山梨県クマ遭遇AI予測マップ

Updated: 2025.12.31 08:35:16

札幌市 | 青森県 | 秋田県 | 盛岡市 | 山形県 | 宮城県 | 福島県 | 新潟県 | 富山県 | 石川県 | 福井県 | 長野県 | 岐阜県 | 山梨県 | 栃木県 | 群馬県 | 埼玉県 | 東京都 | 静岡県 | 三重県 | 滋賀県 | 京都府 | 奈良市・木津川市・山添村 | 鳥取県 | 山口県 |

トップページに戻る

このマップは、上智大学 深澤研究室で開発したモデルを使用し、山梨県内のクマ遭遇確率を予測したものです。

• 注意（重要）：このマップの情報は将来の遭遇を予測したもので、確定的な事実ではありません。表示内容は、あくまで注意喚起の目的で提供されています。
• 本マップの情報は、あくまで参考用です。最新かつ正確な情報は、必ず各自治体や関係機関の公式発表をご確認ください。
• 本データは各自治体が公表している目撃情報をもとにしていますが、報告の中には他の動物との誤認が含まれる可能性もあります。そのため、マップ上の予測には「クマ」以外の動物との遭遇の可能性も含まれることをご理解ください。
• 本マップは、人との遭遇が記録された場所のデータを基に作成しています。そのため、実際のクマの分布や移動とは異なる場合があります。特に人が立ち入らない山奥では予測が行われていませんが、クマが出没する可能性がありますのでご注意ください。
• マップ上のXは直近のクマらしき動物と遭遇した場所を表しています。
• 赤から黄色へのグラデーションのマーカーは、AIが推定したクマと遭遇する確率を示しています。赤に近いほど遭遇リスクが高いことを表しています。
• マーカーはピンポイントの場所ではなく、マーカー周辺での遭遇確率を表しています。マーカーは1km四方のメッシュの中心に配置してあります。
• マーカーが配置されていない場所はデータ不足のため予測対象外です。遭遇予測はしておりませんのでご注意ください。
• 遭遇の可能性の高い河川を赤色で重畳表示しています。
• 本マップのアップデートや追加などはX上で発信しております。X.com（旧Twitter）

どの色のマーカーから警戒すればよいの？

• 実際に遭遇が発生する場所を見逃してしまうリスクを避けるために「やや高い」や、自治体によっては「可能性あり」のマーカー周辺から警戒することをお勧めします。詳細な理由は次の質問への回答をご覧ください。 もちろん「低い」となっているエリアでも絶対にクマと遭遇しないというわけではありません。必ず自治体からの最新情報を最優先にご確認ください。

このマップの予測はどのくらい当たるの？

• このマップで黄色や薄いマーカーだからといって絶対にクマと遭遇しないというわけではありません。また、赤に近いマーカーだからといって100％クマに遭遇するわけではありません。
• AIによるクマ遭遇予測モデルがどれぐらい当たるのかは、2種類の指標によって計測することができます。適合率と再現率の2つです。
• 適合率とは、「クマと遭遇する」と予測した場所のうち、実際に遭遇が発生した割合を表します。 例えば、上のマップで「非常に高い」と表示されたマーカーが300個あり、そのうち150個の地点で実際の遭遇が発生した場合、適合率は150 ÷ 300 = 0.5（50％）となります。
• 再現率とは、実際に遭遇が発生した場所のうち、予測が当たっていた割合を表します。 例えば、実際の遭遇地点（Xマーク）が200か所あり、そのうち150か所が「非常に高い」と予測されていた場合、再現率は150 ÷ 200 = 0.75（75％）となります。
• 遭遇確率は0～1の数値で表されます。「非常に高い」は0.8～1.0、「高い」は0.6～0.8、「やや高い」は0.4～0.6、「可能性あり」は0.2～0.4、「低い」は0.0～0.2を意味します。 下のグラフを見ると、「非常に高い」だけに注目する（グラフ上では0.8付近）と適合率は上がりますが、再現率が下がり（見逃しが増える）ことがわかります。
• 見逃しを防ぐためには、再現率が十分に高い「やや高い」（グラフ上では0.4付近）や、自治体によっては「可能性あり」（0.2付近）のエリアから警戒することをお勧めします。 繰り返しになりますが「低い」となっているエリアでも絶対にクマと遭遇しないというわけではありません。必ず自治体からの最新情報を最優先にご確認ください。

クマの遭遇件数はどれぐらい増えているの？

• このグラフは、山梨県における熊らしき動物の遭遇数を直近3年間（月単位）で示した棒グラフです。

技術的な内容・参考記事：

• 本マップは以下の論文をもとに作成しています:
  1.Shin Nakamoto and Yusuke Fukazawa. "Bear warning: predicting encounters using temporal, environmental, and demographic features." International Journal of Data Science and Analytics (2025): 1-19. 論文リンク
  2.中許眞，深澤佑介: 秋田県におけるクマの出没予測モデルの構築と特徴量の重要性分析, 情報処理学会第87回全国大会, 2025. リンク
  3.中許眞，深澤佑介: 大規模言語モデルを用いたクマ類による人身被害予測, 人工知能学会全国大会, 2024. リンク
• クマとの遭遇リスクをAIで予測するモデルを開発（上智大学）
• AI分析がクマ被害防止の一助に！？上智大学の研究チーム、クマの出没傾向予測システムを開発中（秋田テレビ）
• クマ遭遇するリスク 予測するAIを開発 実際に的中したケースも（NHK）
• 【AIがクマ遭遇率を予測】全国で深刻化する熊被害―AI活用した「遭遇予測マップ」を上智大が公開―出没記録や人口分布、地形などの要因を分析―札幌市は中央区・東区・北区も「やや高い遭遇確率」（北海道文化放送）
• 開園前の保育園にクマが出没　キウイが実った木を揺らす様子が…AIがクマとの遭遇をリスクを減らす！ （TBS）
• AIでクマとの遭遇リスクを予測　6割以上の精度　上智大の研究（毎日新聞）
• ＜1分で解説＞AIがクマ遭遇リスクを予測　的中率は何％?（毎日新聞）
• Japanese scientists invent AI tool to predict bear encounters as attacks rise（South China Morning Post）
• 「クマ99%」自動カメラに姿、AI判定でキャッチ　クマ対策もDX（朝日新聞）

謝辞：
本研究では次のデータを使用しました。提供機関様に感謝します。

• 山梨県ツキノワグマ出没マップから、緯度・経度・日時情報のみ抽出して使用（山梨県）：リンク
• 土地被覆図（JAXA 宇宙航空研究開発機構）：ALOS土地被覆図 v25.04
• 道路データ（国土交通省 国土情報部）：道路中心線データ（KSJ-N04）
• 人口及び世帯データ（総務省統計局）：国勢調査人口・世帯データ
• 標高データ（国土交通省 国土地理院）：標高データ（KSJ-G04）
• 河川データ（国土交通省 国土地理院）：河川データ

※このマップおよび掲載内容の無断転載・再配布を禁止します。
ご利用や転載に関するお問い合わせは、fukazawa at sophia.ac.jpまでご連絡ください。