「水路が満杯」の正体:排水網のデジタルツインと、2026年9月バンコク内水氾濫が示したもの

2026年9月26日、ほぼ48時間降り続いた雨で市内の一部では累計300mm近くに達し、バンコク都は全50区を洪水災害区域に指定しました。市内のポンプ場はフル稼働で、合計およそ毎秒1,200立方メートルを排水していました。都知事は状況を一言でこう表現しています。問題は、水路(クローン)が満杯であることだ、と。

いまも浸水の中で生活や事業を続けている方々に、心からお見舞い申し上げます。本稿は目の前の救助についてではなく、水が引いた後に重要になる問いを扱います。巨大排水トンネルを4本持ち、300か所以上でリアルタイム監視を行う都市が、なぜそれでも浸水したのか。そして次に同じことが起きたとき、運用担当者の判断を支えるのはどのような仕組みか、です。

日本の読者には馴染みのある言葉で言えば、今回は外水氾濫ではなく内水氾濫でした。The Nationは水資源の専門家チャワリット・チャンタララット氏の評価として、主因は地域の排水システムが処理しきれなかった降雨であり、チャオプラヤ川の越水ではないと報じています。川は2か所の観測点で堤防天端より約40cm低いままでした。一方で、堤防天端近くまで水位が上がった水路が、道路から排水網への雨水の流れを妨げ、水が路上に留まったのです。

各要素が互いに影響し合う連成システムの問題であり、これこそデジタルツインが得意とする領域です。

1. 「水路が満杯」は、なぜモデリングの問題なのか

バンコク都排水下水局は、都市の水害リスクを「三つの水」で説明しています。北部からの流下水、高潮、そして降雨です。特に短時間に集中する「レインボム」型の豪雨により、現在は降雨が最大の懸念となっています。2026年6月の同局の説明では、雨水排水能力を毎時60mmから80mmに引き上げたこと、大型排水トンネル4本が稼働中であること、豪雨の最初の15分を受け止める地下貯留槽「ウォーターバンク」を整備していることが紹介されました。

いずれも実際の改善です。ただし「毎時何mm」という能力値が表すのは、連鎖の一段階にすぎません。

雨が道路や屋根に降り、道路の雨水ますに入る。
管渠が水路へ運ぶ。
水路がポンプ場やトンネル取水口へ運ぶ。
ポンプとトンネルがチャオプラヤ川へ排水する。

各段階は、次の段階が許す分しか機能しません。水路の水位が堤防天端に近づけば、そこへ流れ込む管渠の流れは遅くなり、管渠が詰まれば雨水ますは水を受け入れなくなります。ポンプは高い揚程に抗うことになり、吐出量が落ちます。一本の水路で数十cm水位が上がるだけで、どの道路がどれだけの時間冠水するかが変わり得ます。1日100〜150mmの雨が2日続く状況は、時間最大排水能力ではなく、貯留と系統全体の「状態」が試される状況です。

ダッシュボード上の単一の数値では、これを捉えられません。捉えられるのは、排水網そのもののモデルです。

2. デジタルツインとは何か、何ではないか

デジタルツインの一般的な解説は以前書きました。排水網に限れば、実務上の定義はもっと狭くなります。排水デジタルツインは三つの要素で構成されます。

排水網のモデル。 集水域、管渠、水路、貯留施設、ポンプ、水門、吐口を、実際の寸法と能力で表現したもの。
リアルタイム同期。 水路・ポンプ井の水位、雨量計、レーダー、ポンプと水門の運転状態、河川水位と潮位といったセンサー値が、モデルの状態を常に現実に引き寄せます。
現在から始めるwhat-if。 設計条件からではなく、排水網の現在の状態から「もし…なら、この先2時間どうなるか」を問えること。

違いは三つ目にあります。ダッシュボードは「水路は今2.1m」と教えてくれます。設計用シミュレーションは、すべてが正常な前提で理論上の10年確率降雨に排水網がどう応答するかを教えてくれます。ツインは、今2.1mのこの水路が、次の雨雲が40分後に到達し、3号ポンプが停止したままならどうなるかを教えてくれます。

3. バンコクではすでに実証されている

これは空想ではありません。英国政府の資金によるバンコク都向けのパイロットで、Mott MacDonaldはワントンラーン区の17km²を対象としたリアルタイム雨水氾濫予測システムを構築しました。都のCバンド雨量レーダーを較正し、管渠・ポンプ場・水路を詳細に表現した水理モデルを作り、そのモデルを高速に再現する機械学習サロゲートを訓練しています。41の降雨イベントの計算が、フルモデルの30時間に対して30秒、平均差はおよそ20mm。観測値は5分ごと、2時間先の浸水予測は10分ごとに更新されます。

同プロジェクトは今後の発展として、より良い運用制御のためのSCADAデータ統合も挙げています。

私たちが最も関心を持つのはこの部分です。都市にとって、そしてそれ以上に、都市の排水網の中に立地する民間の拠点——工業団地、工場、病院、データセンター、物流拠点——にとってです。水がどこに来るかを知ることは前半にすぎません。後半は、それを踏まえて、次の1時間でポンプ、水門、人員をどう動かすかです。

4. アーキテクチャ

flowchart TD
    A1["水路とポンプ井の水位センサー"] --> SY["状態同期と品質チェック"]
    A2["雨量計とレーダーナウキャスト"] --> SY
    A3["SCADAからのポンプと水門の状態"] --> SY
    A4["河川水位と潮位"] --> SY
    SY --> M["水理ネットワークモデル SWMM"]
    M --> SR["シナリオ実行エンジン"]
    SR --> SG["高速応答用のMLサロゲート"]
    M --> SG
    SR --> O1["浸水深と到達時間の予測"]
    SG --> O1
    SR --> O2["ポンプと水門の運用提案"]
    O1 --> FS["Flood SOCでの通知とケース管理"]
    O2 --> OP["当番担当者が判断"]
    FS --> OP

状態同期。 数分ごとに、センサー値でモデルの初期条件を更新します。水路・ポンプ井の水位、どのポンプが運転中か、どの水門が開いているか、吐口での河川水位と潮位。ただしその前に品質チェックを通します。固着・スパイク・沈黙している計器にモデルを動かさせてはいけません。

水理モデル。 排水網のエンジンにはEPA SWMMが適しています。オープンソースで無償、世界中で使われており、ポンプ・水門・堰に加え、背水、満管、逆流といった現象を明示的に扱えます。まさに「水路が満杯」の背後にある挙動です。PySWMMを使えば、Pythonコードからシミュレーションを1ステップずつ進めながらポンプや水門の設定を変更できます。

シナリオ実行とサロゲート。 拠点規模の排水網なら、SWMM自体で更新ごとに複数シナリオを試せる速度があります。都市規模では、ワントンラーンのパイロットが示した通り、多数のモデル計算結果でMLサロゲートを訓練するのが実証済みの方法です。

出力先はポンプではなく人。 予測と提案は当番担当者に届き、「洪水対応をSOCのように運用する」で解説したのと同じ通知・ケース管理のフローに入ります。ツインは助言し、人が判断します。

5. what-ifの実際

以下はシナリオ実行の中核部分です。意図的に小さくした検証用モデルにPySWMMを適用しています。20ヘクタールの舗装集水域がポンプ井に流れ込み、2台のポンプが水路へ揚水し、ピーク時毎時90mmの降雨が来るという設定です。同じ降雨を条件を変えて再生し、ポンプ井の最高水位を比較します。

from pathlib import Path
from pyswmm import Simulation, Links, Nodes

BASE = Path("site.inp").read_text()

def run_scenario(canal_level_m=-0.5, failed_pumps=()):
    """Replay the same storm through the twin under one what-if condition."""
    inp = Path(f"scn_{canal_level_m}_{'-'.join(failed_pumps) or 'all'}.inp")
    inp.write_text(BASE.replace("CANALLEVEL  0:00  -0.5", f"CANALLEVEL  0:00  {canal_level_m}")
                       .replace("CANALLEVEL  12:00  -0.5", f"CANALLEVEL  12:00  {canal_level_m}"))
    peak = 0.0
    with Simulation(str(inp)) as sim:
        links, sump = Links(sim), Nodes(sim)["SUMP"]
        for _ in sim:
            for pid in failed_pumps:
                links[pid].target_setting = 0.0   # pump out of service
            peak = max(peak, sump.depth)
    return peak

この検証用モデルで4つのシナリオを実行した結果:

シナリオ	ポンプ井の最高水位(満水は3.50m)
水路は平常水位、ポンプ2台とも運転	0.47m
水路は平常水位、ポンプ1台停止	1.76m
水路が堤防天端付近、ポンプ2台とも運転	1.12m
水路が堤防天端付近、ポンプ1台停止	2.38m

これは手法を説明するための検証用モデルであり、実在する拠点のモデルではありません。 ただし、パターンこそが重要です。水路水位が高いだけでピークは2倍超、ポンプ1台の停止だけで約4倍、両方が重なるとポンプ井は満水に近づきます。満杯の水路へ揚水するポンプは、最も必要なときに吐出量が落ちるからです。実際のツインでは初期水位がライブのセンサーから入り、同じループが担当者の問いに数分で答えます。

6. 豪雨の最中にツインが答える問い

「このポンプが今トリップしたら、どこから、いつ浸水するか」 浸水深と時刻で順位付けし、班を正しい場所から派遣できます。
「次の雨雲の前に、この水路を先行排水すべきか」 レーダーナウキャストに合わせた事前排水は貯留容量を稼ぎます。ただし下流が受け入れられる場合に限ります。
「この河川水位・潮位で、この水門を開ける価値はあるか」 ある地区を救い別の地区に負荷をかけるトレードオフが、勘ではなく数値になります。
「移動式ポンプをどこに置くか」 候補地点を予測で検証してから配置できます。
「この道路はいつ乾くか」 「雨が止めば2〜3日」が地区ごとの排水見込みになり、再開時期を決める事業者にとって重要な情報になります。

7. 日系工場こそ「自社の小さなツイン」を

在タイ日系工場の多くは、敷地内に独自の排水路、ポンプ井、ポンプを持ち、そのすべてが公共水路へ放流しています。水路が満杯になれば、自社ポンプは最も必要なときに能力を失います。上の検証例が示す通りです。

拠点規模のツインは小さく、ノード数は数万ではなく数十です。必要なのは敷地の排水図面、ポンプ性能曲線、数台の水位センサー、そして放流先水路の水位。都市には代わりに答えられない問いに答えます。放流先がこの水位のままなら、ラインをあと何時間動かせるか。大型ポンプが止まったら、どの建屋から浸水するか。今から在庫の移動を始めるべきか。

これは前回の記事で触れたBCPの「発動条件」を、さらに具体的にするものでもあります。「水位がXを超えたら」ではなく、「この状態が続けば何時間後に何が起きるか」に基づいて発動を判断できるようになります。

8. 難しい点を率直に

図面は往々にして正しくない。 竣工図は欠けていることが多く、土砂の堆積や不法占用、ごみによって実際の能力は図面と異なります。9月26日にも、バンコクの作業員が雨水ますを機能させるためにごみを除去していました。モデルが現実を知る手段は、過去事象による較正です。
モデルは真実ではない。 選択肢を比較する道具です。予測には幅が必要で、担当者はモデルの確信度を見られる必要があります。
センサーは必要なときに故障する。 状態同期は、沈黙・固着した計器を問題として扱う必要があります。SOCで用いる「沈黙もシグナル」と同じ原則です。
ポンプ制御はOTである。 助言専用の設計を推奨します。ツインは提案し、人が操作する。SCADA接続は原則読み取り専用とし、他のOTシステムと同様に監視すべきです。

9. 提供済みのもの、個別構築するもの、対象外のもの

現在提供しているもの:

エッジ&分散コンピューティング開発サービスによるデータ統合・IoT・エッジ開発。センサー取り込み、ゲートウェイ、Python・Django・FastAPIによるダッシュボード。
通知とケース管理のためのsimpliSOCの構成要素と、現場連携のためのTAKインテグレーション。

案件ごとに構築するもの(パッケージ製品としての「ツイン」はありません):

水理エンジニアリングパートナーと共同で構築・較正するSWMM排水網モデル。
状態同期、センサー品質チェック、シナリオ実行エンジン、規模に応じたMLサロゲート。
担当者向けダッシュボードと、Flood SOCの通知への連携。
所有者が許可する場合の、読み取り専用SCADA連携。

対象外:

水理設計の認証・技術的承認。有資格の技術者の領域です。
ポンプや水門の自動制御。私たちの設計は助言型です。
公式警報。引き続きバンコク都、タイ防災局(DDPM)、気象局の権限です。

よくある質問

購入できる製品ですか?
いいえ。オープンソースツール(SWMM、PySWMM)と私たちの統合作業で構成する参照アーキテクチャで、水理エンジニアリングパートナーとともに拠点ごとに提供します。

バンコク都がすでにやっているのでは?
都は独自の監視・予測を運用しており、ワントンラーンのパイロットは都市規模で何が可能かを示しました。拠点ツインはそれを補完するもので、貴社の排水路、貴社のポンプ、貴社の判断をモデル化します。

精度はどの程度ですか?
データと較正の質次第です。そのため初期段階では必ず、写真、浸水痕跡、水位記録を使って過去事象で較正し、出力は幅を持たせて示します。

ポンプを自動制御できますか?
推奨しません。ツインは提案し、担当者が判断します。SCADA接続は読み取り専用から始めます。

ご相談ください

今週の浸水が貴社拠点に達した、あるいは迫った場合は、お手元の資料をお送りください。排水図面(部分的でも構いません)、ポンプの一覧、放流先の水路、そして今回の写真や水位のメモ。9月26日に最も答えが欲しかった一つの問いに答える、拠点ツインの小さく始める計画をご提案します。日本語でのご相談も可能です。

メール:hello@simplico.net

出典:

「水路が満杯」の正体:排水網のデジタルツインと、2026年9月バンコク内水氾濫が示したもの

1. 「水路が満杯」は、なぜモデリングの問題なのか

2. デジタルツインとは何か、何ではないか

3. バンコクではすでに実証されている

4. アーキテクチャ

5. what-ifの実際

6. 豪雨の最中にツインが答える問い

7. 日系工場こそ「自社の小さなツイン」を

8. 難しい点を率直に

9. 提供済みのもの、個別構築するもの、対象外のもの

よくある質問

ご相談ください

最新の記事

Ready to talk about your project?

「水路が満杯」の正体:排水網のデジタルツインと、2026年9月バンコク内水氾濫が示したもの

関連サービス

1. 「水路が満杯」は、なぜモデリングの問題なのか

2. デジタルツインとは何か、何ではないか

3. バンコクではすでに実証されている

4. アーキテクチャ

5. what-ifの実際

6. 豪雨の最中にツインが答える問い

7. 日系工場こそ「自社の小さなツイン」を

8. 難しい点を率直に

9. 提供済みのもの、個別構築するもの、対象外のもの

よくある質問

ご相談ください

関連記事

最新の記事

Ready to talk about your project?