アスファルト路面温度の予測モデル「Pavvy」を開発、国内200地点・40,000件の実測データを活用／280mメッシュの解像度を実現

座標・日時から気象データを取得し、路面温度を予測するWeb APIとして実装。業種を超えた様々なパートナーシップを模索していきます。

株式会社VRメディア

2026年8月6日 13時00分

株式会社VRメディア（以下「当社」）は、国内200地点で収集した約40,000件の路面温度データと、各測定地点・測定時刻に対応する気象データをもとに、280メートル四方のグリッド解像度で路面温度を予測する非線形モデル「Pavvy（パヴィ／Pavement Temperature Virtual Yardstick）」を開発しました。

また、本モデルを活用し、対象地点の気象情報と路面温度の予測値を提供するWeb API「Pavvy API」及び軽量版の「Pavvy-min」のクローズドテストを開始しており、今後はパートナー企業様との協業も念頭に精度向上に努めて参ります。

実測データで検証し、非線形モデルに落とし込む

2025年8月より、40,000を超える(2026年7月現在)路面温度の測定サンプルを収集しております。
Pavvyではこれらの実測値と、JMA-MSM(気象庁メソモデル),ECMWF(欧州中期予報センターオープンデータ)のほか複数の気象予測モデルを同時に取得・評価することで生成される気象データとの相関を関数化し、緯度と経度、日時より舗装路面温度の予測値を出力しています。

定量的に測定可能な12の気象データ+地形データを活用

気温・日射量(リアル/ヒストリカル)・雲量・湿度・風速・土壌温度・土壌水分量・雨量(リアル/ヒストリカル)・降水量(リアル/ヒストリカル)といった気象データより、路面の蓄熱量・放熱量をシミュレーションします。特に本モデルにおいては、日射量や降水量、外気温の変化をヒストリカル(時系列的)に捉え、直近6時間でどのような変化があったのかを回帰的に分析しています。

これに加え、特定地点の周囲の緑地割合と位置関係・舗装路の割合・建造物の有無・水源の有無など様々な情報を活用し、予測値を算出します。

モデルの設計にあたっては、同一気象条件において「周囲に建造物が認められる場合とそうでない場合」「植栽や森林がn%以上の場合」といった環境パラメータが異なるケースと路面温度との相関を組み込むなど、より実践的なユースケースを想定しています。

従来の路面温度算出モデルの多くは、特定地点Xの路面温度について周辺の気象状況(気温・日射量・路面水分量・放熱量など)や高度等をもとに算出しているものが一般的です。Pavvyにおいてはこれらの気象データはもちろんのこと、地形が影響し日射量の少ない場所や、放熱が起こりにくいスポットなどを280メートルメッシュのグリッドで評価し補正していることが特徴です。

夏季の高温条件下で、予測値と実測値の平均誤差2.2℃を実現

様々な要素が相関する路面温度の実態を予測値に反映させるためには、数値化可能なより多くのデータを説明変数として解析に使用し、それらを線形モデルの構成要素とする必要があります。

そのため開発当初はモデルの構築に必要な最低限のサンプル数をN=11,880以上と算定し、2026年7月現在40,000以上のサンプルを計測、現在も様々な環境・路面におけるデータを継続して収集しています。

※アスファルト路面温度は、経年劣化・摩耗などさまざまな要因により変化します。実測にあたっては「気象データの相関検証」と「地形環境との相関検証」のフェーズを分けています。気象データとの相関検証においては観測地点範囲の日照の妨げがない路面、かつ著しい摩耗が見られない路面において複数のスポットを測定し中央値を観測地点の路面温度としています。　また同一気象条件で地形環境の異なる別地点を、地形環境との相関検証のデータとして比較検証を行います。

※Pavvy-minで出力される対象地点の路面温度は、対象地点における日射が妨げにならない路面の平均的な温度となります。対して地形考慮型のPavvyでは地形データ補正が行われます。

パートナー様との協業、新たな可能性の開拓を目指し商用化を検討

現在、当社では軽量版のPavvy-minを実装・活用した天気予報アプリ「Pavvy°」の開発を進めています。
これはペット(犬)の健康を気遣う飼い主様の利用を想定したスマートフォンアプリで、1時間単位の路面温度予測と、最高・最低路面温度に加え、犬の体高での外気温などを含む気象情報を16日先まで提供するものです。

今後は、多様な業種においてPavvy APIをご活用いただけるよう、新たなパートナーシップを通じてPavvyの可能性を模索していきます。

また、よりいっそうの精度向上を目指し 80,000サンプルの収集を目標とし検証を重ねると同時に、アスファルトや骨材／コンクリート／鉄といったマテリアルにも着眼し、モデルの拡張性を研究して参ります。