開発が求められていた段階 現在の技術進展と行政連携サービスの存在 公式情報×SNS投稿の多角統合 災害発生時、気象庁等の公的観測情報、SNSの投稿を 統合し、位置情報や被害内容を 特定・集約する技術は既に大きく進展、 行政等と連携したサービスも既に存在 ex.FASTALERT(JX通信社) 【現代の到達点】 論文当時の課題(ノイズ識別)は識別技術は大きく進 展した。一方で誤判定は残るため、公式情報との照 合が必要である。公式情報と統合したリアルタイム 防災DXとして実用・運用中 出典：Shosuke Sato et al. "Grasp of Disaster Situation and Support Need Inside Affected Area with Social Sensing" (2016) 19

2 災害情報活用の現状と残された課題 鬼怒川水害におけるSNS利用と被害把握 ～現地ツイート分析に基づくリアルタイム情報の有効性と浸水想定精度の検証～ 現地ツイートの内訳(109件) 最も高い割合を占めたのは 冠水・浸水状況であり、 次いで建物被害、河川状況と、 直接的な被害情報が多数を占めた 投稿の特徴と即時性 浸水地点の推定精度 32% 調査データとの高い一致 写真付きの投稿 SNS上の投稿から推定した浸水地点は、 現地調査や航空写真による 観測結果と高い一致を示した 投稿の多くが ほぼリアルタイムでの投稿 航空写真の死角を補完 32%が 航空写真では把握できなかった 一部の浸水地点についても、 SNSから推定可能 写真付きの投稿となっており、 被害規模の客観的判断に寄与 事例が示す結論： リアルタイム情報の適切な使用により、迅速かつ詳細に被害を把握可能であることが示された。 出典：Yongxue Shi et al. "Detecting flood inundation information through Twitter: The 2015 Kinu River flood disaster in Japan" (2019) 20

3 NEXAIDのサービス概要 地震、豪雨、台風、火災に対応 対象災害 都心部の人口密度が高いエリア（東京・神奈川など） 対象地域 発災から3日間と定義 0~1h/1h~6h/6h~24h/24h~72h の4段階に分解 災害発生期間 変化する被害状況・ニーズに合わせ情報提供 将来的には復旧まで拡張 21

3 NEXAIDのサービス概要 【サービス提供方法】 提供方法： 各自治体の公式LINEを通じて パーソナライズ化された 避難通知を行う 使用する個人情報： 位置情報（発災時）/年齢層/ 世帯構成/移動手段 (位置情報は本人の操作により取得。 年齢層・世帯構成・移動手段は任意登録） 22

Appendix F-2 Appendix 3 NEXAIDのサービス概要 地方公共団体公式LINEの災害・防災活用事例 外部システム連携を用いた活用事例 利用機能：外部システム連携 LINE標準機 能活用事例 利用機能：ショップ カード 兵庫県神戸市 群馬県 福井県 香川県 防災チャットボットに よる被害情報の収集 防災啓発コンテンツの 配信 避難所の入所受付 ショップカードを利用した 防災意識の向上 • 発災時に市民等が災害の 発生情報や位置情報、 写真をLINEで登録 • 登録された情報は AIが自動で、 カテゴライズのうえ、 地図上にプロットされる @kiki_responcse • 住民が避難所に入る際、 • ハザードマップ、避難先、 LINEで入所受付が可能 避難のタイミング等、 (13か国語に対応) 大雨の時に必要な一連の • 受付場所の混雑解消と 情報を、 避難状況の迅速化に効果 「群馬大雨時デジタル避難訓練」 • 物資等の避難生活に関する としてLINEで配信 情報や各種支援制度の情報 • それぞれの市町村に合わせた も配信 情報配信 @gunma_digital_gov @fukui-pref ショップカード機能を活用して、 ハザードマップによる 避難経路の確認等で 防災ポイントを貯めると、 防災備蓄品などが当たる抽選に、 応募ができる @132yozqj 現在の自治体LINE防災活用のポイント： API等を用いた【外部システム連携】による高度な緊急時対応・情報集約と、 ポイント制などの【ショップカード機能】による平時の防災学習参加促進の双方で活用されている 出典：LINEヤフー株式会社「自治体におけるLINE公式アカウント活用事例集」（2026年1月） 23

3 NEXAIDのサービス概要 表1 他社サービスと既存手法との比較 サービス・手法 情報配信の形態 対象精度・属性 時間軸伴走・ リアルタイム性 住民の導入ハードル 一方向型通報 防災行政無線 / エリアメール 全体一斉プッシュ通知 （テキスト・音声） 地域一律（広域） 個人の危険度は不透明 警報発令時などの単発通知 継続的な行動指南は不可 事前設定不要（認知度高） 情報集約型 FASTALERT / 防災ポータル 行政・メディア向け 状況可視化ダッシュボード 事象ごとの発生位置 住民個人の属性・ 位置は非保持 リアルタイム情報集約 住民向けの個別の行動変換は 非対応 住民直接利用向けではない （BtoG/BtoB ） 自治体LINE 標準的な自治体LINE 防災 セグメント配信・避難所・マップ検索 居住校区・選択属性 セグメント単位の配信 住民の能動的メニュー操作・ 検索 動的な時間追従通知は限定的 低（普段のLINEアプリを活用） 本サービス NEXAID ( 防災AI SaaS) AIによる パーソナライズ行動提案プッシュ 位置情報 × 個人属性 「あなた」専用の情報に 特定 発災後～復旧までの 時間軸伴走 「今取るべき行動」を AIが継続更新 極めて低い （公式LINE 基盤をそのまま利用） 既存手法は「広域一律通知」か「専門的な情報集約」に偏っている NEXAIDは「普及率の高いLINE」を通知基盤に用いつつ「AIによる個人単位×時間軸伴走型の行動提案」を実現する点で差別化 24

Appendix 3 NEXAIDのサービス概要 本サービスに関連する現在のLINE 防災機能 1. セグメント配信 & 属性管理 2. 位置情報共有 & 避難所案内 3. 避難所受付 & 双方向相談 ー現在のLINE主要機能ー ー現在のLINE主要機能ー ー現在のLINE主要機能ー 居住エリア（地区・校区）/ 年代・要支援フラグ等の アンケート回答属性に基づく 絞り込み配信 トーク画面でユーザーが 「位置情報を送信」することで、 周辺の指定避難所一覧や ハザードマップを表示 ・QRコードを活用した デジタル避難所受付 ・避難カード作成 ・Messaging API を 通じたチャット相談 ーNEXAIDでの拡張・高度化ー ーNEXAIDでの拡張・高度化ー ーNEXAIDでの拡張・高度化ー 事前登録属性・位置情報に 「災害発生からの経過時間」 を掛け合わせ、 「個別の危険度」と 「今取るべき行動」を 動的にAI生成・通知 単なる最寄り地点の 提示だけでなく、 FASTALERT等の 道路冠水・被害箇所データを 自動で照合し、 危険エリアを回避する 最適避難ルートと 行動タイミングを提示 避難完了後の安否共有自動化に加え、 SNS投稿やチャットから 住民の個別ニーズ （水・食料・薬等）を取得し、 避難生活・復旧フェーズに 必要な情報をタイムリーに 双方向提供 25

4 パーソナライズを実現するサービス設計 通知形態・内容の差別化 表2 住民向け防災通知における既存サービスと新サービスの比較 通知の種類 既存サービス 新サービス 個人単位の パーソナライズの精度 「○○市に警報」など、 行政区分単位の 通知が限界 発災時の位置情報などの個人情報から、「あなた」が今取 るべき行動の通知 例：「付近の○○川で氾濫危険情報が発表されています。 現在地から指定緊急避難場所まで徒歩約10分です。」 「同居の家族と今すぐ避難を開始してください」 情報の中身 事実のみを通知 リアルタイム情報・公式情報・過去の災害特性を基に行動 を提案 通知のタイミング 警報発令・解除の際 時間フェーズごとに状況とユーザー属性を再評価し、 パーソナライズ化された行動提案をし続ける 情報収集の方法 行政側からの一方的な情報 や事実のみを通知 SNS投稿の分析により住民から「今何を知りたいか」を収 集し、双方向性のサービスを展開 26

4 パーソナライズを実現するサービス設計 平時での利用 通信悪化時の対応 LINEで日常的に利用できるサービス 避難所・ハザードマップを事前保存 • LINEで通知・チャットボットの双方向サービス • 通信不安定時でも確認可能 AIが日常のリスクに合わせて行動提案 重要な情報のみ通知 • 天気や行動から熱中症や洗濯物の外干し時の降雨など の日常のリスクに対応 • 危険度・避難経路の変化を優先 天気確認の習慣を活かして継続利用 通信回復後に自動更新 • パーソナライズされた気象情報を入口に利用を定着 • 最新情報を取得しAIが再提案 災害時はそのまま避難支援へ切り替え 最終更新時刻を表示 • 同じAIが避難行動を継続支援 • 平時の利用で使用感に慣れてもらう • 情報の鮮度を可視化 27

4 パーソナライズを実現するサービス設計 効果イメージ（能登半島地震を参考） 能登半島地震（令和8年1月）被害状況（令和8年3月31日16時現在、消防庁第123報）{18} 死者 行方不明者 720人 2人 （災害関連死492人） 重傷者 軽症者 効果がもたらされる状況 負傷者合計 427人効果イメージ（能登半島地震を参考） 980人 1,407人 現段階では被害軽減人数を推計しない。 自治体とのPoCで、 ①通知到達率、②開封・理解率、 ③避難開始時刻の早期化、④危険経路回避率を測定し、 実証結果から効果量を推定する 情報を受け取るだけ （行動に迷う・遅れる） 情報を活用して行動する （早期避難・安全確保） 行動を変える人を増やすことで結果的に被害を軽減させる 数千万人が日常的に利用 災害時に数万人の行動が変化 普段から使ってもらうことで、 いざというときに信頼される存在へ 迷いを減らし、早期避難や 安全行動を後押し 被害軽減 28

4 パーソナライズを実現するサービス設計 初期導入費用 100 万円：自治体ごとの環境を「使える状態」に整える導入費 ① データ整備 ② LINE連携 ハザードマップ・避難所情報を 自治体ごとの形式から正規化・登録 既存の自治体公式LINEと Messaging API・AI基盤を接続 費用発生の主因：データクレンジング／座標突合／DB構築 費用発生の主因：API設定／画面実装／疎通テスト ③ 導入設計 ④ 研修・実証 発災時の配信ルール・停止手順・ 本人同意／規約を自治体と策定 職員研修＋防災訓練で実際に動かし、 現場運用まで立ち上げ 費用発生の主因：要件定義／運用フロー／マニュアル 費用発生の主因：操作研修／模擬配信／当日伴走支援 100万円 ≒ 約1.0人月の導入工数 システム／データ連携 導入ディレクター／CS 約0.5人月 約0.5人月 価格体系を支える自治体規模別の導入母数 人口5万人未満 5万～20万人未満 20万人以上 1,231自治体 379自治体 131自治体 年額120万円 年額360万円 年額720万円 100万円に抑える狙い：導入時の個別作業を一括で吸収し、自治体側の初期負担と導入リードタイムを小さくする ※人月単価80～120万円を前提とした概算。少額随意契約の適用・手続は各自治体の規則・調達制度により異なる。 29

4 パーソナライズを実現するサービス設計 人口区分と価格設定の根拠 人口5万・20万人で価格体系を分ける理由 市制要件の境目／小規模自治体向け 5万人未満 「町」であり、予算に対する裁量が小さい 1,231自治体 調達・運用負担を抑えた価格帯 5万～20万人 379自治体 一般市のボリュームゾーン 20万人以上 131自治体 中核市要件の境目／大規模組織・予算 専任組織・継続予算を想定 都道府県レベルの事務権限を有する 大規模導入・高度な運用を想定 価格設定（年額120／360／720万円）の根拠 120万円／年 少額随意契約 （入札を行わす発注可能） を活用しやすい水準 5万～20万人 人口5万人未満 月30万円 360万円／年 あぷり開発でかかる 費用・既存の防災システムの 費用よりも安価 20万人以上 月60万円 720万円／年 1人あたり年間約36円 費用対効果の説明がしやすい 5万人未満 月10万円 基礎自治体 1,741 価格は「公的な定価」ではなく、本事業計画上の独自設定値 （1,231 ＋ 379 ＋ 131 ＝ 1,741） 自治体ごとの予算・調達実務に合わせ、 導入しやすい水準へ設計 30

4 パーソナライズを実現するサービス設計 【自治体にとってのメリット】 1. 災害時の減災・ リアルタイムでの状況把握 2. 平時の情報伝達手段 3. コスト面 公式LINEの友達登録件数を増やして、 自前のアプリ開発 行政の立場から 住民に対し有益な情報提供が可能 （初期3,000万/年間500万）と 対象住民の災害時の被害を減らす・ 従来の回覧板など紙媒体と比較して、 比較し70%以上の 状況を把握することができる・ LINEの高い普及率もあり コスト削減が可能 有事の情報収集・集約のための 即時性・拡散性が強い 避難率向上により、 手段として機能の支援 現状の自治体アカウント所有率は 発災時の救助・緊急医療・ 84％であるのに対し、 復旧コスト（数千万円規模）を 住民の登録率は 抑制 15~30％に留まっており、 本サービス普及により 登録割合の増加が可能 31

5 実データによる有効性・実現可能性の検証 過去の実績データとリアルタイム取得を組み合わせ、災害情報の特性と取得可能性を検証できる 1 FASTALERT 過去災害CSV 過去データから情報特性を分析 提供内容 補完に使える公的・公開データ 2 FASTALERT MCPインターフェイス 3 提供内容 主な例 リアルタイム災害情報をAIが取得 位置・規模・復旧状況の補完に活用 株式会社JX通信社が 収集・整理した過去の主要災害データ 投稿・検知情報を、 Item（投稿・検知）・Topic（事象）・検知時刻・ 位置情報等とともに収録 確認できること 確認できること 災害間の情報量の違い リアルタイム取得 時間経過に伴う更新特性 継続更新の監視 位置情報粒度・Topic集約の傾向 CSV未収録事象の追加検証 主な用途 基礎集計・災害間比較・ 時系列分析・特性検証 主な用途 確認できること 位置・規模・復旧状況の補完 FASTALERT情報の解釈高度化 継続更新・追加検証 過去災害CSVによる特性検証と、MCPによるリアルタイム情報取得の両方が可能である。 これにより、災害情報の情報量・更新性・位置情報の粒度・補完可能性を多角的に検証できる。 ※CSVとMCPでは対象災害・取得期間・取得条件が異なるため、以降は「基礎集計（過去CSV）」と「追加検証（MCP取得）」に分けて扱う 32

1 5 実データによる有効性・実現可能性の検証 利用可能データを、 そのまま住民向けサービスに使えるとは限らないため、実データから必要な検証観点を整理 政策的背景 × 実データ検証 国は個別支援を目指しているが、住民向け活用にはデータの量・更新性・位置粒度・補完可能性の確認が必要 1 必要な情報量はあるか ・災害種別・地域別に 十分な投稿量があるか ・住民向けに整理できるだけの 母数が確保できるか → 情報量が不足すると、地域別配信設計が難しい 3 位置はどこまで把握できるか ・市区町村単位で把握可能か ・行動支援に使える位置粒度があるか → 位置粒度が粗いと、住民に即した案内が難しい 2 更新は継続するか ・発災後も 情報が追加され続けるか ・Topic単位で 続報・更新を追えるか → 継続更新を捉え、最新状況を反映できるか確認 4 根拠の位置づけ 外部根拠 デジタル庁・内閣府は、 データ連携と住民一人ひとりに 応じた防災サービスを推進 何を補完すべきか ・FASTALERTだけで 足りない情報は何か ・道路・停電・断水などは 公的データ補完が必要か → 補完関係を整理し、役割分担を明確化 内部根拠 本提案ではFASTALERTの 過去災害CSVとMCPを用いて、 上記4観点を基礎集計で検証 住民向けサービス化には、政策目標だけでなく、実データが 『十分あるか』『更新されるか』『位置が分かるか』『他データで補完できるか』を確かめる必要がある この4観点を基礎集計で検証し、後続のサービス設計に繋げる 33

5 基礎集計① 災害種別・地域別データ量（72時間内） 各災害の公式・設定基準時刻から72時間以内の投稿を対象に、災害種別・地域別のデータ量を集計 対象災害 72時間内 Item総数 72時間内 Topic総数 5 災害 8,414 件 3,897 件 対象地域方針 災害種別ごとに都市部を基準としつつ、 複数地域を参照してデータを収集 表3: 災害別・地域別データ量と構成比（72時間内） 災害名 地域別データ量（72時間内） 4,000 3479 災害によって投稿量に大きな差がある。 能登半島地震が最も多く3,479件、 2286 奥能登豪雨は467件であった。 3,000 能登半島地震 2,000 奥能登豪雨 1105 1077 1,000 467 2026年台風6号 0 能登半島 2026年 2023年台風2号・ 2025年 奥能登 地震 台風6号 線状降水帯 台風15号 豪雨 都道府県・範囲 Item数 Topic数 災害内Item 構成比 石川県 1,912 796 55.0% 新潟県 960 526 27.6% 富山県 607 337 17.4% 石川県 467 264 100.0% 東京都 876 390 38.3% 神奈川県 712 490 31.1% 全国規模 489 9 21.4% 静岡県 181 113 7.9% 和歌山県 28 21 1.2% 図5: 災害別72時間内Item数 2025年台風15号 静岡県 1,077 406 100.0% 注：地域区分はFASTALERT付与値を使用。「全国規模」は原データの分類を維持。 2023年台風2号・ 線状降水帯 静岡県 1,105 545 100.0% 災害や地域によってデータ量・分布が異なるため、注：災害内Item構成比は、各地域のItem数を当該災害のItem総数で除して算出 自治体単位で情報を整理し、住民の地域に応じて配信内容を最適化する必要がある 34

5 基礎集計② 同一Topic内の複数Item率と分析対象期間の定義 同一Topic内に集約される複数Itemの割合と、災害比較のために設定した分析対象期間の妥当性を整理 複数Item率 70% 分析対象期間（72時間）と42時間時点の捕捉状況 62.3 60% 55.2 52.3 50.7 53.7 43.5 50% 40% 基準時刻 42時間時点 発生・上陸・顕著な 大雨情報等の時刻 7,544 件 +870件 (10.3%) 72時間時点 8,414 件 捕捉率 89.7% 注：2026年台風6号の42時間捕捉率は82.0%であり、72時間観測の必要性が高い 30% 表4：災害別の42時間捕捉率と判断 20% 42時間捕捉率 (42時間内Item÷72時間内Item) 判断・示唆 能登半島地震 90.7% 72時間で補完が望ましい 奥能登豪雨 92.7% 72時間で補完が望ましい 2026年台風6号 82.0% 72時間観測の必要性が高い 2025年台風15号 96.4% 42時間で大部分を捕捉 2023年台風2号・ 線状降水帯 94.4% 72時間で補完が望ましい 89.7% 共通上限は72時間が妥当 災害名 10% 0% 能登半島 奥能登 2026年 2025年 2023年台風2号・ 地震 豪雨 台風6号 台風15号 線状降水帯 全体 図6: 災害別の同一Topic内複数Item率 定義式 複数Item率 ＝（Item数－Topic数）÷ Item数 同一事象に対して、複数の情報源や続報が集約される程度を示す ※ コピー投稿率や完全一致テキスト率ではなく、Topic単位での重複情報の集約度を示す指標 全体 72時間を分析対象期間とした根拠 1 外部根拠｜内閣府の先行整理 内閣府『阪神・淡路大震災 教訓情報資料集』では、 初動対応を初期72時間を中心として整理。 2 内部根拠｜今回の実データ 42時間時点で全体の89.7%を捕捉し、 その後も870件（10.3%）の追加投稿を確認。 同一事象には複数の情報源や続報が集約され、投稿の約1割は42時間以降にも発生する。 35 Topic単位で情報を整理し、発災後72時間の継続的な更新を住民ごとに選別して配信する必要がある。

5 基礎集計③ 停電情報の時間経過による変化 位置づけ 時間経過に応じた情報配信の設計を検討するため、台風3事例全てで確認され、投稿数が多く、 発生報告から生活への影響・行動情報まで内容の変化を追いやすい停電情報を代表事例として分析した ■ 分析対象 ・2023年台風2号(線状降水帯)/2025年台風15号/2026年台風6号 ・上記3事例から停電関連投稿751件を抽出した ・時間変化を複数時点で比較するため、投稿件数が5以上ある Topicに限定した ・6時間以降は投稿が1件のみで比較が困難なため、 初回投稿後0～6時間の601件を集計した ■ 分析方法 ・Topic内の初回投稿からの経過時間で4区分に整理 ・投稿内容をキーワードに基づいて複数区分に分類し、 本図では主要な「発生」「影響・行動」の構成比を比較 ■ 分析結果 図7 停電Topicにおける時間経過別の投稿内容変化 ※投稿内容はキーワードを基に複数区分へ分類し、 本図では主要な「発生」「影響・行動」の2分類を表示した 示唆 ・Topic初回投稿後は「発生報告」が中心 ・0~30分で「発生」が81.5%を占めた ・「影響・行動」は0~30分の13.2%から、 3~6時間では46%まで上昇 ・特に初回投稿後3～6時間の時間帯で 「影響・行動」の比重が大きく高まった Topicの初回投稿後は「何が起きたか」に関する投稿が中心だが、数時間後には「生活への影響」や「行動」に関する 投稿の比重が高まる。情報配信でも、時間経過に応じて提示内容を切り替えることが有効と考えられる。 36

5 基礎集計④ 停電関連投稿の追加間隔 位置づけ 代表事例として取り上げた停電情報について、 どの頻度で投稿が追加されるのかを確認し、AIがどの程度で情報を刷新すべきかを検討した 5分以内：79.8% 30分以内：93.3% ■ 分析対象 ・2023年台風2号(線状降水帯)/2025年台風15号/2026年台風6号 ・台風3事例の停電関連751投稿・128Topicを対象とした。 各Topicの初回投稿は比較対象となる前投稿がないため除外し、 合計623区間の投稿間隔を分析した。 ■ 分析方法 ・同一Topic内で連続する投稿同士の時刻差を計算 ・投稿間隔を5区分に整理 ・各区分の構成比を比較し、更新頻度を確認 ■ 分析結果 図8 同一Topic内における停電関連投稿の投稿間隔分布 示唆 ・1分以内の投稿が69.5%で最も多い ・5分以内では79.8%、30分以内では93.3%に達した ・停電関連情報では短時間に連続的に追加される傾向が確認できた ・FASTALERTでは分単位で新たな投稿を確認できる可能性が高い 停電関連Topicでは、分単位で新規投稿が追加される。 FASTALERTの投稿をAIが短い間隔で監視し、内容に変化が確認された場合に要約・通知を更新する設計が重要である。 37

5 基礎集計⑤：対象災害との関連投稿の抽出 全投稿集計とは別に、対象災害に関連する投稿を抽出して位置精度を確認 分類 扱い ー分析対象の切り分けー 直接関連 使用 ー分析上のポイントー FASTALERTには対象災害と無関係な 通常事故・火災・救急等も含まれるため、 投稿本文を4区分に分類 間接関連 使用 要確認 確認すべきだが今回は除外 関連なし 除外 以降の位置情報・道路/インフラ分析は、 直接関連＋間接関連に絞る。 全Item集計とは母数が異なる。 関連投稿の位置情報粒度（直接関連＋間接関連） 23.8% 能登半島地震 奥能登豪雨 33.8% 43.6% 台風6号 19.6% 31.2% 台風2号（線状降水帯） 10% 22.4% 46.4% 35.2% 24.7% 0% 20% 関連投稿の位置情報粒度 30% 40% 50% 市区町村のみ 市区町村以上の割合 能登半島地震 57.6% 奥能登豪雨 77.6% 台風6号 53.6% 台風15号 66.5% 台風2号 67.7% 33.5% 43.0% 緯度・経度あり 示唆 34.0% 34.0% 台風15号 図9 42.4% 災害 ー結果ー 32.3% 60% 70% 都道府県のみ 80% 90% 100% ・関連投稿の53.6～77.6%は 市区町村以上で把握可能 ・一方、 緯度経度付きは23.8%～43.6%に留まる FASTALERTは周辺地域の被害把握に利用できるが、経路算出など詳細な行動提案には、 本文中の地名抽出・Topic内の別投稿・公式情報による補完が必要 38

5 基礎集計⑥：道路・インフラ情報の位置精度と補完方針 情報種類ごとに位置精度が異なるため、FASTALERTと外部公式データを役割分担して使う 情報種類別：市区町村以上まで特定できた割合 ー別地域・別災害での追加検証ー 道路規制・通行止め 85.1 道路冠水 84.0 断水 〔MCPを用いて取得〕 MCPによって取得できたデータは緯度経度なしのため、 市区町村付与と本文・見出しの詳細地点記載を確認 59.4 停電 33.7 通信障害 0.0 0.0 図10 0 20 40 60 80 情報種類別：市区町村以上まで特定できた割合 期間 関連投稿 市区町村 詳細地点 青森県東方沖地震 2025/12/8 23:15～ 12/10 23:15、 48時間 232件 56.9% 28.4% 北関東豪雨 2026/7/17 0:00～ 7/20 0:00、 72時間 771件 80.9% 62.3% 100 ＊詳細地点とは町名・丁目、道路/交差点、駅/橋、施設名、 ＊過去5災害の直接関連・間接関連投稿を対象に集計。 ※通信障害の0.0％は、障害が発生していないことを意味しない。 障害地域では投稿自体が困難になることや、事業者による広域的な発表が中心となることで、 市区町村単位の位置情報を取得できなかった可能性がある。 FASTALERTで把握する情報 道路冠水・通行止め 現場被害・河川 住民の困りごと 追加検証事例 「付近・周辺」など、市区町村より細かい場所の手掛かり。 ※緯度経度・正確な住所とは限らない。 ※分析期間が異なるため、関連投稿数ではなく位置情報の割合を中心に比較。 外部公式データで補完する情報 規制区間・解除時刻 観測値・避難情報 停電/断水/通信の規模・復旧見込み 道路・現場情報はFASTALERTで把握し、停電・断水・通信などは公式データで位置・規模・復旧情報を補完。 示唆 特に通信障害時は、SNS投稿自体が減少する可能性も考慮する必要がある 39

基礎集計から導くサービス設計要件 5 実データから、サービスに必要な機能要件を整理 基礎集計で分かったこと サービス設計要件 サービス設計の要件 1 災害・地域ごとに投稿量が大きく異なる 自治体・地域単位で配信条件を調整 2 42時間以降にも約1割の投稿が追加 発災後72時間の継続監視・更新 3 同一Topicに複数Item・続報が集約 Topic単位で重複・続報を統合 4 停電投稿は発生報告から生活影響へ変化 時間経過に応じて優先情報を切替 5 通常事故・火災など無関係投稿も混在 AIで関連性を判定し必要情報だけ抽出 6 位置精度は情報種類で差がある FASTALERTと公式データで 位置・規模・復旧を補完 設計方針 単なる情報監視ではなく、発災後72時間にわたり、関連情報を選別・統合・補完し、 住民ごとの「今取るべき行動」に変換するAIサービスとして設計する 40

6 今後の展開① アジアの高い災害リスクと情報伝達の課題 アジア圏では災害リスクと人口集中が重なる一方、住民への迅速で信頼できる情報伝達には課題が残る アジア展開を考える背景 2 情報伝達の難しさ 3 防災DXモデルの展開余地 • アジア太平洋地域には世界人口の約60%が居住 • 2005～2024年の 世界の災害被災者の73%がADB加盟国に集中 • 同期間の世界の災害死者の43%を ADB加盟国が占める • 停電・通信障害時は情報伝達が途切れやすい • 地域差により受け取れる情報量に差が出る • 多言語対応や高齢者にも分かる表現が必要 • デマ・情報錯綜が避難判断を遅らせる • 高リスク地域ほど“届く情報設計”の重要性が高い • スマートフォン・メッセージ基盤の活用余地が大きい • リアルタイム災害データを 住民向け通知へ変換する仕組みが必要 • 次スライドで台湾・タイへの適用可能性を整理する 根拠：UN ESCAP・ADB・EM-DAT 根拠：UNDRR・WMO「人中心の早期警報」 1 アジアに集中する災害リスク 本提案の位置づけ：日本モデルの横展開可能性を検討 アジア圏では、災害リスクの高さと情報伝達の難しさが同時に存在する そのため、信頼できる災害データを“住民に届く形”へ変換する防災DXモデルの需要が高い 出典（国際・公的資料） UN ESCAP「Asia-Pacific Disaster Report 2023」／ADB Disaster Risk Management FAQ（2005–2024）／UN DESA・ESCAP Population Report 2023／EM-DAT／UNDRR・WMO 公開資料 41

6 今後の展開② LINE普及率と防災課題からみた適用可能性 LINEが広く使われるアジア地域では、防災上の課題と情報伝達基盤の相性から、 日本型モデルの展開先を比較できる 候補国比較の視点 1 台湾｜高い普及率と災害対応ニーズ 2 タイ｜政府連携余地と災害速報ニーズ 台湾では 「情報整理・避難支援」 タイでは 「速報伝達・行動喚起」 を軸に 展開可能性が高い LINE普及率：約93％ • 地震・台風・豪雨リスクが高い • 災害時は避難所運営・情報整理の重要性が高い 課題： デマ拡散の抑制、避難所・支援情報の一元化 LINE普及率：約82％ • 洪水・高潮・台風性災害への備えが重要 • 政府公式の災害伝達インフラ補完ニーズが大きい 課題： 警報伝達の迅速化、地域住民への行動案内 LINEが既に普及している地域では、 既存の情報受信行動の上に防災DX機能を重ねる方が導入しやすい 42

6 今後の展開③ 現地適合を前提とした段階的な海外展開 日本での実装・検証後に確立した共通機能を基盤に、各国の制度・言語・防災データへ適合させながら実証・拡張する 展開の考え方 展開が可能な根拠（日本モデルの検証結果） 共通コア機能を活かしつつ、 各国の制度・データ・文化に合わせて適合 段階的な海外展開ロードマップ 日本での検証を通じて、SNS×公的データの統合・選別・配信の有効性を確認済み このノウハウをアジア各国の防災DXに応用する 情報のカバー率・更新性の評価 公的データ・API利用可能性確認 主な取組 住民向け通知プロトタイプの改善 主な取組 警報制度・避難情報の整理 配信内容の最適化ロジックの確立 言語・文化・規制の確認 実証・展開で評価する主なKPI（例） 通知到達率 (%) 試験運用（期間・地域限定） 現地適合モジュールの標準化 主な取組 住民フィードバックの収集 主な取組 他地域・他国への横展開 KPIの計測と改善点の特定 継続的な改善と機能拡張 ※KPIの目標値は、実証開始時に現地行政機関と設定する。 住民の 避難情報・ 通知の 情報取得から 理解度・信頼度 開封・確認率 配信までの時間 行動提案の利用率 (5段階) (%) (%) (分) 誤情報・ 重複情報の 除外精度 (%) NEXAIDは、日本で検証した情報統合・ 個別通知機能を共通基盤とし、 各国の制度・言語・公的データに適合させながら、 実証から段階的にアジア各国へ展開 43

7 NEXAIDが実現する防災支援 リアルタイム災害情報を、住民一人ひとりの行動提案へ変換する 1. 実データで確認 2. AIで変換 3. 行動につなげる 検証で確認したこと NEXAIDの処理 住民への価値 ・72時間の継続監視が必要 ・Topic単位の統合が必要 ・関連投稿の抽出が必要 ・市区町村以上は53.6～77.6% ・道路情報は位置精度が高い ・FASTALERTを取得 ・関連性判定・重複統合 ・信頼度・位置精度を評価 ・公式データで不足を補完 ・居住地・属性と照合 ・周辺で何が起きているか ・避けるべき道路や地域 ・今すぐ取る行動 ・提案理由と信頼度 ・次に確認する情報 提供方法 導入先 検証指標 公式LINEを入口に、 本人同意の居住情報・年齢層・世帯構成を用いて個別化 平時利用から災害時支援へ切替 豪雨・台風被害の多い自治体から実証し、 公式LINE・防災アプリ・ホームページと連携して横展開 通知の理解度、避難開始率、危険経路の回避率、 不要の通知削減、自治体の情報整理時間の削減を評価 目標 本サービスは、災害情報を「知る」ための仕組みではなく、 住民が迷わず次の行動を選べるようにする、自治体向けのパーソナライズ防災AIである 44

8 参考文献 [1] Sato, S., Hanaoka, K., Okumura, M., & Koshimura, S. (2016). Grasp of disaster situation and support need inside affected area with social sensing– An analysis of Twitter data before and after the 2011 Great East Japan earthquake disaster occurring–. Journal of Disaster Research, 11(2), 198-206, （最終閲覧日： 2026年8月4日） [2] Shi, Y., Sayama, T., Takara, K., & Ohtake, K. (2019). Detecting flood inundation information through Twitter: The 2015 Kinu River flood disaster in Japan. Journal of Natural Disaster Science, 40(1), 1-13, （最終閲覧日：2026年8月4日） [3] LINEヤフー株式会社(2026). 『自治体におけるLINE公式アカウント活用事例集』, （最終閲覧日：2026年8月4日） [4] LINEヤフー株式会社(2026). 『LINE公式アカウント 地方公共団体プラン 媒体資料』, （最終閲覧日：2026年8月4日） [5] 内閣府（2017）.「新総合防災情報システム（SOBO-WEB）について」.内閣府防災情報のページ. https://www.bousai.go.jp/taisaku/soboweb/index.html?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [6] デジタル庁（2025）.「防災分野のデータ流通促進」. https://www.digital.go.jp/policies/disaster_prevention/data-collaborationinfrastructure?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [7] デジタル庁（2026）.「防災」. https://www.digital.go.jp/policies/disaster_prevention?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [8] デジタル庁（2026）.「デジタル庁における防災DXの取組」. https://www.digital.go.jp/assets/contents/node/basic_page/field_ref_resources/f7339476-4afc-42d8a574-a06bb8843fb5/236ca9e4/20260325_policies_disaster-prevention_outline_01.pdf?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [9]国土交通省・国土地理院.「ハザードマップポータルサイト」. https://disaportal.gsi.go.jp/?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [10]気象庁.「防災情報」. https://www.jma.go.jp/jma/menu/menuflash.html, （最終閲覧日：2026年8月4日） 45

• https://www.bousai.go.jp/taisaku/soboweb/index.html?utm_source=chatgpt.com
• https://www.digital.go.jp/policies/disaster_prevention/data-collaboration-infrastructure?utm_source=chatgpt.com
• https://www.digital.go.jp/policies/disaster_prevention?utm_source=chatgpt.com
• https://www.digital.go.jp/assets/contents/node/basic_page/field_ref_resources/f7339476-4afc-42d8-a574-a06bb8843fb5/236ca9e4/20260325_policies_disaster-prevention_outline_01.pdf?utm_source=chatgpt.com

8 参考文献 [11]国土交通省.「川の防災情報」. https://www.river.go.jp/index, （最終閲覧日：2026年8月4日） [12]国土交通省.「道路情報提供システム」. https://www.road-info-prvs.mlit.go.jp/roadinfo/content.php?mode=pc&lang=jp&area=10&page=00&table=0, （最終閲覧日：2026年8月4日） [13]東京電力パワーグリッド株式会社.「停電情報」. https://teideninfo.tepco.co.jp/?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [14]東日本電信電話株式会社.「故障・障害・災害について」. https://www.ntt-east.co.jp/info/trouble.html?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [15]内閣府（防災担当）（2026）.『避難情報に関するガイドライン（令和8年3月改定）』.内閣府. https://www.bousai.go.jp/oukyu/hinanjouhou/r3_hinanjouhou_guideline/?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [16]内閣府（防災担当）（2025）.『避難行動要支援者の避難行動支援に関する取組指針（令和3年5月改定、令和7年6月更新）』.内閣府. https://www.bousai.go.jp/taisaku/hisaisyagyousei/youengosya/r3/index.html?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [17]内閣府（防災担当）（2023）.『防災分野における個人情報の取扱いに関する指針』.内閣府. https://www.bousai.go.jp/taisaku/kojinjyouho/shishin.html?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [18]デジタル庁（2025）.「防災分野のデータ流通促進」. https://www.digital.go.jp/policies/disaster_prevention/data-collaborationinfrastructure?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [19]内閣府.「阪神・淡路大震災教訓情報資料集―第1期・初動対応（初動72時間を中心として）」.『内閣府防災情報のページ』. https://www.bousai.go.jp/kyoiku/kyokun/hanshin_awaji/data/index.html, （最終閲覧日：2026年8月4日） [20]中央防災会議（2026）.『防災基本計画（令和8年7月14日修正）』.内閣府. https://www.bousai.go.jp/taisaku/keikaku/kihon.html, （最終閲覧日：2026年8月4日） 46

• https://www.river.go.jp/index
• https://www.road-info-prvs.mlit.go.jp/roadinfo/content.php?mode=pc&lang=jp&area=10&page=00&table=0
• https://teideninfo.tepco.co.jp/?utm_source=chatgpt.com
• https://www.ntt-east.co.jp/info/trouble.html?utm_source=chatgpt.com
• https://www.bousai.go.jp/oukyu/hinanjouhou/r3_hinanjouhou_guideline/?utm_source=chatgpt.com
• https://www.bousai.go.jp/taisaku/hisaisyagyousei/youengosya/r3/index.html?utm_source=chatgpt.com
• https://www.bousai.go.jp/taisaku/kojinjyouho/shishin.html?utm_source=chatgpt.com
• https://www.digital.go.jp/policies/disaster_prevention/data-collaboration-infrastructure?utm_source=chatgpt.com
• https://www.bousai.go.jp/kyoiku/kyokun/hanshin_awaji/data/index.html
• https://www.bousai.go.jp/taisaku/keikaku/kihon.html

8 参考文献 [21]消防庁（2017）.『市町村の災害対策本部の機能強化』.消防庁防災課. https://www.fdma.go.jp/laws/tutatsu/assets/290703_sai99.pdf, （最終閲覧日：2026年8月4日） [22] World Meteorological Organization（2025）,State of the Climate in Asia 2024，World Meteorological Organization， https://wmo.int/publication-series/state-ofclimate-asia-2024, （最終閲覧日：2026年8月4日） [23] United Nations Office for Disaster Risk Reduction・World Meteorological Organization（2024）Global Status of Multi-Hazard Early Warning Systems 2024， UNDRR・WMO, https://www.undrr.org/reports/global-status-MHEWS-2024, （最終閲覧日：2026年8月4日） [24] United Nations Office for Disaster Risk Reduction（2023）Inclusive Early Warning Early Action: Checklist and Implementation Guide，UNDRR，52頁, https://www.undrr.org/publication/documents-and-publications/inclusive-early-warning-early-action-checklist-and-0, （最終閲覧日：2026年8月4日） [25] International Telecommunication Union（2024）Measuring Digital Development: Facts and Figures 2024，International Telecommunication Union, https://www.itu.int/hub/publication/d-ind-ict_mdd-2024-4/, （最終閲覧日：2026年8月4日） [26] International Federation of Red Cross and Red Crescent Societies（2026）World Disasters Report 2026: Truth, Trust and Humanitarian Action in the Age of Harmful Information，IFRC, https://www.ifrc.org/document/world-disasters-report-2026, （最終閲覧日：2026年8月4日） [27] United Nations Office for Disaster Risk Reduction・World Meteorological Organization・International Telecommunication Union・International Federation of Red Cross and Red Crescent Societies（2026）Leveraging AI to Enhance Multi-Hazard Early Warning Systems，UNDRR，150頁，ISBN 978-92-61-42321-6, https://www.undrr.org/publication/documents-and-publications/leveraging-ai-enhance-multi-hazard-early-warning-systems, （最終閲覧日：2026年8月4日） [28] LY Corporation（2025）“Continue to Evolve Without Fearing Failure: LINE Taiwan’s Key to Success and Organizational Culture,” https://www.lycorp.co.jp/en/story/20250226/linetaiwan.html, （最終閲覧日：2026年8月4日） [29] LY Corporation（2025）“LINE Thailand’s New Strategy to Enrich Digital Life in Thailand: Report on LINE CONFERENCE THAILAND 2025,” https://www.lycorp.co.jp/en/story/20250530/lineconference.html, （最終閲覧日：2026年8月4日） [30] LINE Thailand（2022）「LINE Thailand、重大災害警報公式アカウント『LINE ALERT』を開始―タイ防災・減災局およびタイ気象局との連携」2022年10月6日、LINE Thailandプレスリリース（タイ語）, https://www.linecorp.com/th/pr/news/th/2022/4368, （最終閲覧日：2026年8月4日） 47

• https://www.fdma.go.jp/laws/tutatsu/assets/290703_sai99.pdf
• https://wmo.int/publication-series/state-of-climate-asia-2024
• https://www.undrr.org/reports/global-status-MHEWS-2024
• https://www.undrr.org/publication/documents-and-publications/inclusive-early-warning-early-action-checklist-and-0
• https://www.itu.int/hub/publication/d-ind-ict_mdd-2024-4/
• https://www.ifrc.org/document/world-disasters-report-2026
• https://www.undrr.org/publication/documents-and-publications/leveraging-ai-enhance-multi-hazard-early-warning-systems
• https://www.lycorp.co.jp/en/story/20250226/linetaiwan.html
• https://www.lycorp.co.jp/en/story/20250530/lineconference.html
• https://www.linecorp.com/th/pr/news/th/2022/4368

8 参考文献 [31] World Bank Group・Asian Development Bank（2021）Climate Risk Country Profile: Thailand，World Bank Group, Washington, D.C.／Asian Development Bank, Manila, https://www.adb.org/publications/climate-risk-country-profile-thailand?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [32] National Science and Technology Center for Disaster Reduction（2015）“2015 Workshop on Scientific Decision Supports for Emergency Preparedness of Natural Hazards,”, https://www.ncdr.nat.gov.tw/Message/MessageView?itemid=4188&mid=95, （最終閲覧日：2026年8月4日） [33] Executive Yuan, Republic of China（Taiwan）（2019）“Public and Private Sectors to Work Together to Counter ‘Fake News’,” Department of Information Services, Executive Yuan, https://english.ey.gov.tw/Page/61BF20C3E89B856/54cf9947-ce64-440a-943f-2a2f31d7eba4, （最終閲覧日：2026年8月4日） [34] United Nations Office for Disaster Risk Reduction（2023）Words into Action Guidelines: Multi-Hazard Early Warning Systems（Public Review Version），UNDRR, https://www.undrr.org/words-into-action/guide-multi-hazard-early-warning, （最終閲覧日：2026年8月4日） [35] International Telecommunication Union（2025）Digital Transformation and Early Warning Systems for Saving Lives: Background Paper，ITU Development Sector, https://www.itu.int/en/ITU-D/EmergencyTelecommunications/Documents/Publications/2025/Digital%20transformation%20and%20early%20warning%20systems%20for%20saving%20lives_Background%20paper .pdf, （最終閲覧日：2026年8月4日） [36] Harding, John and Yi Wang（2025）“Early Warnings for All – What Does Success Look Like?” WMO Bulletin, 15 October 2025, https://wmo.int/resources/wmo-bulletin/wmo-bulletin-vol-74-2-2025/early-warnings-all-what-does-success-look, （最終閲覧日：2026年8月4日） [37]United Nations Office for Disaster Risk Reduction（2017）“Early Warning System,” The Sendai Framework Terminology on Disaster Risk Reduction，UNDRR], https://www.undrr.org/terminology/early-warning-system, （最終閲覧日：2026年8月4日） [39] Early Warnings for All Initiative（2024）Toolkit for Monitoring & Evaluation of Early Warnings for All, https://www.undrr.org/media/99963/download?startDownload=20260804, （最終閲覧日：2026年8月4日） [40]総務省情報通信政策研究所（2025）『令和6年度 情報通信メディアの利用時間と情報行動に関する調査報告書』総務省情報通信政策研究所， https://www.soumu.go.jp/menu_news/s-news/01iicp01_02000125.html, （最終閲覧日：2026年8月4日） 48

• https://www.adb.org/publications/climate-risk-country-profile-thailand?utm_source=chatgpt.com
• https://www.ncdr.nat.gov.tw/Message/MessageView?itemid=4188&mid=95
• https://english.ey.gov.tw/Page/61BF20C3E89B856/54cf9947-ce64-440a-943f-2a2f31d7eba4
• https://www.undrr.org/words-into-action/guide-multi-hazard-early-warning
• https://www.itu.int/en/ITU-D/Emergency-Telecommunications/Documents/Publications/2025/Digital transformation and early warning systems for saving lives_Background paper.pdf
• https://wmo.int/resources/wmo-bulletin/wmo-bulletin-vol-74-2-2025/early-warnings-all-what-does-success-look
• https://www.undrr.org/terminology/early-warning-system
• https://www.undrr.org/media/99963/download?startDownload=20260804
• https://www.soumu.go.jp/menu_news/s-news/01iicp01_02000125.html

8 参考文献 [41]総務省（2025）.『令和7年版 情報通信白書』総務省. https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/pdf/index.html, （最終閲覧日：2026年8月4日） [42] LINEヤフー株式会社（2025）.「『つながり』は防災になる―災害に備えるLINEの活用術」, https://www.lycorp.co.jp/ja/story/20250731/linegov.html?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [43] LINEヤフー株式会社.「サービスを通じた社会との連携」LINEヤフー株式会社, https://www.lycorp.co.jp/ja/sustainability/esg/environment/society/?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） [44]株式会社NTTドコモ モバイル社会研究所（2026）「【防災】災害に備えて自治体を登録・フォローをしている 約4割」, https://www.mobaken.jp/project/disaster/20260601.html, （最終閲覧日：2026年8月4日） [45]株式会社NTTドコモ モバイル社会研究所（2025）『モバイル社会白書2025年版 第6章 防災・減災』株式会社NTTドコモ モバイル社会研究所, https://www.mobaken.jp/whitepaper/wp25/chap6.html, （最終閲覧日：2026年8月4日） [46]総務省消防庁（2024）『災害情報伝達手段の整備等に関する手引き』総務省消防庁, https://www.fdma.go.jp/mission/prepare/transmission/items/240327_honpen.pdf?utm_source=chatgpt.com, （最終閲覧日：2026年8月4日） 49

• https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/pdf/index.html
• https://www.lycorp.co.jp/ja/story/20250731/linegov.html?utm_source=chatgpt.com
• https://www.lycorp.co.jp/ja/sustainability/esg/environment/society/?utm_source=chatgpt.com
• https://www.moba-ken.jp/project/disaster/20260601.html
• https://www.moba-ken.jp/whitepaper/wp25/chap6.html
• https://www.fdma.go.jp/mission/prepare/transmission/items/240327_honpen.pdf?utm_source=chatgpt.com

Appendix 50

Appendix | 災害別・地域別データ量の比較 ― FASTALERT過去災害CSVデータ― JX通信社提供のFASTALERT過去災害CSVデータを用いて、後続分析に用いる災害・地域を把握 目的 災害・地域別のデータ量と分布を確認し、 後続分析に用いる災害・地域を把握する 対象・方法 ・対象：過去5災害の初回配布CSV ・使用データ： JX通信社提供「FASTALERT」過去災害CSVデータ ・集計単位：投稿・検知情報1レコード＝1件 ・集計項目：災害別・都道府県別・ 市区町村別のレコード件数 主な結果 ・レコード件数は626～3,389件と災害間で差がみられた ・地震・豪雨は石川県、 台風は静岡県や首都圏にデータが集中した ・災害・地域によってデータ量と分布に偏りを確認 分析対象地域の方針 災害種別ごとに都市部を基準としつつ、 複数地域を参照して分析 地震 豪雨 台風 石川県を中心に、新潟県・富山県も参照 石川県 東京都・神奈川県・静岡県を中心に参照 表A-2：災害別レコード件数と主なデータ分布地域 災害 レコード件数（件） 主なデータ分布地域 能登半島 地震 3,389件 石川県・新潟県・富山県 台風6号 2,756件 東京都・神奈川県 台風15号 1,083件 静岡県 台風2号 1,074件 静岡県 奥能登豪雨 626件 石川県 サービス設計への示唆 災害・地域によって情報量と分布が異なるため、 自治体単位で情報を整理し、住民の地域に応じて 配信内容を最適化する必要がある ※本集計は初回配布CSVの収録範囲に基づく初期集計であり、 追加データ反映後・72時間内集計とは対象期間・対象データが異なる ※FASTALERT上の投稿・検知情報1レコードを1件として集計している ※「全国規模」等はFASTALERTの地域分類をそのまま使用している 51

Appendix | 災害別の主要事象 FASTALERTの過去5災害データを用いて、災害種別ごとに観測された主要事象の件数を比較 目的 災害別にみた主要事象の観測件数 災害種別によって多く観測される事象を把握し、 AIが優先的に提示する情報を検討する 対象・方法 • 対象：過去5災害のFASTALERTデータ （能登半島地震、奥能登豪雨、台風6号、台風15号、台風2号） • 対象期間：各災害の基準時刻から72時間以内 • 集計単位：1レコード＝1件 • 方法：主要10事象に分類し、災害別の観測件数を比較 主な結果 • 地震：地震被害・道路損壊・倒壊など、 物理的被害の情報が多い • 豪雨・台風：浸水・冠水、停電、土砂災害など、 水害・ライフライン情報が多い ※ 台風6号では通信障害も観測 サービス設計への示唆 災害種別に応じて、AIが提示する情報の優先順位を 切り替える必要がある i ※本集計は、実際の被害発生件数ではなく、FASTALERT上で観測された情報量を比較したものである 図A-1：災害別にみた主要事象の観測件数 52

Appendix | 関連投稿分析の条件と分類ルール 基礎集計⑤で示した「関連投稿に絞る」処理の詳細 判定ルール 分析対象 表A-3：関連投稿の分類基準と分析上の扱い 提供CSVの過去5災害を対象に、 投稿本文・事象カテゴリから正規表現ベースで関連性を判定 判定 扱い 例 直接関連 分析対象 冠水・停電・断水・道路損壊 間接関連 分析対象 大雨・地震・警報・避難情報 位置情報分析と道路・インフラ分析では ✓ ✓ 要確認 今回は除外 被害カテゴリだが因果不明 関連なし 除外 通常事故・火災・救急など 直接関連の主な語群 冠水、浸水、氾濫、土砂崩れ、 停電、断水、通行止め、 道路損壊、倒壊、津波 など 補足 「直接関連＋間接関連」のみを使用 間接関連の主な語群 大雨、豪雨、台風、線状降水帯、 地震、余震、 警報、避難所、支援物資 など ✓ 要確認・除外の例 火災、交通事故、救急、 通常の鉄道トラブル、 不審者、動物出没 など、 災害との因果が本文だけで不明な投稿 要確認投稿は全件を人手確認する時間がないため今回は除外。 実運用ではAI分類モデルの改善・人手確認フローにより精度向上の余地がある。 53

Appendix | 位置情報からみたパーソナライズ可能性 FASTALERTの位置情報から、利用者ごとに提供可能な情報粒度を確認 目的 FASTALERTに付与された位置情報から、利用者ごとに パーソナライズした情報提供がどの程度可能かを確認する 対象・方法 ・対象：過去5災害のFASTALERTデータ ・集計単位：投稿・検知情報1レコード＝1件 ・位置情報の粒度を次の3区分で確認 ① 緯度・経度あり, ② 市区町村まで判明, ③ 都道府県のみ サービス設計への示唆 FASTALERT単体でも市区町村レベルの 情報提供は可能である 一方、個人単位の避難行動支援には、 住所情報やGPS等との組み合わせが有効である 表A-4：位置情報の粒度別にみた提供可能な情報とサービス活用 利用できる情報 割合（5災害の範囲） 緯度・経度あり 約30〜46% 市区町村まで判明 約61〜81% 都道府県のみ 約19〜39% サービスで可能なこと 現在地周辺の危険表示、 避難経路の提示 地域単位で避難情報や 警戒情報を提供 広域的な災害情報の提供 主な結果 ・市区町村レベルで判明する情報は約61～81% ・緯度・経度付きデータは約30～46% ・災害種別により位置情報の付与状況に差がある ※割合は災害ごとに異なる。 54 ※「緯度・経度あり」は座標情報の有無、「市区町村まで判明」「都道府県のみ」は地域粒度に基づく分類である。 ※本集計はFASTALERT上で観測された投稿・検知情報を対象とする。

Appendix | 事象別の位置情報付与状況 FASTALERTの位置情報粒度を事象別に比較し、危険度表示や避難支援への活用可能性を確認 目的 表A-5：事象別の位置情報付与状況 事象ごとの位置情報の精度を比較し、 AIによる危険度表示や避難支援への活用可能性を確認 対象・方法 ・対象：過去5災害のFASTALERTデータ ・集計単位：投稿・検知情報1レコード＝1件 ・事象別に、投稿数／緯度・経度あり／ 市区町村あり／都道府県ありを集計 主な結果 ・火災（86.7%）・交通事故（77.9%）・ 鉄道トラブル（74.1%）は緯度・経度付き投稿が多い ・停電（0.4%）・断水（2.0%）は、 緯度・経度付き投稿が少ない ・事象によって位置情報の精度に大きな差がある サービス設計への示唆 i 事象に応じて位置情報の精度が異なるため、 AIは現在地周辺型の提示と地域単位の 提示を切り替える必要がある ※割合は各事象における「緯度・経度あり」件数÷投稿数に基づく ※本集計はFASTALERT上で観測された投稿・検知情報を対象とする 55

Appendix | 関連投稿の位置情報粒度：実件数 本編35ページの割合グラフの根拠となる母数・件数 表A-6：災害別にみた関連投稿の位置情報粒度（実件数・構成比） 災害 関連投稿 緯度経度あり 市区町村のみ 都道府県のみ 市区町村以上 能登半島地震 2,171 516 23.8% 734 33.8% 921 42.4% 1,250 57.6% 奥能登豪雨 312 136 43.6% 106 34.0% 70 22.4% 242 77.6% 台風6号 990 337 34.0% 194 19.6% 459 46.4% 531 53.6% 台風15号 752 235 31.2% 265 35.2% 252 33.5% 500 66.5% 台風2号 653 161 24.7% 281 43.0% 211 32.3% 442 67.7% 本編割合の算出根拠 関連投稿の53.6～77.6%は市区町村以上で把握可能であり、 周辺地域の被害把握に活用できる ※市区町村以上＝緯度経度あり＋市区町村のみ、位置情報なしは5災害すべて0件 集計結果から得られる示唆 災害によって関連投稿数と位置情報の粒度に差があり、 市区町村単位で把握可能な情報量も異なる 56

Appendix | インフラ情報の把握可能性と公式データ補完方針 本編36ページの「FASTALERTで把握／公式データで補完」の判断根拠 表A-7：道路・インフラ情報の把握可能性と補完判断 目的 情報種類 対象件数 緯度経度あり 市区町村以上 補完判断 道路規制・通行止め 281 153 / 54.4% 239 / 85.1% 公式確認で確定 道路冠水 250 116 / 46.4% 210 / 84.0% 公式確認で確定 河川・氾濫 165 66 / 40.0% 129 / 78.2% 水位・警報で補完 断水 313 35 / 11.2% 186 / 59.4% 給水所・復旧情報 停電 921 56 / 6.1% 310 / 33.7% 戸数・復旧見込み 通信障害 44 0 / 0.0% 0 / 0.0% 事業者情報が必須 道路・インフラ情報について、 FASTALERTで把握できる範囲と、 公式データで補完すべき範囲を整理 する。 対象・方法 対象： 過去5災害のFASTALERTデータ 集計単位： 投稿・検知情報1レコード＝1件 指標：緯度経度あり／市区町村以上 解釈：位置粒度と補完判断を比較 FASTALERT中心 公式データ併用 公式データ必須 道路規制・通行止め、 道路冠水は市区町村以上が 80%超 現場状況の早期把握に向く 河川・氾濫、断水は 地域把握は可能だが、 詳細把握には水位・給水 所・復旧情報の補完が必要 停電・通信障害は 位置粒度が低く、 事業者・自治体の公式情報 による補完が不可欠 集計結果から得られる示唆 道路系はFASTALERTで早期把握しやすい一方、 ライフライン系は公式データとの連携が前提となる ※本集計はFASTALERT上で観測された投稿・検知情報に基づく。割合は各情報種類の件数に占める比率 57

Appendix | MCP追加検証の詳細 MCPでは、投稿内容・時刻・場所の手がかり・情報源をリアルタイムに取得できる 実取得事例 取得できる主な項目 北関東豪雨 Topic/Item 同じ事象のまとまり/個別の投稿・検知 内容 見出し・投稿本文・事象カテゴリ 場所 発生地点・都道府県・市区町村の手がかり 時刻 投稿・検知・更新時間 情報源 公的機関・報道・SNSなどの発信先 今回のMCP取得データには緯度・経度なし 詳細地点は見出し・本文から抽出 栃木・群馬・埼玉| 2026/7/17 0:00~ 7/20 0:00（72時間） 市区町村特定 詳細地点記載 624件 80.9% 480件 62.3% 全投稿 関連投稿 1,463件 771件 青森県東方沖地震 青森県| 2025/12/8 23:15~ 12/10 23:15（48時間） 全投稿 関連投稿 391件 232件 市区町村特定 詳細地点記載 132件 56.9% 66件 28.4% 北関東豪雨では都市部のため母数となる件数が多い さらに、道路・河川の地点手掛かりが多く、周辺状況の把握や 危険道路の回避に活用しやすい 取得条件と取得条項を検証し、MCPをどの分析・通知機能に活用できるかを確認した 58

Appendix | MCP追加検証の詳細 貸与CSV以外でも、市区町村単位の取得可能性と詳細地点手掛かりを確認 表A-8：MCP追加検証における市区町村特定・詳細地点記載の状況 事例 対象 青森県東方沖地震 青森県 48時間 北関東豪雨 栃木・群馬・埼玉 72時間 全投稿 関連投稿 市区町村特定 詳細地点記載 読み取り 391 232 132 56.9% 66 28.4% 地震では 建物・道路被害の 地点手掛かりが限定的 1,463 771 624 80.9% 480 62.3% 豪雨では道路・河川の 地点手掛かりが多い 詳細地点の定義 MCPデータの扱い 町名・丁目、道路／交差点、 駅／橋、施設名、「付近・周辺」など 市区町村より細かい地点手掛かりを指す 緯度経度が含まれないため、 CSVとは単純合算しない 市区町村特定率・ 詳細地点記載率で別検証 限界 追加検証の示唆 北関東豪雨では道路・河川関連の 詳細地点手掛かりが多く、 道路回避・周辺状況把握と相性が良い ・正規表現ベースの分類であるため文脈誤判定は残る ・実運用では、AI分類・公式情報照合・人手確認を組み合わせて信頼度を高める必要がある 59

Appendix | Topicごとの情報更新回数と継続時間 同一Topic内の複数投稿の発生状況と、情報追加が継続した時間を確認 目的 同じTopicに複数投稿が集まるか、 どの程度の時間にわたり情報が 更新されるかを確認し、 AIが最新情報を提示する必要性を整理 対象・方法 ・対象：過去5災害のFASTALERTデータ（48時間以内） ・集計単位：同一Topic IDを1つの出来事として集約 ・指標：①投稿1件のみのTopic割合 ②複数投稿のTopic割合 ③複数投稿Topicの継続時間中央値 表A-9：災害別にみたTopic内投稿構成と更新継続時間 投稿1件のみの 複数投稿の 複数投稿Topicの 災害 Topic Topic 継続時間中央値 台風2号 76.2% 23.8% 49分 奥能登 豪雨 70.5% 29.5% 41分 台風15号 63.5% 36.5% 40分 台風6号 77.6% 22.4% 29分 能登半島 地震 74.1% 25.9% 53分 ・多くの出来事は投稿1件のみだが、約2～4割は複数投稿が集まった 主な結果 ・複数投稿Topicの継続時間中央値は29～53分 サービス設計への示唆 例：台風15号の停電に関する同一Topic 約13分間に19件の投稿が集まり、 発生後の復旧を示す投稿も含まれた 同一Topic内には単なる重複だけでなく続報・状況変化が含まれる AIは投稿を時間順に整理し、最新状況と最終更新時刻を提示する必要がある ※継続時間は最初の検知時刻から最後の検知時刻まで。割合は各災害のTopic件数に対する構成比。 60

Appendix | 災害別にみた生活関連情報の時間帯別構成① 災害種別と発災後の経過時間によって、住民に必要な生活関連情報がどう変化するかを確認 表A-10：災害別にみた生活関連情報の時間帯別特徴 目的 発災後の時間経過によって、 避難・交通・ライフライン・物資など、 生活行動に必要な情報が どのように変化するかを把握する 対象・方法 ・対象：過去5災害のFASTALERTデータ ・期間：分析基準時刻から48時間以内 ・時間区分： 0〜1h／1〜6h／6〜24h／24〜48h ・分類： 命・避難／継続する危険／ 交通・移動／ライフライン／ 避難生活・物資／医療・要配慮者／ 復旧・見通し サービス設計への示唆 災害 発災初期の特徴 時間経過後の特徴 優先表示の方向 能登半島地震 危険・避難・ 交通・ライフラインが並行 複数種類の情報が継続して観測 複数カテゴリを同時提示 奥能登豪雨 浸水・冠水など 危険情報が中心 危険情報に加え 交通・ライフラインも確認 危険＋移動支援 台風2号 継続する危険が中心 交通・移動やライフラインが増加 危険→移動可否 台風6号 大雨・河川増水など 直接被害が中心 6〜24hで ライフライン情報が89.2% 初期は浸水・後半は停電等 台風15号 直接被害・停電などが多い 24〜48hで ライフライン情報が88.6% 停電・断水・復旧情報 ・台風・豪雨では初期に「継続する危険」が中心 主な結果 ・時間経過後は「交通・移動」「ライフライン」へ変化 ・地震では複数種類の生活情報が並行して観測 AIは「災害種別×発災後の経過時間」に応じて、 提示する生活関連情報の優先順位を動的に切り替える必要がある ※同一投稿が複数分類に該当する場合は、それぞれの分類に計上。24〜48時間の一部は件数が少ないため、探索的な傾向として解釈。 61

Appendix F-2 Appendix | 災害別にみた生活関連情報の時間帯別構成② 各災害の時間帯別構成比を確認するためのグラフ一覧 ※一つの投稿が複数分類に該当する場合は各分類に計上。構成比は各時間帯の分類別言及件数の合計に対する比率 能登半島地震 奥能登豪雨 図A-2(a)：能登半島地震における生活関連情報の時間帯別構成 図A-2(b)：奥能登豪雨における生活関連情報の時間帯別構成 62

Appendix F-2 Appendix 2 | 災害別にみた生活関連情報の時間帯別構成③ 各災害の時間帯別構成比を確認するためのグラフ一覧 ※一つの投稿が複数分類に該当する場合は各分類に計上。構成比は各時間帯の分類別言及件数の合計に対する比率 台風2号 台風6号 図A-2(c)：台風2号における生活関連情報の時間帯別構成 図A-2(d)：台風6号における生活関連情報の時間帯別構成 63

Appendix F-2 Appendix | 災害別にみた生活関連情報の時間帯別構成④ 各災害の時間帯別構成比を確認するためのグラフ一覧 ※一つの投稿が複数分類に該当する場合は各分類に計上。構成比は各時間帯の分類別言及件数の合計に対する比率 台風15号 図A-2(e)：台風15号における生活関連情報の時間帯別構成 64