JP2020147961A - 道路維持管理システム、舗装種別判定装置、舗装劣化判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、舗装劣化判定方法、修繕優先度判定方法 - Google Patents

Abstract

【課題】道路画像と位置情報から舗装の種別を容易に分類することができ、舗装の種別ごとに劣化の度合いを判定することができ、さらには修繕の優先度を判定することのできる道路維持管理システムを提供する。【解決手段】実施形態によれば、道路維持管理システムは、撮影された道路画像、撮影位置情報から道路の舗装種別を自動判定する舗装種別判定装置と、道路画像、撮影位置情報、舗装種別判定結果に基づいて舗装種別毎に劣化の度合いを自動判定する舗装劣化判定装置と、道路画像、撮影位置情報、舗装種別判定結果、舗装劣化判定結果に基づいて修繕の優先度を判定する修繕優先度判定装置とを備える。【選択図】図１

Description

この発明の実施形態は、道路維持管理システム、舗装種別判定装置、舗装劣化判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、舗装劣化判定方法、修繕優先度判定方法に関する。

従来、道路舗装の点検では、専用の測定車両を用いた路面性状の調査が行われてきた。一方で、市町村で管理している膨大な道路を点検する場合には、従来の調査ではコストがかかるため、市販のビデオカメラやスマートフォンを利用して走行車両で道路を撮影し、撮影された道路画像を画像処理してひび割れ、はがれ等の路面の劣化状況を判定するという、簡易な手法による点検技術の検討が進められている。

ただし、道路の路面は均一ではなく、舗装の種別によって路面の映り方が異なり、しかも劣化の進み具合が異なる。それにも関わらず、従来では同じ基準で劣化を判定しているため、現状の路面性状調査においても点検結果が実態と乖離するケースがある。また、舗装の種別については、正確な管理ができていないため、実態が不明あるいは不一致のケースが多々ある。正確な管理には膨大なコストがかかるため、道路画像と位置情報から舗装の種別を容易に分類し、種別ごとに劣化の度合いを判定することができ、さらには修繕の優先度を判定する技術が求められている。

特開２０１８−０８７４８４号公報

この発明の実施形態の課題は、道路画像と位置情報から舗装の種別を容易に分類することができ、舗装の種別ごとに劣化の度合いを判定することができ、さらには修繕の優先度を判定することのできる道路維持管理システム、舗装種別判定装置、舗装劣化判定装置、修繕優先度判定装置、道路維持管理方法、舗装種別判定方法、舗装劣化判定方法、修繕優先度判定方法を提供することにある。

実施形態によれば、道路維持管理システムは、舗装種別判定装置と、舗装劣化判定装置とを備える。舗装種別判定装置は、撮影した道路画像及び撮影した撮影位置情報を入力する入力部と、予め舗装種別毎に道路を撮影した複数の道路画像を教師データとして学習させた学習モデルにより、道路画像の舗装種別を判定する舗装種別判定部とを有する。舗装劣化判定装置は、前記舗装種別判定装置で舗装種別が判定された道路画像から、舗装の劣化範囲を検出し、この劣化範囲の劣化の状態を自動算出する画像解析部と、舗装種別毎に設けられ、前記画像解析部で検出した舗装種別の割合に基づいて前記舗装種別毎に舗装の劣化度を判定して複数段階に分類する舗装劣化判定部とを有する。

図１は、実施形態に係る道路維持管理システムの全体構成を示すブロック図。 図２は、図１に示すシステムに用いられる調査用車両と撮影された道路画像データの例を示す図。 図３は、図１に示すシステムにおいて管理対象となる道路の舗装種別として、アスファルト混合物の種類を示す図。 図４は、実施形態のシステムに用いられる舗装種別判定装置の構成を示すブロック図。 図５は、図４に示す舗装種別判定装置に適用されるＡＩの教師データの作成方法を説明するための図。 図６は、図４に示す舗装種別判定装置の処理の流れを示すフローチャート。 図７は、図４に示す舗装種別判定処理による判定結果の表示例を示す図。 図８は、図１に示すシステムに用いられる舗装劣化判定装置の構成を示すブロック図。 図９は、図８に示す舗装劣化判定装置の処理の流れを示すフローチャート。 図１０は、図９に示す舗装劣化判定処理による判定結果の表示例を示す図。 図１１は、図１に示すシステムに用いられる修繕優先度判定装置の構成を示すブロック図。 図１２は、図１１に示す修繕優先度判定装置の処理の流れを示すフローチャート。 図１３は、図１２に示す修繕優先度判定処理による判定結果の地図による表示例を示す図。 図１４は、図１２に示す修繕優先度判定処理による判定結果の一覧表（帳票）による表示例を示す図。

以下、図面を参照しながら、種々の実施形態について説明する。
（第１の実施形態）
図１は、第１の実施形態に係る道路管理システムの概略構成を示すブロック図である。図１に示す道路維持管理システム１は、カメラで撮影された道路画像データ、撮影時のカメラ位置情報から道路の舗装種別を自動判定する舗装種別判定装置１１と、道路画像データ、カメラ位置情報、舗装種別判定結果に基づいて道路の舗装種別毎に劣化の度合いを自動判定する舗装劣化判定装置１２と、道路画像データ、カメラ位置情報、舗装種別判定結果、舗装劣化判定結果に基づいて修繕の優先度を判定する修繕優先度判定装置１３とを備える。

図２は図１に示すシステム１に用いられる調査用車両と撮影された道路画像データの例を示す図である。道路画像は、動画像または静止画像でもよいものとする。本システム１では、図２（ａ）に示すように、道路を撮影するカメラ１０１、撮影の位置データを収集する測位装置１０２を搭載する調査用車両１０を用いる。ただし、この車両自体は専用である必要はない。

上記カメラ１０１は、例えば車両１００のルーフに、進行方向に対して後方の道路が撮影されるように視野を向けて装着される。これによって、図２（ｂ）に示すような道路画像が得られる。道路画像は、斜め上から撮影した画像とするが、真上から撮影した画像を用いてもよい。カメラ１０１は、撮影方向の向き、視野角、路面からの高さ、機種等の情報を撮影された画像データに付加して出力するものとする。カメラ１０１は市販のビデオカメラ、スマートフォンのカメラでもよい。

上記測位装置１０２は、地図データ、車載されるＧＰＳ（Global Positioning System）の利用者受信機（ＧＰＳ受信機）から取得される経緯度情報を元に、カメラ１０１の撮影に同期して路線の区間属性情報、カメラの撮影時における位置情報を収集し、カメラ位置情報として出力する。カメラ位置情報には、経緯度の情報に加えて、高度、速度、日時等の情報を含んでいてもよい。カメラ位置情報は、ＧＰＳ衛星からの電波が届きにくい山間部やトンネル内においては、カメラを搭載した車両の速度の情報や加速度の情報を用いて補正されてもよい。

ここで、上記道路の舗装は、高い路面性能が確保できるが使用材料の特性に起因して劣化の進行速度のばらつきが大きい「アスファルト舗装」と、目地部が構造的な弱点ではあるものの極めて長期間に亘って使用し続けることが期待できる「コンクリート舗装」に大別される。アスファルト舗装は、雨水を路面下に円滑に浸透させることができる構造かどうかによって２種類に大別することができる。このうち、表層に密粒度アスファルト混合物などの不透水性材料を用い路面で排水する構造のものを「密粒度系アスファルト舗装」と呼び、表層あるいは表層・基層に透水性のあるポーラスアスファルト混合物を使用したものを「ポーラスアスファルト舗装」と呼ぶ。これ以外のコンクリート舗装、反たわみ性舗装などは「その他の舗装」に分類する。

図３は、参考として、アスファルト混合物の種類を例示している（詳細は一般社団法人の日本アスファルト協会ＨＰ（http://www.askyo.jp/knowledge/06-3.html）を参照）。
道路の路面は均一ではなく、舗装の種別によって劣化の仕方や劣化の進み具合が異なる。それにも関わらず、同じ基準で劣化を判定しているため、現状の路面性状調査においても点検結果が実態と乖離するケースがある。このため、舗装種別を把握しておく必要がある。本来、舗装種別は各道路管理者にて工事履歴とともに台帳管理されているはずであるが、都道府県道の一部や市町村道の大部分においては台帳が満足に整備されていないのが実態である。そこで、市販ビデオカメラで撮影した映像をもとに、舗装種別を自動判定する手法を提案する。

図４は、上記道路維持管理システム１に用いられる舗装種別判定装置１１の具体的な構成を示すブロック図である。
図１に示すシステム１において、上記カメラ１０１で得られた道路画像データと測位装置１０２で収集されたカメラ位置情報は、舗装種別判定装置１１に入力される。この舗装種別判定装置１１は、図４に示すように、入力部１１１、入力情報記憶部１１２、画像処理部１１３、舗装種別判定部１１４、判定結果記憶部１１５、編集・補完処理部１１６、判定結果出力部１１７、表示制御部１１８、表示部１１９を備える。

上記入力部１１１は、道路画像データ、カメラ位置情報を入力し、道路画像データとカメラ位置情報とを対応付ける。
上記入力情報記憶部１１２は道路画像データ、カメラ位置情報を記録する。
上記画像処理部１１３は、道路画像データを入力情報記憶部１１２に記録しつつ画像処理して道路画像の路面部分を抽出する。

上記舗装種別判定部１１４は、画像処理部１１３で得られた路面部分の道路画像から舗装種別（ここではポーラスアスファルト舗装／密粒度系アスファルト舗装／その他の舗装（半たわみ性舗装、コンクリート舗装など）３種類とする）のいずれであるかを自動判定する。その判定処理では、ＡＩ（Artificial Intelligence：人工知能）技術を利用したニューラルネットワーク、または機械学習、画像処理などにより、予め教師データとして与えられる舗装種別画像（「密粒度系アスファルト舗装」「ポーラスアスファルト舗装」「その他の舗装」の画像）に基づいて入力道路画像が最も近いと認識される画像の舗装種別を判定出力する。

図５は、上記舗装種別判定部１１４に適用されるＡＩの教師データ作成方法を説明するための図である。
舗装種別を自動判別するＡＩの教師データは、元画像（1920×1080画素）１枚から、複数の画像データ（768×768画素、1080×1080画素、96×96画素など）に加工して用いる。また、サイズの加工方法は、図５（ａ）に示すような両端の削除や図５（ｂ）に示すような舗装部分の切り出しなど、自由に選択できるものとする。

舗装種別を自動判別するＡＩの教師データは、天候（晴れ、曇り、雨）、影の有無、被干割れの有無、形状などの属性単位に分類しておく。その属性を考慮して、適用対象となる条件に適応した画像を採用する。
学習モデルの生成に際して、教師データを全て用いる場合や、そのいずれかの教師データを選択して一つの学習モデルを生成するようにしてもよい。また、学習モデルを画像の特性毎に複数生成し、それらを組み合わせて一つの入力データの舗装種別を判別するようにしてもよい。

舗装種別の判定には、学習モデルを生成した教師データと同様の環境（機材、機材設置位置、撮影方向など）以外においても対応可能であるように汎用性を持たせることが望ましい。例えば、ビデオカメラにて撮影した動画で生成した学習モデルを用いて、アクション対応カメラやドライブレコーダーにて撮影した画像を判定できるようにするとよい。また、ビデオカメラの画像であっても、異なる機種で撮影した画像を判定できるようにするとよい。ただし、これらの場合は、それぞれの機材に依存しない条件（舗装部分のみなど）を考慮した教師データを生成する必要がある。

ポーラスアスファルト舗装／密粒度系アスファルト舗装／その他の舗装を分類する際には、アスファルト舗装やその他の舗装を色と質感の違いなどを考慮して、識別する学習モデルを用いて判定する。また、アスファルト舗装とその他の舗装を色などの情報に基づき識別する学習モデルにて判定したのち、アスファルト舗装の質感の違いなどを考慮して識別する学習モデルを用いて段階的に判定するようにしてもよい。

道路では、ある程度の区間（以下、区間Ａ）、同様の舗装種別が継続する傾向があるため、区間Ａを一定距離毎に判定し、その判定結果を統合して、区間Ａの最終的な舗装種別を出力するようにしてもよい。
上記判定結果記憶部１１５は、被判定画像と共に舗装種別の判定結果を記録する。

上記編集・補完処理部１１６は、判定結果記憶部１１５の記録情報について、目視あるいは他のシステム（道路台帳システム等）との連携により編集・補完する。また、道路管理データベースの登録情報と照合し、相違する情報、不足している情報があれば道路管理データベースの登録情報を編集・補完する。

上記判定結果出力部１１７は、判定結果記憶部１１５に記録された判定結果を順次または要求に応じて読み出し、例えばテキストファイルに変換して出力する。
上記表示制御部１１８は、指定された位置の道路画像データと舗装種別判定結果を処理結果記憶部１１５から読み出して表示画像に変換する。

上記表示部１１９は、表示制御部１１８で変換された道路画像データ及び舗装種別判定結果の表示画像を表示する。画面表示データは、要求に応じて外部出力される。
図６は、図４に示す舗装種別判定装置１１の処理の流れを示すフローチャートである。すなわち、この舗装種別判定装置１１では、道路画像データ及びカメラ位置情報の入力を判断する（ステップＳ１１）。入力があった場合には、道路画像データにカメラ位置情報を対応付けた後（ステップＳ１２）、その道路画像データを入力情報記憶部１１２に記録する（ステップＳ１３）。続いて、記録された道路画像データから道路の路面部分を抽出する（ステップＳ１４）。抽出した路面部分は、ＡＩによって舗装種別の教師データである路面画像と比較照合してポーラスアスファルト舗装／密粒度系アスファルト舗装／その他の舗装のいずれであるかを自動判定し（ステップＳ１５）、その判定結果を被判定画像と共に判定結果記憶部１１５に記録する（ステップＳ１６）。

記録された舗装種別判定結果の出力要求があると（ステップＳ１７）、記憶部１１５から判定結果を読み出して、例えばテキストファイルに変換して出力する（ステップＳ１８）。また、表示要求があると（ステップＳ１９）、指定された位置の道路画像と舗装種別判定結果を表示部１１９に表示する（ステップＳ１Ａ）。

判定結果の記録情報については、出力要求、表示要求により判定結果をモニタし、編集・補完が必要な場合には（ステップＳ１Ｂ）、目視あるいは他のシステムとの連携により編集・補完する（ステップＳ１Ｃ）。
図７は舗装種別の判定結果の例を示しており、図７（ａ）はポーラスアスファルト舗装、図６（ｂ）は密粒度系アスファルト舗装、図６（ｃ）はその他の舗装の判定結果を示している。

図８は、上記道路維持管理システムに用いられる舗装劣化判定装置１２の具体的な構成を示すブロック図である。
上記舗装種別判定装置１１の種別判定結果ファイルは、道路画像データ及びカメラ位置情報と共に、舗装劣化判定装置１２に送られる。
この舗装劣化判定装置１２は、図７に示すように、入力部１２１、入力情報記憶部１２２、画像処理部１２３、舗装劣化判定部１２４、判定結果記憶部１２５、判定結果出力部１２６、表示制御部１２７、表示部１２８を備える。

上記入力部１２１は、道路画像データ、カメラ位置情報と共に舗装種別判定装置１１で判定された種別判定結果ファイルを入力し、道路画像データにカメラ位置情報、舗装種別判定結果を対応付ける。
上記入力情報記憶部１２２は、カメラ位置情報及び舗装種別判定結果が対応付けられた道路画像データを記録する。

上記画像処理部１２３は、道路画像データを入力情報記憶部１１２に記録しつつ画像処理して道路画像の路面部分を抽出し、ひび割れ、剥がれの箇所を解析する。
上記舗装劣化判定部１２４は、舗装種別毎の判定部、すなわち排水性劣化判定部１２４Ａ、密粒系劣化判定部１２４Ｂ、その他劣化判定部１２４Ｃを備える。それぞれの判定部１２４Ａ，１２４Ｂ，１２４Ｃは、画像処理部１２３で得られた路面部分の道路画像データから舗装種別の舗装劣化の度合いを自動判定する。この舗装劣化判定処理も、ＡＩ技術を利用したニューラルネットワーク、または機械学習、画像処理などにより、予め教師データとして与えられる舗装種別毎の劣化画像に基づいて、入力道路画像が最も近いと認識される画像の舗装劣化の度合いを判定出力する。

具体的には、ポーラスアスファルト舗装、密粒度系アスファルト舗装、その他の舗装の劣化判定は、例えば、路面の輝度情報を基に舗装のひび割れを検出し、検出したひび割れの形状データをカメラ１０１で撮影された道路画像に重畳したひび割れ重畳画像（舗装ひび割れ入り画像）を生成し、所定の面積に占めるひび割れの面積の割合を示すひび割れ率を自動算出し、そのひび割れ率を参考にして、劣化度を３段階程度（大／中／小）に分類する。あるいは路面の状態（骨材飛散、沈下、穴ぼこなど）から舗装の劣化の度合いを自動判定してもよい。

上記判定結果記憶部１２５は、被判定画像データ、ひび割れ形状データ、舗装種別毎の劣化判定結果を記録する。
上記判定結果出力部１２６は、判定結果記憶部１２５に記録された判定結果を順次または要求に応じて読み出し、例えばテキストファイルに変換して出力する。

上記表示制御部１２７は、指定された位置の道路画像データ、ひび割れ形状データ、舗装種別判定結果を処理結果記憶部１２５から読み出し、道路画像にひび割れ形状の画像を重ね合わせ、判定結果を含む表示画像に変換する。
上記表示部１２８は、表示制御部１２７で変換されたひび割れが示される道路画像及び舗装種別判定結果の表示画像を表示する。画面表示データは、要求に応じて外部出力される。

図９は、図７に示す舗装劣化判定装置１２の処理の流れを示すフローチャートである。すなわち、この舗装劣化判定装置１２では、道路画像データ、カメラ位置情報及び種別判定結果ファイルの入力を判断する（ステップＳ２１）。そして、入力があった場合には、道路画像データにカメラ位置情報及び舗装種別判定結果を対応付けた後（ステップＳ２２）、その道路画像データを入力情報記憶部１２２に記録する（ステップＳ２３）。

続いて、記録された道路画像データから道路の路面部分を抽出し（ステップＳ２４）、ポーラスアスファルト舗装／密粒度系アスファルト舗装／その他の舗装の種別に振り分ける（ステップＳ２５）。路面部分の道路画像からひび割れを検出してその形状を計測する（ステップＳ２６）。そして、ひび割れ率を計算し（ステップＳ２７）、舗装種別それぞれの劣化の度合いを例えば３段階で自動判定する（ステップＳ２８）。そして、その判定結果を被判定画像と共に判定結果記憶部１２５に記録する（ステップＳ２９）。

記録された舗装劣化判定結果の出力要求があると（ステップＳ２Ａ）、記憶部１２５から判定結果を読み出して、例えばテキストファイルに変換して出力する（ステップＳ２Ｂ）。また、表示要求があると（ステップＳ２Ｃ）、指定された位置の道路画像、ひび割れ形状と舗装劣化判定結果を表示部１２８に表示する（ステップＳ２Ｄ）。

図１０は、舗装劣化の判定結果の例を示している。図１０（ａ）はポーラスアスファルト舗装の劣化判定結果、図１０（ｂ）は密粒度系アスファルト舗装の劣化判定結果を示している。
図１１は、上記道路維持管理システムに用いられる修繕優先度判定装置１３の具体的な構成を示すブロック図である。

上記舗装劣化判定装置１２の判定結果は、道路画像データ、カメラ位置情報、種別判定結果ファイル、劣化判定結果ファイルと共に、修繕優先度判定装置１３に送られる。
この修繕優先度判定装置１３は、図１１に示すように、入力部１３１、入力情報記憶部１３２、区間毎データ登録部１３３、劣化予測式作成部１３４、優先度評価部１３５、修繕計画作成部１３６、処理結果記憶部１３７、処理結果出力部１３８、表示制御部１３９、表示部１３Ａを備える。

上記入力部１３１は、道路画像データ、カメラ位置情報、種別判定結果ファイル、劣化判定結果ファイルに加え、区間登録データ（修繕履歴、交通量、路線種別、使われ方など）の情報も入力し、それぞれのデータを対応付ける。
上記区間毎データ登録部１３３は、入力部１３１で対応付けられた入力情報を区間毎に区切って入力情報記憶部１３２に記録する。

上記劣化予測式作成部１３４は、入力情報記録部１３２に記録された種別判定結果ファイル、劣化判定結果ファイルおよび区間登録データをもとに、回帰分析を用いて劣化予測式を作成する。
上記優先度評価部１３５は、種別判定結果ファイル、劣化判定結果ファイル、区間登録データおよび劣化予測式による予測結果をもとに対策の優先度評価を行う。

上記修繕計画作成部１３６は、種別判定結果ファイル、劣化判定結果ファイル、区間登録データ、劣化予測式による予測結果および優先度評価結果をもとに修繕計画を作成する。
上記処理結果記憶部１３７は、劣化予測式作成結果、優先度評価結果、修繕計画作成結果を記録する。

上記判定結果出力部１３８は、要求に応じて、処理結果記憶部１３７に記録された処理結果を読み出し、例えばテキストファイルとして出力する。
上記表示制御部は、要求に応じて、処理結果記憶部１３７に記録された処理結果を読み出し、画面表示可能なデータ形式に変換処理する。上記表示部１３Ａは、表示制御部１３９で生成された画像を表示する。

図１２は、図１１に示す修繕優先度判定装置１３の処理の流れを示すフローチャートである。
すなわち、この修繕優先度判定装置１３では、道路画像データ、カメラ位置情報、種別判定結果ファイル、劣化判定結果ファイル、区間登録データの情報の入力を判断する（ステップＳ３１）。

ここで、入力があった場合には、入力情報の対応付けを行い（ステップＳ３２）、入力情報を区間毎に区切って（ステップＳ３３）、入力情報記憶部１３２に記録する（ステップＳ３４）。
続いて、記録された種別判定結果ファイル、劣化判定結果ファイルおよび区間登録データをもとに、回帰分析を用いて劣化予測式を作成する（ステップＳ３５）。

このように作成された、種別判定結果ファイル、劣化判定結果ファイル、区間登録データおよび劣化予測式による予測結果をもとに、修繕を優先的に行う区間を決定するための対策の優先度評価を行う（ステップＳ３６）。種別判定結果ファイル、劣化判定結果ファイル、区間登録データ、劣化予測式による予測結果および優先度評価結果をもとに、修繕計画を作成して（ステップＳ３７）、処理結果記憶部１３７に記録する（ステップＳ３８）。

そして、記録された処理結果の出力要求があると（ステップＳ３９）、記憶部１３７から処理結果を読み出して、例えばテキストファイルに変換して出力する（ステップＳ３Ａ）。また、表示要求があると（ステップＳ３Ｂ）、指定された位置の道路画像、ひび割れ形状と舗装劣化判定結果、修繕優先度情報を表示部１３Ａに表示する（ステップＳ３Ｃ）。

すなわち、上記修繕優先度判定処理において、評価対象路線の一定区間ごとに区間特性に関するデータを登録することにより、それらの情報及び上記により判定された一定区間ごとの劣化程度を含めた一覧表（ロングリスト）を作成することができる。ここで、区間ごとの登録データは、修繕履歴、交通量、路線種別、使われ方（バス路線、緊急輸送道路等）などである。

一定区間毎のデータについて、修繕からの経過年数と劣化程度との関係を回帰分析することにより、舗装種別ごとに、経過年数に応じた将来の劣化程度を予測するための劣化予測式を作成することができる。そこで、劣化予測式に基づいて判定・予測された劣化程度と当該区間の重要度に応じた対策の優先度を評価する。区間の重要度は、区間毎の登録データを利用し、評価対象とする項目を選択し、項目間の重み付けを行うことによって評価する。対象項目や項目間の重みは任意で設定できるようにするとよい。

一定区間の現時点の劣化程度（調査による判定結果）及び将来の劣化程度（劣化予測式による予測）と、区間毎の優先度評価結果に基づき、今後の長期にわたる修繕計画を作成する。なお、修繕を実施する基準（劣化程度）や劣化程度に応じた修繕工法・費用、各年度の予算制約は計画策定時に登録するデータである。

図１３は、修繕優先度判定処理による判定結果の地図による表示例を示している。
この表示例では、ＧＩＳ（Geographic Information System：地図情報システム）を利用して、地図上の指定道路に一定区間毎の○印を表示し、○印の色を舗装種別の判定結果に基づいて赤（排水性）、黄（密粒系）、青（その他）などで色分けする。この例では、任意の○印を指定（クリック）すると、その地点の道路画像がポップアップして表示される様子を示している。詳細は図示しないが、合わせて劣化の度合い、修繕優先度が表示されると効果的である。

図１４は、修繕優先度判定処理による判定結果の一覧表（帳票）による表示例を示している。この例では、評価対象路線の一定区間ごとに、種別判定結果、劣化判定結果（ひび割れ率）および区間登録データ（交通量、路線種別、バス路線）に基づき、修繕優先度を評価している。区間登録データに基づき区間の重要度を評価し、劣化判定結果および区間重要度により修繕の優先度を判定している。

以上のように、本実施形態に係る道路維持管理システムによれば、道路画像とカメラ位置情報から舗装の種別を容易に判定することができる。この判定結果から、舗装の種別ごとに劣化の度合いを判定することができ、さらには修繕の優先度まで判定することができる。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

１…道路維持管理システム、
１０…調査用車両、１０１…カメラ、１０２…測位装置、
１１…舗装種別判定装置、１１１…入力部、１１２…入力情報記憶部、１１３…画像処理部、１１４…舗装種別判定部、１１５…判定結果記憶部、１１６…編集・補完処理部、１１７…判定結果出力部、１１８…表示制御部、１１９…表示部、
１２…舗装劣化判定装置、１２１…入力部、１２２…入力情報記憶部、１２３…画像処理部、１２４…舗装劣化判定部、１２５…判定結果記憶部、１２６…判定結果出力部、１２７…表示制御部、１２８…表示部、
１３…修繕優先度判定装置、１３１…入力部、１３２…入力情報記憶部、１３３…区間毎データ登録部、１３４…劣化予測式作成部、１３５…優先度評価部、１３６…修繕計画作成部、１３７…処理結果記憶部、１３８…処理結果出力部、１３９…表示制御部、１３Ａ…表示部。

Claims (16)

1. 撮影した道路画像及び撮影した撮影位置情報を入力する入力部と、予め舗装種別毎に道路を撮影した複数の道路画像を教師データとして学習させた学習モデルにより、道路画像の舗装種別を判定する舗装種別判定部とを有する舗装種別判定装置と、
   前記舗装種別判定装置で舗装種別が判定された道路画像から、舗装の劣化範囲を検出し、この劣化範囲の舗装劣化の状態を自動算出する画像解析部と、舗装種別毎に設けられ、前記画像解析部で検出した舗装種別の割合に基づいて前記舗装種別毎に舗装の劣化度を判定して複数段階に分類する舗装劣化判定部とを有する舗装劣化判定装置と
   を具備する道路維持管理システム。
2. 前記道路画像、前記撮影位置情報、前記舗装種別の判定結果、前記舗装劣化の判定結果の入力情報を対応つけて登録するデータ登録部と、前記舗装種別の判定結果、前記舗装劣化の判定結果および区間登録データをもとに、回帰分析を用いて劣化予測式を作成する劣化予測式作成部と、前記道路の区間単位で修繕の優先度を判定する優先度判定部とを有する修繕優先度判定装置を、さらに備える請求項１記載の道路維持管理システム。
3. 撮影された道路画像を入力する入力部と、
   前記入力部に入力された道路画像から路面部分を抽出する抽出部と、
   予め舗装種別毎に道路を撮影した複数の道路画像それぞれの路面部分を教師データとして学習させた学習モデルにより、前記道路画像の舗装種別を判定する判定部と
   を具備する舗装種別判定装置。
4. 前記学習モデルは、前記教師データを天候または影の有無の何れかを含む属性単位に分類して学習させることで生成された複数の学習モデルであり、
   前記判定部は、前記複数の学習モデルを用いて舗装種別を段階的に判定する
   請求項３記載の舗装種別判定装置。
5. 道路を舗装種別毎に撮影した複数の道路画像について、舗装の劣化範囲を検出し、この劣化範囲の状態を自動算出する画像解析部と、
   前記舗装種別毎に設けられ、前記画像解析部で検出した舗装種別の割合に基づいて舗装種別毎の劣化度を判定し、複数段階に分類する判定部と
   を具備する舗装劣化判定装置。
6. 前記画像解析部は、前記舗装の劣化範囲として舗装のひび割れを検出し、所定の面積に占めるひび割れの面積の割合を示すひび割れ率を自動算出することで、劣化範囲の面積の割合を算出するものであり、
   前記判定部は、前記ひび割れ率に基づいて前記舗装種別毎の劣化度を複数段階に分類する
   請求項５記載の舗装劣化判定装置。
7. 道路画像、撮影位置情報、舗装種別の判定結果、舗装劣化の判定結果の入力情報を対応つけて登録するデータ登録部と、
   前記舗装種別の判定結果、前記舗装劣化の判定結果および区間登録データをもとに、回帰分析を用いて劣化予測式を作成する劣化予測式作成部と、
   前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データ及び前記劣化予測式による予測結果をもとに、道路の区間単位で修繕の優先度を判定する優先度判定部と
   を具備する修繕優先度判定装置。
8. 前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データ、前記劣化予測式による予測結果および前記修繕の優先度の判定結果をもとに、修繕計画を作成する修繕計画作成部
   をさらに備える請求項７記載の修繕優先度判定装置。
9. 撮影した道路画像及び撮影した撮影位置情報を入力し、
   予め舗装種別毎に道路を撮影した複数の道路画像を教師データとして学習させた学習モデルにより、入力された道路画像について道路の舗装種別を判定し、
   舗装種別が判定された前記道路画像から舗装の劣化範囲を検出し、前記劣化範囲の劣化の状態を自動算出し、
   前記道路画像、前記撮影位置情報及び前記舗装種別の判定結果に基づいて前記舗装種別毎に舗装劣化を判定する
   道路維持管理方法。
10. さらに、前記舗装種別の判定結果、前記舗装劣化の判定結果および区間登録データをもとに、回帰分析を用いて劣化予測式を作成し、前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データ及び前記劣化予測式による予測結果をもとに、前記道路の区間単位で修繕の優先度を判定する請求項９記載の道路維持管理方法。
11. 撮影された道路画像から路面部分を抽出し、
    予め道路を舗装種別毎に撮影した複数の道路画像の路面を教師データとして学習させた学習モデルにより、入力された道路画像の舗装種別を判定する
    舗装種別判定方法。
12. 前記学習モデルは、前記教師データを天候または影の有無の何れかを含む属性単位に分類して学習させることで生成された複数の学習モデルであり、
    この複数の学習モデルを用いて舗装種別を段階的に判定する
    請求項１１記載の舗装種別判定方法。
13. 道路を舗装種別毎に撮影した複数の道路画像について画像解析を行って、舗装の劣化範囲を検出し、この劣化範囲の割合を自動算出し、
    前記舗装種別毎に、検出した舗装種別の割合に基づいて舗装種別毎の舗装劣化の劣化度を判定し、複数段階に分類する、
    舗装劣化判定方法。
14. 前記画像解析は、前記舗装の劣化範囲として舗装のひび割れを検出し、所定の面積に占めるひび割れの面積の割合を示すひび割れ率を自動算出することで、劣化範囲の面積の割合を算出するものであり、
    前記舗装劣化の判定は、前記ひび割れ率に基づいて前記舗装種別毎の劣化度を複数段階に分類する
    請求項１３記載の舗装劣化判定方法。
15. 道路画像、撮影位置情報、舗装種別の判定結果、舗装劣化の判定結果の入力情報を対応つけて登録し、
    前記舗装種別の判定結果、前記舗装劣化の判定結果および区間登録データをもとに、回帰分析を用いて劣化予測式を作成し、
    前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データおよび前記劣化予測式による予測結果をもとに、道路の区間単位で修繕の優先度を判定する
    修繕優先度判定方法。
16. さらに、
    前記舗装種別の判定結果、前記舗装劣化の判定結果、前記区間登録データ、前記劣化予測式による予測結果および前記修繕の優先度の判定結果をもとに、修繕計画を作成する
    請求項１５記載の修繕優先度判定方法。

Images