| 研究課題/領域番号 |
20K04730
|
|---|
| 研究機関 | 室蘭工業大学 |
|---|
研究代表者 |
有村 幹治 室蘭工業大学, 大学院工学研究科, 教授 (40548062)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 路面アセットマネジメント / 生活道路 / 画像解析 |
|---|
| 研究実績の概要 |
膨大な生活道路を管理する市町村において，効果的な舗装メンテナンス・マネジメントを実現させるためには，まず定量的かつ網羅的な舗装点検を実施し，そのデータベースを活用することが重要となる．昨年度までに，車載カメラと深層学習モデル（CNN：Convolutional Neural Network）を用いた舗装点検システムを開発し，室蘭市の管理道路815kmを対象とした点検を単年度で実現させている．また既存の目視点検や路面性状調査との比較を行い，本システムによるひび割れ評価が十分な精度を有することを示した．また室蘭市管理道路の点検データを用いて，舗装劣化箇所のスクリーニングや舗装維持修繕のLCC推計を試み，これらの結果から，本システムおよび舗装点検の全数調査データの有効性を示した．
本年度は生活道路を対象として，近隣住民や修繕効率化を考慮した舗装劣化箇所の面的な抽出手法を構築した．具体には，舗装点検や住宅立地のデータを用い，舗装ひび割れ率と住宅の空間分布に基づいて修繕対象の優先順位付けを行った．そのために，まず舗装点検データを用いて，ひび割れ率が正の空間的自己相関を有することを明らかにした．次に，住宅近接性を考慮した修繕必要度を導入し，ひび割れ率の空間ラグとの関係から優先順位の診断基準を構築した．これを実道路に適用し，舗装劣化箇所がまとまっているエリアが優先的となり，近隣住宅の延床面積が大きいほど優先箇所が一体化することを示した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
昨年度までに構築した車載カメラと深層学習モデル（CNN：Convolutional Neural Network）を用いることで舗装点検システムから得られる道路修繕のアセットマネジメントを行ううえで重要となるデータインフラを整えることができた．
2021年度は予算制約下における最適道路修繕リンクの選定のための数理モデルの構築を行った．生活道路を対象として，近隣住民や修繕効率化を考慮した舗装劣化箇所の面的な抽出手法を構築した．具体には舗装点検や住宅立地のデータを用い，舗装ひび割れ率と住宅の空間分布に基づいて修繕対象の優先順位付けを行った．本年度までの成果は土木学会論文集に登載されており，概ね順調に研究は進展している．
|
| 今後の研究の推進方策 |
2022年度は生活道路舗装の劣化要因を抽出する分析を実施する．室蘭都市圏を対象に，特定地区で再度路面状況を測定し，二時点のデータでプロファイリングを行う．またマルコフハザードモデル等を適用することで，生活道路舗装の劣化状況や沿道環境等から，舗装の劣化状況を推定する．また同様に，新しい劣化状況データが得られた場合に、道路の劣化予測モデルを逐次更新するデータ同化手法の導入方法を検討する．
|
| 次年度使用額が生じた理由 |
当初参加を予定していた学会がオンライン開催となり，旅費の使用額が減少した．本年度は対面での開催が予定される学会が多いため，改めて旅費の一部として使用する．
|
