| 研究課題/領域番号 |
20K14799
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分22010:土木材料、施工および建設マネジメント関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
前田 紘弥 東京大学, 生産技術研究所, 特任研究員 (90853200)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022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)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 土木 / 舗装 / 画像処理 / AI / インフラメンテナンス / 舗装点検 / 道路損傷検知 / 深層学習 / データセット / ひび割れ検出 / 地理空間情報 |
|---|
| 研究開始時の研究の概要 |
道路路面の簡易な点検手法に関する研究は盛んに行われているが、予防保全に基づくメンテナンスサイクルの確立のためには、点検だけではなく損傷箇所の将来予測が重要である。 しかし、自然環境が常に変化する現場では、高い検出精度を維持し、損傷箇所を一意に特定しつつ点検データを蓄積することが難しいため、損傷箇所の時系列データを蓄積できず将来予測をする研究が行われていない。そこで、本研究では深層学習と画像処理手法等を用いることで道路損傷箇所を網羅的に、かつ正確に把握し、損傷データを蓄積する手法を構築する。 さらに、蓄積したデータを元に、道路路面の損傷箇所の時系列変化を予測する手法を構築する。
|
| 研究成果の概要 |
本研究では、スマートフォンやドライブレコーダーといった広く普及しているハードウェアのみを用いて、ひび割れや穴などの道路損傷箇所を自動検出する研究を行なった。さらに、日本国内のみならず、インド、チェコにおいても道路損傷データを収集し、いずれの国でも適用できる自動検出モデルを構築できた。その際、日本の道路データで作成した自動検出モデルをチューニングすることで、インド、チェコにおける自動検出モデルを数少ない教師データで作成できることを示した。
|
| 研究成果の学術的意義や社会的意義 |
道路メンテナンスは人手不足、予算不足が深刻であり、従来のように人手や高価な専用車両を用いた点検を継続的、網羅的に実施していくことが難しくなっている。このような状況で、本研究ではスマートフォンやドライブレコーダーといった比較的安価な機材のみを用いて、低廉迅速に道路損傷データを収集できることを示し、社会的な意義が大きいと考えている。また、日本国内で作成した損傷の自動検出モデルを海外で適用することができる可能性を示し、複数の国における道路損傷データを整備、公開したことは学術的な意義が大きいと考える。
|
