カルマンフィルタとは？——予報ガイダンスとGPSに共通する「予測と実測を混ぜる」技術

先日書いた飛行場時系列予報の記事で、予報ガイダンスに「カルマンフィルタ」という手法が使われていると触れた。聞き慣れない言葉だが、実はこの技術、みなさんが普段乗っている航空機の中でも働いている。GPSと慣性航法を組み合わせる仕組みが、まさにカルマンフィルタだ。

数式を使わずに、「カルマンフィルタとは何をしているのか」をやさしく整理しておく。これがわかると、予報ガイダンスの記事もぐっと読みやすくなるはずだ。

ひとことで言うと #

カルマンフィルタは、

「予測」と「実測」を、それぞれの不確かさに応じて賢く混ぜ合わせ、最も確からしい答えを出し続ける手法

だ。どちらか一方を信じ切るのではなく、「予測はこう言っている、実測はこう言っている、ならば真値はこのあたりだろう」と、両者の“いいとこ取り”をする。

ヘリで飛んでいて、自分の現在位置を知りたいとする。情報源は2つ。

① 予測（推測航法）
「さっきこの地点を、この速度・針路で通過した。1分経ったから、計算上は今ここにいるはず」——機体の動きから推測した位置。短時間なら正確だが、時間が経つほど誤差が積み重なる。

② 実測（GPS）
GPSが示す位置。長時間でもズレ続けないが、1回ごとの測定にはノイズ（ばらつき）が乗る。

この2つは、どちらも完璧ではないが、誤差の性質が違う。推測航法は「だんだんズレる」、GPSは「毎回ちょっとブレる」。

カルマンフィルタは、ここで両者の不確かさ（誤差の大きさ）を天秤にかけて、最適な現在位置を推定する。

そして新しい実測が来るたびに、この推定を更新し続ける。これがカルマンフィルタの基本動作だ。実際、航空機のGPS/INS統合航法は、この考え方で「INSの滑らかさ」と「GPSの絶対精度」を両立させている。

カルマンフィルタの肝は、1回ごとに予測→修正をくり返す点にある。

このループを回し続けることで、推定はどんどん実態に追従していく。過去の全データを保存しなくても、「直前の推定値」と「新しい観測」だけで更新できるので、計算が軽いのも大きな利点だ。

ここで本題の気象に戻る。

気象庁のガイダンスは、数値予報モデルの出力を統計的に補正して、気温や最大風速などの予報をつくる。このときカルマンフィルタが使われる要素がある。

何を「予測」「実測」と見ているかというと——

カルマンフィルタは、予測式の係数そのものを、直近の実測に合わせて少しずつ修正していく。たとえば「このモデルは最近この空港で気温を高めに出す傾向がある」と実測からわかれば、その分だけ予測式を自動で引き下げる、というイメージだ。

つまり、

モデルのクセ（系統誤差）を、最新の実況で自動チューニングし続ける

のがカルマンフィルタの役割になる。だから予報ガイダンスは、季節の変化やモデル更新があっても、実況に追従して精度を保てる。気温・最大風速のような予測と実測の関係が直線的（線形）な要素と相性がよい。

（関係が複雑〔非線形〕な視程や雲などには、ニューラルネットワークなど別の手法が使われる。このあたりは時系列予報の記事で触れたとおりだ。）

カルマンフィルタは1960年代にルドルフ・カルマンが理論を確立し、NASAのアポロ計画で宇宙船の航法に採用されたことで一気に有名になった。月へ向かう宇宙船の位置と速度を、限られたセンサーの値から推定するのに使われたのだ。

今ではGPS、ロボット、自動運転、そして気象予報まで、「ノイズのあるデータから本当の値を推定する」あらゆる場面で使われている。航空機の航法装置の中でも、静かに働き続けている技術だ。

ポイント	内容
何をする技術か	「予測」と「実測」を不確かさに応じて混ぜ、最も確からしい値を推定
動作の特徴	予測→観測→修正をくり返す逐次更新。計算が軽い
身近な例	GPS／慣性航法（INS）の統合
気象での役割	数値予報の予測式を直近の実測で自動チューニング（系統誤差を補正）
向いている要素	気温・最大風速など、予測と実測の関係が線形のもの

「予測を実測で直し続ける」というだけのシンプルな発想が、宇宙船から天気予報まで支えている。予報ガイダンスがなぜ実況に追従して精度を保てるのか——その裏側にカルマンフィルタがいる、と知っておくと、毎朝のブリーフィングの見え方が少し変わるはずだ。

ヒーロー画像：GPS-IIR衛星のイメージ（米国政府作成／パブリックドメイン）。Wikimedia Commons