リアルタイム「燃やして学ぶ」：攻撃的・カミカゼ型データ収集ドローン群による学習・能力開発プロセス、消防士の傷害・生命の統計的価値、および代替シナリオとしての消防士採用プールの転換

必要地域への展開、カリフォルニア州・コロラド州・テキサス州を対象としたケーススタディ——スケーリングおよび展開の文脈は国際的に事前調整済み

抄録

要旨（日本語）

本論文は、無人航空システム（UAS）運用、AI/ML火災行動モデリング、社会的投資収益率（SROI）経済学、および学習・組織開発（L&D）理論の交差点に位置する学際的フレームワークを提示する。本フレームワークが取り組む課題は、山火事緊急対応における構造的な情報ギャップ——急速に拡大する火災が抑制体制の展開前に大部分の被害を生じさせる危機的な最初の24時間——における実時間インテリジェンスの欠如である。

運用上明確に異なる三つの山火事アーキタイプを検討する：都市・野生地界面（WUI）火災（カリフォルニア州）、複雑な山岳地形火災（コロラド州）、および風主導の平坦地草地火災（テキサス州）。各シナリオについて、FlamMap、FARSITE、およびオープンソースMLフレームワークを含む次世代火災行動モデリングツールと整合したドローンプラットフォーム要件、センサー構成、およびデータ収集目標を定義する。

本論文の中核的貢献は、「カミカゼ型攻撃的偵察」と称する計画的ハードウェア消耗を正当なR&Dコストカテゴリとして定式化することにある。消防士の死亡（生涯コスト合計250〜500万米ドル）および重傷（80〜220万米ドル）に関する社会的コストモデルに基づき、1,500〜25,000米ドルの犠牲的偵察ドローンは1件の死傷者予防あたり100〜1,000倍のSROI乗数を持つことが示される。この再構成は米国国防総省の消耗可能システムドクトリンに先例を持ち、本論文において山火事インテリジェンスプロトコルとして初めて体系的に適用される。

エッジ推論、リレー集約、および地上レベルモデル更新からなる三層の群れアーキテクチャを提案し、安全観測・活性境界・内部犠牲ゾーンを循環する交互ゾーン戦略を付随させる。半球循環展開プロトコルにより、1暦年内に燃料タイプ・地形形状・火災挙動にわたるAI/MLトレーニングデータの多様性が最大化される。

論文はさらに、消防士採用プールの展望的分析と、いかなるドローンシステムも代替し得ない人的資本基盤を維持するうえでの文化的可視性の役割を論じて締めくくる。提案されたすべてのデータプロトコルはCC BY 4.0ライセンスのもとでのオープン公開にコミットされている。