cmt.jtunnel-jsce.orgcmt.jtunnel-jsce.org/.../upload/2017/20171130_lecture.pdf · translate this...

© Metropolitan Expressway Company Limited 2017

第27回トンネル工学研究発表会特別講演

革新的インフラマネジメントシステム（ -DREAMs🄬）の社会実装

平成29年11月30日

首都高速道路株式会社保全・交通部土橋浩

11

i

2© Metropolitan Expressway Company Limited 2017

＜講演内容＞

１．社会環境の変化と課題

２．新しい維持管理システム

①GISと3次元点群データを活用した維持管理支援システム（InfraDocotor🄬）

②スマートインフラマネジメントシステム（）

３．今後の展望

•第1期：1980年頃～

コンピューター産業による、ダウンサイジング、業務処理の効率化が進んだ時代（マイクロソフト、インテル）

•第2期：1990年頃～

インターナットとモバイル革命によって、いつでも、どこでも情報にアクセスできるようになった時代（アップル、グーグル）

•第3期：

IoT化の進展とAI技術の急速な進化によって、ビックデータの蓄積、それらを活用する技術と結びつけることでまったく新しいサービスを提供するようになる時代（Who?)

3

1.社会環境の変化と課題

デジタル革命

•デジタル革命の最終段階

•主役が入れ替わり、産業構造、競争構造がドラスティックに変化する。

•「最終段階」とは、破壊的なイノベーション（革命）の影響が及ぶ範囲が非常に広い領域、ほぼ全域（金融、小売り、飲食、運輸、観光、建設、医療、介護、さらに農業に至るまで）に及ぶ可能性がある。

•「モノを売る」ビジネスから安定で高効率なオペレーションを提供する「サービスを売る」ビジネスに転換しつつある。

4出典：「AI経営で会社は蘇る」冨山和彦


デジタル革命第３期

•高度経済成長期以降に集中的に整備されたインフ

ラの高齢化が今後進行

•一方、人口の減少や少子高齢化により、2048年に

は人口が1億人を下回り、2060年には65歳以上の人

口の割合が4割近くになると推計

•このため生産年齢人口が減少し、インフラの維持

管理を担当する技術者、点検技術者不足の懸念等、

財源確保の問題に加え、人材確保の問題が発生

© Metropolitan Expressway Company Limited 2017 5


社会環境の変化とインフラの課題

注1）建設年度不明橋梁の約30 万橋については、割合の算出にあたり除いている。注2）建設年度不明トンネルの約250 本については、割合の算出にあたり除いている。注3）国管理の施設のみ。建設年度が不明な約1,000施設を含む。（50年以内に整備された施設については概ね記録が存在していることから、建設年度が不明な施設は約50 年以上経過した施設として整理している。）注4）建設年度が不明な約1 万5 千km を含む。（30 年以内に布設された管きょについては概ね記録が存在していることから、建設年度が不明な施設は約30 年以上経過した施設として整理し、記録が確認できる経過年数毎の整備延長割合により不明な施設の整備延長を按分し、計上している。）注5）建設年度不明岸壁の約100 施設については、割合の算出にあたり除いている。



社会資本の老朽化の現状

出典：国土交通白書2015第2節第2章P124

国土交通省, 約38,000橋, (5%)

高速道路会社, 約23,000橋, (3%)

道路公社, 約2,000橋,

(0.3%)都道府県

約136,000橋

(19%)

政令市

約46,000橋

(6%)

市町村

約480,000橋

(66%)

地方公共団体管理約 66 万橋

橋梁

約 73 万橋

○我が国には橋梁が、約73万橋あり、このうち、地方公共団体が管理する

橋梁は約66万橋と全体の9割以上を占めています。

※H27.12時点

【管理者別の橋梁数】

※市町村は特別区を含む



管理者別の橋梁数

8


首都高速道路の現状＜首都高速道路の現状＞総延長約319kmのうち、経過年数が50年を超える構造物は、現時点で全体の11％（約35km）であるが、20年後には55%（約173km）まで増大。

■開通からの経過年数比率(平成29年4月時点）

都心環状線、羽田線、新宿線等

目黒線、横羽線、渋谷線等

深川線、三ツ沢線、湾岸線（東京・千葉）等

狩場線、台場線、川口線等

大宮線、川崎線、湾岸線（神奈川）等

晴海線、中央環状線、横浜北線等

20年後55%


＜高架構造＞

鋼橋約 9,300 径間

ｺﾝｸﾘｰﾄ橋約 2,800 径間

＜橋桁を支える橋脚＞

鋼製橋脚約 3,000 基

ｺﾝｸﾘｰﾄ橋脚約 5,900 基


他道路と比べて、きめ細かな維持管理が必要な高架橋やトンネルなど構造物の比率が約９５％と高い

（平成29年4月現在）


首都高速道路の構造物の特徴

© Metropolitan Expressway Company Limited 2017 10 10


首都高速道路の過酷な使用状況

17,975

3,854

9,730

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

18,000

20,000

首都高速東京都（２３区）高速国道

交通量（台／日）

約５倍

(1) 大型車交通量大型車の交通量は、東京２３区内の

地方道の約５倍となっており、過酷な使用状況にさらされている

軸重計料金所ブース軸重制限値10t

(2) 軸重違反車12t 以上の軸重違反者の通行は年間15万回 ※１日あたり約410回

違反車の取締り

※車両の重量による道路構造物の疲労に及ぼす影響は、舗装で４乗 RC床版で１２乗と言われている

出典：平成22年度道路交通センサスより・首都高速道路における大型車断面交通量の平均（平日）・東京23区内の一般道（都道・区道）における大型車断面交通量の平均（平日）・日本全国の高速自動車国道における大型車断面交通量の平均（平日）（上記大型車断面交通量の平均（平日）は、平日24時間大型車走行台キロの総計を総延長で除した値）

約38万台

約18万台約18万台約15万台 ※平成5年度の違反車は約130万台※平成6年度の道路交通法改正（過積載車両への罰則強化等）や取締り強化により違反車は減少してきているものの、未だ15万台ある状況



日本の人口の推移

12


生産年齢人口（15～64歳）の減少

出所：総務省「国勢調査」及び「人口推計」国立社会保障・人口問題研究所「日本の将来推計人口（平成24年1月推計）」

2010年（平成22年） 2060年（平成72年）

人口 12,806万人 8,674万人

高齢化率 23％ 39.9％

生産年齢人口 8,770万人 4,415万人

生産年齢人口割合 63.8％ 50.9％

維持管理を担当する

人材（技術者）確保


© Metropolitan Expressway Company Limited 2017 13 13


世界主要国とアジアの生産年齢人口の推移

UN(2009) World Population Prospect

このように社会環境、社会構造が大きく変化する中、

私たちはどのような対応が必要でしょうか？

➢技術開発、イノベーション？

➢組織設計・改革？

➢働き方改革、仕事の仕方の改善？

➢社会制度の設計・改革？



課題解決に向けて

• 技術開発等により生産性の向上を図り、前記の課題を解決することが必要

• すなわち、点検技術の高度化により点検の効率化・合理化を図り、的確かつ高精度に構造物の診断、劣化予測を行うことにより、適時・適切な補修、補強を可能とする維持管理技術（システム）の構築が必要

このように、社会環境、社会構造が大きく変化する中、効率的なインフラのマネジメントを実施し、社会の安全を確保するためには、

そこで、

ICT（情報通信技術）を活用し、様々な情報をIoT（Internet

of Things）により有機的に「つなげ」、課題を「見える化」するとともに、AIを活用することにより複眼的な判断が可能となることにより、ライフサイクルコストの最適化、持続可能なインフラマネジメントの実現が期待される。



課題解決に向けて

InfraDoctor®[インフラドクター]

～GISと3次元点群データを活用した道路・構造物維持管理支援システム～

NETIS 〔国土交通省新技術情報提供システム〕登録No. KT-170012-A

NETIS インフラドクター



①GISと3次元点群データを活用した維持管理支援システム

i –DREAMs®の中核技術

GISを基本とするプラットフォームと3次元点群データを用いて、道路・構造物の維持管理業務を支援

InfraDoctor🄬 のシステム概要

① GIS（地図）上で指定した箇所から、点検・補修履歴や図面、3次元点群空間データなど各種データを検索、表示

② レーザースキャナを用いて3次元点群データを取得、全方位動画も収録

③ 三次元点群データから、2D、3DのCADを作成

④ 構造物の変状・変位計測による点検業務支援

⑤ 構造図や規制図等の作成による点検補修計画作成支援、点検補修シミュレーションによる事前確認


3次元点群データ

●変状検出

●３Dシミュレーション

●2D/3D-CAD図作成

拡大

GISプラットフォーム

●カラー表示 ●標高段彩表示 ●反射強度表示 ●3Dビュー表示

点検結果台帳

●各種管理台帳検索

●点検結果・履歴検索

InfraDoctorシステム


3次元点群データ（山手トンネル）


20

法定速度で走行しながら、１秒間に110万点の情報を取得し、効率的に３次元点群情報を作成


ＭＭＳ：Mobile Mapping System （レーザースキャナや全周囲カメラを搭載した計測車両）

MMSによる点群取得事例

道路・構造物の維持管理業務をトータルサポートするシステム

InfraDoctorで出来ること

Ｂ．現地調査・寸法計測・測量

Ｃ．図面・３D解析モデル・管理台帳作成

Ｅ．補修・補強設計

各業務の大幅な効率化の実現

A．各種台帳検索

平面からの浮き

0mm以下

0～2mm

2～4mm

4～6mm

6mm以上

簡単に寸法計測！

国道17号大宮バイパス 8

1点目

2点目

信号機との離隔

Ｄ．変状検出

Ｆ．規制図の作成、点検・補修シミュレーション


Ａ．各種台帳検索

GISから簡単検索

地図上で指定した箇所の各種図面・点検結果22


キーワード入力で簡単検索

Ａ．各種台帳検索

インテリジェントサーチ


全方位動画

Ｂ．現地調査

全方位動画・３Ｄビュー(点群)

3Ｄビュー(点群)

移動時間「0」事務所で現場確認24© Metropolitan Expressway Company Limited 2017

Ｂ．寸法計測

簡単に現場の寸法計測（幅員の確認）が可能

1点目 2点目

幅員


事務所で幅員計測25

Ｂ．寸法計測

簡単に現場の寸法計測（高さの確認）が可能

1点目

2点目

標識との離隔


事務所で高さ計測26

Ｂ．寸法計測

簡単に現場の寸法計測（建築限界の確認）が可能

※イメージ図

4.5ｍ建築限界


事務所で建築限界確認27

B.現地調査・寸法計測

資料収集～現場確認のリードタイム短縮

0 0.5 1 1.5 2 2.5

インフラドクター

従来

資料集め

緊急規制協議

現場確認

インテリジェントサーチにより短縮

協議不要

３Ｄビュー全方位動画により短縮

資料収集緊急測量協議現場確認

生産性：20倍以上向上（4.5～5.5人日⇒0.2人日）

作業時間（日）

2人×0.5日＝1人・日

2人×1日＝2人・日

3～5人×0.5日＝1.5～2.5人・日

合計＝4.5～5.5人・日

1人×0.1日＝0.1人・日

1人×0.1日＝0.1人・日

合計＝0.2人・日


Ｂ．測量

測量業務への適用が可能点群データ

完成図

図面化

交通規制を行うことなく測量が可能

首都高速道路平和島料金所© Metropolitan Expressway Company Limited 2017 29

Ｃ．図面作成（高架橋）

・図面のない構造物

図面復元可能・図面と現況が変わった構造物

・管理者の異なる構造物© Metropolitan Expressway Company Limited 2017

30

16

※手動で仕上げた結果

Ｃ．図面作成

近接協議図面作成

管理者の異なる構造物との離隔図面の作成© Metropolitan Expressway Company Limited 2017 31

C.図面作成

近接状況把握のリードタイム短縮

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15作業日数(日)

計画測量図面作成

3D計測

従来

インフラドクター

初回

2回目以降

1ヵ月

測量協議不要

測量・3Ｄ計測不要

測量協議

4 5 32 33 34 35 36 37 38 39 40

生産性：20倍程度向上（33～43人日⇒２人日）


2人×7日＝14人・日

3～5人×5日＝15～25人・日


合計＝33～43人・日



合計＝2人・日


33

Ｃ．３D解析モデル作成

的確かつ効率的に構造物の劣化診断・予測解析が可能


C.管理台帳作成

※イメージ図

案内看板

3次元点群データから道路附属物等の位置を把握可能

案内看板照明柱

照明


照明

照明

C.管理台帳作成

3次元点群データ上で埋設物位置の管理

〇〇m〇〇m

〇〇m

※イメージ図

埋設物の位置を把握破損事故を0に35© Metropolitan Expressway Company Limited 2017

Ｄ．変状検出

コンクリート構造物の変状確認が可能

3次元点群構造物の基準面を作成変状検出した構造物の画像

平面からの浮き

0mm以下

0～2mm

2～4mm

4～6mm

6mm以上

コンクリートの浮き・剥離損傷を検出


Ｄ．変状検出

路面変状の検出が可能

走行車線

断面図①

断面図③

断面図②基準面からの変位

-10～-80mm

-5～-10mm

-5～5mm

5～10mm

10～20mm

20～80mm

わだち掘れ・ポットホールなどの損傷を検出可能

点群データより作成した図面

平面図


38

①

②

③

基準面からの変位

-20mm以下

-20mm～-10mm

-10mm～-5mm

-5mm～5mm

5mm～10mm

10mm～20mm

20ｍｍ以上

路面部の凹凸を可視化

打替必要面積算出

工事費用算出

補修計画作成

３次元点群データ

Ｄ．変状検出

舗装補修計画を作成


画像による変状検出点群による変状検出

①浮き・剥離個所の抽出

②コンタ図による浮き・剥離個所の抽出

③画像・点群コンタ図の照合

トンネル詳細点検結果

トンネル詳細点検結果に基づく検出精度

の検証

④トンネル部の浮き・剥離の変状検出

トンネル詳細点検結果

点群による変状検出画像による変状検出

Ｄ．変状検出

トンネル部の変状検出


Ｅ．補修・補強設計

3D-CAD と点群データ

設計の手戻り削減配置検討

現地調査

40

ドライバー目線で規制の安全性確認から規制図面の作成


Ｆ．規制図の作成

Ｆ．点検・補修シミュレーション

施工・点検車両の選定

現場での手戻りを「0」に！！42


首都高の新たな維持管理システム

スマートインフラマネジメントシステム

“i –DREAMs® ”



②スマートインフラマネジメントシステム i -DREAMs®

DIM,CIM(Design & Construction Information Management)・電子ﾃﾞｰﾀを用いた設計・情報化施工・3次元CAD図面や施工ｼﾐｭﾚｰｼｮﾝ等電子ﾃﾞｰﾀの活用

・建設時の初期状態（材料、施工状況、出来形等）の記録

GISを基本とするデジタルデータ管理システム（InfraDoctor）・GIS（地図）上で各種台帳を一括管理（DIM・CIMﾃﾞｰﾀ、点検・補修履歴、

3次元点群ﾃﾞｰﾀ、全周囲動画等）・構造物の変状や変位計測による点検業務支援・点検ｼﾐｭﾚｰｼｮﾝ、構造図や規制図等の作成による点検計画等作成支援・台帳の情報と3次元点群ﾃﾞｰﾀから、設計・施工状況や点検、計測結果を反映した解析ﾓﾃﾞﾙや入力ﾃﾞｰﾀを作成

適時・的確な補修・補強・構造解析ﾓﾃﾞﾙにより、初期条件や境界条件を反映した、よりリアルな構造性能の評価、劣化進行の予測をし、適切な補修・補強設計を実施・上記の結果、適時、的確な補修・補強の実現化

設計・施工

維持・管理

補修・補強

ライフサイクルを通したマネージメント

MIM(Maintenance Information Management)


®スマートインフラマネジメントシステム（ - DREAMs ）i ®

➢ 設計・施工段階（DIM, CIM）の初期データをGISをプラットフォームとするデジタルデータ管理システム（InfraDoctor®）に移行

➢ ICTおよびIoTを活用して、各種点検・管理データ等を統合（Integration）

➢ これらビックデータに対しAIを活用することにより、構造物の総合的な診断・評価が可能となるとともに、構造解析等を行うことにより、より高精度に構造物の性能評価、劣化診断、劣化予測を実現（予防保全、予測保全）

適時・的確な補修・補強の実施が可能

効率的でシームレスなインフラの維持管理を実現

スマートインフラマネジメントシステム（ - DREAMs ）


®i

i -DREAMs®（intelligence-Dynamic Revolution for Asset Management systems）の概要

DIM（Design Information Management）

CIM（Construction Information Management）

MIM（Maintenance Information Management）

設計

材料ﾃﾞｰﾀ施工記録

調査

出来形記録

GISプラットホーム

地図情報 DBｻｰﾊﾞｰ

FEM解析

劣化予測

構造諸元

･しゅん功図･台帳,管理図

点検･補修ﾓﾆﾀﾘﾝｸﾞ

･施設のﾓﾆﾀﾘﾝｸﾞﾃﾞｰﾀﾍﾞｰｽ

周辺情報事故･防災ﾃﾞｰﾀ

･高速上ﾋﾞﾃﾞｵ･高架下状況写真

新技術の活用

･ﾊｻﾞｰﾄﾞﾏｯﾌﾟ・事故･事象DB

ﾛﾎﾞｯﾄによる点検

（近）赤外線による点検

ﾃﾞｼﾞﾀﾙ画像解析

ﾓﾆﾀﾘﾝｸﾞ

補修結果の評価

自動抽出

新打音検査

ｾﾝｻｰ

維持管理支援

･点群ﾃﾞｰﾀによる変状検出・図面作成

InfraDoctor

交通管理ﾃﾞｰﾀ

・交通量ﾃﾞｰﾀﾍﾞｰｽ・渋滞量ﾃﾞｰﾀﾍﾞｰｽ

IoT

タブレットやiphoneによる点検

ドローンによる点検

健全度評価分析・劣化診断・予測

･点検ﾃﾞｰﾀﾍﾞｰｽ・補修ﾃﾞｰﾀﾍﾞｰｽ･損傷ﾃﾞｰﾀﾍﾞｰｽ

補修計画・補修の実施


®

損傷推定AIエンジンを用いた先進的な維持管理

損傷推定AIエンジン

入力出力

機械学習

〇点検データ

〇センシングデータ

劣化、損傷、補修補強候補を自動検知

エンジニアが最終判断

〇各種データ

構造物諸元

0

20

40

60

80

100

120

0

20

40

60

80

100

120

00:0

0

01:0

0

02:0

0

03:0

0

04:0

0

05:0

0

06:0

0

07:0

0

08:0

0

09:0

0

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

速度

(km/h)

交通量

(台/5分）左車線交通量（台/5分）

速度（km/h）

0

20

40

60

80

100

120

0

20

40

60

80

100

120

00:0

0

01:0

0

02:0

0

03:0

0

04:0

0

05:0

0

06:0

0

07:0

0

08:0

0

09:0

0

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

速度

(km/h)

交通量

(台/5分）中車線交通量（台/5分）

速度（km/h）

0

20

40

60

80

100

120

0

20

40

60

80

100

120

00:0

0

01:0

0

02:0

0

03:0

0

04:0

0

05:0

0

06:0

0

07:0

0

08:0

0

09:0

0

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

速度

(km/h)

交通量

(台/5分）右車線交通量（台/5分）

速度（km/h）

0

20

40

60

80

100

120

0

20

40

60

80

100

120

00:0

0

01:0

0

02:0

0

03:0

0

04:0

0

05:0

0

06:0

0

07:0

0

08:0

0

09:0

0

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

速度

(km/h)

交通量

(台/5分）左車線交通量（台/5分）

速度（km/h）

0

20

40

60

80

100

120

0

20

40

60

80

100

120

00:0

0

01:0

0

02:0

0

03:0

0

04:0

0

05:0

0

06:0

0

07:0

0

08:0

0

09:0

0

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

速度

(km/h)

交通量

(台/5分）中車線交通量（台/5分）

速度（km/h）

0

20

40

60

80

100

120

0

20

40

60

80

100

120

00:0

0

01:0

0

02:0

0

03:0

0

04:0

0

05:0

0

06:0

0

07:0

0

08:0

0

09:0

0

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

速度

(km/h)

交通量

(台/5分）右車線交通量（台/5分）

速度（km/h）

交通量データ

点群情報近赤外線情報

ひび割れ自動検出情報図面データ

構造物の劣化状況や損傷の進展を精度良く推定し、補修時期や補修工法の

決定等が実現➡予測保全へと進化

i -DREAMs の主な技術


®

47

点検データセンシングデータ交通量等各種データ（＋＋）× AI

センシングデータ (入力）

損傷推定ＡＩエンジン

○点群ﾃﾞｰﾀによる変状検出・図面ﾃﾞｰﾀ

○近赤外線点検ﾃﾞｰﾀ

○ひび割れ検出ﾃﾞｰﾀ

自動抽出

損傷予測 (出力）

コンクリート内部の損傷・鉄筋腐食・中性化・塩害等

診断を支援


コンクリート表面のセンシングデータから、内部の鉄筋腐食等を推定するAIエンジン

＜事例＞

要素技術①

タブレットを活用した点検の効率化

＜サービスの提供方法＞

サービスの提供方法はウェブ上で行います。

InfraDoctorはタブレットによる利用でいつでも・どこでも使用することが可能！

また、点群とカメラ上の画像を重ね合わせたＡＲ（拡張現実）機能により

・寸法計測可能・損傷の点検履歴把握・既存損傷位置や状況の把握

＜タブレットによる利用＞

＜AR機能の利用＞


過去の点検・損傷履歴、損傷箇所を現場で簡単に確認可能



・アクセスが困難な箇所の点検にドローンを導入し、効率的かつ確実な点検を実施・大型地震時の道路啓開にドローンを活用

→ 4G LTEネットワークを活用した実証実験に着手

床版点検用ドローンさいたま見沼地区で試行

道路啓開用ドローン

51

要素技術②

ドローンによる点検

＜さいたま見沼における点検の試行＞床版点検用ドローン


53

撮影状況（橋梁）撮影状況（トンネル）

床版下面にひび割れと遊離石灰あり撮影画像例（汐留付近）

高架下街路交差点部やトンネル部など交通規制が難しい箇所において，走行型撮影車で撮影した高精細画像を解析し，安全性を確認

要素技術③

走行型撮影車による点検


【これまでの巡回点検】（２～３回/週）・路上巡回8コース、点検車両6台で対応・車上目視は点検技術者と運転手各1名ずつ・手持ちデジタルカメラを所用

【点検における課題】・見落とし、撮り逃し、撮り直し・画像のブレ、不鮮明・無線による伝達ミス

【主な効果】・位置などのメモをとる必要がなく、点検員が損傷発見に集中⇒点検精度が向上・見逃しや路線の再走行が不要となり、撮り直しを削減⇒点検の効率化・緊急事象などの映像を共有でき、事前に現場を確認⇒補修の効率化・損傷自動検知により、車上目視では発見が困難だった損傷を発見⇒安全性の向上

◆常時録画、高精細画像、映像共有（クラウド）を活用して課題を解消するインフラパトロールを開発

インフラパトロールの開発®

車載カメラ・1つのカメラが60°の画角を撮影し、3つで180°の範囲を撮影


要素技術④

路面損傷の自動検出（インフラパトロール®）

取得画像


◆車両にGPSおよび加速度センサーを搭載し、位置情報および車両の揺れを把握

55

ジョイントの自動検出


検出したジョイント写真ジョイントンの検出

※実際の検知システムでは、処理性能向上の為、映像は非表示にしています。


路面やジョイントの損傷を自動検知

舗装ポットホールの検知

要素技術⑤

高感度近赤外分光を用いたインフラの遠隔診断技術

出典：金田尚志、石川幸宏、魚本健人、生産研究58巻3号(2006)

このピークの大きさから中性化の度合いが推測可能

このピークの大きさから塩分量が推測可能

このピークの大きさから硫酸劣化の度合いが推測可能

コンクリートの中性化、塩分浸透等による近赤外スペクトルの変化を以下に示す。

コンクリートが劣化すると、劣化因子により新たな成分が生成されたり、劣化物質により振動モードが変化する（高く/低くなる）ため、特定の波長に対して吸光度が変化する。

Cross-ministerial Strategic Innovation Promotion Program


現場適用のイメージ

期待される効果➢ 迅速かつ安価な点検➢ 客観的かつ正確な劣化診断➢ 遠望からの非破壊検査が可能⇒・重点点検箇所の絞込み・劣化進行速度の把握

コンクリート表面の状況を即時画像化し、劣化状況を判断（1次スクリーニング技術）

例えば、塩分濃度が高いと暗く撮影される



近赤外線分光の適用事例①


計測箇所：高速1号羽田線羽田トンネルダクト部

コア抜きによる計測（表面から20mmまでの実測値）

近赤外分光による指標（表面）

硫化物が検出されたため、表面が遮蔽されているかも

・コア抜き20mm実測値と相関性あり・塩化物検出が困難な箇所において、硫化物が検出された。硫化物は表面を遮蔽しやすいため、検出を阻害している可能性有

ダクト部

コンクリート表面（海水による侵食跡）

近赤外線分光の適用事例②

• コンクリートから3m程度の距離で測定。• 海中部より干満帯部分が濃い濃度という判定になっており、妥当な判定と推定される。

１ｍ

１ｍ

満潮位

計測箇所：高速1号羽田線東品川撤去橋脚部

濃い

薄い

濃い薄い

凡例

塩分濃度


モノレール

勝島芝浦

【平面図】

【断面図】

撤去橋脚

要素技術⑥

AI 打検システム

ハンマの打音波形と打撃軌跡を同時計測 AIがリアルタイムに解析し、異音を検知し点検員に通知異常の度合いを示すコンター図をオンサイトで自動生成

異常度

横方向位置 (m)

縦方向位置

(m)

異常度マップの自動生成



• 熟練者でなくても点検漏れ（損傷見逃し、たたき残し）を防ぐ

• 市販の点検ハンマをそのまま使えるので、既存点検と高い親和性を実現

•点検実績を見える化し、図面化の工数も削減

特徴

• 構造物の種類：コンクリート構造物、補強部材

（補強鋼板、炭素繊維シートなど）

• 点検箇所：平面構造物

（下部構造（橋台、橋脚）、擁壁、トンネル壁面など）

•「立ち馬」「はしご」を使って行うたたき点検作業をカバー

適用対象

特徴と適用対象Cross-ministerial Strategic Innovation Promotion Program


人工知能による異音検知～機械学習に基づく打音解析～Cross-ministerial Strategic Innovation Promotion Program


八重洲トンネル換気ダクト

175ｍｍ

75ｍ

ｍ

接触式打音センサ

対象箇所

北行き南行き

車道車道

換気ダクト

点検員


AI 打検システムによる検出事例Cross-ministerial Strategic Innovation Promotion Program

：実施範囲

：センサが捉えた打撃位置及びノイズ

※解析時は打音と一致している点のみを抽出するためノイズは除外される。

点検員による打撃の様子 AI搭載タブレット端末画面

AI 打検システムによる検出事例Cross-ministerial Strategic Innovation Promotion Program


• 点検員による点検結果（チョーキング跡）と同様の結果が得られる。

異常度

低

高

点検結果と解析結果の比較

AI 打検システムによる検出結果～首都高の事例～

実施範囲と損傷範囲得られたコンター図

：実施範囲

：浮き範囲

• 現場においてリアルタイムで異常音検出マップの作成が可能である。

異常音検出マップ

AI 打検システムによる検出結果Cross-ministerial Strategic Innovation Promotion Program


AIを用いた打音検査実証実験～試験結果～

無補強

直径150㎜の空洞

深さ 53㎜深さ118㎜深さ53㎜

Depth 53㎜ Depth 53㎜

炭素繊維補強

直径150㎜の空洞

試験体

68炭素繊維補強の有無、空洞の深さに関わらず検出可能

無補強

炭素繊維補強

鈑桁


従来技術

手動（操作が煩雑）

構造物のパノラマ写真作成

コンクリートひび割れの自動抽出

自動誤認識が多い（不正確）あばた、チョーク跡、型枠跡、等

開発中の技術

自動（数秒で完了）

誤抽出が少ない（高精度）

構造物のパノラマ写真作成

特徴認識技術(GLAC)

クラック周辺のグラデーションパターンから認識

歪みの無いパノラマ画像

歪みの無いパノラマ画像

コンクリートひび割れの自動抽出

自動


NEDO：インフラ維持管理・更新等の社会課題対応システム開発プロジェクト

道路構造物ひび割れモニタリングシステムの研究開発

要素技術⑦

デジタル画像を用いたひび割れモニタリング技術

https://www.google.co.jp/url?url=https://gbank.gsj.jp/volcano/Act_Vol/satsumaioujima/vr/l.html&rct=j&frm=1&q=&esrc=s&sa=U&ei=lyKuVK7BM9Hg8AWM54CwAg&ved=0CBoQ9QEwAg&sig2=qXso9GF12_1HMYBFTJs5nw&usg=AFQjCNHo9yvlFCODmwP9uXYxR9W5PmYgRw

http://www.shutoko-eng.jp/

目標：画像から０．２ミリ幅以上のひび割れを８０％以上の精度で検出する

成果（H28）：道路の床版・橋台を対象にした実験で、検出精度８１．０％

見落としはもとより、汚れ・型枠跡等の誤検出を極力抑えた検出能力




ひび割れ自動検出技術の開発



ひび割れ自動検出技術の適用事例


計測箇所：高速湾岸線（神奈川地区）湾5463-5465 PC連続ホロースラブ桁下面計測条件：桁下７ｍから真上（カメラの向きが90度）を撮影

【外観】

【計測状況】【しゅん功図面】

計測箇所





ひび割れ自動検出結果①


本技術接近点検

ひび割れ自動抽出

接近点検と同等の検出率を確認＜今後の課題＞・様々な環境条件（暗い箇所、遊離石灰など）での適用・平成30年度末に開発完了➡順次適用予定

ひび割れ密度：2.5m/㎡ひび割れ密度：2.2m/㎡





ひび割れ自動検出結果②

ひび割れトレースが高精度で自動化が可能

・ひび割れの見落とし改善・ひび割れ幅、長さ、進展量を定量的に判定可能


現場作業の効率化

拡大図全体図



73




１．モアレの原理

ピッチ間隔が近い二つの周期的な模様を重ねると、右図のように干渉模様が現れる。片方を移動、回転させると模様が大きく変化する。この模様変化が「モアレ縞」と呼ばれ、数学的には位相変化と呼ばれている。この原理を利用することで、構造物のわずかな変位を大きな位相変化として計測することが可能である。

２．計測方法

一つの周期模様を構造物にターゲットとして添架し、デジタルカメラを用いて撮影した画像を処理してモアレ縞を生成し、モアレ縞の位相変化から変位を計測する。

74

要素技術⑧

サンプリングモアレ法に基づく画像計測技術


75


構造物のわずかな変位を大きな位相変化として計測可能



３．輪荷重走行試験

サンプリングモアレ法と接触式変位計の結果がよく一致していることを確認ただし、シネマカメラは床版と離れたグランド（不動点）に設置している。


サンプリングモアレ法に基づく画像計測技術４．現場試験（3号渋谷線用賀料金所付近）

検査車両（25トン）を高速道路に通行させたときに、画像計測（サンプリングモアレ法）から橋梁のたわみ量を十分に評価することが可能

25トン車（NO.3）の走行試験では、リング式変位計は1.5 mm、モアレ画像は1.21 mmのたわみ量


1.5mm

0.89mm

リング式変位計

モアレ画像

②振動の伝搬特性（2点間のフーリエスペクトル比）が変化


輪荷重試験

A点

輪荷重

振動の伝搬経路

振動の伝搬概念図

振動加速度の時刻歴波形（走行回数10万回）

疲労進行に伴うフーリエスペクトル比の変化

フーリエスペクトル比（走行回数 10万回）

B点

①ひび割れ、はく離、はく落等の変状の進展に伴い振動の伝わり方が変化

③変状の進展および破壊を検知

要素技術⑨

振動を利用したひび割れ進展モニタリング

振動を利用したRCおよびPC橋梁のひび割れ進展測定


進行性指標Rは変状の進展を把握可能

進行性指標Eは床版の破壊の兆候を検知可能

0

2

4

6

8

10

12

14

0

0.2

0.4

0.6

0.8

1

1.2

1.4

0 5 10 15 20 25 30 35 40 45

床版中央変位δ（m

m）

進行性指標

R

走行回数（万回）

進行性指標

床版中央変位

0

1

2

3

4

5

6

7

8

9

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

0 10 20 30 40 50

床版中央変位δ（

mm）

進行性指標

E

走行回数（万回）

進行性指標

床版中央変位

0Hz～20Hz

走行回数42万回で押し抜きせん断破壊

進行性指標Rと走行回数の関係進行性指標Eと走行回数の関係

変状の進展を定量的に示す指標として、相関係数を用いた進行性指標Rと床版のたわみ増加に伴う振動エネルギー増加に着目した進行性指標Eで表す。

0～4,000Hz

フーリエスペク

トルの算出

高周波数帯まで

を対象とした指

標値を算出フーリエスペク

トル比の算出

複数点の振動加

速度測定低周波数帯まで

を対象とした指

標値を算出

微細な変状進展に着目

大規模な変状進展に着目

R

E

検知

輪荷重試験結果

変状の進展

破壊の兆候

振動を利用したRCおよびPC橋梁のひび割れ進展測定


進行性指標Ｒ進行性指標Ｅ

実橋梁での変状監視に適用可能であること確認

加速度計設置状況実橋梁での振動測定状況

加速度計


路面上からローラー電極を用いて効率的に高周波電流を地中に流し、高いダイナミックレンジと再現性（偏差5%以内）で、地下の比抵抗を計測

ローラー電極

計測状況

ローラー電極

送信機

受信機

・水道管の腐食リスクを予測

・液状化による被害予測にも対応可能

要素技術⑩

高周波交流電気探査による調査技術


①点群から3Dメッシュ作成②解析モデル作成③鉄筋情報を付加してDuCOM用解析モデル作成

DuCOM / COM3との連携検討

・鉄筋の両端のxyz座標・鉄筋の断面積を鉄筋ごとに並べたもの

フォーマット変換

3D CADモデルの自動作成機能市販ツール（HyperMesh）を利用してメッシュ作成

点群 3D CAD 3Dメッシュ解析モデルDuCOM用解析モデル

鉄筋情報の反映

CSV（配筋情報）

各メッシュ要素に鉄筋の属性情報を自動付与

➢ 3Dの設計データ（3D CAD）から直接解析モデルを作成する仕組みを

構築し、コンクリートの劣化予測への適用性を検討中

＜解析技術の適用例＞


（東京大学：前川教授、石田教授との共同研究）

82

• 作成したDuCOM/COM3用解析モデルを用いて、解析計算が実行できることを確認

DuCOM / COM3との連携検討

➢ 点群データからInfraDoctorを用いて作成した3D CADデータと、別途定義した

鉄筋情報を組み合わせ、シームレスに解析データを作成するシステムを開発

➢ 今後、解析精度の検証を実施

➢ コンクリート構造物の劣化診断、劣化予測を実施

➢ 適時・的確な補修・補強計画の策定に活用


＜解析技術の適用例＞

84

柱の配筋状況写真３次元点群データ

施工時に設計図面と照合。維持管理時は鉄筋探査不要。

＜DIM・CIMとの密な連携例＞

〇補修・補強工事において、コンクリート構造物にアンカー削孔する際に、鉄筋切断の恐れや鉄筋干渉によりコア削孔が多くなり、構造物を傷める恐れがある

⇒打設前の配筋時に、3次元点群データを取得しておくことで、構造物を傷めることなく、効率的な補修・補強が可能

⇒ 3次元点群データにより効率的な配筋検査の実施

多数のコア削孔事例

※地下埋設物も同様


＜CIM事例＞トンネル切羽安定度予測システムの開発

AIが発破孔の穿孔データから切羽の安定度を自動予測

・発破後に露出する切羽の安定度を切羽評価点を指標に自動予測・掘削済区間で得られた発破孔の穿孔データと切羽評価点の機械学習、相関関係を学習・発破孔の穿孔データから切羽評価点を導きだす数理モデルを構築・穿孔データから発破後の切羽評点を算出し、発破後に露出する切羽の安定を予測

発破孔の穿孔データ次の切羽の安定度

85

資料提供：安藤ハザマ様

86

【切羽評価点】【発破孔の穿孔データ】

【遺伝的プログラミングによる機械学習】穿孔データと切羽評価点の相関関係を学習

【数理モデルの構築】F（Xi）＝切羽評価点， Xi：穿孔データ

掘削済区間での機械学習

掘削済区間の穿孔データと切羽評価点の相関関係を遺伝的プログラムを用いて学習させる。



87

未掘削区間での切羽の安定度を予測未掘削区間の穿孔データと切羽評価点に変換し、1.0m

～2.0m先の切羽の安定度を5分程度で予測。施工データの蓄積、機械学習により予測精度は向上。


【新たな発破孔の穿孔データ】

数理モデル

【切羽評価点】

安定度の目安となる参考値

【発破後に露出する切羽の安定度を予測】・カラーコンターによる可視化



トンネル切羽安定度予測システムの開発

AIが発破孔の穿孔データから切羽の安定度を自動予測

新箱石トンネルにおけるシステム運用結果

発破前の安定度予測結果発破後の切羽状況

88

TFS-learningが切羽右側壁部に不安定箇所を予測

不安定

安定

発破後の切羽の右側壁部に褐色の風化岩が出現


・構造物の高齢化により損傷数が増加、現状のままの維持管理を継続した場合、膨大な維持管理費が必要

・加えて、人口の減少にともない技術者や作業員等の人材不足が懸念

年

現状のまま維持管理

現在 10年後

中長期計画

維持管理コストの見通しと生産性向上のイメージ

維持管理費

生産性向上（コスト縮減）

増大する維持管理を限られた経営資源（人・予算・もの・情報・時間）で

実施するためには、新たな維持管理システム（ i -DREAMs）の開発、活

用により的確かつ効率的な維持管理の実現、生産性の飛躍的な向上が期待


平成28年度平成29年度平成30年度平成31年度

GISプラットフォームおよび維持管理データ

（構造諸元、点検・補修、維持管理支援）

7月

新技術（ロボットによる点検、新打音検査、デジタル画像解析、モニタリング）

その他維持管理データ（周辺情報、事故防災データ、交通管理データ）

東品川桟橋、鮫洲埋立部大規模更新工事におけるCIMの適用

自動運転用基盤地図への3次元点群データの活用

本格運用試行運用

順次本格運用

順次本格運用

i –DREAMs🄬の進捗状況○GISプラットフォームおよび維持管理データについては、平成29年7月から首都高お

よびグループ会社において本格運用開始

○高速上の3次元点群データは平成29年8月までに全線計測完了

○新技術、その他維持管理データは順次運用開始予定

○CIMは東品川桟橋、鮫洲埋立部大規模更新工事において試行運用中

○自動運転用基盤地図への3次元点群データの活用

試行運用本格運用

プロトタイプ作成基盤地図作成

© Metropolitan Expressway Company Limited 2017 90現在

維持管理用３次元点群データ自動運転用ベクトルデータ例（提供：DMP）

首都高速道路の維持管理に活用する高精度3次元点群データと自動運転支援システムに活用されるダイナミックマップ基盤株式会社（DMP）の高精度3次元地図基盤データとの相互利用と活用範囲の拡大に向けて連携を開始

これにより、首都高速道路の新設・更新情報等を正確かつ早期に高精度3次元地図基盤データに反映させることが可能となり、交通事故削減他に向けて普及加速が見込まれる自動運転支援システムの信頼性向上を期待

また、衛星測位技術を活用したMMS（Mobile Mapping System）では、データ取得が難しい首都高速道路下の一般道路データも、当社が保有する橋脚などの維持管理データなどを活用し自動運転支援システム普及・拡大に向け更に連携範囲を拡大

【 MMSによる首都高速道路の維持管理用3次元点群データ例と自動運転用ベクトルデータ例】


3次元点群データの更なる活用（自動運転基盤地図）

自動運転用の基盤地図データの作成


～未来型維持管理に向けて～


３．今後の展望

カンブリア紀の爆発（ビックバン）進化史における画期的大事件

5億4300万年前：

• 現存する生物の原形（門：生物の体制）が出そろった時期

• 主要な動物のグループの全てが硬い殻を進化させた

• 「眼」を持った三葉虫の出現

• 最初の「眼」が誕生、生物は眼を獲得

「光スイッチ説」を提唱

• 捕食方法進化、捕食者から回避

東京大学松尾豊特任准教授：人工知能のトップ研究者


アンドリュー・パーカー著

産業技術総合研究所人工知能研究センターシンポジウム（2017.3.28）

「眼」の誕生前の高感知システムの映像

出典：「眼の誕生」アンドリュー・パーカー 340～341頁

先カンブリア時代の環境にいた生物のスナップショット


「眼」の誕生以降の映像先カンブリア時代の光景に視覚が加わると⇒「見えない」状態から「見える」状態への一足飛びの飛躍⇒ 動物の行動にとって途方もなく大きな一歩

出典：「眼の誕生」アンドリュー・パーカー 344～345頁


ディープラーニングの進展による産業の可能性「眼」を持った機械の誕生

東京大学松尾豊特任准教授


• 近年、画像処理技術が飛躍的に向上

• 画像処理技術をAI（ディープラーニング）と組み合わせることで、機械が「眼」を持つようになる

• 従来、機械の精度向上は、「眼」を持たない中で工夫を続けることで実現してきた

• ディープラーニングの進化は、AIを実装した機械が「眼」を持ったこと

• 「眼」をもつことで機械ではできなかった作業の自動化が可能となる、例えば農業、建設、医療、ect.

• AIの進化は、「カンブリア紀の爆発」並みの大きなインパクトを様々な分野に及ぼす

産業技術総合研究所人工知能研究センターシンポジウム（2017.3.28）

現代におけるカンブリア紀の爆発

• 眼は、光を利用して物体を識別するための映像を形成する能力を有する器官

• 視覚情報が電気信号として眼から脳に伝達

• 脳で像が結ばれ認識

視覚を得るには、眼、神経系と脳が必要

i -DREAMs

• 様々な眼（センサー、レーザー、レーダー、電磁波、弾性波、（近・遠）赤外線、音響等）からの情報取得

• 神経系（情報伝達）：情報通信技術（Wi-Fi,5G）,IoT

• AI（人工知能：機械学習、ディープラーニング）

• 技術者（頭脳,知恵,知力）


®

今後の展望～未来型インフラマネジメントに向けて～

•異分野技術の融合、産学の協創、オープンイノベーションにより新たな点検、センシング技術の開発、「眼」が誕生

•加えて、画像処理技術、分析・解析技術の深化により複眼的視覚野が開発

•これら複眼から得られる情報（ビックデータ）をIoT（神経系）を活用しプラットフォーム（InfraDoctor）に統合

•ビックデータをAI（人工知能）により処理し、課題の「見える化」、「１次スクリーニング」を実施し、技術者の「頭脳、知恵、知力」による最終判断がより深化


今後の展望～未来型インフラマネジメントに向けて～•すなわち、カンブリア紀の爆発（ビックバン）同様に、新たな「複眼」の誕生、神経系（IoT）や脳の高度化（AI、技術者）により、革新的インフラマネジメントが実現

•この結果、インフラマネジメントにおける異次元の高度化、生産性の向上、省力化、効率化が達成され、持続可能な社会の実現が期待

•このように、人口が減少するなか、デジタル革命第3期の技術は、生産性を飛躍的に向上させ、インフラを効率的に維持管理することが可能となる。

•この大きな変化は、人々の働き方をも変え、より安定的に収益率の高い産業構造へと進化させることができる。その槌音は響き始めている。


件名：平成28年度福岡高速MMS三次元点群測量業務受注者：（株）オリエンタルコンサルタンツ、首都高技術（株）工期：H28.9.5～H29.3.31内容：福岡高速道路の供用路線に対し、位置や外形等を把握するため、

インフラドクターによる三次元点群データを用いた断面図の作成システム構築等

＜福岡北九州道路公社＞

＜小田原市における先導的官民連携支援事業の取り組み＞事業名：GISと3次元点群データを活用した道路維持管理の官民連携事業導入検討

受注者：首都高、首都高技術、エリジオン、朝日航洋

工期：H29.10.12 ～ H30.3.6

内容：認定市道約10kmにおいて、インフラドクターを用いた先進的な維持管理

手法を試行的に実施し、導入効果を検討 ⇒ 他自治体への展開可能性に

ついて検証

＜検討対象範囲＞市道約６００ｋｍのうち、橋りょう、土工、のり面等の構造物を含む路線約１０ｋｍ


補足：国内におけるインフラドクター活用事例

ⅰ）タイ王国における3次元点群データの計測・収集

○当社が技術協力に関する覚書（MOU）を締結する

タイ高速道路公社（EXAT）が管理する道路構造物

を対象に、3次元点群データの計測・収集を実施

（2016年11月～12月）。

○長大斜張橋、PC連続高架橋、都心部のジャンクション

など、計5か所のデータを取得。

○ インフラドクターのシステムに取得したデータを取り込んだ上で、EXATへ説明を行う（2017年3月）。

ⅱ）今後の予定

○タイ王国におけるニーズに適したインフラドクターシステムのカスタマイズを実施（～2018年末）。

タイ王国内における計測状況

※ 経産省「新興国市場開拓等事業費補助金（質の高いインフラ詳細事業実施可能性調査事業

（東南アジアにおける交通インフラ維持管理技術の効率化事業））」に、当社のインフラドクター

活用による提案が採択（共同提案法人として首都高技術、朝日航洋、エリジオン）（2016年9月）。

作成したGISプラットフォーム

＜タイ王国＞


補足：国外におけるインフラドクター活用事例


＜受賞名＞

情報通信技術の優れた活用に関する総務大臣賞＜応募部門＞

技術開発部門＜応募案件名＞

GISと三次元点群データを活用した道路・構造物維持管理支援システムの開発

103

補足：第１回インフラメンテナンス大賞の受賞


首都高速道路のインフラマネジメントシステム［］が2017年度グッドデザイン賞を受賞

＜製品名称＞インフラ管理システム［］

＜製品概要＞インフラの設計、建設、維持管理において、必要なデータをGISプラットフォームに統合し、シームレスなインフラのマネジメントを実施するシステム

＜審査員のコメント＞高齢化する交通インフラの維持管理は，国土デザインにおいて必要欠かざるものだが，i-DREAMSは，点群データの座標化技術に卓越しており，これを一連のデータ処理フレームに落とし込むことで，一体的なメインテナンスを実現する優れた設計思想を有するインフラマネジメントシステムである．自動運転のデータインフラとしての発展性も有している点を高く評価したい．

i-DREAMs

i-DREAMs

※主催：公益財団法人日本デザイン振興会

104

補足：2017年度グッドデザイン賞の受賞

cmt.jtunnel-jsce.orgcmt.jtunnel-jsce.org/.../upload/2017/20171130_lecture.pdf · translate this...

Documents