トンネル灯具正面部劣化度に基づく灯具全体の劣化度診断モデル構築

抄録

本研究では，トンネル灯具の正面部の劣化度と設置環境要因を用いて，灯具背面を含む他部位の劣化度を推定する AI モデルを構築した．特に近年，走行車両からトンネル壁面や道路設備の撮影技術が発展しており道路設備状態の効率的な把握が可能になりつつある．本研究はこのような画像診断技術との連携可能な診断支援の実現を目的とする．四国全域の 94 トンネル・約 47,000 灯に対する約 19 万件の点検データを活用し，多層ニューラルネットワークを用いた部位別モデル（4 種）を構築した．結果として，naïve 推定と比較して全体的に高精度な推定が可能となり，特にヒンジ・ラッチおよび CR 取付金具では正解率が 0.90，0.81 と良好で，危険側誤判定も 10%未満に抑制された．一方，CR 本体の推定精度には課題が残るため，今後は入力要因の拡充やモデル構造の改良が求められる．