JP2024018265A

JP2024018265A - 建物の健全性評価方法及びシステム

Info

Publication number: JP2024018265A
Application number: JP2022121482A
Authority: JP
Inventors: 淳湊; Jun Minato; ナジーブアルヘブラワィムハンマド; Najib Arhebrawy Muhammad; 寛土田; Hiroshi Tsuchida; 正利土田; Masatoshi Tsuchida
Original assignee: GEOTECH KK; Ibaraki University NUC
Current assignee: GEOTECH KK; Ibaraki University NUC
Priority date: 2022-07-29
Filing date: 2022-07-29
Publication date: 2024-02-08
Anticipated expiration: 2042-07-29
Also published as: JP7214176B1

Abstract

【課題】建物の傾斜角度の変動を監視し、外部要因との相関を基に建物の健全性を評価する方法を提供する。【解決手段】建物の健全性評価方法は、建物に設置した傾斜計測装置から単位時間ごとに前記建物の垂直に対する傾斜角度を取得し、前記傾斜角度を単位期間で追跡した角度変動データを入力とし、中間層を介して、前記単位期間の外部要因で分類した値を出力とする学習モデルを生成するニューラルネットワークが構成されたものであり、前記中間層は、前記角度変動データが前記外部要因で分類されるように、重み付けの変更を繰り返すことで機械学習され、定期的に入力された前記角度変動データを前記外部要因で分類したときに、その正答率が変化したかどうかで前記建物の健全性を評価する、ことを特徴とする。【選択図】図１

Description

特許法第３０条第２項適用申請有りＴｒａｎｓｓｔｅｌｌａｒＪｏｕｒｎａｌＰｕｂｌｉｃａｔｉｏｎｓａｎｄＲｅｓｅａｒｃｈＣｏｎｓｕｌｔａｎｃｙＰｒｉｖａｔｅＬｉｍｉｔｅｄ，ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｉｖｉｌ，Ｓｔｒｕｃｔｕｒａｌ，ＥｎｖｉｒｏｎｍｅｎｔａｌａｎｄＩｎｆｒａｓｔｒｕｃｔｕｒｅＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔ，Ｖｏｌ．１１，Ｉｓｓｕｅ２，Ｄｅｃ２０２１，５５－６４．公益財団法人日立地区産業支援センター、産学官連携研究開発補助事業（令和３年度県北地域牽引産業・中核企業創出事業）、研究開発事例（令和４年５月２１日掲載）

本発明は、中層・高層の建物の傾斜角度の変動を監視し、天気などの外部要因との相関から建物の健全性を評価する方法に関する。

マンションなどの中層・高層の建物が増加しているが、高経年化や地震の増加により、建物の健全性評価に貢献する手法が必要とされている。特許文献１に記載されているように、建物の日常の傾きデータを取得して、建物特有の継時的な温度変化が建物の傾きに与える影響を考慮した上で、建物の健全性を診断する発明も開示されている。

特許第６０２８１１９号公報

特許文献１に記載の発明は、温度変化の影響を除去した後の傾斜が閾値内にあれば健全と推測している。しかし、建物は、晴天時には日照によって午前中は東側が膨張し、午後は西側が膨張するので、１日において規則的に角度が変動する。また、曇天・雨天時には、太陽光が雲によって散乱されるので、規則的な周期運動ではなくなる。人の活動による振動なども影響するが、天気と建物の角度変動には強い相関があると考えられ、建物の健全性評価のために、天気などの気象条件が建物に及ぼす影響を解析し、実用的な監視手法を見出すことが課題となっている。

そこで、本発明は、建物の傾斜角度の変動を監視し、外部要因との相関を基に建物の健全性を評価する方法を提供することを目的とする。本発明では、温度変化の影響を除去すべき雑音と捉えるのではなく、積極的に建物の特性を示す指標として利用する。

上記の課題を解決するために、本発明である建物の健全性評価方法は、建物に設置した傾斜計測装置から単位時間ごとに前記建物の垂直に対する傾斜角度を取得し、前記傾斜角度を単位期間で追跡した角度変動データを入力とし、中間層を介して、前記単位期間の外部要因で分類した値を出力とする学習モデルを生成するニューラルネットワークが構成されたものであり、前記中間層は、前記角度変動データが前記外部要因で分類されるように、重み付けの変更を繰り返すことで機械学習され、定期的に入力された前記角度変動データを前記外部要因で分類したときに、その正答率が変化したかどうかで前記建物の健全性を評価する、ことを特徴とする。

前記建物の健全性評価方法において、前記傾斜計測装置は、傾斜計もしくは加速度センサ又はそれらの組み合わせである、ことを特徴とする。

前記建物の健全性評価方法において、前記傾斜角度は、縦方向と横方向の２次元データである、ことを特徴とする。

前記建物の健全性評価方法において、前記角度変動データは、１日ごとに前記傾斜角度の変動を追跡したものである、ことを特徴とする。

前記建物の健全性評価方法において、前記外部要因は、晴またはそれ以外の日照に基づく天気情報である、ことを特徴とする。

前記建物の健全性評価方法において、前記外部要因は、加速度センサの３軸成分を合成したベクトル値から得られる振動情報であり、前記建物が受けた振動の負荷履歴で分類する、ことを特徴とする。

本発明である建物の健全性評価システムは、前記健全性評価方法を使用して建物の健全性を評価するシステムであって、前記建物の傾斜角度を監視するために提供された傾斜計測装置と、前記傾斜計測装置から定期的にネットワークを介して送信された前記建物の角度変動データを取得して健全性を評価する学習モデルが実装されたサーバと、前記サーバとアクセス可能なユーザ端末と、を有し、前記サーバは、前記ユーザ端末が指定した外部要因で前記角度変動データを分類し、正答率が変化した場合に前記建物の異常として検知し前記ユーザ端末に送信する、ことを特徴とする。

前記健全性評価システムにおいて、前記角度変動データは、前記建物の日周運動の軌跡として継続的に蓄積されており、前記サーバは、分類の正答率の変化が続いた場合に、従前の軌跡からずれた位置の差分から異常の度合いを求める、ことを特徴とする。

前記健全性評価システムにおいて、前記角度変動データは、前記建物の日周運動の軌跡の形状とその重心を算出したものであり、前記サーバは、分類の正答率が変化したときに前記軌跡の形状及び重心の従前からのずれを可視化する、ことを特徴とする。

本発明によれば、中層・高層の建物の傾斜角度の変動を監視し、天気などの外部要因との相関を健全性評価のバロメータとして利用することで、建物の状態が何らかの要因で変化したことを検出することができる。

本発明である建物の健全性評価方法における装置の構成を示す図である。本発明である建物の健全性評価方法の測定対象である建物を示す図である。本発明である建物の健全性評価方法で使用する傾斜測定装置を示す図である。本発明である建物の健全性評価方法で測定対象の建物について傾斜角度の推移を示すグラフである。本発明である建物の健全性評価方法で測定対象の建物について１日の角度変動を示す図である。本発明である建物の健全性評価方法で利用する機械学習を説明するための図である。本発明である建物の健全性評価方法の流れを示すフローチャートである。本発明である建物の健全性評価方法で異常時の原因となる例を説明する図である。本発明である建物の健全性評価方法で異常時の原因となる例を説明する図である。本発明である建物の健全性評価方法で異常時の原因となる例を説明する図である。本発明である建物の健全性評価方法で異常を検出する際の解析方法を説明する図である。本発明である建物の健全性評価方法を利用したコンピュータシステムを説明するための図である。

以下に、本発明の実施形態について図面を参照して詳細に説明する。なお、同一機能を有するものは同一符号を付け、その繰り返しの説明は省略する場合がある。

まず、本発明である建物の健全性評価方法の構成について説明する。図１は、建物の健全性評価方法における装置の構成を示す図である。図２は、建物の健全性評価方法の測定対象である建物を示す図である。図３は、建物の健全性評価方法で使用する傾斜測定装置を示す図である。なお、建物に対して左右方向を横方向（Ｘ軸）、建物に対して前後方向を縦方向（Ｙ軸）、建物に対して上下方向を高さ方向（Ｚ軸）とする。

図１に示すように、健全性評価方法１００は、構造物の損傷・劣化を診断する構造ヘルスモニタリングを行うための方法である。まず、建物２００に設置した傾斜計測装置３００で建物２００の傾斜角度２１０を単位時間ごと（例えば、１時間毎や３０分毎など）に測定し、単位期間（例えば、１日など）において傾斜角度２１０がどのように変化したか振動状況を示す角度変動データ４１０を作成する。

そして、通信手段４００により毎日の角度変動データ４１０を継続的に監視しながら、ＡＩ（機械学習）を利用した学習モデル５００によって、角度変動データ４１０を天気などの外部要因で分類したときの正答率６１０が大きく変わったときに評価手段６００で建物２００が健全か否か判断する。建物２００の異常として検知した場合は、その原因を推測しても良い。

図２に示すように、建物２００は、中層・高層のビル等であり、様々な外部要因により振動している。例えば、晴天時には日照によって午前中（ａ）は東側が膨張２２０し、午後（ｂ）は西側が膨張２２０するので、１日において規則的に傾斜角度２１０が変動する。また、曇天・雨天時には、太陽光が雲によって散乱されるので、規則的な周期運動ではなくなる。その他にも、強風などの天候（気象）、地震などの災害、人の活動（人為要因）などの影響を受けて建物２００は振動する。

図３に示すように、傾斜計測装置３００は、建物２００の傾斜角度２１０を測定する装置であり、加速度センサ３１０（図１参照）や気泡管をカメラで撮影し画像処理により角度計測を行う傾斜計３２０などがある。加速度センサ３１０としては、ＭＥＭＳ技術を用いてＸ、Ｙ、Ｚ軸の３方向の加速度を測定する装置などがある。加速度センサ３１０における計測値の平均値は、重力加速度の軸成分であり、これが傾斜角度２１０となる。なお、計測値の二乗平均を取れば振動データが得られる。

図３（ａ）に示すように、傾斜計３２０は、細長の密閉容器に液体と気泡３３０を封入することで、水平又は垂直に対する傾斜角度２１０を測定する水準器（水平器）である。傾斜計３２０の中央（基準位置）からの気泡３３０のズレをカメラ３４０等で検出すれば良い。カメラ３４０は、例えば、曲率半径２００００ｍｍ程度の高感度の傾斜計３２０の画像から、０．００１度程度の分解能で撮影可能なものを用いる。

建物２００が縦方向に長い場合、揺れが大きく出やすい横方向に傾斜計３２０を設置して、横方向（Ｘ軸）の１次元データとして取得しても良い。さらに、縦方向（Ｙ軸）のデータも取得すれば、建物２００の角度変動の軌跡が得られる。

図３（ｂ）に示すように、横方向に配置した傾斜計３２０ａと、これと直交する縦方向に配置した傾斜計３２０ｂを組み合わせて、例えば、これらで形成される平面上（ＸＹ軸）の２次元データとして取得しても良い。なお、加速度センサ３１０と傾斜計３２０とで、応答特性、感度、誤差の影響などが異なるので、短期振動用の加速度センサ３１０と、長期振動用の傾斜計３２０のように併用しても良い。

さらに、縦方向と横方向では水平方向に変動する軌跡しか得られないが、加速度センサ３１０を用いることで、上下に振動する高さ方向も加えたＸＹＺ軸の３次元データとして取得可能となる。

建物２００が経年劣化や地震などで構造的な不具合が生じた場合、建物２００の応答特性が変化し、学習モデル５００を用いた分類の正答率６１０が変化する。例えば、建物２００の振動自体が小さくても、外部要因との相関に基づく振動が過去の前例と比べて異なった傾向が見られれば、正答率６１０の低下として現れやすくなる。

本実施例では、外部要因を日照に基づく天気情報とし、１日において建物２００の傾斜角度２１０がどのように変化していたかを示す角度変動データ４１０を毎日蓄積し、それを「晴」の日と、曇りや雨などの「晴以外」の日で分類する。なお、晴天、曇天、雨天など３つ以上に分類しても良い。

図４は、建物の健全性評価方法で測定対象の建物について傾斜角度の推移を示すグラフである。図５は、建物の健全性評価方法で測定対象の建物について１日の角度変動を示す図である。

図４に示すように、傾斜計３２０ａを建物２００の東から西に横方向（ａ）に配置し、傾斜計３２０ｂを建物２００の北から南に縦方向（ｂ）に配置して、それぞれ１週間の傾斜角度２１０を追跡すると、いずれも晴天時は傾斜角度２１０の変化が大きく、雨天時は傾斜角度２１０の変化が小さい。

なお、晴天時は、傾斜角度２１０が規則的に変動していることも分かる。建物２００の傾きには、太陽の日射が影響しており、午前中は、太陽によって建物２００の東側が暖められ、側壁面が膨張することで西に傾いていき、正午頃にピークを迎え、午後は、逆に建物２００の西側が暖められ、徐々に傾きが東に戻っていく。

また、図５に示すように、加速度センサ３１０で１日における建物２００の傾斜角度２１０を追跡したとき、晴（ａ）の日はＸ－Ｙ座標（縦横方向）において変動が大きく、曇り（ｂ）の日はＸ－Ｙ座標（縦横方向）において変動が小さい。建物２００の状態が変わらなければ、この日周運動は、建物２００の構造・形状・高さ・設置場所などにより固有の軌跡を描く。

そこで、傾斜計測装置３００で例えば１０～３０分程度の時間間隔で建物２００の傾斜角度２１０を計測し、１日分の傾斜角度２１０をまとめた角度変動データ４１０を生成する。それを毎日収集して複数日数分となった角度変動データ４１０を、機械学習で晴とそれ以外に分類して学習モデル５００を作成する。

図６は、建物の健全性評価方法で利用する機械学習を説明するための図である。図７は、建物の健全性評価方法の流れを示すフローチャートである。図８～図１０は、建物の健全性評価方法で異常時の原因となる例を説明する図である。図１１は、建物の健全性評価方法で異常を検出する際の解析方法を説明する図である。

図６に示すように、学習モデル５００は、多層パーセプトロンモデルを構築して分類学習させることにより作成する。なお、分類学習モデルであれば、多層パーセプトロンモデル以外の学習モデルでも利用可能である。

パーセプトロンは、入力を線形変換する処理単位（ユニット）がネットワーク状に結合したニューラルネットワークの一種である。学習モデル５００は、入力層５１０、中間層５２０、出力層５３０からなり、各層に複数のユニット５４０を備える。なお、中間層５２０は、複数（例えば、３つなど）の隠れ層からなっていても良い。各ユニット５４０は、線形変換の重み（入力の重み付け）が変化すると、ニューラルネットワークの出力も変化することから、重みを学習させることが可能である。

入力層５１０には、角度変動データ４１０を入力する。角度変動データ４１０を、測定時間間隔を３０分ごとにＸ方向及びＹ方向の傾斜角度２１０を１日分集めたものとした場合、［Ｘ１，Ｘ２，・・・，Ｘ４８，Ｙ１，Ｙ２，・・・，Ｙ４８］の９６次元の配列として、数日分（例えば、１年分など）を用意する。なお、測定時間間隔を１０分ごとにした場合は、２８８次元の配列となる。出力層５３０からは、［１，０］と［０，１］のワンホットベクトルの形式で出力し、晴かそれ以外（曇りや雨など）を表現すれば良い。

中間層５２０として複数の隠れ層（ａ，ｂ，・・・）を用意し、各層のユニット５４０（例えば、ａ１～ａ５００，ｂ１～ｂ５００，・・・）にそれぞれ活性化関数を設定する。活性化関数は、線形な重み付け総和から出力を決定するための関数で、ＲｅＬＵ（ランプ関数）などを用いる。なお、ＲｅＬＵは、正規化線形関数であり、入力が０以下のときは０を出力し、１以上のときはそのまま出力する。他に、活性化関数として、非線形関数であるシグモイド関数などを使用しても良い。

各ユニット５４０を繋ぐ矢印には重みがあり、入力層５１０の各入力値と各矢印の重みからａ層の各ユニット５４０で活性化関数による計算が行われる。ａ層の各計算値と各矢印の重みからｂ層の各ユニット５４０で活性化関数による計算が行われ、それが繰り返されて最終的に、出力層５３０の各出力値が算出される。

中間層５２０において処理を行うごとに重みを更新していくので、繰り返し回数（例えば、最大１０００００回）を大きくして、誤差を小さくしていけば、機械学習の精度が向上する（例えば、許容誤差０．００００１を最適化の終了条件とするなど）。その最適化手法としては、準ニュートン法を用いたｌｂｆｇｓ（省メモリで実現したＢＦＧＳ法）や、指数移動平均を用いたａｄａｍ（確率的勾配降下法）などがある。

図７に示すように、健全性評価方法１００では、サンプルデータ準備Ｓ１、学習モデル作成Ｓ２、角度変動データ取得Ｓ３、学習モデルによる分類Ｓ４、異常時の報告Ｓ５などのステップを実行する。なお、途中に他のステップを設けたり、一部のステップを省略したりしても良い。学習モデル５００を準備する学習段階では、Ｓ１～Ｓ４のステップ、学習モデル５００を利用する運用段階では、Ｓ３～Ｓ５のステップとなる。

サンプルデータ準備Ｓ１では、建物２００に設置した傾斜計測装置３００から３０分ごとに傾斜角度２１０を取得し、１日分をまとめて角度変動データ４１０とする。数日分の角度変動データ４１０を学習モデル５００に送信する。

学習モデル作成Ｓ２では、入力層５１０、中間層５２０、出力層５３０からなる多層パーセプトロンを構築する。受信した角度変動データ４１０を、学習用データ（例えば、８割など）と学習結果の評価用データ（例えば、２割など）に分け、学習用データを使って多層パーセプトロンで分類学習を繰り返し、学習モデル５００を作成する。

角度変動データ取得Ｓ３では、学習結果の評価時には評価用データ、運用時には定期的に傾斜計測装置３００から受信した角度変動データ４１０を、学習モデル５００に送れば良い。

学習モデルによる分類Ｓ４では、評価用データ又は角度変動データ４１０を学習モデル５００で分類し、分類結果の正答率６１０を算出する。そして、学習時においては、学習用データで作成した学習モデル５００を、評価用データを使用して正答率６１０を評価する。

なお、学習用データ８割で作成した学習モデル５００を評価用データ２割で評価した場合の正答率６１０は９１．４％であった。学習用データ７割、評価用データ３割の場合で、正答率６１０は９４．３％、学習用データ９割、評価用データ１割の場合で、正答率６１０は９１．４％であった。

運用時においては、定期的に傾斜計測装置３００から受信している角度変動データ４１０を学習モデル５００で分類したときの正答率６１０が、従前より低下したとき、天気（外部要因）と角度変動との相関が変わったとして、建物２００に何らかの異常（変化）が生じたことを検出する。

異常時の報告Ｓ５では、正答率６１０に異常を検出した場合に、その旨を報告する。その際に、正答率６１０が変化した原因を推測しても良い。分類を誤ったデータについて、従前の正答データとどの程度外れているかで判断しても良い。また、風向や風速など天気以外の外部要因を、入力層５１０のパラメータに加えたり、出力層５３０の分類先に設定したりしても良いし、分類モデルを多段式にしても良い。

図８（ａ）に示すように、例えば、建物２００の周りに何も無い状態であれば、定期的に健全性評価方法１００を実施しても、正答率６１０の変化は生じない。しかし、建物２００が老朽化すれば、曇りの日でも角度変動が大きくなり、晴に分類されることが多くなれば、正答率６１０も下がる。

図８（ｂ）に示すように、例えば、建物２００の周囲の土が掘削２３０されて地盤が弱くなると、従前よりも建物２００の角度変動が大きくなることもある。建物２００が劣化していなければ、角度変動が大きくても正答率６１０は変わらない可能性もある。地盤の弱さが建物２００の健全性に影響を与えていれば、正答率６１０が下がることも考えられる。

図９（ａ）に示すように、例えば、建物２００の近くで建設工事をしていれば、工事に伴う振動２４０を受けることもある。建物２００が劣化していなければ、振動２４０を受けても正答率６１０は変わらないと考えられるが、振動２４０により建物２００の健全性に影響が出れば、正答率６１０が下がることも考えられる。

図９（ｂ）に示すように、例えば、建物２００の周囲に高い建物２００ａが増えて遮光２５０されると、晴の日でも建物２００への日照が少なくなることもある。晴の日でも晴以外に分類されることが多くなれば、正答率６１０も下がる。また、人の活動によって建物２００が損傷したり、空調により気温が上昇したり、日照以外の影響で正答率６１０が下がる可能性がある。

図１０（ａ）に示すように、例えば、台風などの強風２６０で建物２００の角度変動が大きい日もある。建物２００が劣化していなければ、角度変動が大きくても正答率６１０は変わらないこともあるが、強風２６０により建物２００が損傷すれば、正答率６１０が下がることも考えられる。

図１０（ｂ）に示すように、例えば、地震２７０で地盤が弱くなったり、建物２００が損傷したり、建物２００の周囲や建物２００自体の状態が変化すれば、正答率６１０が変わる可能性がある。

建物２００の角度変動に影響する外部要因のうち天気については、１日の角度変動と相関があると考えられるので、角度変動データ４１０を天気で分類することで、建物２００の健全性を評価し、誤答または従前の正答データから外れたデータを基に、異常が発生したと推測可能である。

壁の熱膨張や強風により建物２００にたわみが生じて、一時的に大きな傾斜角度２１０が生じても、逆に収縮して傾斜角度２１０が小さくなり、始点に回帰していれば、建物２００は健全性を失っていないと考えられる。一方、傾斜角度２１０が小さくならず、傾斜した状態が継続し、始点に回帰していなければ、建物２００に異常が発生していると考えられる。

図１１に示すように、傾斜計測装置３００を使用して建物２００のＸ軸方向とＹ軸方向の傾斜角度２１０を取得し、日周運動の軌跡を追跡した。なお、気象庁の気象データ取得間隔に合わせて１０分間隔で取得した角度変動データ４１０とし、Ｐ１（Ｘ１，Ｙ１）は、０時０分におけるＸ軸方向とＹ軸方向の傾斜角度２１０、Ｐ１４４（Ｘ１４４，Ｙ１４４）は、２３時５０分におけるＸ軸方向とＹ軸方向の傾斜角度２１０である。

Ｐ１からＰ１４４のデータを座標平面に配置し、それらを順に繋いだ１４４角形について重心Ｇの位置を算出する。それを毎日蓄積される角度変動データ４１０について行う。なお、１日毎に行っても良いし、例えば１ヶ月毎にまとめて行っても良い。角度変動データ４１０は、座標による多次元のデータとして持っても良いし、日周運動の軌跡の形状とその重心位置のデータとして持っても良い。

同じ天気であれば、同様の日周運動となることから、軌跡の形状もほとんど変わらない状況が継続する。図１０に示す強風２６０や地震２７０のときは、一時的に軌跡の形状が変わり、重心Ｇ’に位置が移動することもある。ただ、それが治まり軌跡の形状が元の状態に戻れば、正答率６１０にあまり影響しない。

しかし、強風２６０や地震２７０により建物２００が物理的に破損等すると、軌跡の形状は元の状態に戻らない状況が継続していく。そうすると正答率６１０の低下として現れてくるようになる。それにより建物２００に異常が発生したと推測する。

なお、軌跡の形状やその重心Ｇ’の位置の変化が現れた日を特定すれば、その日の状況から原因も推測可能となる。図１１に示すように、従前の軌跡からのずれを可視化して比較しても良い。また、地震２７０など明らかな原因の発生時には、すぐに軌跡の形状を見て建物２００の破損等のチェックに利用しても良い。

建物２００の管理者は、正答率６１０の変化に基づき、建物２００の欠損発見など詳細な診断などを行うことができる。そこで、建物２００の管理者や所有者を含むユーザに対して、健全性評価方法１００を利用したコンピュータシステムを提供する。

図１２は、建物の健全性評価方法を利用したコンピュータシステムを説明するための図である。図１２に示すように、健全性評価システム１１０は、ネットワーク７００を介してユーザに健全性評価方法による情報提供を行う。なお、ネットワーク７００は、インターネット上のサーバ７１０やデータベース７２０をクラウド化しても良い。

健全性評価方法１００の提供者は、作業用端末７３０を使用してサーバ７１０に健全性評価方法１００のアプリケーションソフトウェアを実装させるとともに、データベース７２０に学習モデル５００を実装させる。ユーザは、提供者から提供された傾斜計測装置３００を建物２００に設置する。なお、提供者が建物２００に設置しても良く、電源供給手段を備えた小型可搬式が好ましい。

傾斜計測装置３００は、単位時間ごとに建物２００の傾斜角度２１０を計測し、単位期間ごとに角度変動データ４１０をサーバ７１０に無線通信手段などを利用して送信する。サーバ７１０は、角度変動データ４１０をデータベース７２０に蓄積するとともに、学習モデル５００に継続的に機械学習させる。

サーバ７１０は、定期的に角度変動データ４１０を受信すると、健全性評価方法１００を処理するプログラムを実行して建物２００の健全性を評価し、正答率６１０の変化により異常を検出したらその旨をユーザ端末７４０に送信する。

ユーザは、任意のタイミングでユーザ端末７４０からサーバ７１０にアクセスすることで、サーバ７１０から建物２００の健全性の評価結果を受信可能である。また、ユーザ端末７４０からサーバ７１０に建物２００の周囲の状況など外部要因となる可能性のある情報を送信しても良い。

健全性評価方法１００は、建物２００の角度変動の外部要因として日照に基づく天気情報で分類を行うが、ユーザ端末７４０からそれ以外の外部要因を入力して機械学習させても良い。ユーザ端末７４０で様々な外部要因の情報を与えておくことで、異常時の原因を推測する際の参考となる。

なお、天気情報は、気象庁などのデータをダウンロードする等して取得しても良い。風速や地震などの情報も同様である。例えば、外部要因として風速を指定することで、予め指定した閾値で角度変動データ４１０を分類する。風速による建物２００の角度変動の傾向を見ることで、異常の原因と関係があるか評価する。

また、振動情報についても、角度変動データ４１０を得る以外に、１又は複数の加速度センサの３軸成分量（合成ベクトル値）から得られる振動を外部要因とし、建物が実際に受けた負荷履歴（地震など）で分類すれば、気象庁発表の震度が同じでも直下型や遠方震源の区別も可能になる。温度情報についても、日照に基づくもの以外に、季節、輻射、空調などに基づくものもあり、様々な外部要因が考えられる。

角度変動データ４１０は、建物２００の天気ごとの日周運動の軌跡としてデータベース７２０に継続的に蓄積されており、例えば月単位で分類を行い正答率６１０の変化を確認する。正答率６１０の高さは問題ではなく、１００％に近くなくても、ある程度の高さがあれば良い。また、一時的な正答率６１０の変化もあまり問題ではなく、長期的に監視する。例えば、数年間、ほぼ同じであった正答率６１０が急に落ちて、その状態が数ヶ月続いた場合に、建物２００に異常が発生したことが疑われる。

一度、建物２００に異常が生じると、その日時を境に以後の正答率６１０が下がった状態が継続し、連続して異常が検出される。建物２００に傾斜が発生したことは、ＸＹ平面内で日周運動の軌跡で描かれる位置（大きさや形状などを含む）がずれてくることでも確認される。異常発生前（従前）の平均的な位置と、異常発生後の位置とのズレ幅（差分）から、建物２００の移動方向や傾斜量が算出されて、水平方向への移動量も算出される。傾斜量や移動量から異常の度合いを判断しても良い。

以上、本発明の実施例を述べたが、これらに限定されるものではない。例えば、多くの建物の学習データを蓄積して、異常時の原因推測に利用しても良い。また、傾斜計測装置を建物の複数階（各階に複数個でも良い）に設置して、階層間の歪みを検出しても良い。

例えば、１階、５階、１０階に傾斜計測装置を設置して日周運動の軌跡の形状と重心の位置を追跡したときに、各階の移動ベクトルが同等であれば階層間に歪みが発生していないと考えられる。１階と５階の移動ベクトルが同等で、１０階の移動ベクトルが異なっていれば、６階から１０階の間に異常が発生していると推測することができる。

１００：健全性評価方法
１１０：健全性評価システム
２００：建物
２１０：傾斜角度
２２０：膨張
２３０：掘削
２４０：振動
２５０：遮光
２６０：強風
２７０：地震
３００：傾斜計測装置
３１０：加速度センサ
３２０：傾斜計
３３０：気泡
３４０：カメラ
４００：通信手段
４１０：角度変動データ
５００：学習モデル
５１０：入力層
５２０：中間層
５３０：出力層
５４０：ユニット
６００：評価手段
６１０：正答率
７００：ネットワーク
７１０：サーバ
７２０：データベース
７３０：作業用端末
７４０：ユーザ端末

Claims

建物に設置した傾斜計測装置から単位時間ごとに前記建物の垂直に対する傾斜角度を取得し、
前記傾斜角度を単位期間で追跡した角度変動データを入力とし、中間層を介して、前記単位期間の外部要因で分類した値を出力とする学習モデルを生成するニューラルネットワークが構成されたものであり、
前記中間層は、前記角度変動データが前記外部要因で分類されるように、重み付けの変更を繰り返すことで機械学習され、
定期的に入力された前記角度変動データを前記外部要因で分類したときに、その正答率が変化したかどうかで前記建物の健全性を評価する、
ことを特徴とする建物の健全性評価方法。
前記傾斜計測装置は、傾斜計もしくは加速度センサ又はそれらの組み合わせである、
ことを特徴とする請求項１に記載の建物の健全性評価方法。
前記傾斜角度は、縦方向と横方向の２次元データである、
ことを特徴とする請求項１に記載の建物の健全性評価方法。
前記角度変動データは、１日ごとに前記傾斜角度の変動を追跡したものである、
ことを特徴とする請求項１に記載の建物の健全性評価方法。
前記外部要因は、晴またはそれ以外の日照に基づく天気情報である、
ことを特徴とする請求項１に記載の建物の健全性評価方法。
前記外部要因は、加速度センサの３軸成分を合成したベクトル値から得られる振動情報であり、前記建物が受けた振動の負荷履歴で分類する、
ことを特徴とする請求項１に記載の建物の健全性評価方法。
請求項１乃至６の何れか１項に記載の健全性評価方法を使用して建物の健全性を評価するシステムであって、
前記建物の傾斜角度を監視するために提供された傾斜計測装置と、
前記傾斜計測装置から定期的にネットワークを介して送信された前記建物の角度変動データを取得して健全性を評価する学習モデルが実装されたサーバと、
前記サーバとアクセス可能なユーザ端末と、を有し、
前記サーバは、前記ユーザ端末が指定した外部要因で前記角度変動データを分類し、正答率が変化した場合に前記建物の異常として検知し前記ユーザ端末に送信する、
ことを特徴とする建物の健全性評価システム。
前記角度変動データは、前記建物の日周運動の軌跡として継続的に蓄積されており、
前記サーバは、分類の正答率の変化が続いた場合に、従前の軌跡からずれた位置の差分から異常の度合いを求める、
ことを特徴とする請求項７に記載の建物の健全性評価システム。
前記角度変動データは、前記建物の日周運動の軌跡の形状とその重心を算出したものであり、
前記サーバは、分類の正答率が変化したときに前記軌跡の形状及び重心の従前からのずれを可視化する、
ことを特徴とする請求項７に記載の建物の健全性評価システム。