Main family houses in Japan are wood frame structures. Seismic design codes for such structures had been improved in Japan; however, older houses do not meet recent high seismic demand capacity. On the other hand, retrofitting works for wooden houses - especially those were constructed before 1980 had been performed slowly. Kobe earthquake （1995） which struck around 8000 wooden houses and killed about 6300 people; among them about 5000 people because of structure collapse; was a proof that the retrofitting needs to be enhanced. A possible solution can be motivating residents in wooden houses to involve retrofitting efforts, by convincing them about the potential earthquake risk. To convince residents, experts need to provide information to residents in order to raise their awareness, and to motivate them to action, so that residents can exert direct personal control over the risk they may face. In all cases, residents need a diverse set of cognitive, social, emotional and other skills in order to understand the information that they receive about earthquake, interpret its relevance for their lives and communities, and articulate their view to others, in order to mitigate the risk. However, as diligent as they might be, individuals are helpless without comprehensible information about earthquake risk for them.

Simulation of seismic behavior of a wooden house where residents live and its neighborhoods using computer graphic technologies is a helpful method to provide comprehensible information about earthquake risk. To simulate the seismic behavior, individual houses need to be analyzed. However, lack of structural parameters for existing wooden houses has not allowed building the structural model of them.

Therefore, the basic objectives of this study are to determine structural parameters of existing wooden houses using the limited available sources, and to build their structural models using the determined parameters, in order to perform seismic analyze of them. Geometrical information of houses that is available in Geographical Information System （GIS） database is a candidate of available sources. Therefore, the address of house was considered as an input to identify house in GIS database. On the other hand, to have side view of the house, photo（s） of house, which can be taken easily using an ordinary digital camera like cellular-phone built-in camera was used as another input. Estimating approximate age of house was explained using top-view photo of house; however, it was assumed to have the age as another input from residents. A Graphical User Interface （GUI） was developed to receive inputs.

Then, to build the structural model of an existing wooden house, house dimension, wall location and area, column height, position and stiffness, mass （weight） of each story, beam length and position, and joint's local coordinates, stiffness and strength of the house were estimated using cited inputs.

Height of house was extracted from GIS data, and number of stories and height of each story was estimated. Then, vertex coordinates from GIS were used to form a 2D polygon cross section of the house. By extruding the cross section through the height of house, a 3D computer model of house was built. To estimate the position of columns inside the walls, architecture design of Japanese wooden was studied and showed that column arrangement is supposed to change due window and door position on the wall.

To estimate the window and door arrangement, photo（s） of house was used. Two methods were examined. In first method, the photo of house was analyzed to directly recognize objects in the house's image by edge detection and object recognition. It is showed that this method had high accuracy to detect different objects like roof of a specific house; however, it was not a robust method, i.e. it required high quality images using specific cameras and was sensitive to shooting situations like ambient brightness and camera's position, and therefore, it could not be generalized to apply in different situations.

In second method, a methodology was proposed through pattern match of 3D computer models vs. the existing house. First, the possible arrangements for window and door were adjusted by referring the architecture design of Japanese wooden structures, and added to the 3D computer models. By adding window and door, column positions were updated and various 3D computer models were built. 3D computer models were considered as objects in a 3D computer model class, and their parameters like column position were considered as object's features. Then, the real house was compared with all objects of the class and the best matched object was considered as the 3D computer model of the real house, and therefore the real house was considered to have same features as the object.

A factor was defined for validating the matching process and was showed that the matching could work as a robust method compared to direct object recognition, i.e. for about 84% of selected houses and in different shooting situations it could give acceptable match. As the result, house dimension, column height and arrangement, beam length and position, joint position, and wall arrangement and dimension of an existing house were determined. To compute mass （weight） of each story for the structural model, live load was ignored and dead load was calculated as summation of floor, ceiling or roof mass, plus wall mass. Mass of floor, ceiling, wall or roof was computed using the floor and wall area of the house.

To construct structural model using determined parameters, since the breakage of the wooden frame members is rarely seen in past earthquakes; members of wooden frame are considered to be rigid for the analysis purposes. The structure is modeled as an assembly of rigid elements connected by joint elements. Therefore, the stiffness and strength was concentrated on joints, and it was assumed that all joints have identical stiffness and strength value. Date of construction and wall arrangement were used and the strength value was estimated. Mass of each story and age of construction were used to estimate stiffness value.

Finally, a sample house was selected and analyzed using DEM, and the result was simulated in Virtual Reality. However, because the photo is assumed to be taken outside of the house, parameters those exist inside the house are not determined. Moreover, as the amount of houses and their variation in a city is huge, statistic approaches are commonly employed. Therefore, results of estimation obtained are in average and might not be sufficient for any individual house.

日本において住宅の多くは木製骨組構造の形態をとっており、それらの構造物に対して様々な耐震設計基準が開発されてきた。しかし、建築年の古い家は最近の基準に基づく高耐震性能を満たしていることは殆どない。神戸地震（1995年）においては、約8000棟の木造住宅が倒壊し、約6300人の人々が犠牲となったが、うち約5000人は構造物の崩壊が原因で亡くなったとされている。この例から分かるように、古い木造住宅の補強は地震の際の人々の安全性の向上のための重要な要素となっている。それにもかかわらず、特に1980年以前に建設された木造住宅の耐震性能向上を目的とした補修作業は十分に進展していない。この問題を解決するためには、木造住宅に実際に居住する人々に地震に対する重要なリスクを伝え、補修を促すことが必要となる。専門家は木造住宅の住民の地震リスクに対する意識を高め、各自が直面するかもしれないリスクをコントロールするため自ら行動を起こすよう、動機付けをする情報を提供する責任がある。住民の側はリスクを回避するために、様々なメディアから受け取る地震に関する情報を理解し、その妥当性を検討するために、認識力をはじめとする様々なスキルを持たなくてはいけない。住民は個々人が地震リスクに関する情報を理解しなければならない。

コンピューターシミュレーションとグラフィックスを用いた住宅街の地震時の挙動シミュレーションは、その地域の住宅に住む人々に地震のリスクを分かりやすく伝えるのに一つの有効な方法であるが、挙動をシミュレーションするためには個々の住宅の解析を行う必要がある。しかし、既存の木造住宅の構造パラメーターは少なく、その構造モデルを作成するのは容易ではない。

本博士論文はこのような背景のもとに，限られた情報から構造パラメータの抽出方法を検討し、得られたパラメータをもとに住宅の地震時の挙動の解析を行うための構造モデルの作成を考究したものである。具体的には，限られた情報として地理情報システム（GIS）と画像を取り上げている．住宅の住所はGISデータベースにおいて住宅を認識するためのインプットとして用いられた。もう一つの情報として，携帯電話に付属のデジタルカメラのような一般的な機器を用いて簡易に撮影した写真から得られる住宅の側面の様子も1つのインプットとして用いている．なお，住宅の築年数についてはおおよその値は住宅の写真から予測することも可能であるが、住民からのインプットとして与えられると考えている。

1章では研究の背景，研究の目的などを述べ，2章では木造家屋の耐震性を支配する構造パラメータと本研究で抽出するパラメータとの関係について述べている．3章では，各木造家屋の画像マッチングに用いる画像標本ライブラリーの作成，4章では実家屋の画像の処理，5章では，標本を使った実家屋の画像へのマッチングの方法を述べ，最後においては，同定されたパラメータを使っての木造家屋の地震時シミュレーションの例を示し，結論を述べている．論文の具体的内容は以下のとおりである．

住宅の高さはGISデータから抽出されている。それをもとに住宅の階数及び各階の高さが予測される。また、GISから得られる頂点の情報は、住宅の2次元多角形断面を形成するのに利用される。さらに、住宅の高さから断面を作成することで、住宅の3次元モデルが作成される。日本の木造住宅の建築デザインの研究を行うことで柱の配置と壁面における窓と扉の位置の関係を示し、壁に内蔵される柱の位置の予測を行った。

窓及び扉の位置を予測するためには、住宅の写真が用いられた。ここで、本研究では2つの手法が試みられた。1つ目の手法においては、エッジ抽出、及び、物体認識の手法を用いて画像解析を行い、住宅の写真から物体を直接認識した。この手法を用いると、例えば特殊な形態の屋根のように、周囲とは性質の異なる物体について高精度で検出を行うことが可能となった。しかし、この手法では高品質のカメラを用いて、一定の輝度のもとで一定の方向から住宅の撮影を行う必要があり、撮影状況の制約が大きい。よって、この手法は一般的に応用することは難しいと指摘している。

そこで，2つ目の手法として、既存の住宅の3次元コンピューターモデルのパターンマッチングを提案した。この手法では始めに、日本の木造住宅の構造の建築デザインを参照し、窓と扉の配置が決定される。そして、その情報は3次元コンピューターモデルへと入力される。さらに、窓と扉の位置を入力することで柱の位置が更新され、様々な3次元コンピューターモデルが構築される。この3次元コンピューターモデルは3次元コンピューターモデル階層のオブジェクトとして考えられ、柱の位置などのパラメーターはオブジェクトの特徴として扱われる。そして、実際の住宅はその階層の全てのオブジェクトと比較され、最も高いマッチ度を示すオブジェクトが実際の住宅の3次元コンピューターモデルとして扱われる。この手法では、実際の住宅はそのオブジェクトと同じ特徴を持つとみなされる。

本研究では、マッチングの過程に多様性を持たせるための要素が研究され、それにより、マッチングによる方法はオブジェクトを直接認識する方法と比較しても有効な手法として用いられることが示された。異なる条件で撮影された住宅の写真を用いて、約84％の有効なマッチングに成功した。そして、マッチングの結果として現存する住宅の 寸法、柱の高さ及び配置、梁の長さ及び位置、ジョイントの位置、壁の配置や寸法が決定された。それに基づき，構造モデルの各階の重量の計算においては天井及び屋根・壁の重量から床の受ける荷重の推定法，天井、屋根、壁、床の重量は住宅の床面積及び壁面積を用いての推定法を示している。最後に、本研究では、ある住宅を対象に，抽出されたパラメータと他のいくつかの仮定を導入し，DEMによる地震応答解析例をしめしている。

以上、本研究は、木造家屋の構造パラメータの同定という極めて社会的にも重要な課題に対し，GISと画像を用いるという新しい手法を提案している．その適用にはまだ限界があるものの，新しい展開を示唆し，またそのシステム化にも寄与するところが多く，有用性に富む研究成果と評価できる。よって本論文は博士（工学）の学位請求論文として合格と認められる。