A model creation device 10 comprises: a first model creation unit 131 for using first pipeline damage data including the presence/absence of earthquake damage and the characteristics of a pipeline to create a first machine learning model for outputting vulnerability of the pipeline; a feature amount extraction unit 132 for specifying a feature amount of each first machine learning model; an average data extraction unit 133 for extracting pipeline damage data of which a feature amount is average from the first pipeline damage data and outputting data obtained by removing the feature amount from the pipeline damage data as second pipeline damage data; and a second model creation unit 134 for using the second pipeline damage data to create a second machine learning model for outputting vulnerability of the pipeline. A vulnerability calculation device 20 acquires pipeline data to be evaluated, which includes information on the characteristics of a pipeline to be evaluated, and applies the second machine learning model to the pipeline data to be evaluated in accordance with information on the characteristics of the pipeline to be evaluated included in the pipeline data to be evaluated, thereby calculating the vulnerability of the pipeline to be evaluated.

La présente invention concerne un dispositif de création de modèle (10) qui comprend : une première unité de création de modèle (131) destinée à utiliser des premières données de dommage de pipeline comprenant la présence/l'absence de dommage provoqué par un tremblement de terre et les caractéristiques d'un pipeline pour créer un premier modèle d'apprentissage automatique pour fournir la vulnérabilité du pipeline ; une unité d'extraction de quantité de caractéristiques (132) destinée à spécifier une quantité de caractéristiques de chaque premier modèle d'apprentissage automatique ; une unité d'extraction de données moyennes (133) pour extraire des données de dommage de pipeline dont une quantité de caractéristiques est la moyenne des premières données de dommage de pipeline et pour fournir des données obtenues par élimination de la quantité de caractéristiques des données de dommage de pipeline en tant que secondes données de dommage de pipeline ; et une seconde unité de création de modèle (134) destinée à utiliser les secondes données de dommage de pipeline pour créer un second modèle d'apprentissage automatique pour fournir la vulnérabilité du pipeline. Un dispositif de calcul de vulnérabilité (20) acquiert des données de pipeline à évaluer, qui comprennent des informations sur les caractéristiques d'un pipeline à évaluer et applique le second modèle d'apprentissage automatique aux données de pipeline à évaluer conformément à des informations sur les caractéristiques du pipeline à évaluer incluses dans les données de pipeline à évaluer, ce qui permet de calculer la vulnérabilité du pipeline à évaluer.

モデル作成装置１０は、地震被害の有無と管路の特性とに関する情報を含む第１の管路被害データを用いて、管路の脆弱性を出力する第１の機械学習モデルを作成する第１モデル作成部１３１と、第１の機械学習モデルのそれぞれについて特徴量を特定する特徴量抽出部１３２と、第１の管路被害データから特徴量が平均的な管路被害データを抽出し、該管路被害データから前記特徴量を除外したデータを第２の管路被害データとして出力する平均データ抽出部１３３と、第２の管路被害データを用いて管路の脆弱性出力する第２の機械学習モデルを作成する第２モデル作成部１３４とを備える。脆弱性算出装置２０は、評価対象の管路の特性に関する情報を含む評価対象管路データを取得し、評価対象管路データに含まれる評価対象の管路の特性に関する情報に応じて、評価対象管路データに第２の機械学習モデルを適用して、評価対象の管路の脆弱性を算出する。