| 研究課題/領域番号 |
19K15071
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分22020:構造工学および地震工学関連
|
|---|
| 研究機関 | 東京工業大学 (2020-2021)
山梨大学 (2019) |
|---|
研究代表者 |
竹谷 晃一 東京工業大学, 環境・社会理工学院, 特任講師 (70803526)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2019年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 橋梁 / B-WIM / 振動応答 / 加速度 / 軸重 / ニューラルネットワーク / ウェーブレット変換 / 数値積分 / Bridge Weigh-in-Motion / 加速度積分 / FIRフィルタ / 機械学習 / ウェーブレット散乱 / 構造応答 / 動画像 |
|---|
| 研究開始時の研究の概要 |
本研究は，構造応答の計測に加えて，新たにカメラ画像の分析と機械学習を応用することで，常時走行する乗用車を用いてセルフキャリブレーションを行うB-WIMの提案と開発を行う．カメラから得られる交通情報を教師データとして初期学習を行うことで，その後は構造応答計測のデータだけを用いた自己学習により大型車の重量を長期的に分析するシステムの構築を目指す．本研究は，既往の構造応答計測によるB-WIMの知見をベースとして，新たに画像分析による交通情報と機械学習を導入することでその実現を図る．
|
| 研究成果の概要 |
本研究は車が通過するときに生じる橋梁の振動応答を利用して車の重量を検知するBridge Weigh-in-Motion(B-WIM)において課題となっていた①計測方法の簡易化と②基準となる橋の振動応答取得（キャリブレーション）を自動化するシステムを開発した．
これまでのB-WIMは複数のセンサを設置する必要があったが，本研究では車が橋に入退出する時刻の検出を桁中央に設置した１つの加速度センサで行い，かつ重量推定についても同一の加速度データの積分によって行う方法を提案した．定期的に走行する路線バスに注目し，路線バスを橋の加速度から検知することでキャリブレーションを自動化させた．
|
| 研究成果の学術的意義や社会的意義 |
多くの道路橋の劣化損傷とその補修が地方公共団体の大きな課題となっており，その主な原因となる交通荷重を把握することは効率的な維持補修計画のために非常に重要である．しかしB-WIMの運用には多くの作業員・初期費用・時間が必要なことが課題となっていた．本研究では，データ分析にAI技術を活用して車種，速度などの交通情報を橋の加速度データから判断し，加速度の数値積分とフィルタリングによる適切な補正によって得られる橋のたわみから車の重量推定やB-WIMシステムのキャリブレーションを常時行うことで，環境や構造応答の長期変動の影響を考慮した点に意義があると考えている．
|
