JP4152423B2 - 点検業務に利用可能な評点式データシートに基づく健全性評価システム - Google Patents

Description

本発明は、例えば土木構造物や災害危険箇所等の点検対象物における健全性劣化に関するデータの解析から得られる補修の施工と非施工あるいは災害の発生と非発生を分離する判別境界面に基づいて算出される点検対象物における補修の必要度や対策の必要度を利用して設定された評点式データシートを作成し、これを点検業務に利用することで点検対象物の健全性を評価するシステムに関する。

橋梁、トンネル、鉄塔、上・下水道等の土木構造物や災害危険箇所は、維持管理のために日常的に点検が行われ、損傷が認められた場合にはその程度を判断し、必要な補修対策がとられるのが常である。しかし、損傷程度の判定は点検技術者の経験に基づいた主観による部分が多くを占めており、補修対策の方針を決定する基準が曖昧であったことは否めない。
このため、評価結果と実際の損傷状況に食い違いが生じることも多く、また評価者が変われば評価そのものが全く変わってしまう等、精度上の問題、客観性の課題が残されていた。
土木構造物や災害危険箇所の維持管理による有効利用が求められる昨今にあって、既存の社会資本の保守事業遂行は急務であるが、これをより効率的に実施するためには一層高精度且つ客観性を有した損傷状況の評価手法の確立が不可欠であると考えられる。
このような評価手法は、土木構造物の他にも、例えば土砂災害や陥没災害などの自然災害においても未然防止の観点から急峻な斜面に対して補強工事や排水溝などの対策工を施すなどする際に、その危険度を評価するために必要であり、本願発明者らは既に自然災害の未然防止の観点から様々な検討を実施している。

例えば、防災事業計画の立案支援などのために実際の災害発生あるいは非発生に関するデータをコンピュータ処理することで精度の高い情報を得る研究に関しては、本発明者らが既に、がけ崩れの発生予測に用いられる発生降雨、非発生降雨の判別境界線であるがけ崩れの発生限界線や、避難基準線、警戒基準線を設定する方法について非特許文献１に示されるように発表している。

非特許文献１では、複雑な自然現象を直線近似せず、高精度の発生限界線等を設定することを目的として、非線形判別に優れた放射状基底関数ネットワーク（ＲＢＦＮ）を用い、地域毎の非線形がけ崩れ発生限界雨量線を設定する方法を提案している。本非特許文献１に開示される技術では、ＲＢＦＮを用いて、その学習機能を利用して最適な中間層と出力層の重みを決定することによって非線形がけ崩れ発生限界雨量線を設定している。
その結果、例えば非特許文献１では、横軸に実効雨量、縦軸に時間雨量をとった判別境界面が曲線の集合として描かれる。
この曲線は、いわば等高線を示したもので、これが非線形のがけ崩れ発生限界線を示している。判別境界面は、災害の発生、非発生の実効雨量と時間雨量をプロットしながら、その高さ方向として災害の発生の場合には教師値を−１とし、非発生の場合には教師値を＋１とした放射状基底関数を考え、その重ね合わせによって演算されたものである。従って、これらの等高線は、原点に近い方が高いもので、原点の存在する左下の角から対角方向に向かってなだらかに低いものとなっている。
このような災害の発生限界線や避難基準線、警戒基準線（以下、これらを総称してＣＬという。）を定量的、客観的に描くことによって精度の高い防災事業の立案の判断が可能であり、また、コンピュータ処理によって膨大なデータを短時間に処理できることから、ＣＬの陳腐化を防止して精度の高い情報を提供できるのである。

また、特許文献１においては、「災害対策支援システム」として、災害発生時に実行すべき災害対策を自動的に選択して表示し、その進捗状況を併せて示す手段を備えたシステムが開示されている。
本特許文献１に開示される災害対策支援システムは、基本的にはｉｆ−ｔｈｅｎ形式で、予め発生する事象とそれに対応する対策を関連付けて格納された対策リストを読みだして、対応するものである。災害時に精神的、時間的、人的に余裕のない状況で、的確な判断を可能とすべくなされたものである。また、標準的な作業時間と実働時に要した作業時間及び対策可能な残り時間を表示することで、対策進捗状況をリアルタイムに把握することが可能であると同時に、重要度の高い対策と低い対策を取捨選択するためにも用いることができる。

さらに、特許文献２においては、非特許文献１に開示される技術を警戒避難システムに応用した発明が開示されている。本特許文献２に開示された発明では、災害に影響を及ぼす地形要因、地質・土質要因、環境要因及び地震要因を踏まえた上で、短期降雨指標として、例えば発生時刻から３時間以内の最大時間雨量（以下、一定時間内の代表的な雨量を「時間雨量」と略すことがある。）を、また、長期降雨指標として、例えばその時刻における半減期を７２時間とした実効雨量を用いて、ＣＬを演算するものである。
このようにして得られたＣＬを用いることで、信頼性の高い警戒避難支援システムを提供することが可能である。

一方、構造物の維持管理に関する費用やその劣化の程度を評価するシステムについては例えば特許文献３，４に開示されるような発明がある。
特許文献３では「コンクリート構造物の維持管理装置」としてコンクリート構造物の劣化現象が影響を受ける自然環境やコンクリート材料、施工方法などの要因を考慮しながら施設等の維持管理に関する費用を正確に算定することが可能な発明が開示されている。本発明においては、将来の劣化状態を予測する第１の劣化状態予測手段と、補修後の劣化状態を予測する第２の劣化状態予測手段と施設等における潜在的な被害の大きさをリスクとして定量的に算出する潜在リスク演算手段を備えている。これらの構成要素によって、それぞれ劣化状態や潜在的なリスクを演算することが可能である。
また特許文献４では、「構造物の維持経営システム、維持経営方法、およびそのコンテンツファイル記憶装置」として、中小規模分散型の構造物について、安全性を確保しつつ民間資金の導入を可能として、税金ないし補助金のみによる構造物の管理システムに関する発明が開示されている。
本構造物の維持経営システムにおいては、構造物の余寿命および耐力などの特性を定量的に把握してそのデータが格納される構造物データファイルを備えて橋梁その他の構造物の状態を、たとえば余寿命および耐力あるいは疲労損傷の程度などおよびこれらに対する劣化・損傷予測として定量的に診断すること、それに対処する対策工法や経費を的確に選定できるシステムを構築することにより維持管理ないし維持経営のための費用を的確に査定することを可能とするものである。
倉本和正 他５名：RBFネットワークを用いた非線形がけ崩れ発生限界雨量線の設定に関する研究、土木学会論文集のＮｏ．６７２／ＶＩ−５０，ｐｐ．１１７−１３２，２００１．３ 特開２００２−２３０２３５号公報 特開２００３−１８４０９８号公報 特開２００１−２００６４５号公報 特開２００１−３０６６７０号公報

しかしながら、非特許文献１及び特許文献２に開示された発明では、災害の発生限界線や、避難基準線、警戒基準線を設定することに主眼を置いており、ある特定の地域あるいは一定の条件毎にまとめられた地域グループにおいて、短期降雨指標や長期降雨指標がどの程度に至れば災害の発生の危険性があるのかを客観的に評価することに留まっていた。極端に言えば、同一地点において、蓄積された短期及び長期の降雨指標のデータを入力して、その地点で蓄積された降雨データに基づいて、どの程度の降雨で災害が生じることになるかという判断を行っていたのである。
これでは、客観的、定量的な評価であっても、地域毎あるいはグループ毎に個別具体的な評価を行なうことはできるものの、特定の地域ではなく、地域全般に共通の一般的、普遍的な評価を行なうことが困難であるという課題があった。すなわち、データとしては、広範な地域のデータを一緒に用いて、それらに含まれる様々な要因を把握し、それらの要因の中から変数として選択して組合わせることによって得られる総合的な潜在危険度を評価することが困難であるという課題があった。

また、特許文献１に開示された発明では、基本的に複雑ではあるけれども予め定められたあるいは既知の条件とその対策をリスト状のデータ構造を備えたものを用いて、対策の具体的な実施手順を示すものである。確かに対策リストは補正、更新が可能であるものの基本的には入力されたデータを基に判断がなされ、コンピュータは、事象と対策を結合させるという処理を行うに過ぎないものであるという課題があった。

さらに、非特許文献１及び特許文献１，２に開示される発明は、自然災害の防止に関するものであり、その対象はがけや斜面など自然の造形物であり、橋梁やトンネル、鉄塔などの人工構造物における経時劣化という概念が反映され難いことから劣化に関する評価が不十分であるという課題があった。

また、特許文献３に開示される発明においては、確かに構造物の劣化状態に関する予測を行うという思想は開示されている。しかしながら、その劣化状態の予測は、予め存在している一般的な予測式に、その構造物が存在する地域の気象条件などの自然環境や構造物のコンクリート材料、施工方法を入力するものであり、評価対象となる構造物を点検した結果得られる生のデータを用いるものではなく、あくまで一般式に基づく定性的な予測の域を出ていないものである。すなわち、個別の構造物毎の評価が困難で、当該構造物に独自の事情を加味するような定量的評価を行うことが非常に困難であるという課題があった。
また、特許文献４に開示される発明においても構造物データベースを備えることで構造物の余寿命、耐力、疲労損傷の程度などを劣化・損傷予測として定量的に診断することが可能とされているが、その構造物データベースに入力されるべき評価の内容は専門家支援によるものであり、段落００２２によれば構造物の状態を、目視検査などの定性的判断に加えて、客観的に診断もしくは性能評価することにより該構造物の余寿命および耐力などの特性を定量的に把握してこの構造物データファイルにデータベース化するとあるが、この定量的な把握の方法の具体的な内容は不明であり、結局従来の評価方法によるものという課題は残されたままである。すなわち、本発明は、これまで実施されてきた内容のことをコンピュータとそれに接続されるデータベースを用いて実施するものであり、その演算内容やデータコンテンツなどは旧来のものと考えられる。

さらに、橋梁、トンネル、鉄塔、上・下水道等の土木構造物等や災害危険箇所等の点検業務に広く用いられている各種のデータシートは、設定根拠が不明瞭なものが多く、現実的に十分な精度が発揮できないものも見受けられた。土木構造物の維持管理による有効利用が求められる昨今にあって、既存の社会資本の保守事業遂行は急務であるが、これをより効率的に実施するためには一層高精度で且つ客観性を有した危険度の評価手法のひとつとして本技術を考案した。
また、橋梁、トンネル、鉄塔、上・下水道等の土木構造物等や災害危険箇所等は、維持管理のために日常的に点検が行われ、損傷が認められた場合にはその程度を判断し、必要な補修対策がとられるのが常である。この点検業務には現地で簡便に利用することができるチェックシート(点検データシート)が利用されている場合が多い。これらのシートでは対象物の損傷状況に応じて評点をつけることにより現況の安全性が評価できるように工夫されている。ただし、シートの評点決定に関して明瞭な決定根拠が示されているものはほとんどなく、最終的な判断は高度な技術者の判定に委ねられることも少なくない。
これについて、既往の点検データと補修実施の実績データから、サポートベクターマシン(以後、ＳＶＭと略す場合がある。)や放射状基底関数ネットワーク（以後、ＲＢＦＮと略す場合がある。）等の数学的なパターン分類手法を用いることにより補修の要否を設定し、その分析結果に基づいて点検用データシートの配点を再設定するシステムを発明した。このシステムにより得られる新しいデータシートは構造物の補修の要否判断において高い精度を有している上、既往の実績に基づく客観性も確保することが出来、土木構造物の維持補修事業の効率化・高精度化に大きな効果が期待できる。

本発明は、かかる従来の事情に対処してなされたものであり、土木構造物や災害危険箇所に対する補修の必要度あるいは災害発生に対する危険度の評価を行なう際に、技術者や点検者による先入観や主観を排除しながら、点検された多数の項目のデータに基づいて、補修工事の必要度や災害危険箇所の危険度について客観的で精度の高い定量的評価を可能とすることができる健全性評価システムを提供することを目的とする。

上記目的を達成するため、請求項１記載の発明である点検業務に利用可能な評点式データシートに基づく健全性評価システムは、入力部と、演算部と、格納部と、出力部を有し、点検対象物における健全性劣化の要因に係る要因データと点検対象物に対する補修実績データあるいは災害履歴データをいわゆる放射状基底関数ネットワーク（ＲＢＦＮ）又はサポートベクターマシン（ＳＶＭ）に用いて得られた補修の施工と非施工あるいは災害の発生と非発生を分離する判別境界線又は判別境界面（以下、判別境界線を含めて判別境界面という。）を基準として、点検対象物における対策の必要度を算出するための評点式データシートを作成する健全性評価システムであって、
入力部は、点検対象物における健全性劣化の要因データと、判別境界面を構成する境界データとを、格納部に入力可能な手段であって、演算部は、境界データを格納部から読み出して、この境界データが構成される２次元以上の空間（以下、多次元空間という。）上に、格納部から読み出した点検対象物における健全性劣化の要因に係る要因データ又は入力部から入力された点検対象物における健全性劣化の要因に係る要因データを座標点として入力する解析条件設定部と、判別境界面から点検対象物における要因データの座標点までの距離を補修必要度あるいは災害危険度として演算する代表値算出部と、点検対象物における要因データの座標点と判別境界面までの距離と点検対象物における要因データの重要度から算出される評価点を算出する評価点算出部とを備え、評価点算出部は、点検対象物における要因データの中の全要因を入力要因とした補修実績に関する第１の的中率と、全要因からある要因を除外して入力要因とした補修実績に関する第２の的中率を演算し、この第２の的中率と第１の的中率を比較して演算した指標を除外した要因の重要度として、この重要度と点検対象物における要因データの座標点と判別境界面までの距離との積を評価点として算出し、出力部は、点検対象物における要因データとその重要度、境界データ、補修必要度あるいは災害危険度、または評価点のうち少なくとも１の情報をデータシートに記載する情報として出力可能な手段であることを特徴とする点検業務に利用可能な評点式データシートに基づく健全性評価システムである。
なお、本請求項１の記載も含めて本願における点検対象物とは、高速道路、橋梁、トンネル、ダム、高層ビル、鉄塔、上・下水道など、土木工事を施すことによって建設される土木構造物、及び、がけ崩れ（土砂崩れ）、地面陥没、土石流などが発生する可能性のある災害危険箇所などを含む概念である。また、本願において、補修実績データとは、点検対象物に対して施された保全・補修のための工事の実績に関するデータであり、災害履歴データとは、点検対象物において発生したがけ崩れ（土砂崩れ）、地面陥没、土石流などの自然災害の履歴に関するデータをいう。さらに、本願の補修必要度は、先の保全・補修のための工事の必要性を意味し、災害危険度は、先の自然災害の発生に関する危険度を意味する。また、これらの語の反対の意味で、補修不要度や災害安全度などを用いてもよく、これらのような反対語の概念を含むものである。

また、請求項２に記載の発明は、請求項１に記載の点検業務に利用可能な評点式データシートに基づく健全性評価システムにおいて、点検対象物における健全性劣化の要因データは、その要因データが備える点検対象物の変状の要因に係る定量的な範囲で区切られる複数のカテゴリ又は定量的な範囲で区切られる複数のカテゴリでは表現できない非物理量において要因データに関し定性的に区切られる複数のカテゴリで分類され、解析条件設定部は、この複数のカテゴリ毎に多次元空間上に要因データを座標点として入力し、代表値算出部は、複数のカテゴリ毎に判別境界面から点検対象物における要因データの座標点までの距離を補修必要度あるいは災害危険度として演算し、補修必要度あるいは災害危険度のカテゴリ毎の代表値を算出し、評価点算出部は各要因データの重要度と、各要因データのカテゴリ毎の補修必要度あるいは災害危険度の代表値からデータシートに記載する評価点を算出し、出力部は、点検対象物における複数のカテゴリ毎の要因データとその重要度、境界データ、補修必要度あるいは災害危険度、または評価点のうち、少なくとも１の情報を出力可能な手段であるものである。

請求項３に記載の発明では、請求項１に記載の点検業務に利用可能な評点式データシートに基づく健全性評価システムにおいて、演算部は、点検対象物における健全性劣化の要因データをその要因データが備える点検対象物の変状の要因に係る定量的な範囲で区切られる複数のカテゴリ又は定量的な範囲で区切られる複数のカテゴリでは表現できない非物理量において要因データに関し定性的に区切られる複数のカテゴリで分類するカテゴリ分類部を備え、解析条件設定部は、カテゴリ分類部で分類された複数のカテゴリ毎に多次元空間上に要因データを座標点として入力し、代表値算出部は、複数のカテゴリ毎に判別境界面から点検対象物における要因データの座標点までの距離を補修必要度あるいは災害危険度として演算し、評価点算出部は各要因データの重要度と、各要因データのカテゴリ毎の補修必要度あるいは災害危険度の代表値からデータシートに記載する評価点を算出し、出力部は、点検対象物における複数のカテゴリ毎の要因データとその重要度、境界データ、補修必要度あるいは災害危険度、または評価点のうち、少なくとも１の情報を出力可能な手段であるものである。

さらに、請求項４記載の発明は、請求項１に記載の点検業務に利用可能な評点式データシートに基づく健全性評価システムにおいて、点検対象物における健全性劣化の要因データは複数の要因データであり、演算部は、複数の要因データについて、重要度を演算する重要度算出部を備え、補修必要度あるいは災害危険度と重要度から評価点を算出するものである。

本発明は、土木構造物や災害危険箇所等の点検対象物の補修実績データや災害履歴データを用いて、補修の施工・非施工、災害の発生・非発生を分離する判別境界面を得て、これを基準として点検対象物における対策の必要度を評価点として算出し、客観的かつ定量的に精度の高い評価を行なうことが可能である。

特に、請求項２に記載の発明では、要因データを複数のカテゴリに分類して、そのカテゴリ毎に補修必要度あるいは災害危険度を演算することで、より精度の高い健全性評価を可能とするものである。

また、請求項３に記載の発明では、カテゴリ分類部を備えることで入力される要因データがカテゴリに分類されていない場合に、その分類を可能とするとすることで請求項２に記載の発明と同様により精度の高い健全性評価を行なうことができる。

請求項４に記載の発明では、点検対象物における健全性劣化の要因データが複数備えられる場合に、そのいずれの要因データが補修必要度や災害危険度に対して大きな影響を与えるかについて、重要度算出部が、要因データの重要度を演算することが可能となっている。これを複数のすべての要因データについて実行することで、要因データに関する感度解析を実行することができ、より適切な要因データを抽出して補修必要度や災害危険度を評価することが可能となり、精度の高い健全性評価を行なうことができる。

以下、本発明の実施の形態に係る点検業務に利用可能な評点式データシートに基づく健全性評価システムについて図1乃至図１２を参照しながら説明する。
図１は、本実施の形態に係る点検業務に利用可能な評点式データシートに基づく健全性評価システムの構成図である。また、図２は本点検業務に利用可能な評点式データシートに基づく健全性評価システムを用いた健全性評価方法を示すフローチャートである。
図１において、健全性評価システムは、入力部１と演算部２と出力部１０と複数のデータベース１２，１４，１６，１８，２０，２３から構成される。
入力部１は、これらのデータベースに格納されるデータ１１ａを予め入力したり、あるいは演算部２の作業時に直接データ１１ａや解析条件１１ｂを入力するために使用されるものである。具体的には、例えば、キーボード、マウス、ペンタブレット、あるいは、コンピュータ等の解析装置や計測機器等から通信回線を介してデータを受信する受信装置など複数種類の装置からなり目的に応じた使い分け可能な装置が考えられる。
演算部２は、解析条件設定部３、重要要因抽出部４、判別境界面解析部５、カテゴリ分類部６、カテゴリ毎の代表値算出部７、重要度算出部８、評価点算出部９から構成されるものである。
演算部２は、データベースから読み出されたり、入力部１から入力される判別境界面に関するデータ１１ａや構造物に対する補修工事の実績に関するデータ１１ａ、及び解析条件１１ｂを用いて、入力要因のカテゴリ分けや各要因のカテゴリ毎の代表値の算出、重要要因の抽出や各要因の重要度の算出、さらには新たな評価点の算出を行なうセクションにより構成されている。これらのセクション同士は、互いに演算結果をデータとして入出力することが可能となっている。演算部２として具体的には、ワークステーションやパーソナルコンピュータ等のコンピュータが考えられる。
また、データベースとしては、土木構造物や災害危険箇所に対する過去の点検実績データ１３が格納される点検データベース１２、補修工事の必要性に対する補修実績データ１５、斜面や地面あるいは河川等の過去の災害履歴データ２８が格納される補修実績・災害履歴データベース１４、点検実績データ１３の各要因の内、補修実績や災害履歴と密接な関係のある要因である重要要因データ１７が格納されている重要要因データベース１６、補修・対策工事の必要度を解析するための判別境界面データ１９を格納する境界データベース１８、種々の解析のための解析条件データ２１及びパラメータデータ２２を格納する解析データベース２０、さらには、演算部２を用いて解析された結果得られた各要因のカテゴリデータ２４、カテゴリ毎の代表値データ２５、各要因の重要度データ２６、新評価点データ２７を格納する評価情報データベース２３がある。
入力部１を介して点検データベース１２に格納される点検実績データ１３の例としては、表１に示されるトンネル点検データ、表２に示される土石流危険渓流点検データ、表３及び表４に示される道路斜面点検データ、表５に示される下水道設備点検データなどがある。各データ表には教師値の欄が記載されているが、これらはそれぞれ補修工事の実績（補修実績データ）や過去の災害履歴（災害履歴データ）、あるいは陥没履歴（陥没履歴の有無データ）を示すものである。
また、点検実績データ１３中、表１のように地点名として実際の地名を含む場合もあれば、表２などのように番号で入力されている場合、あるいはこの他にも記号などで入力されている場合もある。

ハードウェアとしてのデータベースは具体的には、磁気ディスクや光ディスク等のコンピュータ用の記憶装置にデータを格納したものが考えられ、出力部１０としては、プリンタ装置などの表示装置、ＣＲＴ、液晶、プラズマあるいは有機ELなどによるディスプレイ装置、さらには外部装置への伝送を行うためのトランスミッタなどの発信装置などが考えられる。

主として以上のような構成要素を備える本実施の形態に係る点検業務に利用可能な評点式データシートに基づく健全性評価システムは、概ね以下のような処理手順によってその処理を行うことができる。
図２のステップＳ１にも示されるとおり、入力部１によるデータ入力処理では、先ず、データを入力する処理を行うが、その入力データとしては、例えば、点検データベース１２に格納される構造物の変状の要因に係る定量的なデータ（以下、要因データという。） としての過去の点検実績データ１３がある。また、境界データベース１８に格納される判別境界面データ１９がある。このようなデータは、実測データでよいが、標準化処理を行い標準化データとしてもよい。なお、要因データの定量的とは、例えば要因として漏水を考えた場合に、その単位時間の漏水量を立方メートル毎時などとして測定した場合のその数値を意味したり、あるいは例えばボルトの緩みを判断する場合に３段階のレベルで表現した場合には、そのレベル１，２，３なども定量的とするものである。すなわち、物理量として数値で表現できるものについては、そのようなレベルの数値をもって定量的とするものである。
さらに、非物理量であったり、定量的に表現できないような場合に、その状態を定性的に表現したり、例えば方角をあらわす場合の東、西、南、北や、季節を表す春、夏、秋、冬、さらに時間帯を表す朝、昼、晩など、それぞれのカテゴリは定量的には表現できないものであるので、これらは要因データにおける定性的なもの、定性的なカテゴリの区分とするものである。
これらの入力要因の他、解析データベース２０に格納される解析条件データ２１やパラメータデータ２２、重要要因データベース１６に格納される重要要因データ１７、さらには補修実績・災害履歴データベース１４に格納される補修実績データ１５や災害履歴データ２８なども入力データとして入力処理される。
本実施の形態のおいては、ステップＳ１として最初にデータ入力処理を実施するようにしているが、解析の工程にあわせて適宜データを入力するようにしてもよい。

本発明によって演算可能な点検実績データ１３の実例としてトンネルの点検データの例を挙げる。従来用いられてきたトンネルの健全性評価手法の一つとして、ＪＨ点検手法というものがある。ＪＨ点検手法では、スパン毎にひび割れの幅・長さやパターン、遊離石灰の有無等の損傷にかかわる７つの項目の点検結果が記されており、それらに応じて与えられる評点の合計で損傷程度が示されている。表６はＪＨ点検手法を利用したトンネルの現地点検データでＡ最大ひび割れ幅からＧ漏水までの７個の劣化の要因データから構成されている。表中に定量的に数値で示されるものがそれぞれ要因データとなる。
また、表７及び表８は道路斜面点検データで、のり面地形（Ｇ１）から変状２（隣接のり面）までの２６個の要因データから構成されている。表９は下水道点検データで、管渠材質から経過年数までの１２個の要因データから構成されている。

一方、また、この評点合計とは別に、点検技術者の判断として対策の必要性について３Ａ〜空欄までの５段階の評価が与えられている（表１０）。本実施においては、この評価を補修実績データとして用いる事とし、早急、緊急に対策が必要な２Ａ・３Ａを−１、早急な対策の必要が無いＡ，Ｂ、空欄を１として入力するものとした。また、表１１には、道路斜面に関して、表８に示されるような要因データとは別に、被災履歴について３段階の項目が与えられている。本実施においては、この項目を被災履歴として用いることとし、有（被災記録表参照・詳細不明）を−１、無を１として入力するものとした。さらに、表１２にも、下水道に関して表９に示されるような要因データとは別に、陥没履歴について５段階の項目が与えられている。本実施においては、この項目を陥没履歴として用いることとし、原因が人工的なものでない管渠施設等の起因にする陥没を−１、工事の埋戻等に起因する陥没、外傷による破損に起因する陥没、その他、空欄を１として入力するものとした。

入力部１では、前述のとおり各データをそれぞれのデータベースに格納するが、これらのデータはデータベースに格納されることなく、直接演算部２に送信される場合もある。

演算部２の解析条件設定部３では、図２ではステップＳ２に示されるとおり、解析を行う対象やパラメータなどを設定するものである。具体的には、点検データベース１２から点検実績データ１３のうちいずれの構造物のいずれの要因データの組み合わせを抽出し、それに対応するいずれの判別境界面データ１９を抽出するかを設定するものである。
ここで解析条件設定部３は、入力部１を介して、どのような条件で解析を行うかについて入力を促し、入力された条件をキーとして、点検データベース１２と境界データベース１８にアクセスして該当する点検実績データ１３と判別境界面データ１９を読み出す。入力を促すために表示される点検データベース１２及び境界データベース１８に格納されているデータ内容あるいはデータ構造を示す解析条件データ２１、および、どのような条件で解析を行うかを示すパラメータデータ２２は、解析データベース２０に格納されているため、解析条件設定部３はまず、この解析データベース２０にアクセスしてパラメータデータ２２を読み出して、そのパラメータデータ２２を、出力部１０を利用して表示などをさせるとよい。
この表示を受けて本健全性評価システムのユーザーは、点検実績データ１３、重要要因データ１７、判別境界面データ１９の全てが入力済みの場合は点検実績データ１３、重要要因データ１７、判別境界面データ１９の抽出、点検実績データ１３、重要要因データ１７が入力済みであった場合は判別境界面の解析、点検実績データ１３のみが入力済みであった場合には重要要因の抽出の後判別境界面の解析という選択を行うことができる。

ここで、どのような条件で解析を行うかを示すパラメータデータ２２の決定方法の例として、パターン分類手法としてＳＶＭを用いたときのパラメータスタディの方法について説明する。
ＳＶＭでは、それぞれＣ，rの２つのパラメータが存在し、この２つの値によって、どのような条件で判別境界面が形成されるかが決定する。これらのパラメータを簡単に説明すると、先ず、ＣはＳＶＭの結果の異常値をどれだけ許容するかを示すパラメータで、Ｃが大きいほど異常値を認めずデータを厳しく分けようとするものである。また、ｒはデータの持っている影響を決めるパラメータであり、ｒの値が大きいほどデータのばらつきが大きくなる反面、異常値が増えやすいというものである。
先ず、ＳＶＭのパラメータを決定するにあたり、的中率が最大となるときのパラメータを用いることとする。ここで的中率とは、ＳＶＭによってどれだけ正確に補修実績を捉える事ができたかを示す割合であり、ここでは的中率を式（１）で定義する。

なお、式（１）中の的中データ数とは、各手法による危険・安全の判断結果が補修実績データ１５と一致したデータ数をいう。
次に、ＳＶＭのパラメータを決定するにあたり、ＳＶＭによって作成された判別境界面から評価対象となる地域の要因データの座標までの距離のばらつきが大きいものを採用することとする。これは、後のカテゴリ毎の代表値算出部７で各要因のカテゴリ毎の代表値を算出する際、データのばらつきが大きいほうが、各要因のカテゴリ毎の代表値の値の変動も大きくなり、最終的に評価点を設定する上で都合がよいためである。具体的にはデータのばらつきを示す指標として標準偏差を用いることとした。
ここで、例としてトンネルの点検データをＳＶＭの入力要因として用いたときのパラメータスタディを紹介する。ここではＳＶＭのパラメータとしてＣ＝１０，２０，…，３００の３０ケース、ｒ＝０．１，０．２，…，１．０の１０ケースの計３００ケースでパラメータスタディを行った。
その結果を表１３に示す。その結果として、最も的中率が高くかつ、その中で最も標準偏差が大きかったパラメータとして、Ｃ＝３００，ｒ＝０．９をＳＶＭのパラメータとすることとした。

表１３では、トンネルの点検データに関するパラメータスタディの結果を示したが、表１４および表１５に道路斜面点検データおよび下水道設備点検データのパラメータスタディの結果を示すが、これらに関しては過学習を避けて汎化能力を持たせるために道路斜面点検データでは、Ｃ＝５０、ｒ＝７を用い、下水道設備点検データでは、Ｃ＝１００、Ｒ＝１を用いた。

点検データベース１２に格納されている点検実績データ１３に含まれる各要因データには、構造物の補修実績と密接に関わっている要因（重要要因）と、補修実績とは関わりの無い要因（重要でない要因）が含まれている。
本発明においては、点検データベース１２に格納されている点検実績データ１３に含まれる各要因データのうち、重要ではない要因を除外し、重要要因のみでデータシートを作成する事で構造物健全性評価システムの高精度化を図ることとした。

本実施の形態においては、図２では、ステップＳ３として示されるように、重要要因抽出部４において重要要因を抽出可能としている。これらのデータは特に演算部２の内部で必ずしも解析される必要は無く、その場合は重要要因データベース１６内より格納されている重要要因データ１７を読み出すものとする。また、その重要要因データ１７は、前述のとおり予め入力部１を介して重要要因データベース１６内に格納しておくとよい。
例として、図３のフローチャートの手順による重要要因の抽出方法を紹介する。この方法では、点検データベース１２に格納されている点検実績データ１３の内、評価対象となる構造物における要因データベースで用いられている各要因のうち、１要因を除外して、ＳＶＭ等の手法で解析を行い、全点検データを使用したときの結果と比較して、的中率（式（１）参照）が低下した場合、その要因を重要要因とし、的中率が低下しなかった場合、その要因を重要ではない要因として重要要因の抽出を行う。

表１６に例としてＳＶＭを用いてこの手法で解析したときのトンネル点検実績データの重要要因抽出結果を示す。表の左端の欄に★印を付けた要因が重要要因、左端の欄が空欄のままの要因が重要でない要因である。この手法によって抽出された重要要因のみを用いたＳＶＭによる分析結果は技術者判断による５段階評価との間に高い相関があり（図４）、この手法によって抽出された重要でない要因のみを用いたＳＶＭによる分析結果と技術者判断との相関（図５）を大きく凌いでおりこの手法によって正しく重要要因が抽出されていることが分かる。
なお、重要要因の抽出法についてはＳＶＭのほかにラフ集合などの他の手法を用いても抽出可能であり、本発明においてはこれらの手法を用いて重要要因を抽出してもよい。なお、これらの手法はすでに知られた技術であるので詳細な説明は省略する。
重要要因を抽出した結果は、重要要因データ１７として重要要因抽出部４によって重要要因データベース１６内に格納される。

表１６では、トンネルの点検データに関する重要要因抽出結果を示したが、同様の手法を用いた場合の道路斜面点検データおよび、下水道設備点検データに関する重要要因算出結果を、それぞれ表１７及び表１８に示す。

本実施の形態においては、前述の通り判別境界面解析部５において境界データベース１８に格納される判別境界面データ１９を解析可能としている。これらのデータは特に演算部２の内部で必ずしも解析される必要はなく、前述のとおりステップＳ１において境界データベース１８に対して入力処理される場合もあるが、重要要因データ１７及び補修実績データベース１４に格納されている補修実績データ１５や災害履歴データ２８を基に、いわゆる初期学習を行うことで判別境界面データ１９を解析することも可能としているのである。図２においてはステップＳ２の解析条件設定において、いずれかの重要要因データ１７及び補修実績データ１５を選択した後に、ステップＳ４として解析を実施することができる。これら判別境界面データ１９の取得はＲＢＦネットワークを用いたりＳＶＭを用いた解析を行うことで得られるが、これらの手法はすでに知られた技術であるので詳細な説明は省略する。なお、判別境界面解析部５によって解析された結果得られた判別境界面データ１９は、判別境界面解析部５によって、境界データベース１８に格納される。

カテゴリ分類部６では、図２にステップＳ５として示されるとおり、重要要因データベース１６にアクセスし該当する重要要因データ１７を取り出し、重要要因データ１７に含まれる各要因データのカテゴリ分類を行う。
例として、トンネル点検データの要因の一つひび割れ幅の場合、データの分布状況などからひび割れ幅無しをカテゴリ１とし、以後ひび割れ幅０．５mm刻みで計５段階にカテゴリ分けするものとした。
なお、カテゴリ分類の手法についてはここで紹介する手法のほかにデータ分布の中央値をとり、そこから等分割する方法なども可能である。本発明においてはこれらの手法を用いてカテゴリ分類を行ってもよい。
カテゴリ分類を行った結果は、各要因のカテゴリデータ２４としてカテゴリ分類部６によって評価情報データベース２３内に格納される。

カテゴリ毎の代表値算出部７では、図２にステップＳ６として示されるとおり、評価点基礎データとして各要因のカテゴリ毎の代表値の算出を行う。評価情報データベース２３内に格納されている各要因のカテゴリデータ２４にアクセスし、判別境界面から評価対象となる地域の要因データの座標までの距離をまず演算し、その後、カテゴリ毎の代表値を算出する。図６に例として、トンネル点検データのひび割れ幅を０．５mm毎にカテゴリ分けした時のカテゴリ毎の代表値（この例では平均値を代表値としている）の関係を示す。
算出された距離の代表値は、各要因のカテゴリ毎の代表値データ２５としてカテゴリ毎の代表値算出部７によって評価情報データベース２３内に格納される。この算出された距離の代表値が、補修必要度あるいは災害危険度に相当する。判別境界面を基準として、この判別境界面から離れる方向で補修必要度や災害危険度が大きくなったり、小さくなったりする。すなわち、距離は正負あり、正で大きな値をとって、判別境界面から離れる方が補修必要度や災害危険度は低く、負で大きな値をとって判別境界面から離れる方が補修必要度や災害危険度が高い。
カテゴリ毎の代表値の実例として、トンネル点検における各要因のカテゴリ毎の平均ｆ（ｘ）を表１９乃至表２５に示す。
なお、この例では代表値として算術平均を用いているが、相加平均、相乗平均、中央値など他の値を用いてもよいことはもちろんである。また、カテゴリ分類がない場合、あるいはカテゴリ分類があっても、代表値を用いることなく、判別境界面から評価対象となる地域の要因データの座標までの距離を演算することもある。その際には、その距離が補修必要度あるいは災害危険度に相当する。すなわち、本願における代表値算出部は、常に、代表値を算出するものではなく、先に判別境界面から、点検対象物における要因データの座標までの距離を演算する場合もある。また、複数のカテゴリ分類がある場合には、その複数のカテゴリ毎に判別境界面からの点検対象物における要因データの座標までの距離を演算した後、前述のような平均値を算出して、それを代表値とするものである。

表１９乃至表２５では、トンネルの点検データに関する各要因のカテゴリ毎の平均ｆ（ｘ）を示したが、同様の手法を用いた場合の道路斜面点検データおよび、下水道設備点検データに関する各要因のカテゴリ毎の平均ｆ（ｘ）を、それぞれ表２６および、表２７に示す。

重要度算出部８では、図２にステップＳ７として示されるように、点検データベース１２に格納されている点検実績データ１３に含まれる各要因データがどれだけ高速道路、橋梁、トンネル、ダム、高層ビル、鉄塔、上・下水道などの構造物の補修実績や斜面、地面、河川等の災害履歴等と密接に関わっているかの指標として重要度を算出することとする。
例として、ＳＶＭを用いた重要度の算出方法を紹介する。本手法では、評価対象となる点検対象物における要因データベースで用いられている各要因のうち、１要因を除外して、ＳＶＭで解析を行い、全点検データを教師値としたときの結果と的中率の比較を行う。ここで、より重要な要因を除外した場合ほど大きく的中率が減少すると考え、重要度を式（２）によって算出するものとする。ここでは重要度を差としたが、もちろんＰとＰｎの比、Ｐ／Ｐｎや他の演算方法で求めた結果を重要度としても良い。

表２８に例としてトンネル点検実績データの重要度算出結果を示す。
なお、各要因の重要度については、ここで紹介する手法のほかにラフ集合などの他の手法を用いても抽出可能であり、本発明においてはこれらの手法を用いて重要要因を抽出してもよいものとする。なお、これらの手法はすでに知られた技術であるので詳細な説明は省略する。
重要度を算出した結果は、重要度データ２６として重要度算出部８によって評価情報データベース２３内に格納される。

表２８では、トンネルの点検データに関する重要度算出結果を示したが、同様の手法を用いた場合の道路斜面点検データおよび、下水道設備点検データに関する重要度算出結果を、それぞれ表２９および、表３０に示す。

評価点算出部では、図２にステップＳ８として示されるように、評価情報データベース２３にアクセスし、各要因のカテゴリ毎の代表値２５と重要度データ２６を読み出す。そして、新評価点を各要因のカテゴリ毎の代表値２５と重要度データ２６から算出する。
表３１乃至表３７に例としてトンネル点検実績データの各要因の評価点計算結果を示す。ここでは各要因のカテゴリ毎の代表値（平均値）と重要度データの積を１０倍することにより新評価点を算出した。もちろん、積以外にも他の演算方法、例えば和や積の平方根をとるなどの方法で新評価点を算出しても良いし、適宜係数などを乗じてもよい。
新評価点を算出した結果は、新評価点データ２７として評価点算出部９によって評価情報データベース２３内に格納される。

表３１乃至表３７では、トンネルの点検データに関する各要因の評価点計算結果を示したが、同様の手法を用いた場合の道路斜面点検データおよび、下水道設備点検データに関する評価点計算結果を、それぞれ表３８、表３９に示す。

演算部２は、評価情報データベース２３にアクセスし、各要因のカテゴリデータ２４、代表値データ２５、重要度データ２６及び新評価点データ２７を読み出しデータシートを作成する。
表４０に作成したトンネル点検新データシートを示す。表４０では、各要因のカテゴリデータ２４及び新評価点データ２７のみ読み出してデータシートを作成している。特に、常に、先の各要因のカテゴリデータ２４、代表値データ２５、重要度データ２６及び新評価点データ２７を読み出さなければならないということはなく、これらのいずれかを選択してよい。

図７に従来のＪＨ点検手法での評点合計と技術者判断による５段階評価との相関を示す。図７のように、ＪＨ点検手法における評価点合計と技術者判断結果との間には相関があるとは言いがたいことが分かる。
次に、図８に本発明によって作成した新データシート（表４０）による点検データの評価点の合計と技術者判断による５段階評価の関係を示す。図８のように、本発明のシステムによって作成した新データシートによる点検データの評価点の合計と技術者判断による５段階評価の間には高い相関を得ることができた。また、この結果は、従来のＪＨ点検手法での結果を大きく凌いでおり、本構造物健全性評価システムによって作成されたデータシートが補修の必要性を高い精度で分離できることを示している。
また、新データシートを学習データとは異なる地域Ａのデータに適用した結果（図９）、評価点合計と技術者判断の間には明瞭な相関が得られた。また、他の地域Ｂ、Ｃでも評価点合計と技術者判断の間には相関が得られた（図１０及び１１）。したがって、本健全性評価システムによって作成されたデータシートに汎用性があることが確認できた。なお、地域Ａ〜Ｃとは、データを取得したトンネルに関する識別符号である。
上述の実施例では、トンネル点検データを用いて新データシートについて説明したが、この他にも表４１及び表４２に示されるように道路斜面点検データを用いて作成した新データシートや、表４３に示されるように下水道設備点検データを用いて作成した新データシートなどがある。
表４１及び表４２の道路斜面点検データを用いた新データシートでは、表３及び表４に示される評価区分を用いて、トンネル点検データと同手法により、評価点を得ている。
また、表４３の下水道設備の点検データを用いた新データシートでは、最左欄に記載される変形クラックなどの各要因に対して、トンネル点検データと同手法により、新評価点を算出した。

図１３に従来の道路斜面点検データにおける評点合計と災害履歴との関係を示す。図１３のように、従来の道路斜面点検手法における評点合計と災害履歴との間には相関があるとは言いがたいことが分かる。
次に、図１４に本発明によって作成した新データシート（表４１及び表４２）による点検データの評点合計と災害履歴との関係を示す。図１４のように、本発明のシステムによって作成した新データシートによる点検データの評点合計と災害履歴の間には高い相関を得ることができた。また、この結果は、従来の道路斜面点検手法での結果を大きく凌いでおり、本構造物健全性評価システムによって作成されたデータシートが災害の有無を高い精度で分離できることを示している。
また、新データシートを学習データとは異なる地域Ｄのデータに適用した結果（図１５）、評点合計と災害履歴の間には明瞭な相関が得られた。したがって、本健全性評価システムによって作成されたデータシートに汎用性があることが確認できた。なお、地域Ｄとは、データを取得した道路斜面に関する識別符号である。
先のトンネル点検データを用いた新データシートと同様に、カテゴリ毎の代表値と重要度データは、積をとる以外にも他の演算方法、例えば和や積の平方根をとるなどの方法で新評価点を算出しても良い。他のデータを用いる場合も同様であり、特に限定するものではない。

図１６に従来の下水道設備の点検データにおける評点合計と陥没履歴との関係を示す。図１６のように、従来の下水道設備の点検手法における評点合計と陥没履歴との間には相関があるとは言いがたいことが分かる。
次に、図１７に本発明によって作成した新データシート（表４３）による点検データの評点合計と陥没履歴との関係を示す。図１７のように、本発明のシステムによって作成した新データシートによる点検データの評点合計と陥没履歴の間には高い相関を得ることができた。また、この結果は、従来の下水道設備の点検手法での結果を大きく凌いでおり、本構造物健全性評価システムによって作成されたデータシートが災害の有無を高い精度で分離できることを示している。
また、新データシートを学習データとは異なる地域Ｅのデータに適用した結果（図１８）、評価点合計と陥没履歴の間には明瞭な相関が得られた。また、他の地域Ｆでも評価点合計と陥没履歴の間には相関が得られた（図１９）。したがって、本健全性評価システムによって作成されたデータシートに汎用性があることが確認できた。なお、地域Ｅ、Ｆとは、データを取得した下水道設備に関する識別符号である。
先のトンネル点検データを用いた新データシートと同様に、カテゴリ毎の代表値と重要度データは、積をとる以外にも他の演算方法、例えば和や積の平方根をとるなどの方法で新評価点を算出しても良い。他のデータを用いる場合も同様であり、特に限定するものではない。

なお、本発明によって、作成されたデータシートの精度をさらに高精度化する方法として、観察項目の限定が考えられる。ここで、例として、トンネル点検データについて考える。トンネル点検では表１６で示される７要因が重要要因として抽出されているが、表２８の重要度算出結果を見てみると、他の重要要因に比べて、遊離石灰・漏水の２要因の重要度は低い値となっていることが分かる。そこで、この２要因を除外して再度データシートを作成してみた（表４４）。

図１２に新たに作成した表４４のデータシートの評価点の合計と補修実績の関係を示す。その結果図８に示した７要因を用いたときの結果に比べ、さらに、補修実績データの特徴を的確に捉えた結果を得ることができた。
このように、本発明ではデータシートの観察項目を限定することによって、データシートによる健全度評価の精度の向上を図ることが可能である。
以上、本実施の形態においては、ＳＶＭを使用した健全性評価システムを示したが、ＳＶＭに代えてＲＢＦネットワークを用いても同様の健全性評価システムを実施することができる。

自治体をはじめとして高速道路、トンネル、ダム、高層ビル、鉄塔などを管理する管理団体、検査団体あるいは設計会社、建設会社、コンサルティング会社など建築構造物、土木構造物あるいは災害危険箇所に関係するあらゆる団体、企業において、構造物の建設から構造物や危険箇所の補修計画の立案、補修工事の施工後の管理まで幅広い用途がある。また、教育機関などにおいて構造物における事故や災害危険箇所における事故や災害の未然防止や避難訓練用の教材としても活用が見込まれる。さらに、建設・土木事業を営む企業においては、補修工事事業のニーズ掘り起こしや事業提案のためのツール、あるいは公的機関との連携を図るための共有ツールとして活用が可能であり、企業の補修工事技術に関する研究開発や設計事業などの用途にも適用可能である。

本実施の形態に係る点検業務に利用可能な評点式データシートに基づく健全性評価システムの構成図である。 本点検業務に利用可能な評点式データシートに基づく健全性評価システムを用いた健全性評価方法を示すフローチャートである。 重要要因の抽出方法の一例を示すフローチャートである。 トンネル点検実績データを基に重要要因のＳＶＭによる分析結果を示すグラフである。 トンネル点検実績データを基に重要でない要因のＳＶＭによる分析結果を示すグラフである。 トンネル点検データのひび割れ幅を０．５mm毎にカテゴリ分けした時のカテゴリ毎の平均ｆ（ｘ）の関係を示したグラフである。 従来のＪＨ点検手法での評点合計と技術者判断による５段階評価との相関を示すグラフである。 新データシートによる点検データの評価点の合計と技術者判断による５段階評価の関係を示すグラフである。 地域Ａにおいて新データシートによる点検データの評価と技術者判断の関係を示すグラフである。 地域Ｂにおいて新データシートによる点検データの評価と技術者判断の関係を示すグラフである。 地域Ｃにおいて新データシートによる点検データの評価と技術者判断の関係を示すグラフである。 表４４に示されるデータシートの評点の合計点検データの評価点の合計と補修実績の関係を示す。 従来の道路斜面点検データにおける評点合計と災害履歴との関係を示すグラフである。 新データシートによる道路斜面点検データの評点合計と災害履歴との関係を示すグラフである。 地域Ｄにおいて新データシートによる道路斜面点検データの評価と災害履歴の関係を示すグラフである。 従来の下水道設備点検データにおける評点合計と陥没履歴との関係を示すグラフである。 新データシートによる下水道設備点検データの評点合計と陥没履歴との関係を示すグラフである。 地域Ｅにおいて新データシートによる下水道設備点検データの評価と陥没履歴の関係を示すグラフである。 地域Ｆにおいて新データシートによる下水道設備点検データの評価と陥没履歴の関係を示すグラフである。

符号の説明

１…入力部 ２…演算部 ３…解析条件設定部 ４…重要要因抽出部 ５…判別境界面解析部 ６…カテゴリ分類部 ７…代表値算出部 ８…重要度算出部 ９…評価点算出部 １０…出力部 １１ａ…データ １１ｂ…解析条件 １２…点検データベース １３…点検実績データ １４…補修実績・災害履歴データベース １５…補修実績データ １６…重要要因データベース １７…重要要因データ １８…境界データベース １９…判別境界面データ ２０…解析データベース ２１…解析条件データ ２２…パラメータデータ ２３…評価情報データベース ２４…各要因のカテゴリデータ ２５…カテゴリ毎の代表値データ ２６…重要度データ ２７…新評価点データ ２８…災害履歴データ

Claims (4)

1. 入力部と、演算部と、格納部と、出力部を有し、点検対象物における健全性劣化の要因に係る要因データと前記点検対象物に対する補修実績データあるいは災害履歴データをいわゆる放射状基底関数ネットワーク（ＲＢＦＮ）又はサポートベクターマシン（ＳＶＭ）に用いて得られた補修の施工と非施工あるいは災害の発生と非発生を分離する判別境界線又は判別境界面（以下、判別境界線を含めて判別境界面という。）を基準として、ある点検対象物における対策の必要度を算出するための評点式データシートを作成する健全性評価システムであって、
   前記入力部は、前記点検対象物における健全性劣化の要因データと、前記判別境界面を構成する境界データとを、前記格納部に入力可能な手段であって、
   前記演算部は、前記境界データを前記格納部から読み出して、この境界データが構成される２次元以上の空間（以下、多次元空間という。）上に、前記格納部から読み出した前記点検対象物における健全性劣化の要因に係る要因データ又は前記入力部から入力された前記点検対象物における健全性劣化の要因に係る要因データを座標点として入力する解析条件設定部と、
   前記判別境界面から前記点検対象物における要因データの座標点までの距離を補修必要度あるいは災害危険度として演算する代表値算出部と、
   前記点検対象物における要因データの座標点と判別境界面までの距離と前記点検対象物における要因データの重要度から算出される評価点を算出する評価点算出部とを備え、
   前記評価点算出部は、前記点検対象物における要因データの中の全要因を入力要因とした補修実績に関する第１の的中率と、全要因からある要因を除外して入力要因とした補修実績に関する第２の的中率を演算し、この第２の的中率と第１の的中率を比較して演算した指標を前記除外した要因の重要度として、この重要度と前記点検対象物における要因データの座標点と判別境界面までの距離との積を評価点として算出し、
   前記出力部は、前記点検対象物における要因データとその重要度、前記境界データ、前記補修必要度あるいは災害危険度、または前記評価点のうち少なくとも１の情報をデータシートに記載する情報として出力可能な手段であることを特徴とする点検業務に利用可能な評点式データシートに基づく健全性評価システム。
2. 前記点検対象物における健全性劣化の要因データは、その要因データが備える点検対象物の変状の要因に係る定量的な範囲で区切られる複数のカテゴリ又は前記定量的な範囲で区切られる複数のカテゴリでは表現できない非物理量において前記要因データに関し定性的に区切られる複数のカテゴリで分類され、
   前記解析条件設定部は、この複数のカテゴリ毎に前記多次元空間上に前記要因データを座標点として入力し、
   前記代表値算出部は、前記複数のカテゴリ毎に前記判別境界面から前記点検対象物における要因データの座標点までの距離を補修必要度あるいは災害危険度として演算し、前記補修必要度あるいは災害危険度のカテゴリ毎の代表値を算出し、
   前記評価点算出部は各要因データの前記重要度と、各要因データのカテゴリ毎の前記補修必要度あるいは災害危険度の代表値からデータシートに記載する前記評価点を算出し、
   前記出力部は、前記点検対象物における複数のカテゴリ毎の要因データとその重要度、前記境界データ、前記補修必要度あるいは災害危険度、または前記評価点のうち、少なくとも１の情報を出力可能な手段であることを特徴とする請求項１記載の点検業務に利用可能な評点式データシートに基づく健全性評価システム。
3. 前記演算部は、前記点検対象物における健全性劣化の要因データをその要因データが備える点検対象物の変状の要因に係る定量的な範囲で区切られる複数のカテゴリ又は前記定量的な範囲で区切られる複数のカテゴリでは表現できない非物理量において前記要因データに関し定性的に区切られる複数のカテゴリで分類するカテゴリ分類部を備え、
   前記解析条件設定部は、前記カテゴリ分類部で分類された複数のカテゴリ毎に前記多次元空間上に前記要因データを座標点として入力し、前記代表値算出部は、前記複数のカテゴリ毎に前記判別境界面から前記点検対象物における要因データの座標点までの距離を補修必要度あるいは災害危険度として演算し、
   前記評価点算出部は各要因データの前記重要度と、各要因データのカテゴリ毎の前記補修必要度あるいは災害危険度の代表値からデータシートに記載する前記評価点を算出し、
   前記出力部は、前記点検対象物における複数のカテゴリ毎の要因データとその重要度、前記境界データ、前記補修必要度あるいは災害危険度、または前記評価点のうち、少なくとも１の情報を出力可能な手段であることを特徴とする請求項１記載の点検業務に利用可能な評点式データシートに基づく健全性評価システム。
4. 前記点検対象物における健全性劣化の要因データは複数の要因データであり、
   前記演算部は、前記複数の要因データについて、前記重要度を演算する重要度算出部を備え、
   前記補修必要度あるいは災害危険度と前記重要度から評価点を算出することを特徴とする請求項１記載の点検業務に利用可能な評点式データシートに基づく健全性評価システム。