CN110234811A - 道路坍塌风险度评价装置和道路坍塌风险度评价方法,以及道路坍塌风险度评价用计算机程序 - Google Patents
道路坍塌风险度评价装置和道路坍塌风险度评价方法,以及道路坍塌风险度评价用计算机程序 Download PDFInfo
- Publication number
- CN110234811A CN110234811A CN201880007801.7A CN201880007801A CN110234811A CN 110234811 A CN110234811 A CN 110234811A CN 201880007801 A CN201880007801 A CN 201880007801A CN 110234811 A CN110234811 A CN 110234811A
- Authority
- CN
- China
- Prior art keywords
- mentioned
- road
- determining type
- risk
- collapsing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Emergency Management (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Economics (AREA)
- Architecture (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Road Repair (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
客观且定量地评价道路坍塌发生的风险度。本发明涉及道路坍塌风险度评价装置(1)、利用该装置(1)对道路坍塌风险度进行评价的方法、以及使计算机作为道路坍塌风险度评价装置(1)起作用的道路坍塌风险度评价用计算机程序,道路坍塌风险度评价装置(1)包含判定式用要因数据接收手段(10)、一般判定式存储手段(11)、第一代入手段(13)、特定判定式确定手段(14)、特定判定式存储手段(16)、风险度用要因数据接收手段(18)、第二代入手段(19)、判定值确定手段(20)。
Description
技术领域
本发明涉及评价道路坍塌风险度的道路坍塌风险度评价装置和道路坍塌风险度评价方法,以及安装在计算机上以评价道路坍塌风险度的道路坍塌风险度评价用计算机程序。
背景技术
在日本,由于人口减少和人口老龄化以及地方政府财政紧缩,地方政府雇员人数持续减少。针对雇员的减少,在道路、给排水等基础设施的养护部门也需要为日后做好准备。就日本的道路坍塌而言,不计规模大小,平均每年发生4000多次。就道路坍塌对包括交通、电力、天然气等维生管线的整体经济造成的影响而言,与地方相比,在城市影响较大。为了防止道路坍塌,保护道路,需要尽早取得道路地面信息(特别是地下空洞的存在)。
空洞的形成原因中,例如排水管道的错位、接合不良等由排水管道引发的情况占整体的约4成。此类排水管道的不良情况,除了以车流量增大、地震为代表的外力成因以外,管的老化或施工不良等也是主要成因。目前,在政令指定都市中,相互提供由一般财团法人/道路管理中心的道路管理系统集中管理的给排水等各种基础设施信息。然而,即使这样的系统也不包含显示道路下基础设施状况的所有信息。此外,日本政令指定都市当中,市内及其周边地区也存在许多活动断层。这种活动断层也被认为是导致道路坍塌的风险因素。上述基础设施信息中不一定包括上述风险因素的存在。
此处,当观察国内外的道路坍塌及其措施时,可得知在韩国,由排水管道引起的道路坍塌的发生频率与日本相比更加频繁。作为其中一项措施,首尔市于2015年与东京都签署了关于道路坍塌技术合作的行政协议。受此影响,首尔市决定使用探地雷达(GPR)进行调查,在今后3年的周期内对主要干线道路进行探查。目前,首尔市正在开发用于空洞的调查和分析的程序。
在美国及加拿大,用烟雾试验(SmokeTesting)这一方法探查排水管道的破损。具体来说,该方法是选取一个检查井后,将无臭、无毒的烟雾从该检查井引入排水管道,通过该检查井与排水管道从其他检查井中使烟雾冒出的方法。此时,判断在与无烟雾冒出的检查井相连的排水管道中存在有破损等的排水管道。
在日本,当应用烟雾测试时,在住宅等密集区域的管网密布状况下很难进行道路上的观测,且由于道路下的管网本身密布,所以很难锁定具体的破损位置。因此,在日本应用GPR更加符合道路情况。在日本,近年来修改了道路法等,国土交通省道路局公布了道路的总检查实施纲要,其中指明了通过雷达实施道路下的空洞调查。根据国土交通省发布的指南,搭载雷达的空洞探查车辆的探查宽度为约2.0m,探查深度为约1.5m,具有能够探查长50cm×宽50cm×厚10cm以上的空洞的探查能力。通过使用这样的车辆,能够掌握路面下的空洞的存在及其大小。在专利文献1中示例有使用这种车辆的空洞探查方法。
现有技术文献
专利文献
专利文献1:日本特开平05-087945号公报
发明内容
本发明要解决的问题
但是,上述以往的空洞探查方法仅作为掌握空洞存在的手段,很难客观且定量地评价道路坍塌风险度。在防止道路坍塌并采取措施时,强烈寻求客观且定量地评价坍塌发生的风险度。
本发明意在解决上述问题,其目的是客观地且定量地评价道路坍塌发生的风险度。
解决问题的手段
(1)为实现上述目的,一实施方式提供一种道路坍塌风险度评价装置,用于评价道路坍塌风险度,其包含:
判定式用要因数据接收手段,其接收判定式用要因数据,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,将为了上述特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成;
一般判定式存储手段,其存储作为上述特定判定式的基础的如下表达式(A)所示的一般判定式{Y表示道路有无坍塌的外部基准,X1~Xn:Xi表示道路坍塌要因的解释变量,A1~An表示分别乘以X1~Xn的系数,n表示第i个解释变量Xi的数目,是1或更大的整数,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数量};
第一代入手段,其向从上述一般判定式存储手段中读取的上述一般判定式中代入由上述类别变量构成的上述判定式用要因数据;
特定判定式确定手段,其将上述判定式用要因数据代入上述一般判定式,通过量化理论II类分析以将两组群间变动相对于全变动相对最大化的方式进行运算,确定特定了上述类别系数(aij)的上述特定判定式;
特定判定式存储手段,其存储上述特定判定式;
风险度用要因数据接受手段,其接收将作为评价对象的多个评价对象地点的道路坍塌的要因量化的风险度用要因数据;
第二代入手段,其向从上述特定判定式存储手段读取的上述特定判定式代入上述评价对象地点中由上述类别变量构成的上述风险度用要因数据;
判定值确定手段,其根据上述第二代入手段的处理进行运算,确定将各评价对象地点中的坍塌风险度量化的判定值。
【数1】
(2)另一实施方式的道路坍塌风险度评价装置中,也可以是,
还包含阈值确定手段,其对通过上述特定判定式计算出的上述判定值进行分类,根据有无实际坍塌来确定坍塌产生的阈值。
(3)另一实施方式的道路坍塌风险度评价装置中,也可以是,还包含:
地图信息存储手段,其存储包含上述各评价对象地点的地图信息;
地图显示手段,其在从上述地图信息存储手段中读取的上述地图上,基于表示上述各评价对象地点的坍塌风险度的上述判定值,进行按颜色或按浓淡的显示。
(4)另一实施方式的道路坍塌风险度评价装置中,也可以是,
道路坍塌的要因是存在地下空洞、回填土种类、地下水状况、管龄、管道上的覆土深度、管道部位、管道种类、管道破损状况、交通振动、夏季气温及活动断层风险内的2个以上。
(5)一实施方式提供一种路坍塌风险度评价方法,使用用于评价道路坍塌风险度的装置来评价道路坍塌风险度,其中,包含:
判定式用要因数据接收步骤,接收判定式用要因数据,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,将为了上述特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成;
第一代入步骤,向从存储作为上述特定判定式的基础的如下表达式(A)所示的一般判定式{Y表示道路有无坍塌的外部基准,X1~Xn:Xi表示道路坍塌要因的解释变量,A1~An表示分别乘以X1~Xn的系数,n表示第i个解释变量Xi的数目,是1或更大的整数,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数量}的一般判定式存储手段中读取的一般判定式中代入由上述类别变量构成的上述判定式用要因数据;
特定判定式确定步骤,将上述判定式用要因数据代入上述一般判定式,通过量化理论II类分析以将两组群间变动相对于全变动相对最大化的方式进行运算,确定特定了上述类别系数(aij)的上述特定判定式;
风险度用要因数据接受步骤,接收将作为评价对象的多个评价对象地点的道路坍塌的要因量化的风险度用要因数据;
第二代入步骤,向从存储上述特定判定式的特定判定式存储手段读取的上述特定判定式代入上述评价对象地点中由上述类别变量构成的上述风险度用要因数据;
判定值确定步骤,根据上述第二代入步骤的处理进行运算,确定将各评价对象地点中的坍塌风险度量化的判定值。
【数2】
(6)另一实施方式的道路坍塌风险度评价方法中,也可以是,
还包括阈值确定步骤,对通过上述特定判定式计算出的上述判定值进行分类,根据有无实际坍塌来确定坍塌产生的阈值。
(7)另一实施方式的道路坍塌风险度评价方法中,也可以是,
还包括地图显示步骤,在从存储包含上述各评价对象地点的地图的信息的地图信息存储手段中读取的上述地图上,基于表示上述各评价对象地点的坍塌风险度的上述判定值,进行按颜色或按浓淡的显示。
(8)一实施方式提供一种计算机程序,其安装于计算机中,使该计算机作为用于评价道路坍塌风险度的道路坍塌风险度评价装置发挥功能,其中,
使该计算机作为如下手段起作用:
判定式用要因数据接收手段,其接收判定式用要因数据,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,将为了上述特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成;
第一代入手段,其向从存储作为上述特定判定式的基础的如下表达式(A)所示的一般判定式{Y表示道路有无坍塌的外部基准,X1~Xn:Xi表示道路坍塌要因的解释变量,A1~An表示分别乘以X1~Xn的系数,n表示第i个解释变量Xi的数目,是1或更大的整数,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数量}的一般判定式存储手段中读取的一般判定式中代入由上述类别变量构成的上述判定式用要因数据;
特定判定式确定手段,其将上述判定式用要因数据代入上述一般判定式,通过量化理论II类分析以将两组群间变动相对于全变动相对最大化的方式进行运算,确定特定了上述类别系数(aij)的上述特定判定式;
风险度用要因数据接受手段,其接收将作为评价对象的多个评价对象地点的道路坍塌的要因量化的风险度用要因数据;
第二代入手段,其向从存储上述特定判定式的特定判定式存储手段读取的上述特定判定式代入上述评价对象地点中由上述类别变量构成的上述风险度用要因数据;
判定值确定手段,其根据上述第二代入手段的处理进行运算,确定将各评价对象地点中的坍塌的风险度量化的判定值。
【数3】
(9)其它实施方式的道路坍塌风险度评价用计算机程序中,也可以是,使计算机进一步作为阈值确定手段起作用,所述阈值确定手段对通过上述特定判定式计算出的上述判定值进行分类,根据有无实际坍塌来确定坍塌产生的阈值。
(10)其它实施方式的道路坍塌风险度评价用计算机程序中,也可以是,
使该计算机作为地图显示手段起作用,所述地图显示手段在从上述地图信息存储手段中读取的上述地图上,基于表示上述各评价对象地点的坍塌风险度的上述判定值,进行按颜色或按浓淡的显示。
发明效果
根据本发明,能够客观且定量地评价道路坍塌发生的风险度。
附图说明
图1是展示用于获得本发明实施方式的道路坍塌风险度的示意图。
图1A展示用于说明基于图1说明的判定式的通式(一般判定式)的图。
图1B展示图1A中所示的一般判定式的详情。
图1C展示用于创建道路坍塌预兆判定式的各种数据的一例。
图1D展示与图1C中示例不同的用于创建道路坍塌预兆判定式的各种数据的一例。
图2展示与图1C和图1D不同的用于创建道路坍塌预兆判定式的各种数据的一例。
图3展示本发明实施方式的道路坍塌风险度评价装置的各功能的结构。
图4展示本发明实施方式的道路坍塌风险度评价方法的主要步骤的流程。
图5是将判定式创建用的100个地点中的外部基准Y和各种解释变量X1至X5量化的表,展示第1~50的各地点的数据。
图6是将判定式创建用的100个地点中的外部基准Y和各种解释变量X1至X5量化的表,展示第51~100的各地点的数据。
图7分别展示用于说明一般判定式的图(7A)、用于说明量化的要因数据的图(7B)、用于说明特定判定式的图(7C)、以及用于说明阈值的图(7D)。
图8展示将作为评价风险度的对象的30个评价对象地点中的各种解释变量X1-X5量化的表。
图9分别展示包括评价对象地点的区域的地图(9A)以及在该地图上按颜色或按浓淡显示包括各地点的单位区块的风险度评价地图(9B)。
图10分别展示用于说明特定判定式的图(10A)、用于说明阈值的图(10B、10C)、以及在地图上按颜色或按浓淡显示包括各地点的单位区块的风险度评价地图(10D)。
图11是将判定式创建用的100个地点中的各种解释变量X6~X11量化的表,展示第1~50的各地点的数据。
图12是将判定式创建用的100个地点中的各种解释变量X6~X11量化的表,展示第51~100的各地点的数据。
图13分别展示用于说明特定判定式的图(13A)、用于说明阈值的图(13B、13C)、以及对道路坍塌11个要因比较(13A)的式3的范围大小的图(13D)。
图14展示将作为评价风险度的对象的30个评价对象地点中的各种解释变量X6-X11量化的表。
图15展示在地图上按颜色或按浓淡显示包括各地点的单位区块的风险度评价地图。
主要元件符号说明:
1:道路坍塌风险度评价装置(也简称装置)
10:判定式用要因数据接受部(判定式用要因数据接受手段)
11:一般判定式存储部(一般判定式存储手段)
13:第一代入部(第一代入手段)
14:特定判定式确定部(特定判定式决定手段)
15:阈值确定部(阈值确定手段)
16:特定判定式存储部(特定判定式存储手段)
18:风险度用要因数据接收部(风险度用要因数据接收手段)
19:第二代入部(第二代入手段)
20:判定值确定部(判定值决定手段)
21:地图信息存储部(地图信息存储手段)
23:地图显示部(地图显示手段)
具体实施方式
下面将结合附图说明本发明的实施方式。此外,所描述的实施方式不是限定权利要求书的发明的实施方式,仅是本发明一部分的实施方式,另外,实施方式中说明的诸要素及其全部组合不是本发明的解决手段所必须的。
<第一实施方式>
首先,将描述本发明第一实施方式的道路坍塌风险度评价装置、道路坍塌风险度评价方法以及道路坍塌风险度评价用计算机程序。
<1.道路坍塌风险度评价的概念>
图1是展示用于获得本发明实施方式计算道路坍塌风险度的示意图。
(1)风险原因数据及各种风险项数据
在该实施方式中,为了获得道路坍塌风险度,需要以例如风险原因数据、风险项数据、现场调查工作风险项数据和基点MH管理风险项数据为代表的各种数据。这些数据都是道路坍塌的要因。
风险原因数据是指成为导致风险的原因的数据。本实施方式中的风险原因数据由道路管理者和下水道管理者彼此合作收集,用于针对道路坍塌的预防性维护。作为风险原因数据,具体而言,可示例例如坍塌历史、道路改善历史、空洞调查历史(过程观察、原因调查、修复等)。
风险项数据是指将道路坍塌视为风险事件时的风险情况(风险要因)。作为风险项数据,具体而言,可示例作为排水管道的属性的管道种类、口径、管龄、劣化破损、施工历史等。供水管也同理。这些数据可从账簿中获得。导致道路坍塌的风险项还包括煤气管道等其他基础设施,需要上述各种数据。此外,各种埋设物的回填材料、地下水位的状态、交通量和路面温度也可以包括在风险项数据中。
实地调查工作风险项数据(也称为实地调查工作道路调查风险项数据)是与道路有关的调查数据,是指道路坍塌的风险情况。该数据需要基于MMS(Mobile MappingSystem)得到的路面信息及其位置信息。例如,通过以40km/hr或更高的行驶速度的探查车辆进行测量来获得该数据。在进行数据收集时,无需交通管制。使用探查车辆时,可通过搭载的激光扫描仪和摄像头测量三维地形模型。通过以这种方式获得的MMS信息而了解道路上的坍塌情况。此外,探查车辆可以搭载GPR(Ground Penetration Rader)。GPR从通过探查车辆测量的数据中提取异常信号(除诸如空洞或疏松等的信号外,还包括埋管等信息),并从其中特定具有空洞特征的异常信号。通过时速40km/h左右的行驶速度的探查车辆进行测量来获得该异常信号。在进行数据收集时,无需交通管制。作为探查精度,可以探查深度1.5米左右、长50厘米×宽50厘米×高10厘米以上的空洞。此外,如果采用更精确的方法,则也可以根据至1.5米的探查深度的数据估算至3.Om左右的土层的空洞产生状况。
基点MH管理风险项数据是与管道内外的实时环境相关的数据,是指道路坍塌的风险情况。例如,下水道管容易因硫化氢引起的混凝土等的腐蚀而劣化。因此,硫化氢浓度等的检查和调查则非常重要。此外,在管道内的劣化进展了的排水管道中,也可能发生由道路负荷引起的破损。从这一点来看,排水管道中的硫化氢等的实时信息可能是道路坍塌的风险项数据。此外,排水管道中的水温,水质和水位也可能是此类风险项数据。
(2)数据的坐标值化
上述风险原因数据和各种风险项数据从账簿或通过调查获得并供坐标值化。搭载有MMS和GPR的探查车辆可以通过GPS(Global Positioning System)实时记录行驶位置。因此,可以进行地下空洞位置的坐标值化。此外,道路、各种地下埋设物可以在账簿中或从账簿中提取后坐标值化。如上所述,通过将上述风险原因数据和风险项数据坐标值化,结合资料调查和实地调查,可高效地管理道路坍塌风险度。另外,可以基于道路坍塌预兆判定式(也简称为预兆判定式)来自动计算坍塌风险度。稍后将详述这种坐标值化。
(3)道路坍塌预兆判定式的创建
道路坍塌预兆判定式的创建是指通过将上述坐标值化的信息输入到该判定式的通式中,并应用量化II类来确定道路坍塌预兆判定式。在这项工作中,将要估算的目标变量作为风险原因数据(F),将道路坍塌的状态水平以约2到3个等级表示,且考虑各种风险项数据作为关于该风险项数据(Xi)的信息。也就是说,该工序是根据定性给出的Xi数据中输出假定的坍塌情况等级的工序。
(4)按单位区块进行的道路坍塌风险度的量化
该量化将成为调查对象的区域划分为多个区块,将每个区块中的地点的坐标值代入先前获得的判定式,以各区块的单位实现风险度的量化。其结果,在包含道路的调查对象区域中,当道路被划分为单位区块时,可以定量且客观地掌握每个区块具有何种程度的道路坍塌的风险度。
如上所述,上述道路坍塌预兆判定式的创建是使用判定式创建用的多个地点的风险原因数据和风险项数据来指定判定式的操作。另一方面,按单位区块进行的道路坍塌风险度的量化是将获得坍塌风险度的对象地点(也可以与上述判定式创建用的地点部分重叠)的风险原因数据和风险项数据代入上述指定的判定式并用数值表示坍塌风险度的操作。
图1A和图1B展示用于说明基于图1说明的判定式的通式(一般判定式)的图。图1C和图1D展示用于创建道路坍塌预兆判定式的各种数据的一例。图2展示与图1C和图1D不同的数据且用于创建道路坍塌预兆判定式的各种数据的一例。
图1A~1D和图2所示的信息大致分为外部基准和解释变量。在最典型的示例中,外部基准是道路坍塌的存在与否,是指是否产生了坍塌这一现象的结果。此外,外部基准不仅可以包括道路坍塌的存在与否,还可以包括存在道路坍塌风险的每个阶段的状态。在图1A中,当外部基准(Y)仅为存在或不存在道路坍塌的2种类型时,k=2并且Y变为B1与B2两种类型。此处,B1表示不存在道路坍塌,B2表示存在道路坍塌。另一方面,除了道路坍塌的存在与否以外,在外部基准(Y)还包括“存在坍塌预兆”这另一条件时,k=3并且Y变为B1、B2与B3三种类型。B3表示存在坍塌预兆。解释变量(X)表示被认为是道路坍塌的原因的情况的调查结果。解释变量(X)是被认为是道路坍塌的原因的要因,并且在Y=f(Xi)中包括至少两个(X1和X2)。但是,X的数量只要是2以上则无限制。X可以用X1、X2、X3、···、Xn(n是第i个解释变量Xi的数目,是1或更大的整数)进行表示,X1、X2、X3等可以概括并称为“Xi”。外部基准(Y)和解释变量(X)的关系表达式,是图1A所示表达式,更具体地则为图1B中所示表达式。在这些表达式中,A是乘以解释变量Xi的系数。乘以X1的系数由A1表示,乘以X2的系数由A2表示,乘以Xn的系数由An表示。可以将A1、A2、A3等概括并称为“Ai”。
Y=f(Xi)可以表示为下列表达式(A)。在表达式(A)中,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数。在表达式(A)中,存在于类别系数aij之间的逗号(,)可以不进行表示。
【数4】
类别变量(xij)是构成解释变量Xi的变量,可以根据Xi的类型采用各种数字。例如,在图1C的示例中,X1有x11、x12、x13这3个类型变量。X2有x21、x22这2个类型变量。X3有x31、x32、x33这3个类型变量。X4有x41、x42、x43这3个类型变量。但是,在图1D的示例中,与图1C不同,例如,X4有x41、x42、x43、x44这4个类型变量。如此,可以根据解释变量对类型变量的个数进行各种变更。构成解释变量Xi的每个类别变量xij都是0,或者只有一个是1而其他为0。关于这点将在后面详述。对于将类别变量区分成多个的标准、以及类别变量的个数,也可以进行各种变更。在该实施方式中,展示了图1C、图1D和图2这三种解释变量的例子。
这里,作为道路坍塌要因的一例(即解释变量的一个例子),可举出存在空洞(X1)、回填土(X2)、地下水状况(X3)、管龄(X4)、覆土深度(X5)、管道部位(X6)、管道种类(X7)、排水管道破损情况(X8)、交通振动(X9)、夏季气温(X10)以及活动断层风险(X11)。以下出现的X1到Xll,指的是上述解释变量。
如图2所示,存在空洞的解释变量(X1)可分为三种类型,即无空洞的情况、在未达到覆土的1/2的位置处存在空洞的情况、以及在超过覆土1/2的位置处存在空洞的情况。未达到覆土的1/2的位置,指的是覆盖排水管等管道顶部的土壤厚度的1/2以下的位置。超过覆土1/2的位置,指的是覆盖排水管等管道顶部的土壤厚度的1/2的位置,亦或是较其更加浅的位置。回填土的解释变量(X2)可分为两种土壤类型,即该土的种类是砾石的情况、该土的种类是砂质土的情况。地下水状况的解释变量(X3)可分为三种类型,即地下水不存在的情况、地下水存在的情况、地下水存在并具有波动的情况。地下水存在的情况下,可分为地下水存在波动的情况或者无波动的情况。在地下水具有波动的情况下,坍塌的风险更高。因此,根据地下水波动性的存在与否,将地下水存在的情况分为两种情况。管龄(管道安装以来的年数)的解释变量(X4)可分为三种类型,即未满20年、超过20年未满40年、超过40年。覆土深度的解释变量(X5)可分为三种类型,即2m以上,1m以上未满2m,以及未满1m。管道部位的解释变量(X6)可分为三种类型,即安装管的情况、主管的情况、以及其他管的情况。管道种类的解释变量(X7)可分为三种类型,即陶管、钢筋混凝土管、以及其他管。排水管道破损情况的解释变量(X8)可分为两种类型,即无破损的情况、以及存在破损的情况。交通振动的解释变量(X9)可以分为两种类型,即超过预定标准的振动的情况、小于预定标准的振动的情况。夏季气温的解释变量(X10)可以分为两种类型,即高于预定温度(例如,温度可以设定在25至35℃的月平均温度范围内)的情况、低于预定温度的情况。活动断层风险的解释变量(X11)可分为两种类型,即存在活动断层的情况、不存在活动断层的情况。另外,构成上述解释变量的变量可以被称为类别变量。类别变量在上面的例子中,在每个解释变量中为两个或三个,亦或四个或四个以上的解释变量。此外,每个解释变量的类型的数量不限于上述的示例。例如,在X1中存在三种类别变量,但可以仅为两种、或者四种或四种以上。同理适用于其他解释变量。然而,判定式创建用的解释变量和风险度评价用的解释变量,其种类、以及各个变量的类型分类的标准/数量必须一致。
<2.道路坍塌风险度评价装置和道路坍塌风险度评价方法>
图3是展示本发明实施方式的道路坍塌风险度评价装置的各功能的结构。
根据该实施方式的道路坍塌风险度评价装置1是用于评价道路坍塌风险度的装置。道路坍塌风险度评价装置(下文中,也简称为“装置”)1包括:判定式用要因数据接收部10、一般判定式存储部11、一般判定式读取部12、第一代入部13、特定判定式确定部14、阈值确定部15、特定判定式存储部16、特定判定式读取部17、风险度用要因数据接收部18、第二代入部19、判定值确定部20、地图信息存储部21、地图信息读取部22、以及地图显示部23。
判定式用要因数据接收部10、一般判定式读取部12、第一代入部13、特定判定式确定部14、阈值确定部15、特定判定式读取部17、风险度用要因数据接收部18、第二代入部19、判定值确定部20、地图信息读取部22、以及地图显示部23通过执行安装在计算机中的电子电路板上的中央处理部(CPU)执行计算机程序(道路坍塌风险度评价用计算机程序)的程序来执行各处理。一般判定式存储部11、特定判定式存储部16、以及地图信息存储部21指的是诸如RAM或硬盘等能够读取和写入数据的存储器。一般判定式存储部11和/或地图信息存储部21不限于RAM和硬盘,也可以是例如单方读取数据的ROM。另外,判定式用要因数据接收部10和/或风险度用要因数据接收部18可从通过有线或无线连接到装置1的各种设备(服务器、键盘、指示设备、触摸板等)接收各数据。例如,也可以是用户从键盘输入后述的图7(7B)中所示的数值,判定式用要因数据接收部10和/或风险度用要因数据接收部18接收该输入的数值。如上所述,判定式用要因数据接收部10和/或风险度用要因数据接收部18可以连接到图3中未显示的输入装置、另一计算机或通信装置。
判定式用要因数据接收部10是作为接收判定式用要因数据接收手段起作用的构成部分,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为确定道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,对为了特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成。此处,作为道路坍塌的要因,优选为以下要因中2个以上要因,即存在地下空洞、回填土种类、地下水状况、管龄、管道上覆土深度、管道部位、管道种类、管道破损情况、交通振动、夏季气温和活动断层风险。此外,判定式要因数据是针对每个要因进行量化的数据,此数据对应时为“1”,不对应时为“O”。另外,特定判定式是指图7(7C)中所示的公式。稍后将参考图4进行详细描述。
一般判定式存储部11是存储作为上述特定判定式的基础的一般判定式的作为一般判定式存储手段起作用的构成部分。此处,一般判定式是指后述的图7(7A)中所示的公式。虽然上述一般判定式存储部11被描述为存储一般判定式的构成部分,但是也可作为也能够存储其他数据的构成部分,例如能够存储进行判定式用要因数据接收部10、一般判定式读取部12、第一代入部13、特定判定式确定部14、阈值确定部15、特定判定式读取部17、风险度用要因数据接收部18、第二代入部19、判定值确定部20、地图信息读取部22、以及地图显示部23的各处理所需的一个或多个计算机程序(道路坍塌风险度评价用计算机程序)的构成部分。
一般判定式读取部12是从一般判定式存储部11中读取一般判定式的数据的构成部分。
第一代入部13是将判定式用要因数据代入从一般判定式存储部11中读取的一般判定式的作为第一代入手段起作用的构成部分。
特定判定式确定部14是将判定式用要因数据代入一般判定式进行运算,确定特定判定式的作为特定判定式确定手段起作用的构成部分。
阈值确定部15是将通过特定判定式计算出的上述判定值以规定范围分类,根据有无实际坍塌来确定坍塌产生的阈值的作为阈值确定手段的构成部分。阈值指的是用于表示坍塌风险度变高的边界的判定值。判定值指的是图7中所示的特定判定式中的Y的值(7C)。在图7(7D)的示例中,基于判定值小于-0.2时被识别出道路坍塌的事实,确定阈值=-0.2。然而,将判定值=-0.2作为边界,并不能明确判定坍塌与否。例如,一方面也存在判定值=0也会发生坍塌的地点,另一方面也存在判定值=-0.3也未发生坍塌的地点。尽管存在这种情况,将阈值确定为-0.2的原因是当阈值是-0.2时,坍塌的存在与否的判定准确率高而误判率小。假设阈值为0,则判定值≤0的范围内也容易包含未发生坍塌的地点作为误差。另一方面,假设阈值为-0.4,则判定值≥-0.4的范围内也容易包含发生坍塌的地点作为误差。考虑到这种误差的大小,将判定误差最小的判定值(-0.2)用作阈值。稍后将参考图7(7D)和(7E)详述这一点。阈值确定部15不是必要构成部分,也可以不在设备1中设置。
特定判定式存储部16是至少存储特定判定式的作为特定判定式存储手段起作用的构成部分。特定判定式存储部16还可以存储阈值。
特定判定式读取部17是从特定判定式存储部16中读取特定判定式的构成部分。特定判定式读取部17还可以读取阈值。
风险度用要因数据接收部18是接收对于作为评价对象的多个评价对象地点的道路坍塌的要因进行了量化的风险度用要因数据的作为风险度用要因数据接受手段起作用的构成部分。上述判定式用要因数据接收部10和/或上述风险度用要因数据接收部18被作为可分别接收特有的数据的构成部分进行说明,但也可以是也可以接收其它数据的构成部分、例如也可以作接收用户任意输入的数据的构成部分。
第二代入部19是将风险度用要因数据代入从特定判定式存储部16中读取的特定判定式的作为第二代入手段起作用的构成部分。
判定值确定部20是基于第二代入部19的运算,确定将各评价对象地点的坍塌风险度量化了的判定值的作为判定值确定手段起作用的构成部分。
地图信息存储部21是存储包含各评价对象地点的地图信息的作为地图信息存储手段起作用的构成部分。
地图信息读取部22是从地图信息存储部21中读取特定地图信息的构成部分。
地图显示部23是在从地图信息存储部21读取的地图上,基于表示各评价对象地点的坍塌风险度的判定值进行按颜色或按浓淡的显示的作为地图显示手段起作用的构成部分。颜色或浓淡的信息能够以可读取的方式存储在地图信息存储部21内或其他存储部(图3中未示出)中。上述地图信息读取部22也能够从地图信息存储部21中与地图信息一同读取颜色或浓淡的信息。
另外,地图显示部23也可以是不显示颜色而只显示表示该风险度的判定值的构成部分。另外,地图显示部23也可以是同时显示颜色和判定值的构成部分。并且,地图显示部23也可以显示单色的浓淡以代替颜色。在这种情况下,也可以将判定值与单色的浓度一起显示,或者将其设为非显示。此外,在装置1中具备阈值确定部15的情况下,地图显示部23也可以在阈值前后使颜色和浓度大幅变化来进行显示。
作为上述形式的变形例,也可以在装置1内具备第一坍塌要因数值转换部30、第一存储部31、第二坍塌要因数值转换部40、第二存储部41。第一坍塌要因数值转换部30是作为第一坍塌要因数值转换手段起作用的构成部分,将道路坍塌因素转换为后述的图7(7B)所示的数值,并向判定式用要因数据接收部10发送该数值数据。第一存储部31是能够读写用于将道路坍塌要因转换为上述数值的数据表的信息的第一存储手段。第一坍塌要因数值转换部30参照存储在第一存储部31中的数据表,对各道路要因进行数值化,将该量化后的数据发送到判定式用要因数据接收部10。同样,第二坍塌要因数值转换部40是作为第二坍塌要因数值转换手段起作用的构成部分,将道路坍塌因素转换为数值,向风险度用要因数据接收部18发送该数值的数据。第二存储部41是能够读写用于将道路坍塌要因转换为上述数值的数据表的信息的第二存储手段。第二坍塌要因数值转换部40参照存储在第二存储部41中的数据表,对各道路要因进行量化,然后向风险度用要因数据接收部18发送该量化的数据。第一坍塌要因数值转换部30和第二坍塌要因数值转换部40是通过CPU执行计算机程序(道路坍塌风险度评价用计算机程序)而进行各种处理的部分。第一存储部31和第二存储部41是能够读写信息的以RAM、硬盘等为代表的存储器。
更具体而言,装置1是一种道路坍塌风险度评价装置,用于评价道路坍塌风险度,其包含:判定式用要因数据接收手段(对应于判定式用要因数据接收部10),其接收判定式用要因数据,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,将为了上述特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成;一般判定式存储手段(对应于一般判定式存储部11),其存储作为特定判定式的基础的如下表达式(A)所示的一般判定式{Y表示道路有无坍塌的外部基准,X1~Xn:Xi表示道路坍塌要因的解释变量,A1~An表示分别乘以X1~Xn的系数,n表示第i个解释变量Xi的数目,是1或更大的整数,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数量};第一代入手段(对应于第一代入部13),其向从一般判定式存储手段中读取的一般判定式中代入由类别变量构成的判定式用要因数据;特定判定式确定手段(对应于特定判定式确定部14),其将判定式用要因数据代入一般判定式,通过量化理论II类分析以将两组群间变动相对于全变动相对最大化的方式进行运算,确定特定了类别系数(aij)的特定判定式;特定判定式存储手段(对应于特定判定式存储部16),其存储特定判定式;风险度用要因数据接受手段(对应于风险度用要因数据接收部18),其接收将作为评价对象的多个评价对象地点的道路坍塌的要因量化的风险度用要因数据;第二代入手段(对应于第二代入部19),其向从特定判定式存储手段读取的特定判定式代入评价对象地点中由类别变量构成的风险度用要因数据;判定值确定手段(对应于判定值确定部20),其根据第二代入手段的处理进行运算,确定将各评价对象地点中的坍塌风险度量化的判定值。
图4表示本发明实施方式的道路坍塌风险度评价方法的主要步骤的流程。
本实施方式的道路坍塌风险度评价方法是使用用于评价道路坍塌风险度的装置来评价道路坍塌风险度的方法。如图4所示,该评价方法是通过进行以下步骤来评价道路坍塌风险度的方法:接受判定式创建用的地点中的各要因的数据(判定式用要因数据)的判定式用要因数据接受步骤(SlOO);向作为特定判定式基础的一般判定式中代入判定式用要因数据的第一代入步骤(S200);通过运算来确定特定判定式的特定判定式确定步骤(S300);确定坍塌发生阈值的阈值确定步骤(S400);对于作为评价对象的多个评价对象地点的道路坍塌的要因进行量化,接收风险度用要因数据的风险度用要因数据接受步骤(S500);在特定判定式中代入风险度用要因数据的第二代入步骤(S600);通过运算确定基于各评价对象地点中的坍塌风险度的判定值确定步骤(S700);基于各评价地点的坍塌风险度的判定值在地图上进行按颜色或按浓淡的显示的地图显示步骤(S800)。需要说明的是,步骤S400和S800并非必须的步骤。此外,如同在装置1中所述,地图显示步骤也可以是不进行颜色和浓度的显示,而仅显示表示该风险度的判定值的步骤。里外,地图显示步骤也可以是同时显示颜色及浓淡和判定值的步骤。另外,地图显示步骤也可以是显示单色的浓淡以代替颜色的步骤。在这种情况下,也可以将判定值与单色浓淡一起显示,或者将其作为非显示。另外,在进行阈值确定步骤(S400)时,地图显示步骤也可以使颜色及浓淡在阈值前后大幅变化来进行显示。以下,参照图5~9对上述各步骤进行说明。
(1)判定式用要因数据接受步骤(SlOO)
该步骤是判定式用要因数据接受步骤,该判定式用要因数据将为了特定判定式创建用所采样的多个的采样地点(在本实施方式中为100)的道路坍塌的要因进行量化而成。该步骤可以由装置1的判定式用要因数据接收部10进行。判定式用要因数据是用于确定特定判定式所需的数据。特定判定式是用于判定道路坍塌风险度的公式,是道路坍塌要因(相当于解释变量Xi)和风险度(相当于外部基准Y)的函数式。
图5和图6分别表示将判定式创建用的100处地点的外部基准Y以及各种解释变量Xl~X5量化后的表。图5表示第1~50的各地点的数据,图6表示51~100的各地点的数据。
在图5和图6的表中,用1~3的数字表示某市内的特定区域内的道路的第1~100个地点中有无坍塌以及可能成为坍塌要因的5个解释变量。这1~100的地点是为了特定判定式创建用而采样的采样地点。在图5和图6的表中,例如,关于是否存在坍塌(Y),“1”表示不存在坍塌,“2”表示存在坍塌。关于是否存在空洞(X1),“1”表示不存在空洞,“2”表示在未达到覆土的1/2的位置处存在空洞,“3”表示在超过覆土的1/2的位置处存在空洞。关于回填土(X2),“1”表示土壤类型为砾石,“2”表示土壤类型为砂质土。关于地下水状况(X3),“1”表示不存在地下水,“2”表示存在地下水,“3”表示存在地下水并具有波动。关于管龄(X4),“1”表示未满20年,“2”表示超过20年未满40年,“3”表示超过40年。关于覆土深度(X5),“1”表示2m以上,“2”表示1m以上未满2m,“3”表示未满1m。
因此,例如图5的表格中的第1个采样地点中,Y及Xl~X5全部为“1”,因此,说明该地点不存在坍塌,不存在空洞,回填土是砾石,不存在地下水,管龄未满20年,覆土深度为2m以上。其它的采样地点也根据1~3的数值进行同样的解释。这里重要的是,图5和图6中的数值1~3仅用于对外部基准及各解释变量进行简单的分类,该数值的绝对值本身没有意义。因此,也可以用字母a、b、c代替数值1、2、3。另外,图5及
图6的表中的数字1~3并不直接代入一般判定式也是重要的。关于这一点将后述。
图7分别示出了用于说明一般判定式的图(7A)、用于说明经量化的要因数据的图(7B)、用于说明特定判定式的图(7C)以及用于说明阈值的图(7D、7E)。
在图5和图6的示例中,作为特定判定式的基础的一般判定式由Y=f(Xi)=A1·X1+A2·X2+A3·X3+···+An·Xn表示。这里,n表示解释变量的数目(正整数)。A1、A2、A3、···、An(将它们概括称为“Ai”)分别是X1、X2、X3、···、Xn(将它们概括称为“Xi”)的系数。在图5和图6的示例中,解释变量是5个,所以n=5。这里,X1有3个变量(其为类别变量,以下亦简称为变量),即x11、x12、x13,可以是1或0。X2有2个变量,即x21、x22,可以是1或0。X3有3个变量,即x31、x32、x33,可以是1或0。X4有3个变量,即x41、x42、x43,可以是1或0。X5有3个变量,即x51、x52、x53,可以是1或0。
(7A)中只表示X1~X3,如果正确记载Y=f(Xi)的话,将表示为Y=f(Xi)=A1·X1+A2·X2+A3·X3+A4·X4+A5·X5=(a11x11+a12x12+a13x13)+(a21x21+a22·x22)+(a31x31+a32x32+a33x33)+(a41x41+a42x42+a43x43)+(a51x51+a52x52+a53x53)。
在此,代表性地描述X1时,假设x11、x12、x13中的任意一个为1,而其他两个为0。因此,在不存在空洞时,x11=1、x12=0、x13=0。同样地,在不满覆土1/2的位置处存在空洞时,x11=0、x12=0、x13=1。即如(7B)所示,x11、x12、x13的组合仅存在x11、x12、x13中的任意一个为1,其他两个为0的3种组合。这对于X2~X5也同样,在X2的情况下,x21、x22中的任意一个为1,其他为0。在X3的情况下,x31、x32、x33的任意一个为1,其他两个为0。在X4的情况下,x41、x42、x43的任意一个为1,其他两个为0。在X5的情况下,x51、x52、x53的任意一个为1,其他两个为0。
步骤SlOO是接收作为将为了特定判定式创建用所采样的多个采样地点中的道路坍塌的要因和坍塌的存在与否进行量化的判定式用要因数据的(x11,x12,x13)、(x21,x22)、(x31,x32,x33)、(x41,x42,x43)、(x51,x52,x53)、以及Y的步骤。例如,在图5所示的采样地点N0.1中,在采用目的变量Y的两个分类(2组)中的“不存在坍塌”的组中,将(1,0,0)、(1,0)、(1,0,0)、(1,0,0)、(1,0,0)的数据通过判定式用要因数据接收部10进行接收。同样地,例如在图5所示的采样地点N0.43中,在采用目的变量的两个分类(2组)中的“存在坍塌”的组中,将(0,1,0)、(0,1)、(0,1,0)、(0,1,0)、(0,1,0)的判定式用要因数据通过判定式用要因数据接收部10进行接收。对于其他98处采样地点,也同样进行上述的数据接收。
(2)第一代入步骤(S200)
该步骤是在一般判定式(参照7A)中代入上述判定式用要因数据的代入步骤,例如在采样地点N0.1的情况下,该判定式用要因数据例如为(1,0,0)、(1,0)、(1,0,0)、(1,0,0)、(1,0,0)。该步骤可以由装置1的第一代入部13进行。在图5和图6所示的总计100个采样地点的例子中,不存在坍塌的地点为45处,存在坍塌的地点为55处。因此,在不存在坍塌的群(称为Y1群)中,获得代入了判定式用要因数据的45个Y=f(Xi)。同样地,在存在坍塌的群(称为Y2群)中,获得代入了判定式用要因数据的55个Y=f(Xi)。
(3)特定判定式确定步骤(S300)
该步骤是将判定式用因素数据代入一般判定式进行运算,从而确定特定判定式的步骤。具体地说,在此步骤中,通过量化理论II类分析求出特定判定式。该步骤可由装置1的特定判定式确定部14进行。目前,将A1~A5中的系数(a11,a21等)设为aij。i是A1~A5的顺序,是1~5中的任一个的正整数。j是一个Ai中的系数的顺序。如果是A1,则具有3个系数,因此,j是1~3中的任一个的正整数。以使两组群间变动相对于全变动的最大化的方式确定aij,以便最佳地判别目的变量Y的分类(两组)。即,确定aij,使得相关比(η2)=(群间分布SB/全分布ST)最大。此时,通常是全分布ST=群内分布SW+群间分布SB。在这样的条件下,在相关比为最大的方式解开公式时,此问题回到特征值问题,求出的系数aij作为与最大特征值(η2)对应的特征向量的成分而被求出。其结果,在本次的计算示例中,得到(7C)的表达式1所示的特定判定式。另外,该解析方法在例如《多变量统计解析法》(作者:田中丰/胁本和昌、出版社:现代数学社)中有公开。特定判定式是表示aij这一系数被特定的状态下的解释变量Xi与目的变量Y的关系公式。Y表示在特定判定式中表示道路坍塌风险的“判定值”。即,在一般判定式中表示道路坍塌的存在与否或预兆的Y,在特定判定式中成为表示道路坍塌风险的“判定值”。因此,也可以将一般判定式中的Y记为“Y1”,将特定判定式中的Y记为“Y2”以示区分。
(4)阈值确定步骤(S400)
该步骤是确定坍塌发生的阈值的步骤。该阈值表示用于判定坍塌发生的风险性的判定值。该步骤可以由装置1的阈值确定部15进行。在该步骤中,将由特定判定式计算出的判定值以规定范围进行分类,根据实际有无坍塌来确定坍塌发生的阈值。如(7D、7E)所示,在本实施方式中,在0.2这一规定范围内将判定值分类为16个。另外,No.1~7(即判定值在0.2以下)的道路中存在坍塌。但是,道路的坍塌并不是在判定值为-0.2以下时100%发生,判定值比-0.2大的时100%不发生。如果也存在判定值在-0.2以下时也没有发生道路坍塌的情况,则也存在判定值比-0.2大时也发生道路坍塌的情况。在这样的存在道路坍塌的集合和不存在道路坍塌的集合互相重叠的状况下,在将判定值设定为No.1~16的各阶段时,将判定误差最小的位置定为阈值是妥当的。在(7C、7E)所示的例子中,如果将阈值设定为比-0.2小的值,则与将阈值设定为-0.2时相比,判定误差变大(在这种情况下,更多包含了在阈值以上的范围中存在坍塌的情况)。此外,即使将阈值设定为大于-0.2的值,与将阈值设定为-0.2时相比,判定误差也变大(在这种情况下,更多包含了在阈值以下的范围中不存在坍塌的情况)。当阈值设定为-0.2时,能够以高概率分离出存在坍塌和不存在坍塌的情况。在100处样本地点中,设阈值为-0.2时的有无坍塌的判定准确率为96%,这意味着误差为4%。步骤S100~S400是基于样本地点的信息,从一般判定式到求出特定判定式为止的处理。
(5)风险度用要因数据接收步骤(S500)
该步骤是风险度用要因数据接收步骤,接收将作为评价对象的多个评价对象地点中的道路坍塌的要因量化的风险度用要因数据。该步骤可以由装置1的风险度用要因数据接收部18进行。在本实施方式中,接收30个评价对象地点的风险度用要因数据。评价对象地点和采样地点最好位于地理位置较近的位置,如在同一个城镇、同一个城镇内的同一个地区等。
图8表示将作为评价风险度的对象的30处评价对象地点中的各种解释变量X1~X5量化的表。
图8的X1~X5的数值1~3与图5及图6的数值相同。例如,在评价对象地点No.1中,X1~X4为“1”,只有X5为“2”。这意味着,在该No.1的地点,不存在空洞,回填土是砂砾土,不存在地下水,管龄不满20年,覆土深度在1m以上未满2m。其他29处也可基于表中的数字进行类似解释。
这里重要的是,图8中的数值1~3与图5及图6相同,仅仅是对各解释变量进行分类,其数值的绝对值本身没有意义。因此,也可以用字母a、b、c代替数字1、2、3。另外,图8的表中的数字1~3并不直接代入特定判定式也是重要的。
步骤S500是接收(x11,x12,x13)、(x21,x22)、(x31,x32,x33)、(x41,x42,x43)、(x51,x52,x53)作为风险度用要因数据的步骤。例如,在图8所示的评价对象地点No.1,(1,0,0)、(1,0)、(1,0,0)、(1,0,0)、(0,1,0)等数据被风险度用要因数据接收部18接收。同样地,例如在图8所示的评价对象地点No.7,(1,0,0)、(0,1)、(0,1,0)、(0,1,0)、(0,0,3)等数据被风险度用要因数据接收部18接收。对于其他28处采样地点,也同样进行该数据的接收。
(6)第二代入步骤(S600)
该步骤是向特定判定式代入风险度用要因数据的步骤。该步骤可以由设备1的第二代入部19执行。该步骤是在特定判定式(参照7C)中代入上述风险度用要因数据的步骤,例如评价对象地点No.1的情况下,代入如(1,0,0)、(1,0)、(1,0,0)、(1,0,0)、(0,1,0)这样的数据。在该步骤中,对于其他29处评价对象地点也进行同样的代入。
(7)判定值确定步骤(S700)
该步骤是通过使用特定判定式的运算来确定基于各评价对象地点中的坍塌风险度的判定值的步骤。该步骤可以由装置1的判定值确定部20执行。根据该运算的结果,针对每个评价对象地点求出特定判定式的Y(表示风险度的判定值)。
(8)地图显示步骤(S800)
该步骤是基于表示各评价对象地点中的坍塌风险度的判定值在地图上进行按颜色或按浓度的显示的步骤。该步骤可以由装置1的地图显示部23进行。
图9分别表示在包含评价对象地点的区域的地图(9A)以及在该地图上通过颜色区分或浓淡区分显示包含各地点的单位区块的风险度评价地图(9B)。
如(9A)所示,在地图上显示了附加1~30的编号的评价对象地点。(9B)的地图是在以(9A)所示的地图上的各评价对象地点为中心的单位区块(例如由左右50m的长度、半径50m的范围等任意决定)中,显示基于S700求出的判定值(也可以称为风险度)及其判定值的颜色。(9B)的地图也可以称为风险度评价地图。风险度评价地图内的30处地点的数值意味着道路坍塌的风险性,数值越小则坍塌风险度越高。坍塌风险度高的区块例如以深红色表示,随着风险度逐渐降低,以浅红色、橙色、黄色、浅蓝色、深蓝色改变颜色来显示。另外,也可以不使用颜色,而以单色的浓淡显示风险度。(9B)的风险度评价地图是通过单色的浓淡视觉地表示风险度的例子,越接近黑色风险度越高。此外,风险度评价地图也可以通过仅判定值、仅颜色或单色的浓淡、仅判定值与颜色或单色的浓淡的组合的任意一个来显示。
另外,在图4的流程中,也可以在步骤S100之前,将道路坍塌因素转换为图7(7B)所示的数值,进行向判定式用要因数据接收部10发送该数值数据的第一坍塌要素数值转换步骤(步骤S50)。该步骤是第一坍塌要素数值转换部30参照第一存储部31的数据表执行的步骤。另外,也可以在步骤S500之前,将道路坍塌要素转换为数值,进行向风险度用要因数据接收部18发送该数值数据的第二坍塌要素数值转换步骤(步骤S450)。该步骤是第二坍塌因素数值转换部40参照第二存储部41的数据表执行的步骤。
上述的道路坍塌风险度的评价是将道路坍塌的要因设为5个的情况。以下,参照图10说明将道路坍塌的要因减少为2个时的评价。
图10分别表示用于说明特定判定式的图(10A)、用于说明阈值的图(10B、10C)以及在地图上按颜色或按浓淡显示了包含各地点的单位区块的风险度评价地图(10D)。
一般判定式的解释变量应尽可能少,以省去数据收集等的麻烦。但是,也必须确保用于判定的精度。在此,基于作为道路坍塌的要因的解释变量为5个的上述分析例,对将解释变量减少为2个的情况的例子进行说明。另外,即使解释变量的数不同,装置1内的结构及评价方法的流程也与上述例子相同。
在该减少中,优先保留对判定结果影响程度大的解释变量(范围大的要因),可以舍弃除此以外的解释变量。在此,范围是指解释变量Xi的类别数量具有的数值幅度,表示对Y的影响程度。在上述例子中,空洞的存在(X1)、管龄(X4)以及地下水状况(X3)的3种道路坍塌要因的范围依次减小,而其他变量的范围则比这些小。因此,按照范围由大到小的顺序选定2个要因,将采用X1和X4作为解释变量。当在两个因素中应用量化理论II类分析来进行运算时,获得(10A)的特定判定式(式2)。
(10B)的表表示判定值(样本得分)的分布。与上述结果相同,判定值越小,坍塌风险度越高。在该事例中,如果判定值为-0.2以下(NO.7)则发生100%道路坍塌,若判定值为0以下(NO.8),则成为包含14件中6件的误判(不存在坍塌)的结果。因此,设阈值为-0.2。在这种情况下,判定准确率为94%。从这个结果来看,即使在将坍塌要因减少为2个的情况下,也可以根据坍塌要因的选择,充分进行准确的评价。
在(10A)的特定判定式中,代入图8所示的表中的X1及X4的各数据,进行各评价对象地点的坍塌风险度的判定,接着在地图上进行了判定值及基于该判定值的浓淡的显示,从而得到(10D)所示的风险度评价地图。在该地图中,也与图9(9B)的风险度评价地图相同,数值越小,坍塌风险度越高。另外,评价对象地点No.1~30以外的“边界部”和“交叉点部”的数值表示为与(9B)相同的值。根据(10D),在评价对象地点No.13和No.15各地发生坍塌的可能性高,可得到与(9B)的风险度评价地图同样的结果。对于其他的评价对象地点,由于减少了坍塌要因,所以判定值的差异(浓淡差)变小。另外,评价对象地点No.10和No.16的判定值从负变化为0或正。这些被认为是使用减少了坍塌要素的特定判定式的影响。但是,仍然能够读取风险度相对高的地点。
接下来,将说明将道路坍塌的要因设置为11个时的评价。
图11和图12分别表示将判定式创建用的100处地点的各种解释变量X6~X11量化后表。图11表示第1~50的各地点的数据,图12表示第51~100的各地点的数据。另外,Y及X1~X5如图5及图6所示。图13分别表示用于说明特定判定式的图(13A)、用于说明阈值的图(13B、13C)以及对道路坍塌11个要因比较(13A)的式3的范围的大小的图(13D)。
作为判定式的解释变量,如果对目的变量(Y)选定说明力高的项,则公式的解释力就会变高,但并非单纯地项目数越多越好。即使大量选取了解释力相对较低的要因,用于提高判定精度的能力也会变小,增加了获取数据的困难。此外,需要注意的是,当变量增大时,同定的判定式的系数也有时成为无法适当地描述实际影响内容的系数符号。因此,需要考虑作为对象的城市的道路特性、排水管道特性等,从图2所示的11个坍塌要因中选择恰当的解释变量。在此,对将作为候补列出的11个坍塌要因全部取得时的计算例进行说明。图11及图12所示的附加数据是与管路部位(X6)、管道种类(X7)、排水管道破损状况(X8)、交通振荡(X9)、夏季气温(X10)及活动断层风险(X11)有关的数据。
在图11和图12的表中,关于管路的部位(X6),“1”表示安装管,“2”表示主管,“3”表示其他管。关于管道种类(X7),“1”是陶管的意思,“2”是钢筋混凝土的意思,“3”则是其他管。关于排水管破损状况(X8),“1”表示存在破损,“2”表示不存在破损。在交通振动(X9)方面,“1”表示高于预定基准,“2”表示低于预定基准。关于夏季气温(X10),“1”表示高于预定气温,“2”表示低于预定气温。关于活动断层风险(X11),“1”表示存在活动断层,“2”表示不存在活动断层。这些数值1~3仅单纯用于将各解释变量X6~X11按种类区分,其数值的绝对值本身没有意义。因此,也可以用字母a、b、c代替数字1、2、3。另外,图11及图12表中的数字1~3并不直接代入一般判定式。关于这一点,如上文关于Y及X1~X5所述。
判定式用要因数据接收部10接收的数据是关于存在地下空洞、回填土种类、地下水状况、管龄、管道上的覆土深度、管道部位、管道种类、管道破损情况、交通振动、夏季气温和活动断层风险的数据。如图7(7B)所述,该数据(判定式用要因数据)是按要因量化的数据,在符合的情况下称为“1”的数据,在不符合的情况下称为“0”的数据。
在判定式用要因数据接收部10接受了与11种要因相关的数值数据之后,装置1内的各构成部11~23与上述同样,以图4的流程进行各处理。如(13A)所示式3为特定判定式确定部14的处理的结果。在(13B、13C)的判定值(样本得分)的分布中,与上述相同,判定值越小,道路坍塌风险度越高。在该示例中,阈值是-0.2。如果使用11个坍塌要因,则判定准确率约为97%。这说明此情况下的准确率与坍塌要因为2个或5个的情况(均为94%)相比增高。另外,以管龄(X4)等一部分的解释变量的类别数量表示不恰当地描述实际的影响内容的结果(例如,在X4中老化度低的新管也产生负的类别数量)。
根据(13D)的图,可知空洞的存在(X1)、管龄(X4)以及地下水状况(X3)处于上位。由此可见,在评价道路坍塌风险度上以上三种是最理想的要因。
图14展示将作为评价风险度的对象的30个评价对象地点中的各种解释变量X6-X11量化的表。关于解释变量X1~X5,如图8所示。
图15展示在地图上按颜色或按浓淡显示了包含各地点的单位区块的风险度评价地图。
当进行图4的流程中的步骤S500(作为变形例的步骤S450)以后的处理后,图15的地图将被显示。虽然地图中的各区块的风险度和颜色或浓淡不与图9(9B)或图10(10D)的结果相一致,但是可以获得类似的地图。
如上述的本实施方式的道路坍塌风险度评价方法,具体而言,是使用用于评价道路坍塌风险度的装置1来评价道路坍塌风险度的方法,其包含:
判定式用要因数据接收步骤,接收判定式用要因数据,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,将为了上述特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成;
第一代入步骤(S200),其向从存储作为特定判定式的基础的如下表达式(A)所示的一般判定式{Y表示道路有无坍塌的外部基准,X1~Xn:Xi表示道路坍塌要因的解释变量,A1~An表示分别乘以X1~Xn的系数,n表示第i个解释变量Xi的数目,是1或更大的整数,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数量}的一般判定式存储手段中读取的一般判定式中代入由类别变量构成的判定式用要因数据;
特定判定式确定步骤(S300),将判定式用要因数据代入一般判定式,通过量化理论II类分析以将两组群间变动相对于全变动相对最大化的方式进行运算,确定特定了类别系数(aij)的特定判定式;
风险度用要因数据接受步骤(S500),其接收将作为评价对象的多个评价对象地点的道路坍塌的要因量化的风险度用要因数据;
第二代入步骤(S600),向从特定判定式存储手段读取的特定判定式代入评价对象地点中由类别变量构成的风险度用要因数据;
判定值确定步骤(S700),根据第二代入手段的处理进行运算,确定将各评价对象地点中的坍塌风险度量化的判定值。
<3.道路坍塌风险度评价用计算机程序>
道路坍塌风险度评价用计算机程序指的是安装于计算机上以使计算机作为用于评价道路坍塌风险度的道路坍塌风险度评价装置1起作用的计算机程序。道路坍塌风险度评价用计算机程序使以装置1为代表的计算机作为判定式用要因数据接收部10、第一代入部13、特定判定式确定部14、风险度用要因数据接收部18、第二代入部19及判定值确定部20发挥作用。另外,优选道路坍塌风险度评价用计算机程序使以装置1为代表的计算机作为一般判定式读取部12、阈值决定部15、特定判定式读取部17、地图信息读取部22、第一坍塌因素数值转换部30及第二坍塌因素数值转换部40中至少任一个起作用。
道路坍塌风险度评价用计算机程序也可以使以装置1为代表的计算机执行以下步骤:判定式用要因数据接受步骤(SlOO)、第一代入步骤(S200)、特定判定式确定步骤(S300)、风险度用要因数据接收步骤(S500)、第二代入步骤(S600)、判定值确定步骤(S700)。另外,优选道路坍塌风险度评价用计算机程序使以装置1为代表的计算机执行以下至少一个步骤:第一坍塌要因数值转换步骤(S50)、一般判定式读取步骤(在此设为S150)、阈值确定步骤(S400)、第二坍塌要因数值转换步骤(S450)、特定判定式读取步骤(在此设为S550)、地图信息读取步骤(在此设为S750)、以及地图显示步骤(S800)。
另外,道路坍塌风险度评价用计算机程序也可以从与装置1物理分离的另外的计算机(作为服务器)安装到装置1内的存储器内后执行,或者通过暂时存储在信息记录介质(例如小型磁盘、便携式闪存、FD、MD等)中并将该信息记录介质插入或连接到装置1中而安装到装置1内的存储器中后执行,或者不安装而直接读取执行。上述信息记录介质是指非暂时的有形的记录介质。道路坍塌风险度评价用计算机程序也可以是1个或2个以上的程序的形态。存储有道路坍塌风险度评价用计算机程序的信息记录介质同样也可以是1或2以上。
本实施方式的道路坍塌风险度评价用计算机程序,具体而言,其安装于计算机中,使该计算机作为用于评价道路坍塌风险度的道路坍塌风险度评价装置发挥功能,其中,
使该计算机作为如下手段起作用:
判定式用要因数据接收手段(对应于判定式用要因数据接收部10),其接收判定式用要因数据,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,将为了上述特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成;
第一代入手段(对应于第一代入部13),其向从存储作为特定判定式的基础的如下表达式(A)所示的一般判定式{Y表示道路有无坍塌的外部基准,X1~Xn:Xi表示道路坍塌要因的解释变量,A1~An表示分别乘以X1~Xn的系数,n表示第i个解释变量Xi的数目,是1或更大的整数,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数量}的一般判定式存储手段中读取的一般判定式中代入由类别变量构成的判定式用要因数据;
特定判定式确定手段(对应于特定判定式确定部14),其将判定式用要因数据代入一般判定式,通过量化理论II类分析以将两组群间变动相对于全变动相对最大化的方式进行运算,确定特定了类别系数(aij)的特定判定式(对应于特定判定式存储部16);
风险度用要因数据接受手段(对应于风险度用要因数据接收部18),其接收将作为评价对象的多个评价对象地点的道路坍塌的要因量化的风险度用要因数据;
第二代入手段(对应于第二代入部19),其向从存储特定判定式的特定判定式存储手段读出的特定判定式代入评价对象地点中由类别变量构成的风险度用要因数据;
判定值确定手段(对应于判定值确定部20),其根据第二代入手段的处理进行运算,确定将各评价对象地点中的坍塌风险度数值化的判定值。
产业上的利用可能性
本发明可用于预测道路坍塌风险度的技术和产业。
Claims (10)
1.一种道路坍塌风险度评价装置,用于评价道路坍塌风险度,其包含:
判定式用要因数据接收手段,其接收判定式用要因数据,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,将为了上述特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成;
一般判定式存储手段,其存储作为上述特定判定式的基础的如下表达式(A)所示的一般判定式{Y表示道路有无坍塌的外部基准,X1~Xn:Xi表示道路坍塌要因的解释变量,A1~An表示分别乘以X1~Xn的系数,n表示第i个解释变量Xi的数目,是1或更大的整数,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数量};
第一代入手段,其向从上述一般判定式存储手段中读取的一般判定式中代入由上述类别变量构成的上述判定式用要因数据;
特定判定式确定手段,其将上述判定式用要因数据代入上述一般判定式,通过量化理论II类分析以将两组群间变动相对于全变动相对最大化的方式进行运算,确定特定了上述类别系数(aij)的上述特定判定式;
特定判定式存储手段,其存储上述特定判定式;
风险度用要因数据接受手段,其接收将作为评价对象的多个评价对象地点的道路坍塌的要因量化的风险度用要因数据;
第二代入手段,其向从上述特定判定式存储手段读取的上述特定判定式代入上述评价对象地点中由上述类别变量构成的上述风险度用要因数据;
判定值确定手段,其根据上述第二代入手段的处理进行运算,确定将各评价对象地点中的坍塌风险度量化的判定值。
【数1】
2.如权利要求1所述的道路坍塌风险度评价装置,其中,
还包含阈值确定手段,其对通过上述特定判定式计算出的上述判定值进行分类,根据有无实际坍塌来确定坍塌产生的阈值。
3.如权利要求1、2所述的道路坍塌风险度评价装置,其中,还包含:
地图信息存储手段,其存储包含上述各评价对象地点的地图信息;
地图显示手段,其在从上述地图信息存储手段中读取的上述地图上,基于表示上述各评价对象地点的坍塌风险度的上述判定值,进行按颜色或按浓淡的显示。
4.如权利要求1~3中的任一项中所述的道路坍塌风险度评价装置,其中,
上述道路坍塌的要因是存在地下空洞、回填土种类、地下水状况、管龄、管道上的覆土深度、管道部位、管道种类、管道破损状况、交通振动、夏季气温及活动断层风险内的2个以上。
5.一种路坍塌风险度评价方法,使用用于评价道路坍塌风险度的装置来评价道路坍塌风险度,其中,包含:
判定式用要因数据接收步骤,接收判定式用要因数据,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,将为了上述特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成;
第一代入步骤,向从存储作为上述特定判定式的基础的如下表达式(A)所示的一般判定式{Y表示道路有无坍塌的外部基准,X1~Xn:Xi表示道路坍塌要因的解释变量,A1~An表示分别乘以X1~Xn的系数,n表示第i个解释变量Xi的数目,是1或更大的整数,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数量}的一般判定式存储手段中读取的一般判定式中代入由上述类别变量构成的上述判定式用要因数据;
特定判定式确定步骤,将上述判定式用要因数据代入上述一般判定式,通过量化理论II类分析以将两组群间变动相对于全变动相对最大化的方式进行运算,确定特定了上述类别系数(aij)的上述特定判定式;
风险度用要因数据接受步骤,接收将作为评价对象的多个评价对象地点的道路坍塌的要因量化的风险度用要因数据;
第二代入步骤,向从存储上述特定判定式的特定判定式存储手段读取的上述特定判定式代入上述评价对象地点中由上述类别变量构成的上述风险度用要因数据;
判定值确定步骤,根据上述第二代入步骤的处理进行运算,确定将各评价对象地点中的坍塌风险度量化的判定值。
【数2】
6.如权利要求5所述的道路坍塌风险度评价方法,其中,
还包括阈值确定步骤,对通过上述特定判定式计算出的上述判定值进行分类,根据有无实际坍塌来确定坍塌产生的阈值。
7.如权利要求5、6所述的道路坍塌风险度评价方法,其中,
还包括地图显示步骤,在从存储包含上述各评价对象地点的地图的信息的地图信息存储手段中读取的上述地图上,基于表示上述各评价对象地点的坍塌风险度的上述判定值,进行按颜色或按浓淡的显示。
8.一种计算机程序,其安装于计算机中,使该计算机作为用于评价道路坍塌风险度的道路坍塌风险度评价装置发挥功能,其中,
使该计算机作为如下手段起作用:
判定式用要因数据接收手段,其接收判定式用要因数据,该判定式用要因数据是确定用于判定道路坍塌风险度的公式即作为道路坍塌的要因和上述风险度的函数关系式的特定判定式所需要的数据,将为了上述特定判定式创建用而采样的多个采样地点的道路坍塌要因进行量化而成;
第一代入手段,其向从存储作为上述特定判定式的基础的如下表达式(A)所示的一般判定式{Y表示道路有无坍塌的外部基准,X1~Xn:Xi表示道路坍塌要因的解释变量,A1~An表示分别乘以X1~Xn的系数,n表示第i个解释变量Xi的数目,是1或更大的整数,xij表示Xi的第j个类别变量,aij表示xij的类别系数,mi表示Xi的类别数量}的一般判定式存储手段中读取的一般判定式中代入由上述类别变量构成的上述判定式用要因数据;
特定判定式确定手段,其将上述判定式用要因数据代入上述一般判定式,通过量化理论II类分析以两组群间变动相对于全变动相对最大化的方式进行运算,确定特定了上述类别系数(aij)的上述特定判定式;
风险度用要因数据接受手段,其接收将作为评价对象的多个评价对象地点的道路坍塌的要因量化的风险度用要因数据;
第二代入手段,其向从存储上述特定判定式的特定判定式存储手段读取的上述特定判定式代入上述评价对象地点中由上述类别变量构成的上述风险度用要因数据;
判定值确定手段,其根据上述第二代入手段的处理进行运算,确定将各评价对象地点中的坍塌的风险度量化的判定值。
【数3】
9.如权利要求8所述的道路坍塌风险度评价用计算机程序,其中,
使该计算机进一步作为阈值确定手段起作用,所述阈值确定手段对通过上述特定判定式计算出的上述判定值进行分类,根据有无实际坍塌来确定坍塌产生的阈值。
10.如权利要求8、9所述的道路坍塌风险度评价用计算机程序,其中,
使该计算机作为地图显示手段起作用,所述地图显示手段在从上述地图信息存储手段中读取的上述地图上,基于表示上述各评价对象地点的坍塌风险度的上述判定值,进行按颜色或按浓淡的显示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017021003 | 2017-02-08 | ||
JP2017-021003 | 2017-02-08 | ||
PCT/JP2018/002316 WO2018147086A1 (ja) | 2017-02-08 | 2018-01-25 | 道路陥没危険度評価装置および道路陥没危険度評価方法、ならびに道路陥没危険度評価用コンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110234811A true CN110234811A (zh) | 2019-09-13 |
CN110234811B CN110234811B (zh) | 2021-03-26 |
Family
ID=63107404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880007801.7A Active CN110234811B (zh) | 2017-02-08 | 2018-01-25 | 道路坍塌风险度评价装置、评价方法及评价用计算机程序 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6682021B2 (zh) |
CN (1) | CN110234811B (zh) |
WO (1) | WO2018147086A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT17051U1 (de) * | 2019-11-18 | 2021-04-15 | Walter Dietl | Verfahren zur bestimmung von erhaltungsmassnahmen für wenigstens eine strasse |
KR102259619B1 (ko) * | 2020-01-30 | 2021-06-01 | 임도형 | 도로함몰피해지수 산정 및 이를 이용한 공동관리기준 도출방법 |
CN113793038B (zh) * | 2021-09-16 | 2023-12-22 | 贵阳市城市轨道交通集团有限公司 | 一种多因素耦合下岩溶山区地铁隧道工程灾害分区方法 |
KR102554245B1 (ko) * | 2021-11-12 | 2023-07-11 | 한국건설기술연구원 | 지반함몰 위험도 평가 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
CN114926968B (zh) * | 2022-05-18 | 2023-10-10 | 中铁第四勘察设计院集团有限公司 | 一种路基脱空监测系统、监测方法、设备及存储介质 |
CN117236706B (zh) * | 2023-11-16 | 2024-02-20 | 海纳云物联科技有限公司 | 热力管线泄露风险的评估方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101361086A (zh) * | 2005-12-22 | 2009-02-04 | 株式会社Gmg | 斜坡监控系统 |
JP2009281924A (ja) * | 2008-05-23 | 2009-12-03 | Shimizu Corp | 地盤崩壊予測警報システム及び地盤崩壊予測警報方法 |
JP2009295051A (ja) * | 2008-06-06 | 2009-12-17 | Nippon Telegr & Teleph Corp <Ntt> | 設備点検システム、計測システム、及び、設備点検方法 |
CN101943643A (zh) * | 2009-07-07 | 2011-01-12 | 日立建机株式会社 | 路崖崩塌危险监视装置及运输车辆 |
US20120123969A1 (en) * | 2010-11-15 | 2012-05-17 | Messmer Peter F | Methods and Processes of Road Use Evaluation and Regulation |
JP2016151954A (ja) * | 2015-02-18 | 2016-08-22 | 国立大学法人九州大学 | 道路構造物の維持管理業務支援装置および維持管理業務支援プログラム |
JP2017002537A (ja) * | 2015-06-09 | 2017-01-05 | 株式会社東芝 | 道路点検情報提供装置及び道路点検情報提供方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0587945A (ja) * | 1991-09-27 | 1993-04-09 | Doro Hozen Gijutsu Center | 舗装道路の空洞探査方法 |
JP4442916B1 (ja) * | 2009-10-27 | 2010-03-31 | ジオ・サーチ株式会社 | 舗装の内部損傷箇所の非破壊調査方法 |
JP5062921B1 (ja) * | 2012-05-01 | 2012-10-31 | 株式会社ウオールナット | 空洞厚推定方法及びその装置 |
JP2014098597A (ja) * | 2012-11-13 | 2014-05-29 | Geo Search Co Ltd | 陥没の危険性評価方法 |
-
2018
- 2018-01-25 CN CN201880007801.7A patent/CN110234811B/zh active Active
- 2018-01-25 WO PCT/JP2018/002316 patent/WO2018147086A1/ja active Application Filing
- 2018-01-25 JP JP2018567359A patent/JP6682021B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101361086A (zh) * | 2005-12-22 | 2009-02-04 | 株式会社Gmg | 斜坡监控系统 |
JP2009281924A (ja) * | 2008-05-23 | 2009-12-03 | Shimizu Corp | 地盤崩壊予測警報システム及び地盤崩壊予測警報方法 |
JP2009295051A (ja) * | 2008-06-06 | 2009-12-17 | Nippon Telegr & Teleph Corp <Ntt> | 設備点検システム、計測システム、及び、設備点検方法 |
CN101943643A (zh) * | 2009-07-07 | 2011-01-12 | 日立建机株式会社 | 路崖崩塌危险监视装置及运输车辆 |
US20120123969A1 (en) * | 2010-11-15 | 2012-05-17 | Messmer Peter F | Methods and Processes of Road Use Evaluation and Regulation |
JP2016151954A (ja) * | 2015-02-18 | 2016-08-22 | 国立大学法人九州大学 | 道路構造物の維持管理業務支援装置および維持管理業務支援プログラム |
JP2017002537A (ja) * | 2015-06-09 | 2017-01-05 | 株式会社東芝 | 道路点検情報提供装置及び道路点検情報提供方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110234811B (zh) | 2021-03-26 |
JPWO2018147086A1 (ja) | 2019-11-07 |
WO2018147086A1 (ja) | 2018-08-16 |
JP6682021B2 (ja) | 2020-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110234811A (zh) | 道路坍塌风险度评价装置和道路坍塌风险度评价方法,以及道路坍塌风险度评价用计算机程序 | |
Jat et al. | Monitoring and modelling of urban sprawl using remote sensing and GIS techniques | |
Akgun et al. | Application of remote sensing data and GIS for landslide risk assessment as an environmental threat to Izmir city (west Turkey) | |
CN109584510B (zh) | 一种基于评估函数训练的道路高边坡滑坡灾害预警方法 | |
Lee et al. | Probabilistic landslide susceptibility mapping in the Lai Chau province of Vietnam: focus on the relationship between tectonic fractures and landslides | |
Jat et al. | Modelling of urban growth using spatial analysis techniques: a case study of Ajmer city (India) | |
Yalcin | GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen (Turkey): comparisons of results and confirmations | |
Li et al. | Water pipe condition assessment: a hierarchical beta process approach for sparse incident data | |
Sepehri et al. | Assessment of flood hazard mapping in urban areas using entropy weighting method: a case study in Hamadan city, Iran | |
Greve et al. | Quantifying the ability of environmental parameters to predict soil texture fractions using regression-tree model with GIS and LIDAR data: The case study of Denmark | |
CN110008301A (zh) | 基于机器学习的区域性地质灾害易发性预测方法及装置 | |
CN104778369A (zh) | 一种基于地面沉降监测的决策与预警方法及其系统 | |
CN113283802A (zh) | 一种复杂艰险山区滑坡危险性评估方法 | |
Mikovits et al. | Decision support for adaptation planning of urban drainage systems | |
Ghanbarpour et al. | Stochastic modeling of surface stream flow at different time scales: Sangsoorakh karst basin, Iran | |
Fahad et al. | Coupled hydrodynamic and geospatial model for assessing resiliency of coastal structures under extreme storm scenarios | |
Pedersen et al. | All models are wrong, but are they useful? Assessing reliability across multiple sites to build trust in urban drainage modelling | |
Giasson et al. | Digital soil mapping using logistic regression on terrain parameters for several ecological regions in Southern Brazil | |
JP3646726B1 (ja) | 防災事業支援システム | |
Conway et al. | Not developed yet? Alternative ways to include locations without changes in land use change models | |
Bannayan et al. | Predicting realizations of daily weather data for climate forecasts using the non‐parametric nearest‐neighbour re‐sampling technique | |
Zamenian et al. | Systematic approach for asset management of urban water pipeline infrastructure systems | |
Arora | Flood susceptibility prediction using multi criteria decision analysis and bivariate statistical models: a case study of Lower Kosi River Basin, Ganga River Basin, India | |
Shi | Data-driven predictive analytics for water infrastructure condition assessment and management | |
Mummery et al. | Data input quality and resolution effects on regional and local scale Eucalyptus globulus productivity predictions in north-east Tasmania |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |