令和8年8月13日からの大雨で亡くなられた方々に、心よりお悔やみ申し上げます。被災された皆さまへお見舞い申し上げます。この記事は2026年8月14日時点の公表資料と、私自身が豪雨の中で移動判断をした体験をもとに書いています。
2026年8月13日の夕方、私は家族を乗せた車で館山から千葉県内を北上していました。
雨は強くなり、レーダーでは同じ地域で雨雲が次々に発達していました。道路はまだ全面的に止まっていません。自治体の避難情報も、主に警戒レベル3から4の段階でした。
それでも私は、市原サービスエリアで帰宅をやめました。
このまま進めば、低い道路やアンダーパスが冠水する。動けなくなった車や事故で渋滞が起きる。高速道路が閉鎖されれば、一般道へ降ろされる。その一般道も通れないかもしれない。
頭の中では、雨量そのものより、雨をきっかけに道路、車、人の動きが連鎖して止まる未来が見えていました。
その夜、千葉では1時間115.0ミリの雨が観測されました。気象庁の速報値では、千葉、佐倉、館山、船橋、我孫子の1時間降水量が、それぞれの観測史上1位を更新しています。
私は気象予報士です。それでも、あの場で欲しかったのは追加の雨量データだけではありませんでした。
このまま進む、引き返す、ここで待つ。家族にとって、どの選択がいちばん危険を小さくできるのか。
被災後、過去の気象災害とインフラ被害をAIに学ばせれば、こうした判断をもっと早く支えられるのではないかと考えました。一方で、経験したことのない豪雨や、初めて起きる被害の連鎖に、AIは本当に強いのでしょうか。
どのようにAIを活用できそうか、国内外の研究と実装を調べてみました。
レベル4のうちに、私は帰宅をやめた
8月12日から13日、家族で館山へ出かけていました。目的の一つはペルセウス座流星群でした。
空模様は不安定でしたが、ずっと荒れていたわけではありません。私は気象レーダーと短時間予報を見ながら、バーベキュー、花火、星空を見る時間を少しずつ変えました。
13日の16時ごろ、館山を出発しました。北へ進むほど雨が強まり、レーダーでは発達した雨雲が同じ方向へ繰り返し流れ込んでいました。
ここで判断を難しくしたのは、目の前の道路がまだ走れたことです。
高速道路に広い通行止めは出ていない。スマートフォンには警戒レベル3や4の情報が増えている。しかし、「今すぐこの場所から動けない」と明示されていたわけではありません。
子どもを乗せた家族旅行では、判断材料が増えます。
- トイレへ行けるか
- 食べ物と飲み物はあるか
- 燃料とスマートフォンの電池は足りるか
- 車内で眠れるか
- 道路上で動けなくなる前に、安全に待てる場所へ入れるか
私は市原サービスエリアへ入り、その夜の帰宅を断念しました。結果として、その後に警戒レベル5の情報や道路の通行止めが広がりました。
これは「正解を当てた」という話ではありません。判断した時点では、どこまで悪化するか確定していませんでした。
それでも、危険が確定してから止まるのではなく、選択肢が残っているうちに止まることはできました。
現地での詳しい経過は、NatureWxLabのnote記事「レベル4のうちに、気象予報士の私は帰宅をやめた」にもまとめています。
情報はあった。それでも「次の一手」が足りなかった
あの夜、情報がなかったわけではありません。
気象庁の雨雲の動き、キキクル、警報・注意報、自治体の避難情報、道路交通情報、ハザードマップ。危険を知るための部品は、すでに多くあります。
ただし、移動中の私が判断したかった問いは、情報を一つずつ開くだけでは答えにくいものでした。
- 1時間後、私はどこにいる可能性が高いか
- その時刻の雨雲と浸水しやすい道路は、どこで重なるか
- 高速道路が閉じた場合、どこへ流出させられるか
- その一般道で冠水や渋滞が起きたら、次に逃げられる場所はあるか
- 小さな子どもを連れたまま進むより、今いる場所で待つほうが安全か
現在の防災情報は、主に「いま、どこが危険か」を伝えます。私が欲しかったのは、そこから一歩先の、自分の移動と家族条件を重ねた未来の分岐でした。
気象情報が足りないのではありません。道路情報も、地形情報もあります。
足りないのは、それらを同じ時刻と場所で重ね、不確実性を残したまま、「では次にどう動くか」へ翻訳する仕組みです。
被災後、AIを防災にどう使えるか調べてみた
調べてみると、AIと防災の研究は、すでに「明日の天気を当てる」だけではありませんでした。
洪水の発生予測、浸水域の検出、被害の推定、複数災害の早期警戒、住民への伝え方まで研究されています。日本でも、防災科学技術研究所を中心とするSIP「スマート防災ネットワークの構築」が、AIなどを使った情報収集・把握の高度化と、分析結果に基づく個人・自治体・企業の対応力強化を掲げています。
私が現場で感じた空白に当てはめると、AIには次の使い方が考えられます。
ポイントは、AIが一つの万能モデルですべてを答えるのではなく、ばらばらの情報を、人が判断できる形へつなぐ役を持てることです。
過去の災害を学ぶAIは、どこまで役立つのか
「過去の災害を学習すれば、被害予測の精度を上げられるのではないか」という感覚には、研究上の根拠があります。
2024年にNatureへ掲載された洪水予測の研究では、観測所のない流域を対象に、AIが最大5日前までの洪水を予測しました。研究チームは、場所と時期を分けた検証を行い、一定規模までの洪水では、既存の世界的な予測システムと同等か、それを上回る信頼性を示したと報告しています。
これは、AIが「その地点で過去に起きたこと」だけを丸暗記しているわけではなく、別の地域で学んだ関係を、未観測の流域へ移せる可能性を示します。
また、2023年の洪水リスク研究は、AIの役割として次を挙げています。
- 計算に時間がかかる物理シミュレーションを高速化する
- 衛星画像から洪水の広がりを早く把握する
- 大量の地理空間データを組み合わせる
- 予測の幅と不確実性を定量化する
- AIと物理モデルを組み合わせ、速度と信頼性を両立する
ここへ道路の高さ、アンダーパス、排水設備、過去の通行止め、停電、通信障害、人の移動といった情報を加えれば、「雨が強い」から「どのインフラが、どの順に止まりやすいか」へ近づけます。
私が頭の中で行った連鎖予測を、もっと多くのデータで、もっと速く、複数の可能性として計算するイメージです。
AIは、未知の災害に強いのか
ここが、私が最も気になった点です。
AIは過去のデータから規則性を学びます。では、学習データにない豪雨や、これまで起きなかった被害の連鎖を予測できるのでしょうか。
調べてみると、「未知」は一つではありません。
未観測流域の洪水予測のように、場所が違っても物理的な仕組みが似ていれば、AIが一般化できる例はあります。
一方、2025年の極端気象とAIに関するレビューは、条件が時間とともに変わる「非定常性」やデータ分布の変化により、過去のデータを超えた一般化が難しくなると指摘しています。変数同士の関係そのものが変われば、未知の条件で予測が頑健でなくなるからです。
さらに、複合災害では雨だけを当てても足りません。
2025年の複合気候リスクに関する研究は、同じ気象現象でも地形、土地利用、社会条件によって被害が大きく変わると説明しています。実際の影響には、細かな地形や生態系だけでなく、道路、建物、避難行動のような気象以外の要素が関わります。
つまり、AIが見たことのない領域で一番怖いのは、単に雨量が大きいことではありません。
「雨が増えれば被害も同じ割合で増える」という過去の関係が、途中で壊れることです。
AIが高い確率を表示しても、前提が崩れていれば正しいとは限りません。説明可能AIも、学んだ相関を見せることはできても、因果関係を自動的に保証するものではありません。
未知に備えるには、AIだけで完結させず、物理モデル、現場観測、専門家の知識、地域固有の情報を組み合わせる必要があります。
私が欲しかったのは「予言」ではなく、条件付きの行動支援だった
あの夜の私に、AIから「この道なら絶対に帰れます」と言われても、信用できなかったと思います。
欲しかったのは予言ではなく、次のような条件付きの比較です。
- 進む場合：30分後に強雨域と重なる可能性が高い。先の低地で冠水リスクが上がっている
- 戻る場合：南側の雨は弱いが、引き返す区間の一部で渋滞が始まっている
- 待つ場合：現在地は浸水想定区域外。燃料、トイレ、食料を確保でき、2時間後に再評価できる
そして各判断には、必ず次の情報が必要です。
- どの公的情報を使ったか
- 情報は何時に更新されたか
- 何が観測で、何が予測か
- 予測の幅はどれくらいか
- データがない場所や、モデルが苦手な条件は何か
- 状況が変わったら、いつ判断をやり直すか
現在の危険度を一色で示すだけでなく、複数の未来を並べる。AIが結論を決めるのではなく、人が判断するための材料を短時間でそろえる。
それなら、AIは公式の警報や避難情報を置き換えず、警報を自分の行動へ翻訳する補助線になれます。
AI防災を命につなげるための5つの条件
研究と自分の体験を重ねると、AI防災を実用にするには、少なくとも5つの条件が必要だと感じます。
公式情報を土台にする
警報、避難情報、河川、道路、ハザードマップなど、発信元と更新時刻が確認できる情報を中心にします。SNSや現地投稿は速い一方、誤情報や重複が混ざる前提で扱います。
AIと物理モデルを組み合わせる
過去データの規則性だけでなく、雨水が地形を流れ、河川や排水設備へ集まる物理を組み込みます。未知の条件ほど、AI単独よりハイブリッドな設計が重要です。
一つの答えではなく、不確実性を見せる
「安全」「危険」の二択ではなく、複数シナリオ、予測幅、最悪側の可能性を示します。外れたときに命へ関わる場面では、平均的に当たることより、危険を見落とさないことが重要です。
地域とインフラの細部を学ぶ
同じ雨でも、低地、斜面、舗装、排水、道路構造、交通量で被害は変わります。全国共通モデルだけでなく、地域データと現場からの更新が必要です。
最後は人が判断し、通信断にも備える
AIは助言までにとどめ、避難指示や公式情報と競合させません。通信や電源が止まったときに使えない仕組みだけでは危険です。紙のハザードマップ、家族の連絡方法、燃料や電池など、AIなしでも動ける備えを残します。
まず作れそうな、小さな判断支援
大規模な被害予測システムは、個人ですぐ作れるものではありません。それでも、現在ある公的情報を束ねる小さな仕組みなら試せそうです。
たとえば、利用者が次の情報を入れます。
- おおまかな現在地と目的地
- 移動手段と予定経路
- 子ども、高齢者、持病などの配慮条件
- 燃料、電池、食料、トイレの余裕
AIは、気象庁の危険度、自治体の避難情報、ハザードマップ、道路交通情報を同じ時刻で整理し、進む、戻る、待つの条件を並べます。
ただし、勝手に安全な経路を断定してはいけません。「このルートで避難してください」ではなく、公式情報へのリンク、更新時刻、確認できていない情報、次の再評価時刻を返す設計にします。
位置情報は個人情報でもあります。必要以上に保存せず、家族構成や移動履歴が外へ漏れない設計も欠かせません。
私は今回、気象の知識と家族の状況を頭の中で重ね、早めに止まる判断をしました。
もしAIが、その重ね合わせを誰にでも使える形へ補助できれば、専門知識がない人にも、選択肢が残っているうちに立ち止まるきっかけを渡せるかもしれません。
まとめ｜「危険です」から「では、どう動くか」へ
千葉豪雨の中で私が感じたのは、防災情報が足りないというより、情報を自分の次の行動へ変える部分に空白があることでした。
AIは、過去の災害、地形、道路、インフラ被害を学び、洪水予測や被害把握を速くする可能性があります。観測所のない流域のように、未経験の場所へ知識を移せる例も出ています。
しかし、AIは未知に無条件で強いわけではありません。気候や社会の条件が変わり、過去の関係が崩れると、予測は弱くなります。複数の被害が連鎖する場面では、データにない現象も起こります。
だから目指したいのは、災害を言い当てるAIではありません。
根拠と不確実性を示しながら、人が早めに「進まない」選択もできるようにするAIです。
「危険です」と知らせるところから、「では、あなたはいま何を選べるか」まで。
AIと防災がそこまで連携できれば、命だけでなく、車や家、仕事、生活を守れる場面が増える可能性があります。
参考にした主な一次資料・研究
- 気象庁｜毎日の全国観測値ランキング（2026年8月13日）
- 気象庁｜令和8年8月13日の大雨特別警報に関する報道発表
- 千葉県｜令和8年8月13日からの大雨に伴う対応
- 防災科学技術研究所｜SIP「スマート防災ネットワークの構築」
- Nature｜Global prediction of extreme floods in ungauged watersheds
- npj Climate and Atmospheric Science｜AI for climate impacts: applications in flood risk
- Nature Communications｜Artificial intelligence for modeling and understanding extreme weather and climate events
- Nature Communications｜Early warning of complex climate risk with integrated artificial intelligence
コメント